Las proyecciones del futuro se construyen en términos de variaciones del campo de precipitaciones y de demanda del presente. Dado que las salidas de los escenarios del IPCC2, poseen altas incertidumbres [Baethgen, 2010; Muñoz 2011, 2012b], no se recomienda en general utilizarlas directamente para la toma de decisiones. Incluso productos de mayor resolución producidos por métodos de downscaling dinámico o estadístico en general pueden incrementar las incertidumbres al incrementar la resolución espacio-temporal, y especial cuidado debe tenerse al respecto.
Una alternativa, desde el punto de vista de la componente climática de los datos requeridos
2
Particularmente las anteriores (ver [IPCC, 2007] y referencias allí citadas) al reporte más reciente [IPCC, 2013], pero también es cierto para éste último.
de la precipitación (y demás variables de interés) con procedimientos semejantes a los mencionados en la Sección 1 de este documento (ver por ejemplo Figura 1 y texto correspondiente en la sección). Esto permite determinar, empleando información observada, cuáles son los posibles “estados” de variabilidad para la zona. Esta información puede o no contrastarse con las salidas de los modelos para el corto plazo, y debe emplearse en sincronía con la información escogida para representar el estado socio-económico del período futuro que se desee estudiar.
Un análisis de esta variabilidad para las estaciones en estudio muestra que la amplitud de la variación neta de precipitación entre el año más seco y más húmedo en las series de datos disponibles no supera en promedio el orden del 10% (para detalles ver [Muñoz, 2011, 2012b] y el resumen en la sección correspondiente de este documento). En consecuencia, se escogieron como posibles “estados de precipitación futura” incrementos, decrementos y también un estado idéntico al presente. Vale notar que
1. los cambios se realizan homogéneamente para todo el dominio en estudio
2. las magnitudes de incremento y decremento son del 10% y 20%, en cada caso. La cota de 20% se incluye en este estudio como estado “extremo” con respecto al presente que considera no sólo las señales asociadas a variabilidad climática natural, sino también un incremento pronunciado de estas señales debido a cambio climático antropogénico; la cota de 10% corresponde a una variación esperada similar a las observadas en las series de tiempo históricas, y puede considerarse un estado entre las condiciones normales del presente y las amplitudes máximas de variabilidad de precipitación en la zona de estudio, sin necesariamente considerar una señal pronunciada asociada al cambio climático.
3. cambios menores al 10% no proveen en el modelo hidrológico FONAG-CMC resultados significativamente diferentes al del estado presente (0% de cambio), y para fines prácticos se consideran todos virtualmente iguales al del presente.
Las consideraciones presentadas en los puntos anteriores pretenden contemplar los posibles estados futuros de precipitación en la zona, sin que esto implique que se tenga información completamente certera de que uno de los estados sea el que va a ocurrir en un momento dado. La aproximación seguida acá es distinta. La premisa es que si se conoce el rango de
variabilidad del caudal neto (diferencia oferta-demanda) para distintos estados posibles futuros, los tomadores de decisión podrían establecer con suficiente antelación políticas de adaptación para los distintos estados esperados. Son los distintos estados los que importan. Si en el futuro (actualmente la predictibilidad para más de 1.5 años en avance es bastante baja) se conoce la probabilidad de que uno de estos estados pueda ocurrir con mayor certeza, entonces no habría que empezar desde cero las políticas de adaptación, dado que los tomadores de decisión con la presente herramienta habrían ya conocido de antemano los posibles “escenarios” a esperar. Como una nota adicional al párrafo anterior, la idea de conocer con antelación los posibles estados futuros es crucial para el manejo de riesgos, dado que permite a los tomadores de decisión estar preparados –en principio- para todos los posibles casos con antelación. Los autores consideran una práctica errónea el prepararse únicamente para el estado más probable, dado que el sistema climático no es completamente predecible, y otros estados pueden ocurrir, siendo en ocasiones entonces la medida de adaptación tomada peor que el propio impacto de las amenazas climáticas.
Estados de Precipitación
Precipitación Demanda Actual Más Demanda
Similar al presente P0 P0D0 (igual al presente) P0D+
Más Precipitación P+ P+D0 P+D+ Mucha Más Precipitación P++ P++D0 (más optimista) P++D+ Menos Precipitación P- P-D0 P-D+ Mucho Menos Precipitación P-- P--D0 P--D+ (menos optimista)
Tabla 3. Casos futuros considerados en este estudio, como posibles estados perturbados del presente. P hace
referencia a la precipitación, mientras que D a la demanda. Los símbolos +,0 y – indican incremento, actual y decremento, respectivamente. Para detalles ver texto principal.
Para referencia futura, la Tabla 3 presenta en las dos primeras columnas los estados de precipitación mencionados en los párrafos anteriores como los posibles futuros para la zona de estudio. Para precipitación, en adelante P+ denota incremento del 10%, mientras que P++ denota 20% de aumento. P- y P-- corresponden a las mismas magnitudes, pero para el caso de disminución.
últimos censos en Ecuador y el crecimiento urbano, se seleccionaron sólo los casos con demanda actual o incrementada, en la que el incremento se hace de modo espacialmente homogéneo en la demanda total de cada cuenca, pero el valor del aumento depende de las actividades y población presentes, oscilando entre 8% y 14% según la cuenca. La Tabla 4 presenta el desglose de los incrementos por cuenca, y corresponden a los casos D+ de la Tabla 3. Al momento no es posible estimar el desglose por actividad (similar a la Tabla 2, que corresponde al caso presente) para los estados de demanda futura, pero se asume que sean muy parecidos a los actuales. Esta asunción sugiere también la importancia de mantener actualizados continuamente los datos de demanda.
En función de la discusión presentada, se obtiene un total de 10 casos distintos posibles para el futuro, uno de ellos siendo idéntico al presente (ver Tabla 3). Para efectos de este estudio, a los distintos estados perturbados con respecto al presente se les denomina “escenarios”, sin que esto indique que se tratan de escenarios como los del IPCC. La idea central del presente análisis ha sido explorar las combinaciones presentadas en la Tabla 3 a la luz del modelo de disponibilidad FONAG-CMC presentado en las páginas anteriores, y analizar el cambio que se tendría en términos de la disponibilidad en los distintos “escenarios”.
Cuenca Porcentaje Antisana 8.00% Papallacta 8.00% San Pedro 10.00% Guayllabamba Medio 12.00% Guayllabamba Alto 14.00% Oyacachi 8.00% Chalpi Grande 8.00% Pisque 10.00% Pita 8.00%
Resultados del Estudio
En esta sección se discuten los resultados generales de la modelación de la disponibilidad del recurso hídrico para el presente y para el futuro. El análisis para distintos sectores socio- económicos puede variar, dependiendo de las características propias de las actividades y manejo de recursos involucrados, por lo que lo primero que hay que tener en cuenta es que la información provista debe siempre tratarse con el cuidado correspondiente.
La presente ejecución del modelo FONAG-CMC ha provisto al FONAG los productos en formato ArcGIS para el presente y las proyecciones futuras de oferta natural (escorrentía, Qmedio, Q80), oferta-demanda y estrés hídrico.
La escorrentía corresponde a la lámina de agua (en mm) de lluvia no infiltrada en el suelo de la cuenca. Los caudales medios (Qmedio) y caudales de probabilidad de excedencia del 80% en el
tiempo (Q80) están medidos en m3/s, y corresponden a la media aritmética del caudal y al valor
del flujo que será igualado o sobrepasado el 80% de las veces cada año, respectivamente. La diferencia oferta – demanda se explica por sí misma: corresponde, en m3
/s, a la diferencia neta de la oferta total menos la demanda total, y da una idea formal de la disponibilidad del recurso
hídrico para el período en consideración y la ubicación de interés.
El estrés hídrico, presente y futuro, es el producto considerado como el más importante por los tomadores de decisión. En parte esto se debe a que contiene información relacionada con los otros productos, permitiendo rápidamente identificar es estado de la disponibilidad del recurso hídrico en un sector particular. Es por ello que en las siguientes páginas se discuten especialmente los resultados obtenidos para este índice tanto para el presente y como para el futuro, siguiendo la metodología explicada anteriormente.
El estrés hídrico, como se explicó anteriormente, está definido en términos de 5 categorías (sin estrés, estrés ligero, moderado, alto y severo) fundamentándose en la diferencia entre el consumo de agua y los caudales Qmedio y Q80 (para detalles ver la descripción del modelo
FONAG-CMC en este documento o consultar De Bievre y Coello [2008]).
El análisis del estrés hídrico con los datos actualizados revela para el presente algunos tramos con estrés entre alto y severo en básicamente todas las cuencas, siendo más notorios en Pisque, Oyacachi, y Antisana. Los tramos más largos corresponden a estrés alto afectando, en Guayllabamba Alto, principalmente a El Quinche y Guayllabamba, y en Pisque a Cayambe, Shimpis, Cangahua, Tabacundo y Malchingui. Amplios tramos con estrés moderado son visibles sobre todo en San Pedro, Pita, en Pisque y Guayllabamba Alta. Múltiples secciones aparecen también con estrés hídrico ligero, siendo particularmente de interés los tramos que alimentan a las centrales hidroeléctricas de Nayón, Cumbayá y Guangopolo. Las zonas de mayor estrés responden a las concesiones asociadas a industrias, riego e hidroeléctricas en los tramos mencionados. Quito prácticamente muestra estrés nulo o a lo sumo ligero.
Las proyecciones futuras del estrés hídrico pueden clasificarse en dos tipos, de demanda igual a la del presente y de demanda incrementada. La proyección menos optimista de todas corresponde a un decremento de la precipitación y un incremento en la demanda. En ella puede apreciarse que el estrés tiende en general a acentuarse o bien con tramos que presentan mayor severidad, o bien con tramos más largos con la misma severidad (o ambos). Sin embargo, en determinados sectores el estrés es más ligero que en el caso presente, debido en parte a la existencia de un número menor de tramos secundarios, por lo que ríos principales tienen mayor caudal para satisfacer la demanda requerida. El caso más optimista muestra tramos con mejoras en el estrés para Pisque, Guayllabamba Alto y Medio, pero en general no presenta diferencias importantes con respecto al estrés del caso presente.
Conclusiones y Recomendaciones
En este documento se han reportado primeramente los trabajos relacionados con la estandarización de los datos de las estaciones disponibles para el proyecto, con la actualización más reciente a la fecha (2013). Se han discutido también algunos aspectos importantes referentes a control de calidad y homogeneización de series de tiempo de variables hidroclimáticas. En virtud de una adecuada relación señal-ruido en las series de tiempo tratadas se estableció un mínimo de 20 años como umbral para seleccionar estaciones que garanticen de entrada resultados robustos a la hora de representar el presente y que sirvan de punto de partida para la generación de proyecciones futuras. Es por ello que sólo 77 estaciones (65 meteorológicas y 12 hidrológicas) fueron seleccionadas finalmente para el proceso de homogeneización. Series de tiempo más cortas que 20 años introducirán incertidumbres que no permitirán trabajar en un escenario confiable como para proveer información útil a tomadores de decisión. Para ver una lista de las estaciones homogeneizadas, ver Anexo 2. Vale mencionar acá que aunque las estaciones P08 y C10 tienen datos y en el caso de la C10 se llevó a cabo la homogeneización, no pueden ser utilizadas en este proyecto debido a que no se pudieron encontrar las coordenadas de las mismas.
La metodología empleada involucra el software en lenguaje R desarrollado por Aguilar y Prohom [Aguilar et al., 2009] para control de calidad, mientras que los procedimientos de Wang
et al. [2007] para detección de discontinuidades, tanto anotadas en metadata como no, y la
subsecuente corrección (también disponible gratuitamente en lenguaje R). Los datos de entrada, los programas de procesamiento de cada fase y los archivos de salida ya estandarizados, así como figuras con los detalles de las series de tiempo se han incluido como anexos de este documento y están disponibles para todo el público.
Vale mencionar que algunas estaciones hidrológicas del EPMAPS presentaron series de tiempo de más de 20 años pero con días de medición variable, es decir, sin continuidad día tras día en las mediciones, un requisito importante para garantizar la homogeneización a la escala temporal correspondiente. Por otra parte, las estaciones meteorológicas de EPMAPS y del FONAG no tienen aún una longitud temporal lo suficientemente amplia y es por ello que ninguna pudo incluirse en el proceso de homogeneización.
estaciones en el dominio espacial de interés, tomando en cuenta que por el carácter estadístico de los métodos, cuanto mayor sea la serie de tiempo, más robustos serán los resultados. Para tal fin se entrenó a personal del FONAG ya en un proyecto pasado, y se entrega el Anexo 3 como guía operacional.
No deben emplearse los datos bajo ninguna circunstancia si no está hecho el control de calidad y la homogeneización mencionada. Adicionalmente, vale resaltar que debe llevarse a cabo el más extremo escrutinio en cada paso de los procesos mencionados para garantizar que las series de tiempo final cumplan con las características deseables, y que efectivamente representen la evolución de las variables climáticas e hidrológicas, como corresponde.
Se ha discutido también la metodología y resultados obtenidos para el presente y futuro con el modelo de oferta y demanda ejecutado en el proyecto, haciendo especial énfasis en el estrés hídrico. Estos productos forman parte fundamental de un sistema de gestión integrada de recursos hídricos que considera la variabilidad climática y su interacción con la señal de cambio climático. Realizar proyecciones futuras nunca es una tarea fácil, y las mismas deben considerarse siempre con los cuidados correspondientes. Los resultados al respecto en este informe poseen incertidumbres asociadas a información climática, concesiones, demanda futura y uso de suelo presente y futuro.
Los resultados obtenidos muestran que en general hay condiciones aceptables de disponibilidad de recurso hídrico para la mayor parte de las zonas en las cuencas estudiadas, sin embargo en determinados tramos el estrés hídrico, por ejemplo, aparece entre moderado (San Pedro, Pita, en Pisque y Guayllabamba Alto) y severo (San Pedro, Guayllabamba Alto y Medio, Pisque y en menor grado en Pita). Estas zonas de mayor estrés responden a las concesiones asociadas a industrias, riego e hidroeléctricas en los tramos mencionados. Para Quito, se muestra estrés moderado en el sur y ligero al norte.
En los distintos estados considerados como posibles proyecciones del futuro (Figuras 6 y 7, Tabla 3), construidos como perturbaciones de los campos de precipitación y demanda presentes, se aprecia en general disponibilidad del recurso hídrico semejante al actual, salvo por tramos que se agravan o mejoran de acuerdo al “escenario” considerado. Los tramos de interés son nuevamente los mencionados en el párrafo anterior. En los distintos casos futuros considerados, sin embargo, no se aprecia en general un cambio significativo en términos de
estrés para Quito con respecto al presente, aunque los resultados sí evidencian diferencias por tramos o incluso en el número de cauces disponibles para aprovechamiento (Figuras 6 y 7).
Un aspecto importante es que en función de los datos disponibles de los últimos censos del Ecuador, no se prevé una disminución de la demanda en las cuencas analizadas, sino en el mejor de los casos que estadísticamente hablando la demanda total se mantenga como la del presente, y probablemente ocurran incrementos. El hecho de que aún en determinados casos futuros en los que se tengan disminuciones de orden del 10% de la precipitación, tramos de ríos mejoren su estrés hídrico se interpreta en términos de una posible disminución del caudal a ramificaciones de orden superior del cauce principal, por lo que quedaría mayor disponibilidad en éste último y el estrés hídrico sería consecuentemente menor.
Vale la pena resaltar que estos productos corresponden a un comportamiento medio para el período considerado, por lo que las concesiones -principalmente asociadas a industrias, riego e hidroeléctricas en los tramos mencionados- en la época seca (húmeda) del año y en determinados sectores pudieran ocasionar estrés mensuales al menos una categoría más (menos) severa que la presentada en los mapas.
Finalmente, se han mencionado ya algunos de los cuidados (caveats) que hay que tener en cuenta con el presente estudio. En futuros proyectos habría que velar por tratar de disminuir estas incertidumbres, y un aspecto sumamente interesante a considerar sería el de variar la superficie y configuración de las hidrozonas, que en este estudio, incluso para proyecciones del futuro, se han mantenido iguales a las del presente.
Referencias
Aguilar, E., J., Sigró, M. Brunet, 2009: RClimdex con funcionalidades extra de control de calidad. Manual de Uso, versión 1.0. Documento descargado del ClimateChangeResearchGroup, University Rovira i Virgili, Tarragona, España. 12 pp.
Aguilar, E., I. Auer, M. Brunet, T. C. Peterson, y J. Wieringa, 2003: GuidelinesonClimateMetadata and Homogenization, WCDMP GUIDELINES SERIES, WMO/TD no 1186, Llansó, P. ed., 50 pp., WMO, Geneva.
Alexandersson, H., 1986: A homogeneity test appliedtoprecipitation data. J. Climatol., 6, 661–675.
Caussinus, H., y O. Mestre, 2004: Detection and correction of artificial shifts in climate. Appl. Stat., 53, 405–425.
DeGaetano, A. T., 2006: Attributes of severalmethodsfordetectingdiscontinuities in mean temperature series. J. Climate, 19, 838–853.
Lund, R., y J. Reeves, 2002: Detection of undocumentedchangepoints: A revision of thetwo- phaseregressionmodel. J. Climate, 15, 2547–2554.
Menne, M. J., y C. N. Williams Jr., 2005: Detection of undocumentedchangepointsusingmultiple test statistics and com- positereference series. J. Climate, 18, 4271–4286.
Muñoz, Á.G., 2011: Preparando los Datos. Entrada del wiki del Observatorio Latinoamericano de Eventos
Extraordinarios (OLE2). [Disponible en línea en:
http://www.cmc.org.ve/mediawiki/index.php?title=Preparando_los_datos
Muñoz, Á.G., 2012a: Informe Final del Proceso de Homogeneización de Datos del Proyecto FONAG- MAE. Ecuador.
Muñoz, Á.G., 2012b: Análisis de la Variabilidad Climática Actual y Escenarios de Cambio Climático. Proyecto FONAG-MAE. Quito. Ecuador.
Muñoz, Á.G. y Torres, W., 2012: Informe Final del Módulo de Disponibilidad Hídrica del Proyecto FONAG-MAE. Quito. Ecuador
Muñoz, Á.G., 2011: Informe de Avance Módulo de Cambio y Variabilidad Climático. Proyecto PRAA- FONAG-NewVI. Quito. 18pp.
Muñoz, Á.G., 2010: Validación y Análisis de Consenso de Modelos de Escenarios de Cambio Climático para Ecuador, Informe Final. Proyectos MAE-INAMHI. Quito. 131 pp.
Muñoz, Á.G., Recalde, C., Cadema, J., Núñez, A., Díaz-Lobatón, J., 2010: Análisis Estadístico con FClimdex de índices climáticos para Ecuador. Informe Final. Proyectos MAE-INAMHI. Quito. 71pp
OMM, 2002: WMO TechnicalDocument 1125, GCOS-76.
Theimportance of timescale, J. Geophys. Res., 116, D22105, doi:10.1029/2011JD016263.
Vincent, L. A., X. Zhang, B. R. Bonsal, y W. D. Hogg, 2002: Homogenization of dailytemperaturesoverCanada. J. Climate, 15, 1322–1334.
Wan, H., X. L. Wang, y V. R. Swail, 2007: A qualityassurancesystemfor Canadian hourlypressure data. J. Appl. Meteor. Climatol., 46, 1804–1817.
Wang, X.L., 2003: Commentson “Detection of undocumentedchangepoints: A revision of thetwo-
phaseregressionmodel.” J. Climate, 16, 3383–3385.
________, 2006: Climatology and trends in some adverse and fairweatherconditions in Canada, 1953– 2004. J. Geophys. Res., 111, D09105, doi:10.1029/2005JD006155.
________, y Y. Feng, 2007: RHtestV2 user manual. ClimateResearchDivision, Science and TechnologyBranch, Envi- ronmentCanada, Toronto, Ontario, Canada, 19 pp. [Disponible en línea en:
http://cccma.seos.uvic.ca/ETCCDMI/RHtest/RHtestV2_UserManual.doc]
________, 2008: Penalizedmaximal F test fordetectingundocumented mean shiftwithouttrendchange. J. Atmos. OceanicTechnol., 25, 368–384.
Chimborazo, O., Guitarra, S. y Muñoz, Á.G., 2010: Informe Final Análisis de Nuevas Salidas del Modelo TL959. Proyectos MAE-INAMHI. Quito. 430 pp.
Cisneros, F. y Burneo, D., 2008: Análisis de Estrategias para la Gestión de Demanda y Oferta de los Recursos Hídricos y Evaluación de su Factibilidad Financiera-Económica en la Cuenca Alta del Río Guayllabamba. Proyecto UICN-SUR-BID-FONAG. Quito. Ecuador.
Coello, X. Y Muñoz, Á.G., 2011: Extensión de la Red de Vigilancia Hidrometeorológica para microcuencas andinas en el Ecuador. Artículo Técnico del Proyecto FONAG-MAE. Ecuador. 24 pp. De Bievre, B. y Coello, X., 2008: Diagnóstico del balance entre oferta y demanda hídrica, Proyecto Manejo Integrado de los Recursos Hídricos en la Hoya de Quito. UICN-Sur, Ecuador.
FONAG, 2008: Mapa de cobertura vegetal y uso del suelo del FONAG. Informe interno. Datos