Expositor: Philippe Vauchel - IRD Lima / LIMA – PERU 24 de Setiembre 2008

1. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Impacto del cambio climático en Amazonía
(sobre los caudales y la precipitación)
Philippe Vauchel – IRD Lima – Philippe.Vauchel@ird.fr

2. HYBAM : un equipo internacional
LMTG - Laboratoire des Mécanismes de Transfert en Géologie, Toulouse, France
LEGOS - Laboratoire d’Etudes en Géophysique et Océanographie Spatiales, Toulouse, France
ESPACE – Unité de Service IRD, Montpellier, France
OBHI – Unité de Service Observatoires Hydrologiques et Ingénierie, Montpellier, France
DIREN – Direction Régionale de l’Environnement, Cayenne, Guyane Française
ANA – Agence Nationale de l’Eau, Brasilia, Brésil
UnB – Université Fédérale de Brasilia, Brésil
UFF – Université Fédérale Fluminense, Niteroi, Brésil
UFRJ – Université Fédérale de Rio de Janeiro, Brésil
UFAM – Université Fédérale d’Amazonas, Manaus, Brésil
SENAMHI – Service National de Météorologie et d’Hydrologie, La Paz, Bolivie
UMSA – Université Majeure de San Andres, La Paz, Bolivie
SENAMHI – Service National de Météorologie et d’Hydrologie, Lima, Pérou
UNALM – Université Nationale Agraire de La Molina, Lima, Pérou
INAMHI – Institut National de Météorologie et d’Hydrologie, Quito, Equateur
IDEAM – Institut d’Etudes sur l’Environnement, Bogota, Colombie
UNC – Université Nationale de Colombie, Bogota, Colombie
MARN – Ministère de l’Environnement et des Ressources Naturelles, Caracas, Venezuela
UCV – Université Centrale de Caracas, Venezuela
SCEVN – Service Commun d'Entretien des Voies Navigables, Brazzaville, Congo
Université de Brazzaville, Congo

3. E s taciones de referenc ia HYB A M
Muestreo de superficie cada 10 días
Muestreo completo de las secciones cada 2 a 6 meses
Objetivos: análisis de la dinámica
de los flujos líquidos y sólidos, de
los procesos erosivos, de la
variación climática.
Herramientas: Hidrometría,
Sedimentología, Modelos
hidrodinámicos, Teledetección
satelital, Bases de datos,
Laboratorios de análisis.

4. Las 18 estaciones del observatorio ORE HYBAM: Geoquímica
Un protocolo único para la medida, el muestreo, el análisis
y el tratamiento de los datos para todos los países

5. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Previsiones de los modelos
globales sobre la evolución de
la precipitación
Los 35 modelos del Grupo Intergubernamental sobre el Cambio
Climático concuerdan que la temperatura va a aumentar.
Pero el efecto sobre la precipitación es menos evidente, y varia bastante
según los modelos considerados.
Generalmente, se prevé una amplificación de los fenómenos existentes, con
más eventos extremos.

6. Consistencia de la previsión de los modelos para precipitación
a partir de 9 modelos, previsión consistente cuando 9 modelos concuerdan
Fuente: GICC, 2001

7. Tendencias de las precipitaciones anuales de 1900 a 2000
Fuente: GICC, 2002

8. Variación de las precipitaciones 2071-2100 / 1961-1990, escenario A2
Fuente: GICC, 2002

9. Variación de las precipitaciones 2071-2100 / 1961-1990
con modelos regionales Eta CCS, RegCM3 y HadRM3P
Escenario B2 Escenario A2
Eta CCS, RegCM3 and HadRM3P regional models
Fuente: CREAS, Marengo, 2007

10. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Análisis de las series de larga duración
Fuente: Guyot, Callède, Vauchel, Guyomard

11. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Colombia
Venezuela
Óbidos, datos extendidos desde 1903
Caq
Branco
Ecuador uet
a-J Negro
Pu a pu
tum ra
Nap OBI
o ay
o
z on
Amaz
onas
Solim
oe s Am a
Mara
ñ ón
a g
a j os
alla
ra
Xingu
ei
á
Tap
Hu
ad
s
ru
ru
M
Pu
Ju
Uc
Caudales medios anuales en Óbidos
ay
Perú Brasil
ali
200 000
i
Ben
190 000
Mam
Bolivia
or é
180 000
Caudal medio anual (m3/s)
170 000
Km 160 000
150 000
140 000
130 000
Reconstituido
120 000
Observado
110 000
100 000
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010

12. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Distribución estadística de los caudales anuales en Óbidos
Posibilidad de cambio climático
Distribución estadística de Qmax, Qmed y Qmin anuales en Óbidos
300 000
Símbolos llenos: 1970-2006 Q max
250 000 Símbolos vacíos: 1903-1969
200 000 Q med
Caudal (m3/s)
150 000
Q min
100 000
50 000
500 200 100 50 20 10 5 3 2 3 5 10 20 50 100 200 500
Tiempo de retorno (Años)

13. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Caudales medios anuales en Óbidos y lluvias en la cuenca
200 000 2500
190 000 2400
180 000 2300
Caudal medio anual (m3/s)
170 000 2200
160 000 2100
150 000 2000
140 000 1900
130 000 1800
Reconstituido
120 000 1700
Observado
110 000 1600
Lluvia media de 165 estaciones
100 000 1500
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010

14. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Venezuela
Colombia
Porto Velho, datos extendidos desde 1908
Caq
Branco
Ecuador uet
a-J Negro
Pu a pu
tum ra
Nap
o ay
o
z on
Amaz
onas
Solim
oe s Am a
Mara
ñ ón
a g
a j os
alla
ra
Xingu
ei
á
Tap
Hu
ad
s
ru
ru
M
Pu
Ju
Uc
PVE
ay
Perú Brasil
ali
Caudales medios anuales en Porto Velho
i
Ben
30 000
Mam
Bolivia
or é
25 000
Caudal Medio Anual (m3/s)
Km
20 000
15 000
10 000
Reconstituido
Observado
5 000
0
1905 1915 1925 1935 1945 1955 1965 1975 1985 1995 2005

15. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Distribución estadística de los caudales anuales en Porto Velho
Distribución estadística de Qmed en Porto Velho
35 000
Símbolos llenos: 1970-2006
30 000
Símbolos vacíos: 1908-1969
Q med
Caudal medio anual (m3/s)
25 000
20 000
15 000
10 000
5 000
500 200 100 50 20 10 5 3 2 3 5 10 20 50 100 200 500
Tiempo de retorno (Años)

16. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Análisis de las tendencias sobre el periodo 1974 – 2004
Tomado de “Variabilidad climática en la cuenca amazónica”
Fuente: Tesis de Jhan Carlo Espinosa Villar, UNALM - IRD

17. Impact de la variabilité climatique sur l’hydrologie du bassin de l’Amazone Paris, 10/04/2008
Periodo 1974 – 2004: tesis de Jhan Carlo Espinosa Villar (UNALM – IRD)
•Los caudales medidos en Óbidos muestran una fuerte variabilidad desde el principio de los años 70.
•14 eventos pasando 250 000 m3/s se han registrado desde 1970 y solo 5 entre 1903 et 1970.
•Un aumento de la amplitud se percibe desde 1990: estiaje muy bajo en 2005 y crecida fuerte en 2006
300 000
Annuel discharge (m3/s)
200 000
100 000
Annual Minimum
Annual Mean
Annual Maximum
0
01/01/60 31/12/69 01/01/80 31/12/89 01/01/00 01/01/10
Callède et al., 2004

18. Impacto del cambio climático en Amazonia Lima, 07/05/2008
•12 estaciones se seleccionaron para el análisis regional de la variabilidad y tendencias de
caudales extremos. 1974 - 2004
•Las subcuencas se seleccionaron en función de su tamaño, localización, caudales medios,
periodos con datos, etc.
•Varias pruebas de ruptura y tendencia se aplicaron a cada serie
Venezuela
Colombia
HYDRACCESS
Ca q CAR Station River Lat Lon Area Qmean Qmax Qmin iV
Branco
Ecuador uet (Km2) (m3/s) (m3/s) (m3/s) Qme
a-J Negro SER
Pu a pu
ra ACA Altamira ALT Xingu -3.38 -52.14 469100 7800 22300 1000 0.2
Nap tum OBI
o ay Itaituba ITA Tapajos -4.28 -57.58 461100 11700 24500 3000 0.1
o MAN z on
Amaz
ona s SAI Solim
oe s Am a ALT Porto VelhoPVE Madeira -8.74 -63.92 954400 18300 37900 3900 0.1
Mara TAM ITA
ñ ón Fazenda vista alegre FVA* Madeira -4.68 -60.03 339200 9400 0.2
FVA TamshiyacuTAM Amazonas -4.00 -73.16 726400 31700 46700 16400 0.1
a
G-L
g
ajos
alla
Jurua - -4.84; -66.85;
ra
400400 10400 19700 2100 0.0
Xingu
Gaviao - Lábrea G-L
ei
Purus -7.25 -64.80
á
Tap
Hu
ad
s
ru
ru
M
Pu Manacapuru MAN* Solimoes -3.31 -60.61 431600 22000 0.1
Ju
Uc
PVE Santo Antônio do Içá SAI* Solimoes -3.08 -67.93 432200 24100 31000 14800 0.1
ay
Peru Brasil Acanaui ACA Japura -1.82 -66.60 251800 14800 22900 5300 0.0
ali
Serinha SER Negro -0.48 -64.83 291100 16500 28500 5900 0.1
Caracaraní CAR Branco 1.83 -61.38 130600 2900 9600 500 0.2
i
Ben
Mam
Óbidos OBI* Amazon -1.93 -55.50 746780 22400 0.3
Bolivia Fazenda vista Alegre FVA Madeira -4.68 -60.03 339200 27800 58300 5100 0.1
oré
Manacapuru MAN Solimoes -3.31 -60.61 431600 102600 139000 58800 0.0
Óbidos OBI Amazon -1.93 -55.50 4680000 172400 240000 100200 0.0
Km Espinoza et al., 2008

19. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Tendencias significativas y rupturas se observan solamente en tres subcuencas localizadas en parte en las
cuencas andinas:
SAI*.- Putumayo, Napo, Amazonas-Solimoes (Col, Ecu, Per, Bra)
TAM.- Amazonas, Marañón, Ucayali (Per, Ecu) PVE.- Madeira, Beni, Mamoré (Bol, Per, Bra)
CAR CAR
SER
SER OBI* OBI*
MAN* ACA
Runoff SAI* ACA
ITA ALT
SAI*
MAN*
IT
ALT
MAX
TAM
FVA*
TAM
FVA
*
A
Runoff
Ruptura y aumento
G-L
PVE G-L MEAN
PVE
después de 1992 en
SAI*
Runoff max Runoff
mean
Positive trend, significant at the 99% level
Positive trend, non significant CAR
99% Positive significance SE
R
No trend (Pearson, Spearman and Kendall OBI*
Positive trend non significant
coefficients < 0.1)
ACA
MAN* ALT Runoff
No trend SAI
%
IT
Negative trend, non significant
Negative trend non significant
TAM *
FVA*
A MIN
90% Negative significance
Negative trend, significant at the 90% level G-L PV
E
99% Negative significance Ruptura y disminución
Negative trend, significant at the 99% level
No Data después de 1987 en
No data TAM y después de 1993
en PVE
1974-2004
Runoffmin

20. Qmin Qmed Qmax
-6
-3
0
3
6
-6
-3
0
3
6
-6
-3
0
3
6
1974 1974 1974
a
b
c
1976 1976 1976
1978 1978 1978
PVE-3
1980 1980 1980
PVE-3
PVE-3
1982 1982 1982
1984 1984 1984
1986 1986 1986
TAM+0
TAM+0
TAM+0
1988 1988 1988
1990 1990 1990
1992 1992 1992
SAI*+3
SAI*+3
1994 1994 1994
SAI*+3
1996 1996 1996
1998 1998 1998
OBI+6
OBI+6
2000 2000 2000
OBI+6
2002 2002 2002
2004 2004 2004
TAM
SAI*
PVE
OBI

21. Se observa la misma variabilidad espacial en una escala más regional y para el periodo 1990-2005.
La disminución es mas fuerte en el Sur (Guayaramerin, Ucayali) y existe incremento en el Norte (San Regis)
99% Positive significance
99% Negative significance
90% Negative significance
No trend
BOR SRE BOR SRE
BOR SRE
REQ REQ
REQ
CAE CAE CAE
GUA GUA GUA
MARAÑON
(a) BENI MAMORE
(c)
UCAYALI
(b)
Q Max Q Med Q Min

22. Espinoza et al., 2006
La fuerte tendencia de lluvias (lamina media) y caudales en Tamshiyacu
40000 3000
30000
2000
CAUDAL (m3 s-1)
LLUVIA (mm)
20000
1000
10000
0 0
1984
1970
1972
1974
1976
1978
1980
1982
1986
1988
1990
1992
1994
1996
Precipitación (azul) = -0.83%
Q med (negro) = -0.81%

23. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Que se puede ver con la lluvia?
La ACP realizada a partir de 756 estaciones pluviométricas de la base de datos de lluvias
muestra la misma variabilidad espacial y temporal que los caudales
ACP-Pluie
La lámina de agua calculada para toda la cuenca
PC2 MAM
muestra también un aumento de la amplitud
después de 1992
Espinoza et al., 2007
DJF MAM JJA SON
800
600
mm
1.0 0 -0.5
PC2
3
2 400
1
0
-1
-2
-3 200
1963
1966
1969
1972
1975
1978
1981
1984
1987
1990
1993
1996
1999
2003
1977
1983
1987
1993
1997
2003
1975
1979
1981
1985
1989
1991
1995
1999
2001

24. La lámina media de lluvias en las dos regiones de mayor variabilidad. En el NO se analizan dos estaciones del año: MAM (Marzo Abril y Mayo, que
produce los caudales máximos), hay una disminución desde 1975 hasta 1983 y un incremento significativo de la lluvia después. En SON (Sept, Oct. y
Nov., que produce los caudales mínimos) hay una ruptura en 1989 y disminución después.
En el Sur solo analizamos la lluvia anual (que depende casi exclusivamente del verano (DEF), no es correcto analizar la relación lluvia caudal en otras
estaciones porque la lluvia no siempre es efectiva y el caudal depende del acuífero (cargado en DEF) debido a la fuerte estacionalidad del régimen
pluviométrico en esta región)
Entonces en el Sur, hay una ruptura en 1984 y fuerte disminución después.
En conclusión las tendencias generales en estas dos regiones explican la variabilidad de caudales observada en las diapos 3 y 4. Importante decir
también que el Perú se encuentra dentro de estas dos tendencias: Ucayali (disminución) Marañón (incremento).
1200
1000
800
mm
600
400
MAM
200 SON
0
a
1981
1985
1987
1991
1995
1997
2001
1975
1977
1979
1983
1989
1993
1999
2003
Annual Rainfall
2000
1500
mm
1000
500
0
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
b

25. Correlaciones Lluvia Noroeste en MAM con
la Temperatura Superficial del Mar (SST)
El patrón de correlación lluvia-SST (negativo en el Pacifico
Tropical y positivo en el pacifico norte – entre 25ºN y 50N) se
asemeja a un índice climático conocido: La Oscilación Decadal
del Pacífico - PDO (Mantua et al., 1997) que muestra una
variabilidad decenal.
a
Corrélations entre pluie NW et
SST (25º-40ºS, 110º-130ºW).
r (lluvia – SST) = -0.50.
r (lluvia - PDO) = -0.54.

26. http://la.climatologie.free.fr/enso/enso-pdo3.htm#pdo
La variabilidad espacio-temporal de la PDO. Se ve que existen grandes oscilaciones, entonces las las
tendencias observadas en las lluvias y caudales pueden, efectivamente, ser parte de este tipo de
oscilación

27. Correlaciones Lluvia Noroeste en SON
con SST. Fuerte correlación con el
Atlántico tropical.
5 1
pluie
Corrélations entre pluie NW et sst(-1)
sst (0º-25ºS, 20º-40ºW). NATL(-1) La disminución de las lluvias en SON está relacionada entonces
2.5 0.5 a un calentamiento del Atlántico tropical. Mecanismo ya
documentado por otros autores (Ronchail et al., 2002; Marengo
Puie; sst(-1)
2004, etc.)
NATL
0 0
-2.5 -0.5
r (lluvia - SST) = -0.55.
r (lluvia - NATL) = -0.51.
-5 -1
1975 1980 1985 1990 1995 2000

28. Correlaciones lluvia Sur en DEF con SST
b
Correlaciones entre lluvia Sur y SST
(30º-50ºS, 10º-50ºW). En el Sur, se observa también que la disminución de las
lluvias está relacionada al calentamiento del Atlántico (Sur
r (lluvia - SST) = -0.32. principalmente).
Correlación positiva con el ENSO es encontrada también,
pero no es significativa, por tanto no aparece en el gráfico.

29. Los modelos globales de circulación ERA-40, NCEP, etc., muestran poca confiabilidad para predecir las lluvias, pero buena
capacidad de previsión de la circulación (vientos por ejemplo). Entonces nosotros hemos conseguido reconocer y clasificar los
patrones mas importantes de la circulación atmosférica en la región (análisis de tipos de tiempo o regímenes de tiempo) y asociar
esta circulación a las anomalías de lluvia (observada in situ) de cualquier región en la amazonía (Análisis de Downscaling). En la
figura se muestran las anomalías para la región NW (triángulos negros) y Sur (triángulos Blancos)
Gracias a estos resultados podremos conocer las lluvias en la
Amazonía de acuerdo a modelos de previsión (del IPCC por
ejemplo) en un eventual cambio climático.
Lluvia Observada y Lluvia Prevista a partir de las frecuencias de
diferentes tipos de tiempo en SON
3
r=0.68
2
1
0
-1
-2 Observée
Prévue
-3
1975
1979
1981
1983
1985
1987
1989
1991
1999
1977
1993
1995
1997
2001
Anomalías de vientos (vectores) y de lluvias (colores y triángulos)

30. Impacto del cambio climático en Amazonia Lima, 07/05/2008
Conclusiones para el periodo 1974 - 2004
Existe una variabilidad de los caudales y de las lluvias en el espacio y en el tiempo
dentro de la cuenca amazónica, y las variaciones son coherentes entre sí.
Se evidencia la importancia de la región andina como fuente de la fuerte variabilidad
del periodo.
La variabilidad de los caudales es esencialmente de origen climático.
El vínculo clima - tipo de tiempo con la hidrología puede utilizarse en el futuro para
mejorar los modelos de previsión de las precipitaciones.

31. Relatividad del periodo de estudio 1974-2004
Ejemplo de Porto Velho
Tendencias de los caudales anuales en Porto Velho
35000 Serie extendida 1908-2006
Serie observada 1967-2006
30000 Serie 1974-2004
Lineal (Serie extendida 1908-
y = -0,3192x + 29844
2006)
25000 R2 = 0,1658 Lineal (Serie 1974-2004)
Valeurs Annuelles
20000
15000
y = -0,0585x + 20259
R2 = 0,04
10000
5000
0
31/12/1907 08/09/1921 18/05/1935 24/01/1949 03/10/1962 11/06/1976 18/02/1990 28/10/2003
Año calendario
La tendencia 1974-2004 no se confirma en el pasado, pero aparecen oscilaciones de 20 a 30 años de duración

32. ¿Relación entre las oscilaciones de los caudales e índices oceánicos?
Tendencias de los caudales anuales en Porto Velho
35000 Serie extendida 1908-2006
Serie observada 1967-2006
30000 Serie 1974-2004
Lineal (Serie extendida 1908-
y = -0,3192x + 29844
25000 2 2006)
R = 0,1658 Lineal (Serie 1974-2004)
Valeurs Annuelles
20000
15000
y = -0,0585x + 20259 No tan convincente
R2 = 0,04
10000 con el PDO, pero
quizás con otros
5000
índices?
0
31/12/1907 08/09/1921 18/05/1935 24/01/1949 03/10/1962 11/06/1976 18/02/1990 28/10/2003
Año calendario