Post on 04-Jul-2015
description
Impacto del cambio climático en Amazonía
(sobre los caudales y la precipitación)
Impacto del cambio climático en Amazonia Lima, 07/05/2008
Philippe Vauchel – IRD Lima – Philippe.Vauchel@ird.frPhilippe Vauchel – IRD Lima – Philippe.Vauchel@ird.fr
LMTG - Laboratoire des Mécanismes de Transfert en Géologie, Toulouse, FranceLEGOS - Laboratoire d’Etudes en Géophysique et Océanographie Spatiales, Toulouse, FranceESPACE – Unité de Service IRD, Montpellier, FranceOBHI – Unité de Service Observatoires Hydrologiques et Ingénierie, Montpellier, FranceDIREN – Direction Régionale de l’Environnement, Cayenne, Guyane Française
ANA – Agence Nationale de l’Eau, Brasilia, BrésilUnB – Université Fédérale de Brasilia, BrésilUFF – Université Fédérale Fluminense, Niteroi, BrésilUFRJ – Université Fédérale de Rio de Janeiro, BrésilUFAM – Université Fédérale d’Amazonas, Manaus, Brésil
SENAMHI – Service National de Météorologie et d’Hydrologie, La Paz, BolivieUMSA – Université Majeure de San Andres, La Paz, Bolivie
SENAMHI – Service National de Météorologie et d’Hydrologie, Lima, PérouUNALM – 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, ColombieUNC – Université Nationale de Colombie, Bogota, Colombie
MARN – Ministère de l’Environnement et des Ressources Naturelles, Caracas, VenezuelaUCV – Université Centrale de Caracas, Venezuela
SCEVN – Service Commun d'Entretien des Voies Navigables, Brazzaville, CongoUniversité de Brazzaville, Congo
HYBAM : un equipo internacional HYBAM : un equipo internacional
Muestreo de superficie cada 10 díasMuestreo de superficie cada 10 díasMuestreo completo de las secciones cada 2 a 6 mesesMuestreo completo de las secciones cada 2 a 6 meses
Es taciones de referenciaEs taciones de referencia HYBAM HYBAM
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.
Las 18 estaciones del observatorio ORE HYBAM: Geoquímica Las 18 estaciones del observatorio ORE HYBAM: Geoquímica
Un protocolo único para la medida, el muestreo, el análisis Un protocolo único para la medida, el muestreo, el análisis y el tratamiento de los datos para todos los países y el tratamiento de los datos para todos los países
Previsiones de los modelos globales sobre la evolución de
la precipitación
Impacto del cambio climático en Amazonia Lima, 07/05/2008
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.
Consistencia de la previsión de los modelos para precipitacióna partir de 9 modelos, previsión consistente cuando 9 modelos concuerdan
Fuente: GICC, 2001
Tendencias de las precipitaciones anuales de 1900 a 2000
Fuente: GICC, 2002
Variación de las precipitaciones 2071-2100 / 1961-1990, escenario A2
Fuente: GICC, 2002
Variación de las precipitaciones 2071-2100 / 1961-1990
con modelos regionales Eta CCS, RegCM3 y HadRM3P
Fuente: CREAS, Marengo, 2007
Eta CCS, RegCM3 and HadRM3P regional models
Escenario B2 Escenario A2
Análisis de las series de larga duración
Fuente: Guyot, Callède, Vauchel, Guyomard
Impacto del cambio climático en Amazonia Lima, 07/05/2008
OBI
BrasilPerú
Ecuador
Colombia Venezuela
Bolivia
Km
Mad
eira
Amazon
Xin
gu
Tap
ajo
s
Solimoes
Negro
Bra
ncoCaqueta - JapuraPutumayo
Purus
Juru
á
Marañón
Hu
alla
ga
Ucayali
Napo
Mam
oré
Ben
i
Amazonas
Óbidos, datos extendidos desde 1903
Caudales medios anuales en Óbidos
100 000
110 000
120 000
130 000
140 000
150 000
160 000
170 000
180 000
190 000
200 000
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010
Cau
dal
med
io a
nu
al (
m3/
s)
Reconstituido
Observado
Impacto del cambio climático en Amazonia Lima, 07/05/2008
Distribución estadística de Qmax, Qmed y Qmin anuales en Óbidos
500 200 100 50 20 10 5 3 2 3 5 10 20 50 100 200 50050 000
100 000
150 000
200 000
250 000
300 000
Tiempo de retorno (Años)
Cau
da
l (m
3/s
)
Distribución estadística de los caudales anuales en ÓbidosPosibilidad de cambio climático
Símbolos llenos: 1970-2006
Símbolos vacíos: 1903-1969
Q max
Q med
Q min
Impacto del cambio climático en Amazonia Lima, 07/05/2008
Impacto del cambio climático en Amazonia Lima, 07/05/2008
Caudales medios anuales en Óbidos y lluvias en la cuenca
100 000
110 000
120 000
130 000
140 000
150 000
160 000
170 000
180 000
190 000
200 000
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010
Cau
dal
med
io a
nu
al (
m3/
s)
1500
1600
1700
1800
1900
2000
2100
2200
2300
2400
2500
Reconstituido
Observado
Lluvia media de 165 estaciones
Porto Velho, datos extendidos desde 1908
PVE
BrasilPerú
Ecuador
Colombia Venezuela
Bolivia
Km
Mad
eira
Amazon
Xin
gu
Tap
ajo
s
Solimoes
Negro
Bra
ncoCaqueta - JapuraPutumayo
Purus
Juru
á
Marañón
Hu
alla
ga
Ucayali
Napo
Mam
oré
Ben
i
Amazonas
Caudales medios anuales en Porto Velho
0
5 000
10 000
15 000
20 000
25 000
30 000
1905 1915 1925 1935 1945 1955 1965 1975 1985 1995 2005
Cau
dal
Med
io A
nu
al (
m3/
s)
Reconstituido
Observado
Impacto del cambio climático en Amazonia Lima, 07/05/2008
Distribución estadística de Qmed en Porto Velho
500200100502010532351020501002005005 000
10 000
15 000
20 000
25 000
30 000
35 000
Tiempo de retorno (Años)
Ca
ud
al m
ed
io a
nu
al (
m3
/s)
Distribución estadística de los caudales anuales en Porto Velho
Q med
Impacto del cambio climático en Amazonia Lima, 07/05/2008
Símbolos llenos: 1970-2006
Símbolos vacíos: 1908-1969
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
Impacto del cambio climático en Amazonia Lima, 07/05/2008
0
100 000
200 000
300 000
01/01/60 31/12/69 01/01/80 31/12/89 01/01/00 01/01/10
An
nu
el d
isch
arg
e (m
3/s)
Annual Minimum
Annual Mean
Annual Maximum
Callède et al., 2004
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
TAMSAI
ACASER
CAR
G-L
PVE
FVA
MAN
OBI
ALT
Brasil
ITA
Peru
Ecuador
Colombia Venezuela
Bolivia
Km
Mad
eira
Amazon
Xin
gu
Tap
ajo
s
Solimoes
Negro
Bra
ncoCaqueta - JapuraPutumayo
Purus
Juru
á
Marañón
Hu
alla
ga
Ucayali
Napo
Mam
oré
Ben
i
Amazonas
Station River Lat Lon Area (Km2)
Qmean (m3/s)
Qmax (m3/s)
Qmin (m3/s)
iVC Qmean
iVC Qmax
iVC Qmin
sVC
Altamira ALT Xingu -3.38 -52.14 469100 7800 22300 1000 0.22 0.21 0.26 0.88
Itaituba ITA Tapajos -4.28 -57.58 461100 11700 24500 3000 0.14 0.11 0.26 0.59
Porto VelhoPVE Madeira -8.74 -63.92 954400 18300 37900 3900 0.17 0.14 0.26 0.60
Fazenda vista alegre FVA* Madeira -4.68 -60.03 339200 9400 0.20
TamshiyacuTAM Amazonas -4.00 -73.16 726400 31700 46700 16400 0.12 0.11 0.26 0.31
Gaviao - Lábrea G-L Jurua - Purus
-4.84; -7.25
-66.85; -64.80
400400 10400 19700 2100 0.09 0.05 0.20 0.66
Manacapuru MAN* Solimoes -3.31 -60.61 431600 22000 0.19
Santo Antônio do Içá SAI* Solimoes -3.08 -67.93 432200 24100 31000 14800 0.12 0.12 0.29 0.26
Acanaui ACA Japura -1.82 -66.60 251800 14800 22900 5300 0.09 0.08 0.44 0.32
Serinha SER Negro -0.48 -64.83 291100 16500 28500 5900 0.10 0.09 0.34 0.35
Caracaraní CAR Branco 1.83 -61.38 130600 2900 9600 500 0.27 0.25 0.52 0.74
Óbidos OBI* Amazon -1.93 -55.50 746780 22400 0.31
Fazenda vista Alegre FVA Madeira -4.68 -60.03 339200 27800 58300 5100 0.12 0.10 0.36 0.65
Manacapuru MAN Solimoes -3.31 -60.61 431600 102600 139000 58800 0.09 0.08 0.21 0.25
Óbidos OBI Amazon -1.93 -55.50 4680000 172400 240000 100200 0.09 0.09 0.15 0.27
Espinoza et al., 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
HYDRACCESS
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)
Runoff MEAN
Runoff MAX
Ruptura y aumento después de 1992 en
SAI*
Runoff MIN
Ruptura y disminución después de 1987 en
TAM y después de 1993 en PVE
TAM
SAI*
ACA
SERCAR
MAN*
G-L
PVE
FVA*
ITA
ALT
OBI*
TAMSAI*
ACA
SER
CAR
MAN*
G-L PVE
FVA*
ITA
ALT
OBI*
SAI* ACA
CAR
MAN*
G-LPVE
FVA*
ALT
OBI*
TAM
99% Positive significancePositive trend non significantNo trendNegative trend non significant90% Negative significance99% Negative significanceNo Data
1974-2004
Runoff mean
Runoffmin
Runoff max
%
SER
ITA
Negative trend, significant at the 99% level
Negative trend, significant at the 90% level
Negative trend, non significant
No trend (Pearson, Spearman and Kendall coefficients < 0.1)
Positive trend, non significant
Positive trend, significant at the 99% level
No data
Impacto del cambio climático en Amazonia Lima, 07/05/2008
Qm
axQ
med
Qm
in
-6
-3
0
3
6
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
PVE-3 TAM+0 SAI*+3 OBI+6
-6
-3
0
3
6
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
PVE-3 TAM+0 SAI*+3 OBI+6
TAMSAI*
PVE
OBI
-6
-3
0
3
6
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
PVE-3 TAM+0 SAI*+3 OBI+6
a
b
c
GUACAE
REQ
SREBOR
GUACAE
REQ
SREBOR
GUACAE
REQ
SREBOR
UCAYALI
MARAÑON
BENI MAMORE(a)(b) (c)
99% Positive significance99% Negative significance90% Negative significanceNo trend
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)
Q Max Q Med Q Min
0
10000
20000
30000
40000
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
CA
UD
AL
(m
3 s
-1)
0
1000
2000
3000
LL
UV
IA (
mm
)
Precipitación (azul) = -0.83%
Q med (negro) = -0.81%
Espinoza et al., 2006
La fuerte tendencia de lluvias (lamina media) y caudales en Tamshiyacu
PC2
-3
-2
-1
0
1
2
3
19
63
196
6
1969
19
72
197
5
1978
19
81
1984
19
87
199
0
1993
19
96
199
9
2003
-0.501.0
PC2 MAMACP-Pluie
200
400
600
800
19
75
19
77
19
79
19
81
19
83
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
20
03
mm
DJF MAM JJA SON
Espinoza et al., 2007
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
La lámina de agua calculada para toda la cuenca muestra también un aumento de la amplitud después de 1992
Que se puede ver con la lluvia?
Impacto del cambio climático en Amazonia Lima, 07/05/2008
b
0
200
400
600
800
1000
1200
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
mm
MAMSON
Annual Rainfall
0
500
1000
1500
2000
19
75
19
77
19
79
19
81
19
83
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
20
03
mm
a
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).
Correlaciones Lluvia Noroeste en MAM con la Temperatura Superficial del Mar (SST)
r (lluvia – SST) = -0.50.
r (lluvia - PDO) = -0.54.
a
Corrélations entre pluie NW et SST (25º-40ºS, 110º-130ºW).
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.
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
http://la.climatologie.free.fr/enso/enso-pdo3.htm#pdo
Correlaciones Lluvia Noroeste en SON con SST. Fuerte correlación con el Atlántico tropical.
-5
-2.5
0
2.5
5
1975 1980 1985 1990 1995 2000
Pu
ie;
ss
t(-1
)
-1
-0.5
0
0.5
1N
AT
Lpluie
sst(-1)
NATL(-1)
Corrélations entre pluie NW et sst (0º-25ºS, 20º-40ºW).
r (lluvia - SST) = -0.55.
r (lluvia - NATL) = -0.51.
La disminución de las lluvias en SON está relacionada entonces a un calentamiento del Atlántico tropical. Mecanismo ya documentado por otros autores (Ronchail et al., 2002; Marengo 2004, etc.)
b
Correlaciones lluvia Sur en DEF con SST
Correlaciones entre lluvia Sur y SST (30º-50ºS, 10º-50ºW).
r (lluvia - SST) = -0.32.
En el Sur, se observa también que la disminución de las lluvias está relacionada al calentamiento del Atlántico (Sur principalmente).
Correlación positiva con el ENSO es encontrada también, pero no es significativa, por tanto no aparece en el gráfico.
Anomalías de vientos (vectores) y de lluvias (colores y triángulos)
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.
-3
-2
-1
0
1
2
3
19
75
19
77
19
79
19
81
19
83
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
Observée
Prévue
Lluvia Observada y Lluvia Prevista a partir de las frecuencias de diferentes tipos de tiempo en SON
r=0.68
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.
Impacto del cambio climático en Amazonia Lima, 07/05/2008
Tendencias de los caudales anuales en Porto Velho
y = -0,0585x + 20259
R2 = 0,04
y = -0,3192x + 29844
R2 = 0,1658
0
5000
10000
15000
20000
25000
30000
35000
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
Val
eurs
An
nu
elle
s
Serie extendida 1908-2006
Serie observada 1967-2006
Serie 1974-2004
Lineal (Serie extendida 1908-2006)Lineal (Serie 1974-2004)
Relatividad del periodo de estudio 1974-2004Ejemplo de Porto Velho
La tendencia 1974-2004 no se confirma en el pasado, pero aparecen oscilaciones de 20 a 30 años de duración
Tendencias de los caudales anuales en Porto Velho
y = -0,0585x + 20259
R2 = 0,04
y = -0,3192x + 29844
R2 = 0,1658
0
5000
10000
15000
20000
25000
30000
35000
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
Vale
urs
An
nu
elles
Serie extendida 1908-2006
Serie observada 1967-2006
Serie 1974-2004
Lineal (Serie extendida 1908-2006)Lineal (Serie 1974-2004)
¿Relación entre las oscilaciones de los caudales e índices oceánicos?
No tan convincente con el PDO, pero quizás con otros índices?