Proyección climática para el periodo 2006-2075 para el valle de Jauja, simulada por la intercomparación de modelos acoplados CSIRO Mk 3.0, MIROC-ESM y CNRM de fase 5 (CMIP5)

Palabras clave: modelos climáticos, temperatura, precipitación

Resumen

Se evaluaron los datos climáticos para el valle de Jauja, región Junín, sierra central del Perú para el siglo xxi, como lo simulan los modelos climáticos utilizados en la fase 5 por la intercomparación de modelos acoplados (CMP5). Los modelos utilizados fueron tres: CSIRO Mk 3.6, MIROC-ESM y CNRM-CM5, respectivamente, a una resolución espacial de 1,875 × 1,86°, 2,81 × 1,87° y 1,41 × 1,40°, construidos con data meteorológica observada en el valle de Jauja durante el periodo 1975-2005, empleando el escenario RCP2.6 y 8.5 del IPCC. El objetivo del presente trabajo es proporcionar proyecciones climáticas locales para esta área, generando una primera base de datos climáticos futura de la región, como herramienta de toma de decisiones por parte de agricultores y otros usuarios de la cuenca. Las proyecciones climáticas muestran un calentamiento significativo desde 2,0 grados de temperatura para el escenario RCP2.6 hasta 3,5 grados de temperatura para el escenario RCP8.5, esperado en toda el área evaluada del valle de Jauja para los próximos cincuenta años, junto con una disminución de la precipitación. Las proyecciones de precipitación dependen de la resolución horizontal, lo que sugiere la necesidad de simulaciones adicionales con una resolución más alta, especialmente para una representación adecuada de eventos climáticos extremos.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Yvan García López, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Candidato a doctor en Ingeniería y Ciencias Ambientales por la Universidad Nacional Agraria La Molina. MBA por Maastricht School of Management de Holanda. Magíster en Ciencias de la Computación por el Aerospace Technical Center – Technological Institute of Aeronautic. Ingeniero químico por la Universidad Nacional del Callao, Perú. Es coautor de estudios como “Tolerancia de la quinua (C. quinoa) al efecto combinado sequía-calor en siembras de verano en la costa central del Perú” (2019), presentado en el VII Congreso Mundial de la Quinua y Otros Granos Andinos, Iquique, Chile; “An Algorithm for Finding the Difficulties of an Employee in a Factory by Using Enhanced Fuzzy Cognitive Maps and Submonoid Group” (2021), en la revista Lingüística Antverpiensia, 2, 1915-1922; y “Machine Learning: Comparison of Algorithms for Determining Water Quality in the Rímac River” (2021), en la revista Turkish Journal of Computer and Mathematics Education, 12(12), 552-572.

Héctor Bedón Monzón, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Doctor en Ingeniería de Sistemas Telemáticos por la Universidad Politécnica de Madrid, España. Investigador de tecnologías exponenciales y docente de la Facultad de Ingeniería y Arquitectura de la Universidad de Lima.

Moisés Durán Gómez, Grupo de Investigación en Tecnologías Exponenciales (GITX ULIMA), Instituto de Investigación Científica (IDIC), Lima, Perú

Ingeniero agrónomo por la Universidad Nacional Agraria La Molina. Consultor de apoyo en el grupo de tecnologías exponenciales.

Citas

Andersen, L. E., Breisinger, C., Jemio, L. C., Mason-D’Croz, D., Ringler, C., Robertson, R. D., Verner, D., & Wiebelt, M. (2016). Climate change impacts: prospects for 2050 in Brazil, Mexico, and Peru. International Food Policy Research Institute. http://ebrary.ifpri.org/cdm/ref/collection/p15738coll2/id/130258%0Ahttp://dx.doi.org/10.2499/9780896295810%0Ahttp://ebrary.ifpri.org/cdm/ref/collection/p15738coll2/id/130258

Aumont, O., & Bopp, L. (2006). Globalizing results from ocean in situ iron fertilization studies. Global Biogeochemical Cycles, 20(2), 1-15.

Autoridad Nacional del Agua. (2010). Proyecto “Obras de control y medición de agua por bloques de riego en el valle Guadalupito”: estudio de preinversión a nivel de perfil. MINAG/ANA. https://repositorio.ana.gob.pe/handle/20.500.12543/2233

Autoridad Nacional del Agua. (2014). Inventario nacional de glaciares y lagunas. http://www.ana.gob.pe/media/981508/glaciares.pdf

Brunet, M., Saladié, O., Jones, P., Sigró, J., Aguilar, E., Moberg, A., Lister, D., Walther, A. M., Lopez, D., & Almarza, C. (2006). The development of a new dataset of Spanish daily adjusted temperature series (SDATS) (1850-2003). International Journal of Climatology, 26, 1777-1802.

Cariolle, D., & Teyssèdre, H. (2007). A revised linear ozone photochemistry parameterization for use in transport and general circulation models: multiannual simulations. Atmospheric Chemistry and Physics, 7(9), 2183-2196.

Chaudhary, D. P., Ashwani K., Mandhania, S. S., Srivastava, P., & Kumar, R. S. (2012). Maize as fodder? An alternative approach [Boletín técnico, 04]. Directorate of Maize Research.

Côté, M., & Texeira, S. (2012). Integración del cambio climático en los procesos nacionales de desarrollo y en la programación de países de las Naciones Unidas. Programa de las Naciones Unidas para el Cambio Climático. https://www.undp.org/sites/g/files/zskgke326/files/publications/PNUD-Gu%C3%ADaCambioClim%C3%A1ticoES-Web.pdf

Eisner, S., Voss, F., & Kynast, E. (2012). Statistical bias correction of global climate projections – consequences for large scale modeling of flood flows. Advances in Geosciences, 31, 75-82.

Fang, G. H., Yang, J., Chen, Y. N., & Zammit, C. (2015). Comparing bias correction methods in downscaling meteorological variables for a hydrologic impact study in an arid area in China. Hydrology and Earth System Sciences, 19(6), 2547-2559.

Frölicher, T. L., Sarmiento, J. L., Paynter, D. J., Dunne, J. P., Krasting, J. P., & Winton, M. (2015). Dominance of the Southern Ocean in anthropogenic carbon and heat uptake in CMIP5 models. Journal of Climate, 28(2), 862-886.

Gordon, H. B., Rotstayn, L. D., McGregor, J. L., Dix, M. R., Kowalczyk, E. A., O’Farrell, S. P., Waterman, L. J., Hirst, A. C., Wilson, S. G., Collier, M. A., Watterson, I. G., & Elliott, T. I. (2002). The CSIRO Mk3 climate system model [Informe]. CSIRO Atmospheric Research. http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:The+CSIRO+Mk3+Climate+System+Model#0

Instituto Geofísico del Perú. (s. f.). El clima en el Perú. Jauja. http://met.igp.gob.pe/clima/HTML/jauja.html

Instituto Geofísico del Perú. (2005). Atlas climático de precipitación y temperatura del aire en la cuenca del río Mantaro. https://repositorio.igp.gob.pe/handle/20.500.12816/714

Instituto Nacional de Estadística e Informática. (2017). Perú: evolución de los indicadores de empleo e ingresos por departamento, 2007-2016. https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1441/libro.pdf

Instituto Nacional de Estadística e Informática. (2019). Perú: evolución de los indicadores de empleo e ingresos por departamento, 2007-2018. https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1678/libro.pdf

Intergovernmental Panel on Climate Change. (2014). Fifth Assessment Report (AR5). https://archive.ipcc.ch/report/ar5/index.shtml

Intergovernmental Panel on Climate Change. (2018). Global warming of 1.5°C [Informe especial]. https://www.ipcc.ch/sr15/

Jain, T. B., Pilliod, D. S., Graham, R. T., Lentile, L. B., & Sandquist, J. E. (2012). Index for characterizing post-fire soil environments in temperate coniferous forests. Forests, 3, 445-466. https://doi.org/10.3390/f3030445

Janes, T., McGrath, F., Macadam, I., & Jones, R. (2019). High-resolution climate projections for South Asia to inform climate impacts and adaptation studies in the GangesBrahmaputra-Meghna and Mahanadi Deltas. Science of the Total Environment, 650, 1499-1520. https://doi.org/10.1016/j.scitotenv.2018.08.376

Kumar, M., Bhatt, V. P., & Rajwar, G. S. (2006). Plant and soil diversities in a sub-tropical forest of the Garhwal Himalaya. Ghana Journal of Forestry, 19-20, 1-19.

Kumar, V., & Ladha, J. K. (2011). Chapter six. Direct seeding of rice: recent developments and future research needs. En Advances in agronomy (vol. 111, pp. 297-413). Elsevier. http://dx.doi.org/10.1016/B978-0-12-387689-8.00001-1.

Laufkötter, C., Vogt, M., Gruber, N., Aita-Noguchi, M., Aumont, O., Bopp, L., Buitenhuis, E., Doney, S. C., Dunne, J., Hashioka, T., Hauck, J., Hirata, T., John, J., Le Quéré, C., Lima, I. D., Nakano, H., Seferian, R., Totterdell, I., Vichi, M., & Völker, C. (2015). Drivers and uncertainties of future global marine primary production in marine ecosystem models. Biogeosciences, 12(23), 6955-6984.

Lenderink, G., Buishand, A., & Van Deursen, W. (2007). Estimates of future discharges of the river Rhine using two scenario methodologies: direct versus delta approach. Hydrology and Earth System Sciences, 11(3), 1145-1159.

Mello, C. R., Ávila, L. F., Viola, M. R., Curi, N., & Darrel, N. Ll. (2015). Assessing the climate change impacts on the rainfall erosivity throughout the twenty-first century in the Grande River Basin (GRB) headwaters, Southeastern Brazil. Environmental Earth Sciences, 73(12), 8683-8698.

Ministerio del Ambiente. (2010). El Perú y el cambio climático. Segunda comunicación nacional del Perú a la Convención Marco de las Naciones Unidas sobre Cambio Climático. https://sinia.minam.gob.pe/documentos/segunda-comunicacion-nacional-peru-convencion-marco-las-naciones

Moss, R. H., Edmonds, J. A., Hibbard, K. A., Manning, M. R., Rose, S. K., Van Vuuren, D. P., Carter, T. R., Emori, S., Kainuma, M., Kram, T., Meehl, G. A., Mitchell, J. F. B., Nakicenovic, N., Riahi, K., Smith, S. J., Stouffer, R. J., Thomson, A. M., Weyant, J. P., & Wilbanks, T. J. (2010). The next generation of scenarios for climate change research and assessment. Nature, 463(7282), 747-756. http://dx.doi.org/10.1038/nature08823

Ramos Jáuregui, L. Y. (2014). Estimación del efecto del cambio climático en la precipitación en la costa norte del Perú usando simulaciones de modelo climáticos globales [Tesis de licenciatura, Universidad Agraria La Molina]. Repositorio Geofísico Nacional. http://repositorio.igp.gob.pe/handle/IGP/84

Ravindranath, N., Rao, S., Sharma, N., Nair, M., Gopalakrishnan, R., Rao, A., Malaviya, S., Tiwari, R., Sagadevan, A., Munsi, M., Krishna, N., & Govindasamy, B. (2011). Climate change vulnerability profiles for North East India. Current Science, 101, 384-394.

Schwinger, J., Tjiputra, J. F., Heinze, C., Bopp, L., Christian, J. R., Gehlen, M., Ilyina, T., Jones, C. D., Salas-Mélia, D., Segschneider, J., Séférian, R., & Totterdell, I. (2014). Nonlinearity of ocean carbon cycle feedbacks in CMIP5 Earth system models. Journal of Climate, 27(11), 3869-3888.

Séférian, R., Bopp, L., Gehlen, M., Orr, J. C., Ethé, C., Cadule, P., Aumont, O., Salas-Mélia, D., Voldoire, A., & Madec, G. (2013). Skill assessment of three Earth system models with common marine biogeochemistry. Climate Dynamics, 40(9-10), 2549-2573.

Séférian, R., Ribes, A., & Bopp, L. (2014). Detecting the anthropogenic influences on recent changes in ocean carbon uptake. Geophysical Research Letters, 41(16), 5968-5977.

Sharmila, S., Joseph, S., Sahai, A. K., Abhilash, S., & Chattopadhyay, R. (2015). Future projection of Indian summer monsoon variability under climate change scenario: an assessment from CMIP5 climate models. Global and Planetary Change, 124, 62-78. https://doi.org/10.1016/j.gloplacha.2014.11.004

Taylor, K. E., Stouffer, R. J., & Meehl, G. A. (2012). An overview of CMIP5 and the experiment design. Bulletin of the American Meteorological Society, 93(4), 485-498.

Thomas, D. S. G., Twyman, Ch., Osbahr, H. & Hewitson, B. (2011). Adaptation to climate change and variability: farmer responses to intra-seasonal precipitation trends in South Africa. En C. Williams & D. Kniveton (Eds.), African Climate and Climate Change. Advances in Global Change Research (vol. 43, pp. 155-178). Springer. https://doi.org/10.1007/978-90-481-3842-5_7

Thomson, A. M., Calvin, K. V., Smith, S. J., Kyle, G. P., Volke, A., Patel, P., Delgado-Arias, S., Bond-Lamberty, B., Wise, M. A., Clarke, L. E., & Edmonds, J. A. (2011). RCP4.5: a pathway for stabilization of radiative forcing by 2100. Climatic Change, 109(1), 77-94.

Voldoire, A., Sánchez-Gómez, E., Salas-Mélia, D., Decharme, B., Cassou, C., Sénési, S., Valcke, S., Beau, I., Alias, A., Chevallier, M., Déqué, M., Deshayes, J., Douville, H., Fernández, H., Madec, G., Maisonnave, E., Moine, M.-P., Planton, S., Saint-Martin, D., Szopa, S., Tyteca, … Chauvin, F. (2013). The CNRM-CM5.1 global climate model: description and basic evaluation. Climate Dynamics, 40(9-10), 2091-2121.

Watanabe, S., Hajima, T., Sudo, K., Nagashima, T., Takemura, T., Okajima, H., Nozawa, T., Kawase, H., Abe, M., Yokohata, T., Ise, T., Sato, H., Kato, E., Takata, K., Emori, S., & Kawamiya, M. (2011). MIROC-ESM 2010: model description and basic results of CMIP5-20c3m experiments. Geoscientific Model Development, 4(4), 845-872.

Wild, M., Folini, D., Schär, C., Loeb, N., Dutton, E. G., & König-Langlo, G. (2013). The global energy balance from a surface perspective. Climate Dynamics, 40(11-12), 3107-3134.

Publicado
2022-04-22
Cómo citar
García López, Y., Bedón Monzón, H., & Durán Gómez, M. (2022). Proyección climática para el periodo 2006-2075 para el valle de Jauja, simulada por la intercomparación de modelos acoplados CSIRO Mk 3.0, MIROC-ESM y CNRM de fase 5 (CMIP5). Ingeniería Industrial, 297-330. https://doi.org/10.26439/ing.ind2022.n.5813
Sección
Artículos