“Predicción de la precipitación a consecuencia del cambio climático usando modelos climáticos globales, Ayacucho 2024”
Loading...
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de San Cristóbal de Huamanga
Abstract
La investigación tuvo como objetivo proyectar la precipitación en la provincia de Huamanga, bajo escenarios de cambio climático, utilizando Modelos Climáticos Globales (MCG) del CMIP5. Se emplearon datos históricos de las estaciones meteorológicas Allpachaca, Chiara, Choccoro, Cuchoquesera, Huamanga, Pucaloma, Sachabamba y Tambillo, con registro histórico del sistema hidráulico Cachi (periodo de 1992-2024), completando las series de precipitación diaria y corrigiendo inconsistencias mediante pruebas estadísticas (T y F). Para generar las proyecciones bajo los escenarios RCP 4.5 y RCP 8.5, se aplicó el método Linear Scaling como técnica de downscaling estadístico, se evaluaron cinco modelos climáticos globales (CanESM2, ACCESS1.0, GFDL-ESM2M, IPSL-CM5A-MR, MPI-ESM-MR), siendo ACCESS1.0 el más adecuado por su mejor ajuste estadístico (R² = 0.92, Nash = 0.356 y Pbias = -0.473 para RCP 4.5; R² = 0.931, Nash = 0.925 y Pbias = -3.6 para RCP 8.5 en la estación Allpachaca), luego se realizaron proyecciones de precipitación para los escenarios RCP 4.5 y RCP 8.5 hasta el año 2100. Los resultados muestran una variación máxima en el mes de setiembre en periodo 2070 - 2099, bajo RCP 8.5 en la estación Huamanga de 319.58%, bajo RCP 4.5 en la estación Chiara de 431.51%, la variación mínima en el periodo 2010 – 2039 bajo RCP 8.5 en el mes de abril en la estación Pucaloma es de -75.43% y bajo RCP 4.5 en la estación Sachabamba en el mes de mayo es de -87.15%; llegando a la conclusión que la mayor concentración de lluvias es en septiembre y octubre y reducciones marcadas en marzo y abril, lo que podría afectar la disponibilidad de agua para la siembra y aumentar riesgo de lluvias intensas durante la cosecha, evidenciando un régimen climático extremo e inestable.
Description
Keywords
Cambio climático, Precipitación, Downscaling estadístico, Modelos Climáticos Globales, Huamanga
