EVALUACIÓN REGIONAL DE ESCENARIOS DE CAMBIO CLIMÁTICO EN BOYACÁ
LUIS CARLOS FONSECA FORERO
DANIEL ALONSO LANCHEROS COY
UNIVERSIDAD SANTO TOMAS SECCIONAL TUNJA
FACULTAD DE INGENIERIA CIVIL
TUNJA
2019
EVALUACIÓN REGIONAL DE ESCENARIOS DE CAMBIO CLIMÁTICO EN BOYACÁ
LUIS CARLOS FONSECA FORERO
DANIEL ALONSO LANCHEROS COY
TRABAJO DE GRADO PARA OBTENER EL TÍTULO DE PREGRADO EN INGENIERO CIVIL
DIRECTOR: MAGISTER LAURA NATALIA GARAVITO RINCÓN
UNIVERSIDAD SANTO TOMAS SECCIONAL TUNJA
FACULTAD DE INGENIERIA CIVIL
TUNJA
2019
3
Nota de aceptación:
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Firma del Presidente del Jurado
___________________________________
Firma del Jurado
___________________________________
Firma del Jurado
Tunja, día 03 de abril de 2020
4
DEDICATORIA
El presente trabajo investigativo lo dedicamos en primer lugar a Dios, por ser el
inspirador y darnos la fuerza necesaria para continuar en este proceso con el fin
de lograr uno de los principales anhelos más deseados.
A nuestros padres, por su apoyo, amor y sacrificio realizado a lo largo de los
años, ya que gracias a sus enseñanzas hemos crecido como hombres de bien. Para
nosotros es un honor contar con ustedes y el privilegio de ser sus hijos, son los
mejores padres.
A nuestros hermanos que siempre nos han brindado su apoyo incondicionalmente,
que siempre han estado ahí cuando más hemos necesitado palabras de aliento.
A todas y cada una de las personas que han estado presentes en nuestro
crecimiento y desarrollo de este trabajo, los cuales abrieron sus puertas
ofreciendo enseñanzas y conocimientos.
5
AGRADECIMIENTOS
Agradecemos a Dios por bendecir nuestras vidas, guiarnos a lo largo de nuestras
vidas, generar la fortaleza en momentos de dificultad, cuando nos sentíamos
más débiles, al permitirnos llevar a cabo esta ardua tarea en la cual estuvo llena
de momentos de felicidad y de buenas experiencias.
Gracias a nuestros padres: Nohora y Joaquín; y, Flor Edilcia y Carlos, siendo los
principales promotores de la realización de nuestros sueños, por su apoyo
incondicional e interminable esfuerzo realizado día a día, por sus consejos,
enseñanzas, valores y principios inculcado desde la niñez. De igual manera
agradecemos a nuestros hermanos Camilo; y, Angela; por ofrecer su
comprensión y fidelidad en los momentos difíciles, ya que de igual manera es
motivo de orgullo y motivación contar con personas como ustedes.
Agradecemos a los docentes y demás personas pertenecientes a la Universidad
Santo Tomas seccional Tunja, por compartir sus conocimientos e inculcar
valores tales como la honestidad, responsabilidad, entre otros, ya que fueron
parte fundamental en nuestra preparación profesional, de manera especial, a la
magister Laura Natalia Garavito, tutora y directora de nuestro proyecto de
investigación, ya que nos ha guiado con paciencia, rectitud y apoyo condicional
como docente y como persona.
A nuestros compañeros que formaron parte de este largo camino, ya que el
destino nos juntó en esta meta la cual ser profesionales idóneos, por su amistad
incondicional, gracias por compartir tantos buenos momentos y ser un apoyo
cuando lo necesitábamos, este camino académico no hubiese sido lo mismo sin
la presencia de todos ustedes.
6
CONTENIDO
Pág.
1 GLOSARIO 13
2 RESUMEN 16
3 ABSTRAC 17
4 INTRODUCCIÓN 18
5 DESCRIPCIÓN DEL PROBLEMA 20
6 JUSTIFICACIÓN 23
7 OBJETIVOS 25
7.1 Objetivo General 25
7.2 OBJETIVOS ESPECÍFICOS 25
8 ESTADO DEL ARTE 26
8.1 Antecedentes globales 26
8.2 Asia 27
8.3 Antecedentes regionales 30
8.4 Antecedentes nacionales 33
9 MARCO TEORICO 35
9.1 CAMBIO CLIMÁTICO 35
9.2 Escenario CLIMATICOS 46
9.3 Modelo global escenario climático 46
9.4 Regresión lineal 49
9.5 Tipos de variables 49
9.6 Modelo ARIMA 50
7
10 DISEÑO METODOLÓGICO 52
10.1 Método de Investigación 52
10.2 Variables 52
10.3 Pruebas estadísticas 54
10.3.1 Procesado de datos 54
10.3.2 Prueba de homogeneización 54
10.4 Proceso De Predicción 55
10.5 metodos por etapas 57
11 RESULTADOS 60
11.1 SELECCIÓN DE LA RED DE ESTACIONES
HIDROMETEREOLÓGICAS 61
11.2 ELECCIÓN DE TIEMPOS DE ESTUDIO 63
11.3 variabilidad climática 63
11.4 Pruebas de homogeneización y control de calidad 64
11.5 Resultados proyecciones 65
11.5.1 TEMPERATURA MINIMA 70
11.5.2 Temperatura máxima 73
11.5.3 Precipitación 75
11.6 OBSERVACIÓN GENERAL DE RESULTADOS 79
11.7 Representación georreferenciada de resultados 81
11.8 COMPARATIVA CON LA INFORMACIÓN OBTENIDA DEL IDEAM . 82
11.9 COMPARACIÓN CON LA INFORMACIÓN GLOBAL DEL IPCC 82
12 CONCLUSIONES 84
13 RECOMENDACIONES 88
14 BIBLIOGRAFIA 89
8
LISTA DE TABLAS
Pág.
Tabla 1. Estaciones Hidroclimatológicas activas, localizadas en el departamento de
Boyacá 62
Tabla 2. Número de estaciones meteorológicas completas 62
Tabla 3. Valor R temperatura máxima estación aguazul 66
Tabla 4. resumen modelo regresión lineal múltiple 67
Tabla 5. ANOVA 67
Tabla 6. Constantes beta 68
Tabla 7. Valor R estación aeropuerto lleras 69
Tabla 8. Proyecciones temperatura máxima 70
Tabla 9. Proyección precipitación año 2100 85
Tabla 10. proyección temperatura máxima año 2100 86
9
LISTA DE FIGURAS
Pág.
Figura 1. Distribución espacial de la precipitación (izq.) y temperatura media (der.)
en Colombia. Periodo 1976-2005 41
Figura 2. Cambio porcentual de precipitación en Colombia 43
Figura 3. Descripción Metodología de regresión lineal múltiple. 57
Figura 4. Descripción de proceso metodología del ARIMA 56
10
LISTA DE MAPAS
Pág.
Mapa 1. Red de estaciones climatológicas al nivel departamental 61
Mapa 2. Comparación precipitación 2100 ARIMA vs Regresión lineal 78
Mapa 3. Precipitación 2050 regresión lineal 81
11
LISTA DE GRÁFICOS
Pág.
Gráfico 1. Histograma temperatura máxima estación Villa de Leyva 64
Gráfico 2.Resultados prueba homogeneización precipitación 65
Gráfico 3. Variable calculada y tendencia 68
Gráfico 4. Tendencia temperatura máxima 70
Gráfico 5.Resultados finales proyección temperatura mínima. Método Regresión
lineal 71
Gráfico 6. Resultados finales proyección temperatura mínima. Método ARIMA 72
Gráfico 7. Comparación resultados temperatura mínima. 72
Gráfico 8. Resultados finales proyección temperatura máxima. Método Regresión
lineal 74
Gráfico 9. Resultados finales proyección temperatura máxima. Método ARIMA. 74
Gráfico 10. Comparación resultados temperatura máxima 75
Gráfico 11. Resultados finales proyección precipitación. Método Regresión lineal.
76
Gráfico 12. Resultados finales proyección precipitación. Método ARIMA 76
Gráfico 13. Comparación resultados 77
12
ANEXOS
Pág.
ANEXO 1. Representación georreferenciada 95
Anexo 1. Resultados prueba de homogenización (archivo magnético)
Anexo 2. Excel grafica de tendencia de predicción de regresión lineal múltiple
(archivo magnético)
Anexo 3. Resultados del SPSS ARIMA (archivo magnético)
Anexo 4. Resultados de temperatura mínima regresión lineal múltiple (archivo
magnético)
Anexo 5. Resultados de temperatura mínima ARIMA (archivo magnético)
Anexo 6. Comparativa de resultados de temperatura mínima (archivo
magnético)
Anexo 7. Resultados de temperatura máxima regresión lineal múltiple (archivo
magnético)
Anexo 8. Resultados de temperatura máxima ARIMA (archivo magnético)
Anexo 9. Comparativa de resultados de temperatura máxima (archivo
magnético)
Anexo 10. Resultados de precipitación regresión lineal múltiple (archivo
magnético)
Anexo 11. Resultados de precipitación ARIMA (archivo magnético)
Anexo 12. Comparativa de resultados de precipitación (archivo
magnético)
13
1 GLOSARIO
Aplicación: La palabra aplicación hace referencia a la acción de poner al algo
sobre una superficie o cosa, este término también puede ser usado para poner
en marcha algo como pueden ser entidades, software o leyes, todo depende del
concepto el cual se esté hablando [1].
Atmósfera: Es una capa que rodea el planeta tierra que se compone de gases,
partículas sólidas y liquidas que son suspendidas y atraídas por la gravedad, la
atmosfera tiene un espesor de aproximadamente 10.000 km, esta se encuentra
sobre la litosfera e hidrosfera, en esta capa se producen todo los fenómenos
climatológicos y meteorológicos del planeta [2].
Cambio climático: Es la variación del clima de la media normalmente registrada,
esta variación puede ser un ascenso como una disminución, dicho puede
deberse a cambio normales de época que se han presentado en pasar de los
tiempos en la tierra, o por otro lado puede ser por las acciones del ser humano
[2].
Cambio en el uso de las tierras: Eso se debe a la gestión por parte del humano
con la tierra, esto puede cambiar la capa de la tierra entre capa vegetal y retirar
la capa vegetal, dichos cambios pueden afectar el ambiente e incluso llegar a
dañar los ecosistemas cercanos [3].
Clima: Es la condición o el estado del tiempo en una zona este estado
atmosférico es único de cada lugar en que varía la humedad, lluvia, temperatura,
vientos, etc. Estas condiciones afectan a todas las especies que se encuentran
en la zona [1].
Desierto: Se conoce como la extensión de tierra árida y seca, en este territorio
no se presenta mucha vegetación (menos de 100 mm/año) [1].
Desarrollo sostenible: Se refiere al desarrollo que puede cumplir las
necesidades actuales sin comprometer las necesidades futuras, va enfocado al
medio ambiente [2].
14
Ecosistema: Ecosistema es el conjunto de especies que se encuentran en una
misma zona y que conviven entre sí y con el ambiente, existen diferentes tipos
de ecosistemas [3]
Endémico: Se refiere a lo que es perteneciente a una zona en específico, esto
puede ser cualquier tipo entre seres vivos, objetos, palabras, etc. [2]
Escenario climático: Es la representación numérica y grafica del posible nuevo
comportamiento del clima en un periodo de tiempo, esta representación se
realiza por medio de datos históricos e información recolectada con el tiempo, el
escenario ayuda a comprender que pasa a futuro y que problemas podría traer
[2].
Evaporación: Proceso con el que un líquido pasa a ser gas [3].
Humedad relativa: Es la relación que existe entre el vapor que se encuentra en
el aire y la cantidad necesaria para saturarse a la misma temperatura [3].
Humedad del suelo: Es la cantidad de agua que se encuentra dentro o sobre el
suelo almacenada [3].
Fenómeno de la niña: El enfriamiento del clima que va entre -1 y -3°C, opuesto
al fenómeno del niño [3].
Fenómeno del niño: Es un fenómeno en el cual las aguas de los océanos se
calientan aumentando la temperatura entre 1 y 3 °C, este calentamiento dura
cerca de 7 años y pasa a proceso de enfriamiento (fenómeno de la niña) se ve
más su efecto en la zona tropical siendo casi nulo en otras zonas [2]
Glaciación: Es un periodo largo de tiempo en el que la temperatura global baja
a punto de fusión extendiendo la capa de hielo por toda la superficie conocida
como expansión continental [1].
15
Mitigación: Es la acción o medida tomada para reducir un objeto o fuente con el
fin de eliminar dicho efecto [2]
Modelo climatológico: Es el uso de ecuaciones matemáticas y estadísticas para
generar predicciones del clima tomando factores climáticos (viento, humedad,
precipitación, etc.) [3]
Precipitación: Es la caída de agua desde la atmosfera, más exactamente de las
nubes hasta la superficie terrestre, esto se debe a que las nubes están muy
cargas de agua en estado gaseoso y cambia de estado gaseoso a líquido y en
algunos casos se vuelve solido [3]
Predicción: Es la expresión anticipada de lo que va a suceder, es dar a conocer
los posibles acontecimientos futuros [2]
Proyección climática: Es un escenario generado para reducir los posibles daños
futuros, la diferencia entre proyección climática y predicción climática es la
existencia de los escenarios siendo evidente la dependencia de los escenarios
para que este pueda elaborarse [2]
Radiación solar: Es la energía radiante producida por el sol, la cuales emitida
por medio los rayos lumínicos del sol y viaja atreves del espacio interplanetario
hasta llegar a la superficie terrestre [3]
16
2 RESUMEN
La investigación “EVALUACIÓN REGIONAL DE ESCENARIOS DE CAMBIO
CLIMÁTICO EN BOYACÁ” nace por la necesidad de identificar el cambio climático
por medio de proyecciones en el territorio departamental.
El cambio climático se relaciona directamente con el hombre y sus actividades
cotidianas, la incidencia de este en el departamento de Boyacá tiene gran impacto,
afectando directamente los sectores socio-económicos principalmente el
agropecuario y la explotación de recursos naturales, generando daños y
alteraciones en cultivos. Por esta razón el objetivo planteado es la elaboración de
escenarios de cambio climático para el periodo 2019-2100 por medio de métodos
estadísticos, entre los cuales sobresalen la regresión lineal múltiple y el ARIMA,
usando datos históricos que comprenden el periodo de 1987-2018.
Para el desarrollo de la investigación se crearía de un banco de información que
logró cubrir gran parte el territorio del departamento de Boyacá, haciendo uso de
pruebas estadísticas, permitiendo analizar el comportamiento histórico de la
variación climática y generar una tendencia proyectada a los años venideros. Con
los resultados obtenidos se demostró la elevación en la temperatura, dando como
resultado un promedio de incremento de 5°C en gran parte del territorio
departamental, con respecto a la temperatura mínima la proyección presento una
elevación promedio de 7°C y una reducción en las precipitaciones cercana a los 400
mm. Además, se observa que los resultados obtenidos por la regresión lineal son
más severos que los resultados publicados por la Instituto de Hidrología,
Meteorología y Estudios Ambientales IDEAM, debido a que resultan variaciones en
la temperatura y en la precipitación, sin importar la zona de observación. El impacto
que se espera con la investigación es la generación de planes de contingencia y de
mitigación ambiental, con el fin de que los habitantes reciban los posibles cambios
climáticos con una preparación adecuada evitando severos impactos en sus
actividades económicas.
Palabras Claves: Cambio climático, temperatura, precipitación, ARIMA, regresión
lineal múltiple
17
3 ABSTRAC
The investigation "REGIONAL EVALUATION OF SCENE FROM CLIMATE
CHANGE ON BOYACÁ" born for the need identification the climate change making
projections in the department´s land
The climate change is directly related with the humans and his daily activities, the
incidence of that in the Boyacá department has a big impact, affecting directly to
socioeconomics sectors, principally the agricultural and exploitation of natural
resources, generating damage and crops altered. for that reason, the objective made
was scenes’ elaborate of climate change for the period 2019 - 2100 using statistic
methods, into the most important is simple regression lineal and the ARIMA, using
historic data’s of period 1987 – 2018.
for develop the investigation, was created an information bank that covered a lot of
part of the department Boyacá’s land, it was made using statistical tests, can analyze
the historical behavior of the climate variation and made trend of the new year’s. get
with the results this show to temperature increment, it was of 5°C in average on a lot
of department land, in the minimum temperature was of 7°C in average and the
precipitation was reduced 400 mm, also the multiple regression lineal had a results
more severe that IDEAM´s results, this was so because the results was different,
isn´t important the watched the zone, the impact that is searching is do contingency
plan and environmental mitigation, this make with the object that the community can
prepare and reduce damage in the economic activities
keywords: climate change, temperature, precipitancy, ARIMA, multiple linear
regression
18
4 INTRODUCCIÓN
El cambio climático es uno de los temas que han generado mayor preocupación
para la población en general, en la década de los 70 se esperaba una nueva era de
glaciación en la cual se realizaron historietas acerca de ello, donde se observaba
como las grandes ciudades se llenaban de nieve generando inquietud a la
comunidad científica al pasar los años los registros climatológicos adoptaron un
comportamiento ascendente, lo cual generó desconcierto para la comunidad
científica, dando paso a la búsqueda del porqué de la situación y que se puede
hacer para controlar los cambios que a la fecha parecían inminentes por medio de
la creación de grupos investigativos que dio paso a las entidades actuales que son
de carácter mundial.
Varias compañías se dieron a la tarea de crear modelos de predicción del cambio
climático mediante metodologías matemáticas, estadísticas y datos históricos
existentes. Encaminando las investigaciones a proyectar el posible comportamiento
y cuantificar la variación de los parámetros analizados, siendo precipitación y
temperatura los de mayor relevancia, recibiendo el nombre de escenarios
climáticos. Por medio de una relación directa entre los parámetros medidos tales
como la radiación solar, contaminación, influencia oceánica, lo cual produce
metodologías especificas con el fin de adoptar las características correspondientes
a los lugares estudiados, gracias al número de zonas que presentan tipologías
similares se desarrolló la creación de software capaces de realizar un pronóstico
detallado con gran nivel de exactitud, mientras que otros permiten el uso de forma
general los cuales están basados en modelos estadísticos, en la actualidad los
esfuerzos realizados se encaminan a lograr una mayor exactitud por medio de
reducción de escalas y limitando las zonas de estudio llamándose escenarios
regionales, estos se pueden dividir de acuerdo a las similitud de condiciones de una
región e información existente.
El grado de importancia que ha tomado el cambio climático ha hecho que las
grandes potencias del mundo contagien de interés a las demás naciones, creando
19
así entidades encargadas de estudiar, cuantificar y proyectar sus condiciones
climáticas; Para el caso de Colombia el responsable de esta tarea es el Instituto de
Hidrología, Meteorología y estudios Ambientales IDEAM, el cual está encargado de
almacenar la información obtenida por las estaciones climatológicas y realizar las
respectivas predicciones, como la publicada en el año 2007 evidenciando que la
información comprendía un periodo correspondiente al año 2005 provocando un
escenario desactualizado teniendo en cuenta los demás países, ya que los eventos
climáticos observados en la última década han presentado un cambio significante
con respecto a la magnitud y duración los cuales se pueden evidenciar en los
fenómenos del Enso provocando inundaciones o largos periodos de sequía por tal
razón existe la necesidad de generar un nuevo informe de predicción del cambio
climático específicamente en el departamento de Boyacá.
En el departamento de Boyacá los informes que permiten tener en cuenta el cambio
climático se limitan a los realizados por el IDEAM, por tal motivo la necesidad de
poseer un escenario específico para el territorio, por esta razón en el presente
documento se han realizado una serie estudios a datos históricos, modelos de
cambio climático y comparación a los datos publicados anteriormente por el IDEAM
y de esta manera realizar una predicción que permita conocer los cambios futuros
en las diferentes zonas del territorio comprendido con el de preparar a la comunidad
y crear planes de mitigación y adaptación en actividades socio-económicas.
En el presente trabajo se encuentra el desarrollo de dos modelos estadísticos en
los cuales se identifica una recolección de información suficiente para la generación
de la proyección climática, la cual debe ser mínimo 30 años esto estipulada por
entidades internacionales de cambio climático como el IPCC y confirmada por el
IDEAM. Se analizaron las diferentes metodologías publicadas y sustentadas por un
gran número de investigadores e instituciones competentes con la misión de realizar
la elección metodológica la cual se ajuste a la condiciones topográficas e
información disponible. Como resultado de la elección, la regresión lineal múltiple y
el método ARIMA los cuales están basados en método estadísticos y poseen
características que se adaptan a las condiciones e información del área a estudiar,
las cuales están disponibles actualmente, con estos métodos se pudo generar una
clasificación de las variables utilizadas en este trabajo, las variables seleccionadas
se sometieron a filtros estadísticos para completar la información faltante, lego se
analizó la relación entre variables dependientes e independientes y se determina la
importancia para la predicción a realizar.
20
5 DESCRIPCIÓN DEL PROBLEMA
La influencia que tiene el cambio climático en el equilibrio de los ecosistemas se
manifiesta de forma cuantitativa en el crecimiento demográfico y cualitativo como
adaptación y mejora de condiciones de vida[4], por esta razón, esta problemática
ha sido de vital importancia para el ser humano, siendo el inicio de la preocupación
en la década de los años 70´s donde la comunidad científica se dio a la tarea de
demostrar la existencia del cambio climático ya que los registros históricos
apuntaban a una era de glaciación, esta investigación se realizó por medio de una
serie de prácticas las cuales consistían por ejemplo en la perforación de los
casquetes polares y así recuperar las burbujas de aire que quedan allí atrapadas,
ya que son una muestra de la atmósfera de hace cientos y miles de años [5] en el
momento de la publicación de los resultados en diferentes revistas científicas,
estuvo opacado por los sucesos que se estaban presentado tales como lo fueron
la guerra de Vietnam, la guerra fría, guerra atómica y crisis petrolera [6]. El primer
registro de calentamiento global se dio en el año 1978, esto causo interés en los
investigadores debido a las elevaciones en los niveles de CO2 por causas
antropológicas, por esta razón en 1979 la ONU creo la comisión mundial de medio
ambiente, realizando en el año 1987 su primera publicación con el nombre de
Nuestro futuro común, la necesidad de tener un ente responsable fue en aumento y
por esta razón se creó el panel intergubernamental sobre cambio climático conocido
por sus iniciales en inglés IPCC que tienen como la misión realizar evaluaciones
periódicas sobre este fenómeno y sus consecuencias [7].
En el quinto informe publicado por el IPCC, se muestra que el aumento de
temperatura es causado principalmente por actividades humanas presentando
valores cercanos a 1.5°C y 4.5°C. [4] A escala global, el calentamiento de la
superficie del océano esta alrededor de los 0,11 [0,09 a 0,13] °C por decenio,
durante el período comprendido entre 1971 y 2010. [8] El pH del agua del océano
superficial ha disminuido en 0,1, esto causado desde la implementación de la era
industrial. En el período comprendido entre 1992 y 2011, los mantos de hielo de
Groenlandia y la Antártida han ido perdiendo masa, y es probable el ritmo de
descongelamiento se haya acelerado en el periodo del año 2002 al 2011.[8] La tasa
de mortalidad causado por las altas temperaturas a inicios del siglo XXI aumentó
registrando aproximadamente 20000 víctimas[4].
21
Desde la presentación del tercer informe por parte del Grupo Intergubernamental de
Expertos Sobre el Cambio Climático IPCC (sigla en idioma inglés) se evidencia una
mayor presentación y confiabilidad con respecto a la información con respecto a los
avances en métodos de análisis, evidenciando un mayor conocimiento de la
incertidumbre y diversidad de mediciones, con el fin de clasificar y cuantificar el
aumento de temperatura, calentamiento del mar, aumento de niveles en los
océanos, en la disminución de las capas de hielo y nieve. Se encuentran registros
donde el calentamiento lineal en los años 1956 y 2005 fue de 0.13°C/10años, el
doble experimentado entre 1906 y 2005 que fue de 0.6°C/10años [4].
En el territorio nacional la entidad encargada en el cuidado del medio ambiente es
el Instituto de Hidrología, Meteorología y Estudios Ambientales el cual afirma que al
igual que en el resto del planeta los glaciares del país pierden entre 50 cm y un
metro de espesor, por ejemplo, el nevado de Santa Isabel tiene 25 metros, lo que
quiere decir que si no se realiza planes de mitigación este nevado no superaría los
30 años. En Colombia el IDEAM registro que, en Cartagena y Tumaco, el
incremento del nivel del mar está entre 3 y 5 milímetros por año durante los últimos
50 años provocando un aumento total de 10cm en este periodo de tiempo en el
Caribe y 22 cm en el pacífico, la temperatura promedio aumento 0.65°C [9].
Viendo que es imposible detener el cambio climático en el mundo, según los
pronósticos realizados se dice que para el 2100 el aumento de temperatura
promedio será de 3 grados y medio, el nivel del mar aumenta 60 cm, provocando
mayores zonas áridas e inhabitables de igual manera los glaciares y humedales se
verán comprometidos afectando los diferentes ecosistemas y la oferta hídrica del
país[9].
Los modelos globales de clima pronostican la distribución de las lluvias debido a los
cambios de circulación de la atmósfera. Donde en la parte occidental del país se ha
detectado un aumento en la precipitación y en el oriente este comportamiento es
inverso ya que la intensidad de las lluvias se reduce.[9]
En el mar caribe se registra un aumento de 2°C por encima del promedio histórico,
lo cual puede causar la desaparición de los corales, por otra parte, se espera que
los mosquitos encuentren un mejor hábitat lo cual puede generar trasmisiones de
enfermedades tales como el dengue [9].
22
En Boyacá históricamente ha sufrido por causa de la intensidad de las lluvias en el
cual por ejemplo el periodo 2010-2011, las fuertes lluvias dejaron alrededor de
80.544 personas afectadas por las inundaciones, en cuanto a extensión de territorio
departamental se registraron inundaciones en 20.748 hectáreas los cuales
representan el 2.2% del territorio nacional, llevando así afectaciones a 13.994
hogares a lo largo del departamento[10], [11].
El sector agrícola cumple un papel fundamental en la economía departamental y es
el principalmente afectado en las variaciones de temperatura y precipitación, ya que,
la relación entre temperatura y consumo de agua es directamente proporcional. [12]
En la actualidad en el país desarrolló un escenario climático el cual describe cómo
será el cambio climático para el periodo de 2070-2100, este se elaboró con
información hasta el año 2005, se encuentra desactualizado y su nivel de
confiabilidad no es suficiente para desarrollar planes de mitigación para el
departamento. [12] Por esta razón es de importancia realizar un escenario
especifico departamental el cual permita generar futuro planes de adaptación
climática para reducir el impacto en la economía y sociedad en general.
Relacionando la información anterior se plantean la siguiente pregunta:
¿La tendencia climática en Boyacá presenta semejanza a la nacional e
internacional?
23
6 JUSTIFICACIÓN
El cambio climático trae una serie problemas a la sociedad actual a nivel mundial,
regional y nacional, los cuales se ven reflejados en el agro ya que el incremento de
las temperaturas durante el día, genera una mayor humedad en el ambiente, esto
combinado con los registros de bajas temperaturas provoca que el punto de
congelamiento generando una capa de hielo en la superficie [13], este fenómeno
afecta la economía causando alzas en los precio de los insumos, generando la
implementación de formas de medición de impacto producidos por el cambio
climático en el ambiente (IPCC) [14], estos modelos también han sido realizados en
Colombia, por medio de la Universidad Nacional y el IDEAM[10], en el cual usaron
métodos mundiales, tales como modelos acoplado océano atmósfera - AOGCM del
Instituto de investigaciones Meteorológicas (MRI) y la Agencia Meteorológica
Japonesa (JMA), denominado MRICGM2.3, en este estudio, el territorio nacional
fue tomado como de forma general en la cual incluso algunos departamentos fueron
estudiados por medio de polígonos en los cuales no se permitía tener certeza de
que las predicciones realizadas fueran exactas, además los datos usados en este
estudio fueron del periodo que va desde 1976 hasta 2005 [10], lo cual indica que no
tuvieron en cuenta una serie de problemas climáticos que trajeron consecuencias
graves al territorio nacional (fenómeno del Enso, heladas), por otro lado la forma en
la cual usaron algunos de los modelos de predicción climática no da la certeza
necesaria debido a que existen algunos datos históricos usados en los modelos
mundiales que no son recolectados en Colombia, debido a ello tuvieron que realizar
un escalonamiento, dado lo anterior el porcentaje de incertidumbre que genero este
fue del 4% al 6% [10]siendo posible observar a simple vista la necesidad de un
estudio actualizado con la información existente y que permita una mayor certeza
en las predicciones, por medio de lo anterior el estudio que se busca realizar va
enfocado de forma particular al departamento de Boyacá [16].
El departamento de Boyacá es uno de los más importantes en el país, ya que es el
encargado de abastecer de alimentos e insumos a la zona central del territorio
nacional, por esta razón es importancia tener planes o programas los cuales
permitan reducir las impactos que tiene el cambio climático en la producción, [10] el
ecosistema se ve comprometido ya que un leve cambio en el ambiente puede
causar un desequilibrio lo cual puede generar dificultades en procesos de
reproducción de la fauna existente y alteración en la flora, [17] además, se busca
que el gobierno invierta más dinero en las herramientas de medición climatológica
ya que es necesaria para la recolección de datos y la realización de investigaciones
24
las cuales cuenten con un banco de información disminuyendo de esta manera la
incertidumbre.
Por la limitada información registrada por el IDEAM en su banco de información se
ve la necesidad de clasificar diferentes métodos con el fin de adaptarlos a los datos
brindados por la entidad correspondiente, con el fin de generar la menor
incertidumbre posible, por lo cual se decidió usar modelos estadísticos y ecuaciones
matemáticas [18], durante el proceso de selección de datos los cumples una serie
de condiciones de disponibilidad histórica y homogeneidad de igual manera se tomó
en cuenta las características topográficas y demográficas departamentales cumplen
un papel fundamental en la metodología usada de esta manera se puede generar
un grado de confiabilidad aceptable en los resultados obtenidos, por lo cual es de
importancia tener en cuenta las investigaciones realizadas en diferentes países que
presenten similitud. Al tener los métodos que más se adaptan a los hallados en la
zona de estudio (Boyacá), se debe conocer la información necesaria para la correcta
elaboración del método, usando como criterio de selección los registros históricos
de la entidad encargada (IDEAM), posterior a esto se seleccionan los años que van
a ser proyectados (2050, 2075 y 2100), además de la disponibilidad de la variable,
de los parámetros anteriormente mencionados hay que tener en cuenta que estos
van ligados a la elección de la metodología [4], [14], ya al tener todo lo anterior se
puede proceder a la elaboración de las predicciones con las cuales se demuestra
por medio de una comparación entre los posibles modelo empleados (teniendo en
cuenta los criterios de evaluación de información de los cada uno), se busca
conocer cuál es más eficiente, ya al conocer la eficiencia se procede a compararlos
resultados con los estudios previos, en la cual se observen los cambios y que
factores tuvieron mayor influencia en el resultado que se observados[19], por medio
de los resultados obtenidos se busca adaptar las condiciones futuras frente al
cambio climático, la economía agricultura y la influencia en el departamento de
forma general, además de evaluar las consecuencias de las variaciones
climáticas[4].
La información mostrada por el IDEAM está presentada de manera general ya que
se realizó un escenario climático nacional y este fue dividido por departamentos con
el fin de mostrar resultados más precisos, pero lo que causa es que el grado de
incertidumbre aumente generando vacíos espaciales, esta falencia es la que se
quiere suplir por medio de un escenario detallado del departamento de Boyacá
25
7 OBJETIVOS
7.1 OBJETIVO GENERAL
Determinar los escenarios de cambio climático para las variables de temperatura y
la precipitación, en los periodos 2019-2100 en el departamento de Boyacá –
Colombia.
7.2 OBJETIVOS ESPECÍFICOS
Analizar la confiabilidad de las series históricas de precipitación y temperatura
existente en el departamento de Boyacá, identificando la información a trabajar.
Identificar el cambio de magnitud de parámetros climatológicos tales como
temperatura y precipitación por medio de metodologías estadísticas como la
regresión lineal múltiple y el ARIMA.
Representar la proyección climática por medio de herramientas de georreferenciación.
26
8 ESTADO DEL ARTE
El cambio climático desde hace tiempo ha llamado la atención de múltiples entes y
organizaciones con el fin de realizar investigaciones sobre las posibles variaciones
en temperaturas, precipitación y otras variables. [6] Por lo cual, en el 2014, el IPCC
presentó un informe detallado del cambio climático en la cual se especifica las
posibles variaciones climáticas y los impactos que tendrá en el planeta, este informe
es conocido como el quinto informe [8].
Lo que se busca con la investigación es cuantificar el cambio de los factores y
comportamiento a futuro de las principales variables climáticas como temperatura,
precipitación, entre otras, buscando la formulación de planes de mitigación ya que
las consecuencias del cambio climático se tornan irreversibles en ciertos
ecosistemas. En muchas ocasiones la información obtenida no es suficiente para
dar una estimación de los posibles sucesos por tal motivo es necesaria la opinión
de un experto que tenga criterios concretos (nivel de probabilidad, que tan posible
es revertir los daños y la magnitud del daño) [8].
8.1 ANTECEDENTES GLOBALES
En la publicación realizada por el IPCC en el 2014 se comparó los modelos globales
existentes recibiendo el nombre de cimp5, expresan en múltiples metodologías el
comportamiento climático con la utilización de principios físicos, químicos, teniendo
en cuenta las estaciones climatológicas las cuales suministran los datos históricos
con los cuales se crean una representación tridimensional de la atmósfera
generando un probable comportamiento de los vientos, transferencia de calor,
radiación, humedad y evaluación de las interacciones entre puntos relativamente
unidos [8].
Los modelos de circulación de atmósfera-océano crean una imagen tridimensional
por medio de capas y superficies de grandes extensiones dando lugar al método
más representativo con una resolución espacial de 2,5 grados latitud y 3,75 grados
longitud y 19 capas verticales [8].
En la publicación del IPCC se destacaron nombres de modelos tales como los son
bcc-csm1-1, CanCM4, CCSM4, CNR-CM5, CSIRO-MK3-6-0, FGOALS-g2, GFDL-
CM3, HadGEM2-ES, entre otros, son utilizados por diferentes entidades
27
gubernamentales a lo largo del planeta, obteniendo valores de incertidumbre
aceptables para que el IPCC los tuviera en cuenta. El estudio realizado por CMIP5
se ejecuta con diferentes series de condiciones climatológicas o trayectorias de
concentración representativas (RCP) dando como resultado al RCP2,6 como uno
de los escenarios de mitigación estricto. Los RCP4,5 y RCP6,0 son escenarios con
exigencia intermedia y el RCP8,5 es un escenario con gases de efecto invernadero
bastante alto [8].
Las metodologías utilizadas para la generación de escenarios climáticos para la
temperatura media se dieron por medio de dos diferentes técnicas; el RCP2.6 y el
RCP 8.5 el cual los resultados publicados se resumen en un aumento de 0.7°C y
3.75°C respectivamente pronosticado para los años 1980-2100. El deshielo del mar
ártico es total, los datos históricos que fueron utilizados correspondían al periodo de
1986 a 2005, en cuanto a la precipitación se predijo una leve reducción en zonas
secas y aumento en zonas húmedas ya que la intensidad de las lluvias aumentaría
[8].
8.2 ASIA
El continente asiático siempre se ha mostrado preocupado por el cambio climático
teniendo como ejemplo las naciones de China, Singapur y Corea del Sur han
generado múltiples metodologías y propuesto medidas de mitigación frente a la
problemática. En 2018, Asia Oriental se dio a la tarea de realizar su pronóstico
climático usando como metodología el cimp5, ya que la superficie y el modelo
presentaba un grado de incertidumbre aceptable, en la precipitación se usó modelos
individuales, con el bcc-csm1.1 el cual unió los resultados obtenidos anteriormente
buscando un pronóstico con mayor exactitud, los modelos individuales determinan
el deshielo (SeaIceSimulator), medición terrestre (BCC-AVIM1.0), medición
oceánica (MOM4) y el modelo atmosférico (BCC_AGCM2.1), el periodo de tiempo
que usaron se comprende entre el año 1960 hasta el 2005 [8].
El BCC es un modelo de correlación utilizado para confirmar la efectividad del
escenario, en el cual se confirma los datos históricos y así compara los datos
obtenidos permitiendo analizar la veracidad de los resultados, con el modelo
IMPRESS permitieron volver las predicciones más reales, logrando un
comportamiento centrado y efectivo, al analizar los datos se observa una conducta
aceptable en los primeros años posteriormente estos sufren una variación lo cual
28
causa que la incertidumbre aumente y esto se relacionó con la sensibilidad de las
variables utilizadas[20], [21].
Debido a la disminución de precipitaciones en la zona norte de China, se
presentaron temperaturas atípicas en esta zona donde la reducción en época de
verano y aumento en invierno hacia evidente el cambio climático por esta razón la
comunidad científica identificó la causa de estas variaciones dando como
responsable al calentamiento del océano, generando una inquietud en la predicción
de climas futuros, por esta razón en el escenario cimp5 se redujo la incertidumbre
con la inclusión de variables más drásticas tales como un mayor periodo histórico
de 150 años y variables de contaminación encontradas [20], [21].
Dentro de los resultados el software muestra que China ha sufrido de un aumento
de temperatura de 3°C cada 100 años, el modelo también muestra que existe una
reducción de la temperatura por estaciones que van acorde al incremento de la
época, debido al tamaño del país, en china se van a presentar diferentes cambios
en la época estacional los cuales se ven reflejados en la variación climática de cada
zona [22].
Como se pudo apreciar el modelo asiático ofrece un bajo nivel de incertidumbre ya
que su actualización brinda una amplia mejoría en la correlación de resultados
pasando de 0.7 a 0.86, ofreciendo posibilidad de adaptación a datos que
presentarán una gran variabilidad lo cual es imposible para otros modelos conocidos
[23], [24].
El modelo FIO-ESM logra implementar factores característicos de la zona de estudio
con el fin de determinar si es cierto que al acoplar todas las ondas verticales desde
el inicio, iniciando desde el océano en la primera capa lo que indicaría una mejora
en los resultados de cada uno de los modelos, usando las ondas de las olas que no
se rompen antes de llegar a la costa, por tal motivo este va a presentar mejores
pronósticos del cambio climático, además de permite conocer los cambio en la
superficie oceánica y las capaz que componen el océano, este modelo es usado en
el cmip5 [25].
El modelo EAKF adoptó este nombre por la unión del cimp5 y el FIO-ESM, como
resultado se determinó que en la época del niño para el periodo de estudio a
29
predecir va a aumentar en 2,34°C para finales del año 2015 lo cual indica una sequía
de gran magnitud y duración, comparado con la temperatura registrada en el periodo
1997/1998 presento 2,40°C de incremento, se esperaba para primavera del 2016
va a desaparecer el fenómeno del niño según la comparación algunos estudios la
cantidad de certezas de estudios realizados indica que 8 de cada 10 análisis
realizados con el modelo son consistentes mientras que el resto no tienen ningún
tipo de similitud dejan al modelo como el único que permite dar una predicción del
clima en función de los fenómenos naturales como lo son el niño y la niña [26].
De acuerdo a lo que se ha mencionado anteriormente el EAKF fue usado en el
cmip5 con el cual se determinó como complemento permitiendo dar una mejora en
cuanto a condiciones en zonas marítimas, por tal motivo en el año 2014 se deseaba
determinar qué tan drástico era el deshielo del ártico en el cual de igual forma como
sucedió en el cmip5 se unieron para determinar con mayor exactitud qué tan cerca
se encontraba de derretirse el hielo del ártico o a cuantos años se está de la
desaparición del hielo, en esta investigación se usó un periodo de datos históricos
que va desde el año 1979 hasta el año 2013, dentro de los datos obtenidos por los
modelos que tomaron para predecir el desigual una mayoría de estos presenta un
periodo en tiempo demasiado largo para lo que estiman algunos investigadores
siendo posible que se deba a la falta de datos precisos recopilados a lo largo de los
años, pero lo que realmente preocupa a los investigadores es que el tiempo de
deshielo obtenido por cada uno de los modelos varia, lo cual indica que la única
forma de conocer el mejor modelo para predecir el deshielo se va a conocer por
medio de la correlación [27], [28].
En 2012 en gran Bretaña se ha optado por realizar un estudio de los niveles de
contaminación en el futuro con el fin de predecir cambios en la precipitación y
temperatura, con una base de datos pertenecientes a 1860 al 2011 con el fin de
proyectarse al 2100, compuesto por 38 niveles y una grilla de 40km dividiéndose en
dos simulaciones nombradas A1B-IMAGE y A1B-SRES dentro de los escenarios se
van a ver cambios en los que se encuentran el desarrollo tecnológico, la
globalización, el crecimiento económico y los cambios de población, dentro de los
resultado el modelo en las condiciones más extremas muestra un cambio drástico
en la temperatura que para el año 2100 va a ser de 1,5°C. Esta proyección incluye
planes de mitigaciones, dando a conocer que si las medidas cautelares no son lo
suficientemente estrictas el cambio climático será extremo [27], [28].
30
En el artículo “El cambio climático en el siglo XXI simulado por HadGEM2-AO bajo
vías de concentración representativas” dividió la proyección en corto y a largo plazo
con la implementación de banco de datos históricos comprendiendo periodos desde
1850-2005, obteniendo como resultado un aumento de temperatura de 4.1°C y 4.6%
en la precipitación con una correlación 0,99 en la temperatura y 1,07 en la
precipitación, a pesar de la pequeña desviación permite tener una buena
asertividad, por tal motivo es un método para generar un escenario climático [29],
[28].
La creación del MIROC-ESM 2010 con el uso de datos históricos con periodos de
1850 a 2015 con el fin de observar el ciclo del carbono, con una diferencia principal
con respecto a la biomasa de vegetación y biología marina , cuantificando las
temperaturas potenciales, la salinidad y los nutrientes en el sector atlántico que
pueden dar un pronóstico de los cambios que puede sufrir la zona, todo esto tan
solo usando los datos del periodo estudiado, con los resultado de la investigación
determinaron que el modelo tiene una correlación alta optando por el uso del modelo
para investigaciones futuras [30].
8.3 ANTECEDENTES REGIONALES
Las características sociales y económicas de las zonas pueden ser factores de
cambio con respecto a los cambios climáticos y el impacto que tendrá, con la misión
de cuantificar estas posibles variaciones se realizan escenarios específicos en Perú
[31].
En el año 2009, en Perú los investigadores se dieron a la tarea de evaluar el
desempeño del modelo Eta/SENAMHI para los pronósticos realizados por este en
los años 2002 y 2003, mediante el uso de la correlación usada de forma general se
quería cuantificar la incertidumbre causado por el uso de pocas estaciones
meteorológicas contando apenas 195 para todo el territorio nacional, el método
usado fue el ETA el cual tiene una ventaja frente a terrenos con topografía
cambiante como la presentada en la superficie, la grilla a trabajar fue de 48km los
cuales son suficientes para diferenciar el cambio de la precipitación ofreciendo una
incertidumbre aceptable, otros resultados obtenidos son los picos máximos en las
variables las cuales tienen sobredimensiones en algunos sectores [32].
31
Bolivia, tomó como modelo base el ETA pero por condiciones topográficas
denominándolo iROAM ya que por condiciones topográficas se realizó un cambio
con respecto al tamaño de la grilla y niveles verticales, tomando específicamente el
monzón boliviano ya que se esperaba que la presencia de la cordilleras de los andes
y la cadena montañosa presente en el continente generará una reducción con
respecto a la velocidad del viento, efectivamente se presentó una reducción la cual
no es suficiente ya que se muestra una corriente que permite que circule el aire y
en algunos casos aumente el pasos de las nubes en la troposfera que es la zona
donde nacen los monzones, este incremento del viento se debe a la humedad y las
altas precipitaciones de la región, en las laderas orientales la existencia de
corrientes naturales de aire juega un papel fundamental, sin embargo, la evaluación
del modelo se basaron en los vientos bajos recibiendo una veracidad aceptable [33].
El altiplano peruano es de las zonas más afectadas por el cambio climático, por esta
razón en el 2009 se dieron a la tarea de generar escenarios para esta zona ya que
la economía de este sitio se basa en la agricultura, los picos de temperaturas que
se encuentran en la zona y las altas precipitaciones son responsables que el
equilibrio del ambiente sea expuesto de manera directa frente al cambio climático
utilizando tres modelos climáticos ETA CCS, HadRM3 y REgCM3 [31].
Los datos que se utilizaron para la validación fueron dados por estaciones
climatológicas en un periodo de (1961-1990) [31].
El modelo HadRM3 evidenció una menor incertidumbre, ya que representa mejor la
estacionalidad y el ciclo de la precipitación, la resolución utilizada es de 50 km, la
proyección fue llevada para el año 2100, donde se obtuvo como resultado que los
modelos HadRM3 y el ETA CSS encontraron una tendencia a la temperatura y se
analizó un cambio de 5°C y 4°C. Para el periodo de estudio de 2071-2100 el modelo
HadRM3 fue el que presento un mejor resultado en cuanto a la precipitación donde
escenarios extremos tiene un incremento de 2mm/día presentándose
especialmente en temporadas lluviosas [31].
En el 2010, en estados unidos se comparó los resultados obtenidos por la
metodología HadGEM2-AO con la misión de mostrar el desempeño de los cálculos
en las diferentes condiciones presentadas, se va a comprar con el modeloE con un
periodo de 60 y 40 años respectivamente, presentando similitud en los resultados
en zonas de montaña se presenta una variación frente a las metodologías
32
presentadas anteriormente, concluyendo que el modelo no se adapta con gran
confiabilidad a las diferentes zonas del país [34].
Por esta razón se creó un modelo el cual recibió el nombre de IPSL-CM5A-LR en el
cual se van a usar datos atmosféricos y oceánicos, para el estudio se usan el
periodo histórico de 1000 años, las proyecciones para los primeros ocho años
generan una confianza total al ser comparada con a los demás escenarios, la
limitante presente es en la extensión a mar adentro ya que por causa de las
perturbaciones generadas por las aguas nórdicas [35].
Dentro de los modelos usados en el cmip5 se encuentra el IPSL-CM5 incluye
diferentes variables dividiéndolas por sus zonas de estudio entre la física, dinámica
y biogeoquímica, a diferencia de los demás modelos estos tienen en cuenta el nivel
socio económico identificando la relevancia del cambio climático en la zona el cual
es un modelo que se encarga de usar un número mayor de variables las cuales
fueron divididas en tres secciones de estudio que son la física, dinámica y
biogeoquímica que sirve para limitar el sistema de modelo terrestre, este estudio
realizado en estados unidos en el 2011 tiene como fin demostrar el funcionamiento
del modelo para un periodo de estudio de 150 años, este es un modelo que no se
único en debido a las letras del CM5 esto porque puede medir también el nivel socio
económico de la zona a estudiar y permite determinar qué tan relevante se vuelve
este para el cambio climático además de esto para este factor se van a usar datos
del cmip5 y cmip3, por parte de los resultados obtenidos por el modelo se muestra
de forma evidente la importancia que tiene para este el nivel socio-económico de
cada país indicando que entre menos desarrollado se encuentre mayor cambio
climático va a sufrir, además de influir el hielo del ártico y la presencia de volcanes
mostrando un cambio de temperatura drástico a finales del siglo XXI en zonas donde
no existe una política medio ambiental, es evidente que la precipitación y
temperatura se van a ver afectados por el cambio climático, pero también es un
factor importante la zona geográfica en la cual se encuentra por parte de los
cambios atmosféricos, la magnitud del cambio y el escenario de estudio [36].
Debido a la gran complejidad que representa pronosticar el clima es necesario
reducir la escala a la cual se van realizando los estudios para poder tener una mayor
certeza de la zona a la cual se van a ver dichos cambios y permitir realizar un cambio
en los planes de mitigación, por tal motivo se va a realizar un estudio de los modelos
utilizados en Colombia [14].
33
8.4 ANTECEDENTES NACIONALES
En Colombia se elaboró el modelo RCP-AR5 con el fin de determinar los
contaminantes, ofreciendo un pronóstico detallado de los lugares en análisis, el
desarrollo del escenario facilita el planteamiento de los planes de mitigación a nivel
nacional [17].
En el año 2011, se publicaron los resultados obtenidos de la utilización del modelo
WFR, comparando los resultados obtenidos con el método STRM elaborado por el
IGAC, todo esto con el fin de limitar la Sabana de Bogotá en 3 diferentes zonas, la
elección del método WFR fue respaldada por múltiples investigaciones y usos que
se le están dando en diferentes países tales como Argentina, en el 2011 también se
usó este método de predicción climática gracias a la precisión que ofrece en la grilla,
el interés de ambas investigaciones es realizar un pronóstico climático de alta
definición, teniendo en cuenta los parámetros de precipitación, temperatura media,
máxima y mínima [16], [34].
El método WRF permite tener un mayor detalle de las zonas, la que trabaja una
grilla de 25x25 km, adaptándose a las características geográficas del terreno, la
menor grilla horizontal que es posible es cercana a 2,5 km, ya que si se trabaja en
una grilla menor la incertidumbre aumenta.[19] Las variables que son necesarias
son el uso de suelo, la topografía, el tipo de suelo de la zona de estudio, los horarios
de la precipitación en (mm) y la temperatura en (°t) el pico máximo y mínimo de
cada uno respectivamente [19].
Las tres estaciones climatológicas que se usaron en el estudio las cuales fueron de
la Universidad Nacional, Ciudad Bolívar e IDEAM, las cuales las dos últimas se
tienen en cuenta los valores arrojados de la precipitación, ya que la estación ubicada
en la Universidad Nacional tiende a sobreestimarla, en la medición se encuentra
una dificultad, ya que es una variable la cual no tiene como principal componente la
topografía sino el flujo de energía entrante y saliente por medio de la radiación del
terreno y se observa que el mejor resultado es el proporcionado por la estación de
la Universidad Nacional que tiene un BIAS de -1°C en comparación al dado por las
otras dos estaciones que fue de -4°C [19].
34
De la investigación anteriormente elaborada se puede llegar a la conclusión en la
cual las entidades que han puesto a marcha la creación de escenarios climáticos
alrededor del planeta se han centrado principalmente en zonas costeras ya que las
metodologías están basadas en modelos de circulación atmósfera-océano, siendo
la característica principal en costas como es el caso de los países asiáticos.
La metodología del RCP es un modelo que relaciona el comportamiento de las
costas y su influencia con el cambio climático, es necesario el uso de registros
históricos, en China se usaron datos de alrededor 150 años de antigüedad, además
de los cálculos de los incrementos en temperatura y precipitación, el deshielo tiene
un papel de importancia en cuanto a la realización de escenarios climáticos.
Metodologías tales como el modelo fiaron-esm, eakf necesitan para la realización
de los cálculos datos oceánicos y creación de capas desde altitudes marítimas,
generando un grado reducido de confiabilidad, existen modelos como el A1B-
IMAGE el cual en su procedimiento es necesario datos sobre la población e índices
económicos para así generar el escenario climático.
En américa latina la principal preocupación es la variabilidad en la topografía por
esto en Perú y Bolivia se usó el modelo ETA SENAMHI ya que las adaptabilidades
con respecto a las corrientes climáticas ofrecen resultados con grados de
incertidumbre bajos. La metodología usada por Colombia fue el modelo WFR el cual
el encargado es el IDEAM ya que igualmente al modelo Eta la geografía accidentada
del país no generaba incertidumbre en sus resultados.
35
9 MARCO TEORICO
9.1 CAMBIO CLIMÁTICO
Se empezó a hablar de cambio climático alrededor de los años 70, ya que los
científicos tenían una clara preocupación con respecto al enfriamiento del planeta y
la aparición de una nueva era glacial, donde se realizaron diferentes publicaciones
tales como la ciudad de Nueva York cubierta totalmente por una capa de hielo,
eventos posteriores tales como la guerra de Vietnam, guerra fría, guerra atómica
opaco la importancia de este tema.[6] En los finales de la década de los 70 se
evidenció una elevación de temperaturas provocando un cambio con respecto a la
teoría de la glaciación en el verano del año 1978 se presentó las mayores
temperaturas registradas en la década. Por lo tanto, la Academia Nacional de
Ciencias de los Estados Unidos convenció al presidente Carter a conformar una
comisión para hablar sobre el cambio climáticos, donde se concluyó que el aumento
de dióxido de carbono CO2 produciría cambios climáticos despreciables. Por otro
lado, en el Reino Unido, Margaret Thatcher, fue presionada por huelgas y uso
desmedido del petróleo a la inclusión de producción energético por medio de
centrales nucleares, en el hemisferio norte se registró un verano muy caluroso
llegando al punto que el director del instituto Goddar de la NASA declaró que estas
variaciones climáticas están causadas por las altas concentraciones de CO2,
causada por causas antropogénicas tales como quema de combustibles fósiles.[6]
la demanda de recursos naturales, aumento de población y consumo per cápita ha
causado que en los últimos 30 años la demanda de estos sean mayores, causando
que epicentros tecnológicos y económicos tales como Asia sea una causa principal
de gasto de elementos. Los países africanos y sudamericanos también tienen un
papel fundamental en el cambio climático, pero estos están relacionados con la
explotación de recursos [38].
Los países empezaron a darle un papel protagónico al cambio climático y por esta
razón desde el año 1979 se han generado diferentes convenciones y congresos
nacionales e internacionales donde se han presentado el avance y posibles
consecuencias del cambio climático y que medidas son necesarias, entre los cuales
se encuentran los siguientes:
Año 1979 Primera Conferencia Mundial sobre el Clima en Ginebra: convocada por
la Organización Meteorológica Mundial (OMM). Dicha Conferencia giró entorno del
36
Calentamiento global y de cómo este podría afectar a la actividad humana
reconociendo el cambio climático como un problema grave para el planeta [39].
En la década de los 80 La academia de ciencia de Estados Unidos dedujo la
concentración de dióxido de carbono estaba llegando a niveles críticos,
relacionados por las actividades humanas generando el incremento de la
temperatura, que se presentará en valores entre 1.5 y 4.5°C, efectivamente en el
año 1988 se presentó el año más caluroso de la década por esta razón [4] el Panel
Intergubernamental de Expertos sobre el Cambio Climático (IPCC) que se trata de
un órgano intergubernamental. Pueden formar parte de él todos los países
miembros de las Naciones Unidas y de la OMM. Actualmente, 195 países son
miembros del IPCC. El Grupo de Expertos se reúne por lo menos una vez al año en
sesión plenaria al nivel de representantes de los gobiernos en que se toman las
principales decisiones sobre el programa de trabajo del IPCC y se elige a los
miembros de la Mesa, entre ellos el presidente. Los gobiernos participan también
en la exploración del alcance de los informes, la designación de los autores, el
proceso de revisión y aceptan, adoptan y aprueban los informes en las sesiones
plenarias publicó en su primer Informe de Evaluación en 1990. Aprobado luego de
un riguroso proceso de revisión por pares, el Informe confirmó la evidencia científica
sobre el cambio climático. Esto tuvo un fuerte efecto sobre los responsables de
políticas y también sobre el público en general y proporcionó las bases para las
negociaciones de la Convención sobre el Cambio Climático. En diciembre de 1990,
la Asamblea General de las Naciones Unidas aprobó el comienzo de las
negociaciones para elaborar un tratado. El Comité Intergubernamental de
Negociación para la Convención Marco sobre el Cambio Climático (CIN/CMCC) se
reunió en cinco sesiones entre febrero de 1991 y mayo de 1992. Enfrentados a una
fecha tope (junio de 1992, la Cumbre de la Tierra en Río) los negociadores de 150
países debieron concluir la Convención en solamente 15 meses [39].
La misma fue adoptada en Nueva York el 9 de mayo de 1992. La Convención Marco
de las Naciones Unidas sobre el Cambio Climático fue firmada por 154 países
(además de la CE) en Río de Janeiro. Veinte años después de la Declaración de
Estocolmo de 1972 que estableciera los primeros cimientos de la política ambiental
contemporánea, la Cumbre de la Tierra se transformó en la mayor reunión de Jefes
de Estado realizada hasta la fecha. Otros acuerdos adoptados en Río fueron la
Declaración de Río, la Agenda XXI, el Convenio sobre Diversidad Biológica y los
Principios Forestales [39].
37
Las consecuencias que se observaron y se proyectan gracias al cambio climático
han sido definidas a lo largo del tiempo en las cuales se resaltan principalmente las
siguientes:
Los casquetes polares se están fundiendo. La superficie marina cubierta por
los hielos árticos en el Polo Norte ha disminuido en un 10 % en las últimas
décadas y el espesor del hielo por encima del agua en casi un 40 %. [40]
El cambio climático da lugar a fenómenos meteorológicos extremos, tales
como tempestades, inundaciones, sequías y olas de calor. En la última
década, ha habido en el mundo tres veces más catástrofes naturales de
origen meteorológico — principalmente inundaciones y huracanes— que en
los años sesenta. Estas catástrofes no sólo producen enormes daños, sino
que hacen que aumente el coste de los seguros [40].
El agua escasea ya en muchas regiones del mundo. Casi un quinto de la
población mundial, 1 200 millones de personas, no tiene acceso a agua
potable limpia. Si las temperaturas mundiales se incrementan en 2,5 ºC por
encima de los niveles preindustriales, es probable que entre 2 400 y 3 100
millones de personas más padezcan escasez de agua en todo el mundo [40].
Con un aumento de la temperatura de 2,5 ºC, 50 millones de personas más
podrían sumarse a los 850 millones que son víctimas actualmente de hambre
crónica. En Europa, el período de vegetación se ha alargado en 10 días entre
1982 y 1995. Aun cuando esto haya beneficiado a la agricultura de la Europa
septentrional, incluso en esta región empezarán a disminuir las cosechas si
las temperaturas llegan a situarse 2 ºC por encima de los niveles
preindustriales [40].
Estos cambios se evidenciaron en la década de los noventa cuando se produce el
desprendimiento de hielo con unas dimensiones cercadas a (85x64 km) de la
Antártida. Se registraron las temperaturas más altas en la región de África y Europa,
el inicio del siglo XXI está marcado por las presencias de una tasa de mortalidad
por causa a las altas temperaturas registradas en los continentes africanos y
europeo donde se evidencia alrededor de 20.000 víctimas mortales con edades
mayores a los 70 años, estos eventos fueron causantes de la realización del
38
acuerdo de Kioto. [4] el IPCC tuvo un papel fundamental en la planeación y
demostración del verdadero problema que es el cambio climático y basándose a sus
anteriores tres informes presentados llegaron a una conclusión que es la siguiente,
el IPCC ha calculado un aumento de la temperatura media en la superficie terrestre
de 0,6ºC y prevé un aumento de entre 1ºC y 3,5ºC hasta el año 2100. Es un aumento
que no parece preocupante. Es menor que la diferencia cotidiana de temperatura
entre la noche y el día, y mucho menor que la que hay entre el invierno y el verano,
a las que estamos habituados. Pero gana preocupante significado si tenemos
presente que la diferencia de temperaturas medias entre una época glacial, con
glaciares extendidos por toda la Tierra, y otra como la actual, es de sólo unos 5ºC o
6ºC. Además, el ritmo de elevación de la temperatura media en la superficie terrestre
es el más rápido de los últimos 10.000 años, lo que hace muy difícil que los
ecosistemas se adapten al cambio. El IPCC es muy prudente en las conclusiones
de sus evaluaciones. Distingue claramente entre conclusiones sólidas e
incertidumbres clave. Otras organizaciones, con menos autoridad y mucho menos
crédito, no se manifiestan con la misma cautela. Los diez años transcurridos entre
el I y el III Informe de evaluación confirman las cifras anteriores, y que entre las
certidumbres hay que incluir el aumento de la concentración en la atmósfera de los
gases de efecto invernadero. - El conjunto de evidencias sugiere un cierto grado de
influencia humana sobre el clima global. - Un cambio discernible del clima global
debido a la influencia humana ya se puede detectar entre las muchas variables
naturales del clima. IPCC, II Informe de evaluación, 1995 - En el Siglo XX la
temperatura media en la superficie terrestre ha aumentado aproximadamente 0,6
ºC. Si no cambia la tendencia, aumentará entre 1ºC y 3,5ºC en el Siglo XXI. - Es
muy probable que un aumento de temperatura de esa magnitud no tenga
precedente en los últimos 10.000 años. - Hay incertidumbre acerca de la magnitud
y carácter de la variabilidad climática natural, de los forzamientos causados por
factores naturales y aerosoles, y de la relación entre las tendencias regionales y el
cambio climático [41].
IPCC, III Informe de evaluación, 2001 Comité Económico y Social de la Comunidad
Valenciana 131 El IPCC señala como conclusiones sólidas que los probables
efectos del cambio climático serán un aumento de la temperatura media; más alta
concentración de vapor de agua en la baja troposfera y cambio del patrón de las
precipitaciones; clima estival más seco y riesgo de sequías; una elevación del nivel
del agua del mar que irá más allá del Siglo XXI, con inundaciones de zonas costeras;
más días calurosos y olas de calor, y menos noches frías y olas de frío. Asociados
a esos efectos se han de esperar cambios en los ecosistemas, variando la flora y la
39
fauna y su distribución geográfica, y extinguiéndose numerosas especies. Todo ello
se puede traducir en que se acentúen los desequilibrios económicos, en perjuicio
de los países que dependen fundamentalmente de sus recursos agrícolas y
ganaderos. Todo ello impulsará migraciones por razones naturales o económicas.
El impacto directo sobre la salud de los seres humanos puede incluir un cambio de
la distribución geográfica de las enfermedades, con expansión del área de
incidencia de las enfermedades infecciosas tropicales. Pero todas las previsiones
advierten que hay grandes incertidumbres respecto a la magnitud de los efectos del
cambio climático y sus efectos y sobre las diferencias regionales. Hay que tener
además presentes los efectos indirectos ambientales de las medidas de mitigación
y adaptación del cambio climático; el posible cambio de los flujos de comercio
internacional, y con ello del equilibrio económico mundial; la interacción de las
políticas fiscales (aumento de costos por los impuestos, y disminución por su
reciclado); o el efecto paradójico o de rebote, por el que mejoras de eficiencia
energética, que reducen las emisiones relativas de un producto, y se traducen en
menor coste de producción y menor precio, que induce a aumentar su consumo y
con ello las emisiones totales [41].
En Colombia, el instituto responsable es el IDEAM el cual ha realizado hasta la fecha
3 informes de estado climático del país en general priorizando los principales
causantes y se registra de manera general el estado del clima, el cual es mostrado
de manera gráfica en diferentes, también se realiza el planteamiento de nuevas
técnicas y el papel que han tenido las conferencias y acuerdos internacionales para
la mitigación de riesgos tales como los nombrados anteriormente [16].
La Política Nacional de Cambio Climático, publicada en 2017, tiene como objetivo
incorporar la gestión del cambio climático en las decisiones públicas y privadas para
avanzar en una senda de desarrollo controlado con respecto al clima y baja en
carbono, que reduzca los riesgos del cambio climático y permita aprovechar las
oportunidades que este genera. La política propone estrategias territoriales
generales y sectoriales de alto impacto para la adaptación y la mitigación, así como
lineamientos para su articulación. Como estrategias territoriales propone el
desarrollo urbano cuidando al clima y bajo en carbono. El desarrollo de
infraestructura estratégica control climático y baja en carbono. Para la
implementación de estas cinco estrategias se definen las siguientes líneas
instrumentales: (i) información, ciencia, tecnología e innovación; (ii) educación,
formación y sensibilización a públicos, (iii) planificación de la gestión del cambio
climático y (iv) financiación e instrumentos económicos. Esta política también
40
incluye un ciclo de planificación para las acciones que propone. El ciclo inicia con la
formulación de estrategias nacionales de largo plazo como la Estrategia colombiana
de desarrollo bajo en carbono (ECDBC), el Plan nacional de adaptación al cambio
climático (PNACC), la Estrategia nacional para la reducción de las emisiones
debidas a la deforestación y la degradación forestal (ENREDD+), el Plan nacional
de gestión de riesgo de desastres, la Estrategia de protección financiera frente a
desastres, y la Estrategia nacional de financiamiento climático. Con base en esas
estrategias se deben formular los planes integrales de gestión del cambio climático
territoriales y los planes integrales de gestión del cambio climático sectoriales [16].
Teniendo en cuenta el estado de la problemática el IDEAM se toma la tarea de
realizar un inventario de gases de efecto invernadero ya que es una de las
principales causas del cambio climático y es generado por las prácticas de las
personas en diferentes actividades sociales y económicas, para esto toman la
metodología propuesta por el IPCC de la cual trata de la generación de inventarios
climáticos contemplando principalmente los gases corresponden a los de efecto
invernadero directo: CO2, CH4 y N2O, HFC, SF6 y los precursores de GEI: NOX ,
CO, COVDM y SO2. Para el cálculo de las emisiones de CO2 por quema de
combustibles se emplearon factores de emisión propios para los combustibles
colombianos (FECOC). De la misma forma, para las emisiones fugitivas de CH4 por
minería de carbón, se emplearon factores de emisión propios; es decir, a nivel de
cuenca carbonífera del país. Los factores de emisión de CH4 y N2 O para las demás
estimaciones fueron tomados de las bases de datos del IPCC 2006 [16].
En los planes de mitigación se centran principalmente en la actividad minera como
principal causa de gasto energético y de recursos naturales explotados, en las
cuales se emplearon nuevas técnicas como un impuesto por la generación de
carbón que se especifica de la siguiente manera con base en los avances analíticos
de los últimos años, la más reciente reforma tributaria (Ley 1819 de 2016) creó un
impuesto al carbono (artículo 221), como una apuesta para desincentivar el uso de
combustibles fósiles y para 76521 ÍNDICE 8A 3 4 60 crear la oportunidad de que se
hagan inversiones directas en reducciones y remociones de GEI mediante la
“certificación de carbono neutro”, de acuerdo con la reglamentación que expida el
MADS (Parágrafo 3, artículo 221). Lo anterior, acorde con la línea instrumental
económica y financiera de la recién adoptada PNCC que se crea con el objeto de
diseñar y poner en marcha acciones de mitigación y adaptación con recursos de
regalías, cupos de emisión, tasas y entre otros impuestos. De acuerdo con la Ley,
el impuesto recae sobre el contenido de carbono de todos los combustibles fósiles,
41
incluyendo todos los derivados de petróleo y todos los tipos de gas fósil que sean
usados con fines energéticos, siempre que sean usados para combustión. Hay
excepciones para el carbón, el gas licuado y el gas natural, que sólo son objeto de
impuesto en casos de venta a usuarios industriales específicos, así como para el
alcohol carburante y el biocombustible, que están exentos del impuesto, al igual que
la exportación de cualquier combustible. La tarifa fijada por la ley es de $15.000
pesos colombianos (aproximadamente USD $ 5 a la tasa de cambio actual) por cada
tonelada de CO2 emitida [16].
El Quinto Informe de Evaluación del IPCC (2014) ha puesto el foco en el manejo del
riesgo climático, lo que facilita la visualización de las respuestas necesarias en un
contexto de incertidumbre agravado por el Cambio Climático. Este enfoque tiene la
virtud de facilitar la comprensión del público y de los decisores sobre las medidas
que deben adoptar con relación al Cambio Climático por tratarse de un concepto, el
del riesgo, ampliamente instalado. La Figura 1 ilustra sobre la construcción del
riesgo que se genera por la combinación de la probabilidad de ocurrencia de un
evento climático desfavorable con la vulnerabilidad y exposición del sistema [16].
Actualmente se encuentran los estados actuales del clima de Colombia entre las
cuales se resalta los siguientes mapas:
Figura 1. Distribución espacial de la precipitación (izq.) y temperatura media
(derecha.) en Colombia. Periodo 1976-2005
42
Fuente: IDEAM
Precipitación: La precipitación anual en Colombia se distribuye en zonas con
valores bajos (menores a 500mm anuales) en la Guajira, hasta sectores con
precipitaciones superiores a los 9000mm anuales (especialmente en sectores
de la región Pacífica). La Región Caribe se caracteriza por tener precipitaciones
entre mayo y noviembre. Distribución espacial de la precipitación (izquierda.) y
temperatura media (derecha.) en Colombia para el periodo 1976-2005. y
ciclones tropicales; siendo el último bimestre (octubre - noviembre) el máximo
de los volúmenes de precipitación. La región Andina presenta un carácter
bimodal con dos máximos de precipitación especialmente asociado al doble
paso del principal sistema que rige la precipitación en Colombia; la Zona de
Convergencia Intertropical (ZCIT); el primero centrado en abril-mayo y el
segundo en octubre-noviembre. Los Llanos Orientales y la Amazonía
manifiestan una precipitación de tipo monomodal; el primero centrando sus
máximos de precipitación a mediados de año; mientras que la segunda a
principios de año; cuando la ZCIT se ubica al sur del país. Entre tanto, la región
pacífica se caracteriza por mantener precipitaciones casi constantes a lo largo
de todo año [16].
43
Lo anterior es con el fin de realizar un escenario climático el cual está proyectado
desde los años 2011-2100 ya con los datos obtenidos históricamente se usa
metodologías numéricas para realizar una proyección con los datos que se obtienen
de 1976-2005 teniendo los siguientes resultados.
Temperatura: A nivel espacial, para el periodo 2011-2040, en relación con el
periodo de referencia 1976-2005, se esperaría que la magnitud de los cambios
de la temperatura media para Colombia manifieste un aumento de
aproximadamente 1.0ºC en los 4 RCP. En el caso del periodo 2041-2070 se
observaría un cambio de alrededor de 1.0- 1.5°C en el RCP2.6 y 1.5-2.0ºC en el
RCP8. Finalmente, en el periodo 2071-2100 se esperaría un aumento de
alrededor de 1.0°C en el RCP2.6 y de 2.0ºC a 3.5ºC en el RCP8.5 para el país.
Para precipitación en general se observa que los datos históricos ajustados de
los modelos presentan un comportamiento aceptable en comparación con los
datos observados para el período de referencia (1976-2005); sin embargo, se
destaca el hecho de que, al menos para Colombia, los modelos no representaron
bien eventos extremos de la variabilidad climática observada; por ello, se puede
inducir que para análisis de, por ejemplo, eventos ENOS para el clima del futuro
el uso de estos datos no es recomendable. Se aprecia además que en el periodo
futuro no hay una tendencia clara a aumento o disminución de la precipitación
(excepto para estaciones ubicadas al norte y oriente de Colombia), y
comparando los RCP entre sí, no presentan diferencias significativas modeladas
en los volúmenes de precipitación [16]. Según se observa en los siguientes
mapas:
Figura 2. Cambio porcentual de precipitación en Colombia
44
Fuente: IDEAM
Como se observa en estos mapas, según los resultados del ensamble multimodelo,
se esperaría que la temperatura media para Colombia en el periodo 2011-2040
tenga un aumento de aproximadamente 1.0ºC en los 4 RCP; en el periodo 2041-
2070 un cambio de alrededor de 1.0-1.5°C en el RCP2.6 y 1.5-2.0ºC en el RCP8.5.
Para 2071-2100 habría un aumento de cerca de 1.0°C en el RCP2.6 y de 2.0ºC a
3.5ºC en el RCP8.5. Los mayores aumentos se presentarían en la región Andina,
especialmente para regiones como Sogamoso, Catatumbo, Medio Magdalena y
Sabana de Bogotá; así como en la parte Oriente del país. Los cambios más bajos
se esperarían en la parte occidente hacia las regiones de Pacifico Norte y Central y
Pacifico Sur. A nivel estacional, en general se esperaría que los cambios en la
temperatura media para los cuatro trimestres (DEF, MAM, JJA y SON) sean
semejantes. Para el periodo 2011-2040 se estimarían cambios de
aproximadamente 1.0ºC en los 4 RCP. Para el 2041-2070 se observaría un cambio
de alrededor de 1.0 °C en el RCP2.6 y 2.0°C en los otros RCP. Para el último periodo
(2071-2100) se esperaría un aumento cerca de 1.0°C en el RCP2.6, 2.0ºC en el
RCP4.5 y RCP6.0 y 4.0 ºC en el RCP8.5. De acuerdo con el ensamble
multiescenario, los posibles valores promedio, máximo y mínimo del cambio de la
temperatura media en Colombia para los periodos 2011-2040, 2041- 2070 y 2071-
45
2100, mostrarían los aumentos más significativos en la región Andina,
especialmente en las zonas de alta montaña, donde la temperatura aumentaría más
rápido que en otros lugares del país. De igual manera se podría esperar en la
Orinoquia y en la Sierra Nevada de Santa Marta. El comportamiento de la
precipitación, según los escenarios de Cambio Climático RCP para Colombia,
muestra que, para el periodo 2011-2100, la región Caribe y la Amazonia
presentarían una disminución de la precipitación del orden de 10-40%. Para el
centro y norte de la región Andina habría incrementos entre 10 y 30%, con los más
altos aumentos en el eje Cafetero, el Altiplano Cundiboyacense y la cuenca alta del
río Cauca. La Orinoquia y el resto del país los cambios en la precipitación no son
significativos, ya que las alteraciones de esta variable son del orden de ±10%. A
nivel estacional, las reducciones más fuertes de precipitación (superiores al 20%)
se observarían en la región Caribe en los trimestres Marzo-abril-mayo y septiembre-
octubre-noviembre. Los aumentos significativos de precipitación se pre - sentarían
en la región Andina entre los meses de junio y Noviembre; mientras que la misma
situación podría ocurrir en el norte de la Orinoquia y sur de la región Caribe, pero
para el trimestre Marzo-abril-mayo. Finalmente, para el inicio del año (trimestre
DEF) se tendrían reducciones de precipitación superiores al 20% en el norte de la
región Andina, la región Caribe, centro y sur de la región Pacífica y oriente y sur de
la Amazonia y la Orinoquia. El ensamble multimodelo mostró buenos resultados con
respecto a la proyección de la precipitación y temperatura según los RCP. El hecho
de dar pesos a los modelos según su re - presentación del clima presente y de su
concordancia con el comportamiento de los demás modelos en el periodo fu - turo,
hacen de este método de ensamble una muy buena herramienta para determinar el
resultado final de los escenarios de Cambio Climático. Con este ensamble además
se obtiene una reducción significativa de la incertidumbre de los posibles valores en
el futuro, dándole rangos aceptables y coherentes con relación al cambio
proyectado. El cambio de la variación de la precipitación proyectada por los RCP
con el ensamble multimodelo para el país no supera el ±5%, en promedio, para los
tres periodos futuros analizados (2011- 2040 a 2041-2070 y de 2041-2070 a 2071-
2100). Pero aunque este hecho desde la perspectiva general puede mostrarnos que
para todo el periodo 2011-2100 la tendencia de la precipitación no es muy
cambiante respecto al clima actual, si se presentarían cambios importantes en los
volúmenes de precipitación en algunas áreas de la Región Andina, donde podrían
haber incrementos considerables y, en la Amazonía y áreas de la Región Caribe,
donde podrían haber algunas reducciones de las precipitaciones a lo largo del siglo
XXI con respecto al clima de referencia [16].
46
9.2 ESCENARIO CLIMATICOS
Representación simplificada del clima a futuro, con base a diferentes relaciones
climáticas, las cuales tienen como fin mostrar las consecuencias de las posibles
alteraciones climáticas, sirve para las simulaciones en los impactos en diferentes
campos, los escenarios climáticos necesitan información adicional, teniendo en
cuenta registros históricos registrados por las entidades correspondientes en cada
territorio [2].
9.3 MODELO GLOBAL ESCENARIO CLIMÁTICO
Es un programa o conjunto de programas de software que simula el efecto que tiene
en el globo terrestre, el cambio de concentración de gases efecto invernadero en el
comportamiento medio de las variables meteorológicas.
Desde otra definición, un modelo global representa la dinámica de la circulación
atmósfera-océano, esta se ve representada en una resolución horizontal de hasta
600 km y una resolución vertical de 20 km para la atmósfera y 30 km para el océano.
Los modelos usan la información sobre el estado de la atmósfera y del océano
adyacente o de la superficie marina para calcular los intercambios de calor,
humedad y momento entre los dos componentes, de manera que simulan
directamente las condiciones pasadas y presente de los vientos, las corrientes
oceánicas y muchas otras variables y procesos que caracterizan la atmósfera y los
océanos.
5.3.1 ETA: El modelo Eta es un modelo atmosférico de vanguardia utilizado para
fines de investigación y operativos. El modelo es un descendiente del modelo
anterior HIBU (Instituto Hidrometeorológico y Universidad de Belgrado),
desarrollado en los años setenta en la ex Yugoslavia (la referencia más temprana
fue Mesinger y Janjic, 1974). En los años ochenta, el código se actualizó al esquema
de advección horizontal de estilo Arakawa de Janjic (1984), luego se reescribió para
usar la coordenada vertical eta [42] y, posteriormente, en NCEP, se le proporcionó
una física avanzada paquete (Janjic 1990, Mesinger y Lobocki 1991). Comenzó a
funcionar oficialmente en NCEP el 8 de junio de 1993. En sus diversas versiones,
el modelo ha sido y / o es ampliamente utilizado en numerosos países, incluidos
Argelia, Argentina, Bélgica, Brasil, Camerún, China, Costa Rica, Chipre, República
Checa, Dinamarca, Egipto, Finlandia, Alemania, Grecia, Islandia, India, Israel, Italia,
47
Malta, Túnez, Turquía, Perú, Filipinas, Serbia y Montenegro, Sudáfrica, España,
Suecia y los Estados Unidos.
El nombre del modelo deriva de la letra griega (eta) que denota la coordenada
vertical, una de las características del modelo, definida como dónde está la presión
atmosférica. Los índices syt se refieren a la superficie y la parte superior de la
atmósfera modelo, respectivamente. El índice de referencia se refiere a una
atmósfera de referencia prescrita, y s es la altura de la superficie. El modelo de
orografía está formado por escalones. Los pasos pueden tener pendientes en la
versión descargable aquí (Mesinger y Jovic 2004).
Las variables de pronóstico del modelo son: presión superficial, componentes del
viento horizontal, temperatura, humedad específica, energía cinética turbulenta e
hidrometeoros de nubes. Las variables del modelo se distribuyen en la cuadrícula
electrónica de Arakawa.
Las características principales del núcleo dinámico Eta son:
- La coordenada vertical eta [42], que da como resultado superficies de
coordenadas cuasi horizontales y, por lo tanto, evita errores de fuerza de gradiente
de presión debido a una topografía empinada que puede ocurrir con coordenadas
de seguimiento del terreno
- Esquema de avance hacia atrás para diferenciar en el tiempo los términos de
ondas de gravedad, modificado para suprimir la separación de soluciones en dos
subcuadrículas C de la cuadrícula E del modelo [42]
En el código original de principios de 1973, el mantenimiento de varias cantidades
integrales se limitaba a la advección vertical; el esquema de advección horizontal
de Arakawa en la cuadrícula B (o E) aún no se había llegado en ese momento. Janjic
(1977) logró el mantenimiento de la red eléctrica y la energía en la advección
horizontal unos años más tarde. Al mismo tiempo, Janjic ha elaborado un esquema
que conserva la energía en las transformaciones entre la energía cinética y la
energía potencial en diferenciación espacial.
48
El esquema de advección de momento horizontal de Janjic (1984) Arakawa,
conservando la atrofia definida por la rejilla C para la no divergencia horizontal. El
flujo en la cuadrícula electrónica del modelo, y una cantidad de otras cantidades,
fue una mejora considerable con respecto a su esquema de 1977. Esto ha evitado
una cascada de energía espuria sistemática en advección horizontal hacia escalas
más pequeñas, como lo ilustra muy bien un esquema de los análogos de la escala
de energía de Charney que se muestran en la figura 3.12 en Janjic y Mesinger
(1984).
Tal cascada espuria no fue de hecho impedida por el esquema de 1977, a pesar de
la conservación de la atrofia y la energía. Habiéndome convencido (Mesinger 1982)
de que el problema de la fuerza del gradiente de presión del sistema de seguimiento
del terreno (sigma) puede no tener una buena solución, y que los errores podrían
tender a aumentar con una mayor resolución (tabla de errores en Mesinger 1982,
corregida en Mesinger y Janjic 1985), sentí esa coordenada cuasi horizontal. Las
superficies eran la forma más prometedora de proceder.
5.3.2 Método WRF: Sistema de predicción numérica del clima diseñado
principalmente para la investigación atmosférica como para pronósticos operativos.
Está basado en dos núcleos dinámicos, sistema de asimilación de datos y
arquitectura permitiendo el computo paralelo y extensibilidad del sistema, contando
con una amplia gama de servicios contando escalas desde decenas de metros
hasta miles de kilómetros. Desde 1990 las siguientes asociaciones se han dado a
la tarea de realizar este modelo entre las cuales se encuentran asociación de
colaboración del Centro Nacional de Investigación Atmosférica (NCAR), la
Administración Nacional Oceánica y Atmosférica (representada por los Centros
Nacionales de Predicción Ambiental (NCEP) y el ( luego) el Laboratorio de Sistemas
de Pronóstico (FSL)), la (entonces) Agencia de Clima de la Fuerza Aérea (AFWA),
el Laboratorio de Investigación Naval, la Universidad de Oklahoma y la
Administración Federal de Aviación (FAA).
Con base en condiciones atmosféricas reales, WRF ofrece pronósticos operativos
mediante una plataforma flexible y computacional, ofreciendo reflejos de los
avances en la manipulación de datos, este modelo se encuentra actualmente en
uso por el Centro Nacional de Predicción Ambiental (NCEP por sus siglas en ingles)
y otros centros meteorológicos estadounidenses que tienen como función el
pronóstico en tiempo real en laboratorios, universidades.
49
5.3.3 HadGEM2: En comparación al HadGEM1 este modelo acopla la relación de
atmosfera- océano, con o sin extensión vertical fueron utilizados en el Quinto
Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático. El
proyecto ENSEMBLES también utiliza miembros de esta familia modelo.
El componente atmosférico estándar tiene 38 niveles que se extienden hasta ~ 40
km de altura, con una resolución horizontal de 1.25 grados de latitud por 1.875
grados de longitud, lo que produce una cuadrícula global de 192 x 145 celdas de
cuadrícula. Esto es equivalente a una resolución de superficie de aproximadamente
208 km x 139 km en el ecuador, reduciéndose a 120 km x 139 km a 55 grados de
latitud. Una versión extendida verticalmente, con 60 niveles que se extienden hasta
85 km de altura, también se utiliza para investigar procesos estratosféricos y su
influencia en el clima global.
9.4 REGRESIÓN LINEAL
Es una técnica en la cual consiste calcular similitudes en forma de función
matemática, ofreciendo de esta manera una mayor información sobre esta relación.
En la cual en una regresión lineal se puede lograr encontrar la correlación,
incremento, de igual manera considerar si la relación existente en las variables es
significativa o débil [43].
9.5 TIPOS DE VARIABLES
Habitualmente las regresiones usan variables, con estas se puede calcular
características estadísticas de estas tales como promedio, correlación, tendencia y
su desviación típica y definir así su significancia en el análisis final. En la regresión
lineal múltiple se utiliza una variable independiente y varias dependientes, de esta
manera se individualiza el fenómeno a observar, las variables pueden presentarse
de la siguiente manera [43].
Continuas: son aquellas que llenan el espacio, son variables generalmente
cuantitativas las cuales se pueden ordenar y tienen una cantidad mayor a los
siete datos, pueden presentarse de manera continua normal cuando los datos
presentan valores cercanos a la media de este, hay que considerarse los datos
de manera especial cuando su magnitud se acerca a los extremos de los
conjuntos [43].
50
Discretas: son variables que se mueven a saltos, en general se trata de factores
cualitativos en la cual describe las características de un individuo, si las
características superan las dos cualidades se define como variables de
simplemente factor [43].
9.6 MODELO ARIMA
Las series temporales se han analizado desde un punto de vista determinístico, y
ahora se han enfocado a darle un objetivo moderno, por esta razón es llevada a
cabo diferentes metodologías, Box y Jenkins han desarrollado modelos estadísticos
para series temporales teniendo en cuenta la dependencia existente entre los datos
analizados [44].
Los modelos se conocen con un nombre genérico de ARIMA (Auto-Regresiva
Moving Average), derivando entre sus componentes AR (Auto regresivo), I
(integrado) y MA (Medias Móviles) [44].
El modelo ARIMA permite describir un valor como función lineal de datos anteriores
ofreciendo los errores debidos al azar, incluyendo posiblemente un componente
cíclico, siendo necesario tener un base de datos lo suficientemente completa para
disminuir los errores [44].
Esta metodología tiene los siguientes objetivos:
1. Representar las características de las series, examinando la tendencia de los
datos y el comportamiento estacional que tienen y es de gran interés para la
investigación, generando hasta una función para representar los datos y
señalar características fundamentales tales como medias de la serie [45].
2. Predecir futuros de las variables. Un modelo de series temporales se formula
únicamente con valores de pasados. Las predicciones que se obtienen en un
modelo univariable no son por lo tanto más que extrapolaciones de los datos
observados en el momento de estudio. Son efectivas y proporcionan un punto
de alta funcionalidad con respecto a modelos más sofisticados. Cuando los
datos son dependientes, los valores futuros pueden ser predichos a partir de
observaciones pasadas [45].
51
Los esfuerzos representados por las diferentes comunidades científicas frente al
cambio climático evidencian la importancia de la cuantificaciones y programas de
mitigación y adaptación a la variación que se puede presentar a futuro con el fin de
reducir los impactos ante la sociedad, actualmente se ha encontrado diferentes
metodologías de medición de estas variaciones, por ejemplo, en el caso de
Colombia los esfuerzos han sido de gran importancia por los cambios que se han
presentado en los últimos años, por esta razón se es necesario la generación de
proyecciones climáticas en lugares específicos, ya que en la última década los
eventos climáticos se han presentado con una mayor intensidad y duración
evidenciando el cambio climático que está sufriendo el país y el mundo entero.
52
10 DISEÑO METODOLÓGICO
10.1 MÉTODO DE INVESTIGACIÓN
Para la ejecución del proyecto, se aplicaron diferentes métodos: el cuantitativo el
cual se evidencia en la medición de variables en función de magnitudes, cantidades
determinadas, desarrollo de pruebas estadísticas, así como la validación de los
parámetros a proponer a través de pruebas de bondad, haciendo uso de software
especializado necesarios para la realización de proyecciones [46]. El método
descriptivo se evidencia en el proceso de recolección de información indicando los
limitantes particulares definidos por investigaciones realizadas anteriormente en la
elaboración de un escenario climático. El explicativo se presenta a la hora de buscar
razones o causas que originan ciertos fenómenos y la condición en la que se dan,
mediante la identificación y análisis de distintas variables, para este caso mediante
el estudio de la precipitación y temperatura en la región de Boyacá.
10.2 VARIABLES
Inicialmente es necesario comprender el impacto que es generado por las diferentes
variables tales como humedad, brillo solar, evaporación, contaminación mundial de
tal así tener presente la relación existente con los parámetros a analizar y proyectar
temperatura y precipitación los cuales se encuentran a continuación.
El fenómeno del Enso (fenómeno del niño) tiene bastante incidencia en el
incremento del brillo solar por tal motivo se puede concluir que la temperatura
se ve directamente relacionada con el brillo solar, provocando un incremento en
el brillo solar conllevando que la temperatura aumente mientras que por otro lado
si este baja la temperatura también va reducirse [41].
El fenómeno de la niña (incremento de lluvias) causa reducción en el brillo solar
por lo cual se concluye que la precipitación esta inversamente relacionada con
el brillo provocando una menor nubosidad por lo cual la precipitación disminuye.
[42] La relación que existe entre precipitación y temperatura con la evaporación
es directamente relacionados donde la magnitud e intensidad de los fenómenos
generan una evaporación mayor [43] [44].
53
Punto de rocío: La relación que existe entre punto de roció y la temperatura es
que a una temperatura baja cercana a los 10°C el punto de condensación y roció
del agua es el más óptimo. [45] Según estudios realizado con el fin de saber
cuáles factores influyen en la precipitación se observa que al existir una mayor
precipitación el punto de roció se va a ver reflejado de acuerdo a las
temperaturas siguientes, por ende, la precipitación va a influir en el punto de
roció de forma indirecta [46].
Recorrido del viento: El viento influye en la precipitación en la distancia a la cual
se van a desplazar las nubes [46]. Al revisar los parámetros relacionados con
las variables climáticas se puede deducir que el recorrido viento puede influir en
la temperatura debido a que este puede desplazar la sensación térmica
reduciendo la temperatura [46].
Días de lluvia: Las temperaturas aumentan de manera inversamente
proporcional con respecto a los números de lluvia, los cuales se pueden
presentar la anterior relación, con respecto a la precipitación el número de lluvia
afecta la intensidad y las mediciones en general.
Evaporación: investigaciones concluyen con que a mayor temperatura la
humedad también incrementa todo depende el sitio donde se está realizando el
estudio, tomando como ejemplo en el altiplano sudamericano se puede
evidenciar mayor humedad a mayor precipitación.
Humedad: se ha evidenciado que a mayor temperatura la humedad sufre un
comportamiento proporcional dependiendo de la zona en la cual se haga el
estudio en el caso del altiplano sudamericano se puede evidenciar a mayor
humedad mayor precipitación.
De acuerdo con la relación presentada anteriormente con respecto a las variables
independientes con las variables dependientes se tendrá en cuenta el impacto que
tendrá en el cálculo de la proyección, para lo cual se realiza la descarga de
información histórica en la base datos del IDEAM, verificando su periodo de registro
que se encuentre entre 1987 al 2018, y la red de estaciones sean lo suficiente para
cubrir el territorio departamental teniendo en cuenta mediciones correspondientes a
los departamentos contiguos.
54
Fue necesario realizar cálculos estadísticos por medio del software SPSS
obteniendo la tabla llamada “resumen del modelo” donde se cuantifica la influencia
las variables independientes con respecto a la temperatura o precipitación, tomando
la notación expresada con la letra F en cada tabla, además, indica la influencia
correspondiente, otro condicionamiento es el cumplimiento en el valor del R2 el cual
refleja la bondad entre los datos mostrando si su valor está en rangos de 0.8 y 1
cuentan con una confiabilidad aceptable. En el ANOVA particularmente se tiene en
cuenta el nivel de significancia el cual no debe ser superior a 0,05 y el test F lo
correspondiente a la cuantificación de la significancia en relación de variable
independiente con la dependiente donde su valor numérico era correspondiente a
su impacto.
10.3 PRUEBAS ESTADÍSTICAS
Dependiendo de los valores a definir se cuenta con un número suficiente de
variables independientes, a continuación, se realizaron un conjunto de pruebas
estadísticas las cuales fueron divididas en dos partes como procesado de datos y
fase de predicción, los cuales se encuentran expuesto de la siguiente manera.
10.3.1 PROCESADO DE DATOS
Múltiples estaciones no cuentan con una base de datos completa, presentando
vacíos considerables en información imposibilitando la generación de escenarios
climáticos, por tal razón, se recomienda realizar un completado de datos usando
metodologías estadísticas realizan un promedio y generar un dato aproximado, con
el fin de aumentar la credibilidad en la predicción, se realiza pruebas de rachas de
wald - wolfowitz y la prueba Mann – Whitney (pruebas de homogeneización) se
vuelven indispensables antes de realizar los modelos.
10.3.2 PRUEBA DE HOMOGENEIZACIÓN
Las siguientes dos pruebas presentadas a continuación son métodos estadísticos
que determinan la validez de los registros en cuanto a sus valores y determinar si
los datos pertenecen la misma población, pueden ser usadas para fijar variables
dicónicas, la precisión de los parámetros empíricas, permiten determinar el grado
de dispersión, entre otras funciones que depende de lo que se busque obtener, por
55
tal motivo es necesario aclarar la fusión de cada una en la presente investigación
[47].
La Prueba De Rachas De Wald – Wolfowitz: Es un ensayo estadístico el cual se
fundamenta en el estudio de dos muestras dividiendo los registros de datos en
dos secciones calculando la similitud que poseen son los grupos y así determinar
si son de un mismo entorno, si el resultado obtenido tiene una magnitud alta
define que su compatibilidad significante, por otro lado si el resultado es bajo
demuestra que las muestras no poseen similitud, el rango es definido por el
investigador[47].
La prueba Mann – Whitney: proceso estadístico con el cual se busca
dimensionar las diferencias entre los datos, en dicha análisis se establece por
medio de un criterio de heterogeneidad al cuantificar que tan cercanos al
promedio se encuentran los picos de las muestras siendo estos excluidos del
cálculo de la media, el criterio de decisión es definido por el tamaño de la muestra
y por el rango a usarse [48].
10.4 PROCESO DE PREDICCIÓN
Ya teniendo las estaciones que cumplen con las pruebas que se describieron
anteriormente se realizará la metodología de proyección con respecto a la
temperatura y precipitación teniendo en cuenta Algunos filtros que se tienen en
cuenta para la elección de métodos son precisión de los modelos, adaptabilidad a
condiciones del territorio departamental, la funcionalidad e información disponible
por el IDEAM los métodos que mejor se acoplan son la regresión lineal múltiple y el
ARIMA.
ARIMA: Es un método estadístico basado en una regresión la cual estudia los
datos históricos y la tendencia de estos para generando así una predicción que
va a ser posteriormente evaluada por el procedimiento detallado del ARIMA el
cual se basa en generar un código interno a cada uno de los términos y observar
que tan viable son estos, una forma de definir la veracidad de las predicciones
por esta razón se adiciona el modelo de r cuadrado en el cual su veracidad esta
dimensionado por el resultado obtenido el cual debe ser mayor a 0.8 de no ser
así no se tendrá en cuenta, entre los resultados se observa el nivel de
insignificancia el cual debe ser igual a 0. En la figura 3 se observa de manera
56
resumida el proceso por el cual debe pasar cada una de las estaciones para ser
seleccionada y comprobar utilidad en el desarrollo de la investigación.
Figura 3. Descripción de proceso metodología del ARIMA
Fuente: Autores
Regresión lineal múltiple: Esta prueba estadística se basa en el uso de múltiples
variables determinando el comportamiento general de un parámetro en relación
a los factores influyentes en la zona tales como parámetros climatológicos como
la humedad, evaporación, brillo solar, entre otros, para ello es necesario indicar
el dato exacto de las variables independientes con respecto a la dependiente, si
no se realiza este proceso las variables no serán exactas y presentará errores,
además se tiene que saber que variable influyen mejor entre sí, se define por el
nivel de significancia la cual es generada por el software SPSS, de igual manera
se presenta el filtro provocado por el R cuadrado el cual debe ser superior a 0,8
con el fin de generar niveles de confiabilidad aceptables. En la figura 4 se
encuentra de manera resumida el proceso que sufre cada estación hasta el
punto de realizar su proyección climatológica.
57
Figura 4. Descripción Metodología de regresión lineal múltiple.
Fuente: Autores
10.5 METODOS POR ETAPAS
Es posible dividir la generación de escenarios climáticos en etapas las cuales la
primera parte es conformada por la parte investigativa en la cual se define métodos,
tiempos de estudios y pruebas preliminares para la validación de información, en la
segunda se presenta la generación de proyecciones climatológicas teniendo en
cuenta las estaciones que fueron aceptadas previamente, en la tercera parte se
encuentra la representación georreferenciada de los resultados obtenidos y los
cuales fueron llevados una comparación con respecto a investigaciones publicadas.
58
ETAPA 1
El tiempo de registro de las estaciones debe ser no menor de 30 años y que esta
se encuentre actualmente activa ya que múltiples entidades aconsejan que este
periodo mínimo para la realización de proyecciones climatológicas. Los datos
faltantes en cada estación no debe ser mayor al 20%, para completarlos se
desarrolla de manera estadística generando así un dato aproximado, a
continuación, se desarrolla la homogeneidad de los valores al tomar aplicando las
pruebas de rachas de wald - wolfowitz y la prueba Mann – Whitney los cuales
evalúan por medio de dos muestreos la similitud de esta manera permitiendo
conservar las estaciones con mayor semejanza, este método se realiza por medio
del uso de tablas de Excel en las cuales las estaciones tienen que aprobar una serie
de parámetros definidos de cada pruebas, estos criterios delimitan por rangos
numéricos que son seleccionados para la investigación que se desea realizar, este
número es el máximo permitido, que es generado por la ecuación de µ de cada
método estadístico, para la presente investigación se usaron tres rangos distritos
los cuales se le dieron el nombre de 1% (número de criterio 2,58), 5% (número de
criterio 1,96) y 10% (número de criterio 1,64), estos porcentajes hacen referencia al
porcentaje de error de cada una de las pruebas (ver anexo a).
ETAPA 2
Posterior a la implementación de las pruebas estadísticas de homogeneidad con las
cuales se obtuvieron las estaciones con mayor similitud comprobando que
pertenecieran al mismo grupo de datos históricos y de esta manera recrear la
equivalencia espacial. Actualmente existen cuatro tipo de instrumentos de medición
las cuales generan mediciones distintas siendo la más común la precipitación, en
caso de la temperatura los elementos de medición cuentan con una mayor
tecnología y se encuentran en menor número, ya que las variables que registran
son más estables en grandes extensiones, debido a la disponibilidad de estas por
medio de herramientas de georreferenciación se elaborará polígonos que tengan en
cuenta la ubicación de las estaciones y su jurisdicción espacial, de esta manera
elaborar la correspondencia de estaciones con valores de temperatura y
precipitación y tener en cuenta la que tenga una mayor significancia para el proceso
respectivo de igualación de parámetros, inicialmente se usó el modelo de regresión
lineal múltiple en el cual primero se ingresaron los datos, concretando la variable
independiente y su respectivo año las cuales serán organizadas por niveles de
59
importancia según la información recolectada, luego se procesan los datos en el
software SPSS simplificando el proceso el cual dará como resultado tablas en las
que se encuentren los valores correspondientes al R cuadrado en las cuales tienen
un comportamiento confiables sus valores estarán dentro del rango de 0.8-1, es
necesario observar y analizar el grado de importancia gracias a la significancia lo
cual es analizado de manera conjunta por el software ya que este posee la función
de procesar individualmente, esta información debe ser ordenada de manera tal que
se pueda realizarse un proceso el cual busca obtener las constantes por medio de
estas se generará una serie de datos climáticos correspondientes a temperatura o
precipitación calculada la cual será graficada donde en el eje X se encontrara los
años de estudio y en el eje Y los valores calculados se desarrolla la tendencia por
medio de un software teniendo la ecuación de la tendencia se proyectara a los años
2050, 2075 y 2100 ya que son periodos claves en el comportamiento climático,
después de tener los resultados de la regresión lineal múltiple se procedió se
procedió a realizar el ARIMA, en el cual se ingresa la variable dependiente y los
años, al ingresar los datos históricos se observar inicialmente el que el R cuadrado
cumpla (superior al 0,8) este dato es el encargado de que el nivel de incertidumbre
sea bajo ya que si no cumple se asume que la estación está siendo eliminada, ya al
validar el proceso se encuentran los resultados y la tabla de tendencia, esta
predicción se debe hacer hasta el año 2100 y con los años de observación 2050,
2075 y 2100, lo cual genera una menor reducción de número de estaciones
ofreciendo una red de datos más completa.
ETAPA 3
Estos resultados son llevados a un software de georreferencia como Arcgis el cual
posee diferentes herramientas de interpolación espacial con el fin de generar en la
totalidad del departamento de esta manera es posible la cuantificación de la
proyección climatológica, estos datos son llevados a una comparación con respecto
a resultados internacionales como los publicados por el IPCC y nacionales como los
presentados por el IDEAM y de esta manera analizar si existe una desigualdad.
60
11 RESULTADOS
Para la realización de los escenarios de cambio climático fue necesario evaluar
todos los métodos que fueron seleccionados como opción a usar para las
predicciones, esto con el fin de seleccionar los que se adaptaban más con las
condiciones de la investigación, llevando a que varios de los modelos fueran
descartados por una serie de inconvenientes.
Los primeros modelos que se estudiaron fueron los modelos que se usaron en el
IPCC debido a que estos generaban una mayor fiabilidad de los resultados, tenían
un proceso en el cual se habían corregido los errores, aumentado el nivel
confiabilidad y además estar implementados en un software que facilitaban el
trabajo de predicciones y análisis de resultados, los modelos en cuestión fueron los
asiáticos (FIO-ESM, BCC_AGCM2.1, HadGEM2, MIROC-ESM), estos modelos
fueron descartados por dos inconvenientes básicos como lo fueron la falta de datos
necesarios ya que estos usan datos oceánicos que son medidos con boyas y datos
volcánicos, estos datos no son recolectados en territorio nacional, otro de los
inconvenientes fue la imposibilidad de conseguir el software, unos debido a que la
licencia de estos era muy costosa y otros porque discos software estaba bloqueados
por zonas.
Al determinar que los modelos asiáticos no era posible usarlos se descartaron, y se
procedió a evaluar los modelos ETA y WRF los cuales hacen parte del estudio del
IPCC además de ser implementados anteriormente en la región, en este caso se
encontró una compatibilidad con los datos requeridos, sin embargo, las licencias de
los dos modelos eran demasiado costosas lo cual las volvió a descartar.
Posterior a esto y con el fin de usar un software se procedió a investigar cuales
existían de uso libre, pero se encontró el gran inconveniente que la zona que tiene
estos es la zona del contienen americano, lo cual imposibilitaba el manejo de
información, con el fin de solucionar este problema se intentó ingresar datos, pero
este usaba formatos únicos que imposibilitaban dicha acción, por esto se descartó
la idea y se procedió a los métodos estadísticos.
Los métodos estadísticos fueron seleccionados debido a la facilidad de uso más allá
del inconveniente que presentaba tener que armar la totalidad de un modelo por
61
medio de Excel y el uso del SPSS, los métodos estadísticos usados fueron la
regresión lineal múltiple y el ARIMA.
11.1 SELECCIÓN DE LA RED DE ESTACIONES HIDROMETEREOLÓGICAS.
Para la elaboración de los escenarios climático se debe contar con una serie de
información la cual es suministrada por el instituto de Hidrología, Meteorología y
Estudios Ambientales (IDEAM) en el mapa 1 se puede evidenciar la ubicación de
las estaciones en la zona oriental del país y en el departamento en específico, entre
la cual se encuentra la información histórica de diferentes variables ambientales
tales como precipitación, temperatura máxima, temperatura máxima, recorrido del
viento, punto de roció, entre otras.
Mapa 1. Red de estaciones climatológicas al nivel departamental
.
Fuente: Autores (basada información IDEAM)
62
Tabla 1. Estaciones Hidroclimatológicas activas, localizadas en el departamento de
Boyacá
Categoría Cantidad Categoría Cantidad
AM 6 LM 30
CO 21 ME 2
CP 19 PG 17
LG 22 PM 67
Fuente: Autores (basada página del IDEAM)
En la tabla 1 se encuentra la cantidad y clases de estaciones en la jurisdicción
Boyacense las cuales la categoría revela el tipo de información que maneja, por
ejemplo la clasificación LM y PG hacen parte de estaciones limnimétrica y
pluviográfica correspondientes, fue necesario que se realizara la evaluación de los
datos históricos en los cuales se observó que la humedad relativa y número de días
de lluvia presentaban datos faltantes con porcentaje superior al 20% y el número de
estaciones era insuficiente lo cual no permitió que la totalidad del territorio fuera
cubierto, por tal razón fue necesario descartas dichas variables.
En la tabla 2 se puede observar el número de estaciones usadas de variables
independientes para realizar los escenarios de cambio climático, donde la presencia
de los parámetros genera una relación directa con respecto a los datos buscados.
Tabla 2. Número de estaciones meteorológicas completas
Parámetros Número de estaciones adicionales
Brillo solar 14
Evaporación 31
Punto de roció 34
Recorrido del viento 27
Fuente: Autores
63
11.2 ELECCIÓN DE TIEMPOS DE ESTUDIO.
En la guía propuesta para la realización de escenarios climáticos regionales a base
estadística se recomienda “seleccionar los puntos de observación suficientes que
cubran toda la región a proyectar. Se deben asegurar series de 30 años mínimo con
buena calidad de los datos y homogeneidad en las series”[15].
Para lo anteriormente mencionado por medio de la página del IDEAM se solicitó la
información de los puntos de observación los cuales están en jurisdicción del
departamento de Boyacá y alrededores, todo esto con el fin de tener una malla de
datos los cuales cubran en la totalidad del terreno departamental.
Se tienen alrededor 103 estaciones entre las cuales son pluviométricas,
pluviográficas, climáticas ordinarias las cuales ofrecen información correspondiente
a la precipitación total mensual y estos datos fueron concatenados para elegir un
periodo de estudio los cuales sean mayores a los 30 años, teniendo en cuenta la
existencia de estaciones las cuales es inevitable su eliminación ya que se
encuentran en lugares donde la información es limitada y es necesaria para no tener
vacíos especiales, como por ejemplo en el caso de la estación “pajarito”. Por esta
razón el primer filtro es los datos disponibles de cada estación las cuales se
expresan en la siguiente tabla la cual cuenta con los datos registrados y
suministrados por el Instituto de Hidrología, Meteorología y Estudios Ambientales
(IDEAM), el periodo que fue elegido abarca los datos desde 1987 hasta el año 2018
con el fin de tener en cuenta los fenómenos climáticos que se han presentado en
los últimos años y observar si se presenta cambios en la estacionalidad en el
departamento con el fin de tener presentes posibles fenómenos del Enso lo cual
traería temporadas de lluvias intensas o largas sequias.
11.3 VARIABILIDAD CLIMÁTICA
Para poder conocer la forma con la cual se va a presentar el clima de las variables
dependientes, se realizó un histograma con la información obtenida de la base de
datos del IDEAM como se puede apreciar en el gráfico 1, en esta gráfica se puede
observar que el clima tiende a cambiar de acuerdo al año, demostrando que tiene
una tendencia no lineal, en la investigación que se hizo fue necesario realizar una
tendencia lineal que debido al uso de estas por parte de los modelos usados
(regresión lineal múltiple y ARIMA).
64
Gráfico 1. Histograma temperatura máxima estación Villa de Leyva
Fuente: autores
11.4 PRUEBAS DE HOMOGENEIZACIÓN Y CONTROL DE CALIDAD
Como primer paso se realizó la prueba de homogeneización y de control utilizando
las metodologías de prueba de wald- wolfowitz y prueba de test Mann – whitney las
cuales por medio de cálculos estadísticos evalúa las diferentes muestras las cuales
son independientes y permite evaluar la diferencia significativa entre las dos
muestras. Con toda la estadística deductiva, se asumió la distribución normal entre
las muestras por la cual se realiza el análisis con diferentes niveles de probabilidad
en el cual es aceptable un nivel alfa o de significancia que este entre valores del 1%
(número máximo aceptado 2,58), 5% (número máximo aceptado 1,96) y 10%
(número máximo aceptado 1,64) con el fin de evaluar la serie de datos, para permitir
que el número de estaciones aceptadas fuera el mayor posible se usó el nivel alfa
más alto siendo este el 1%, con el fin de evaluar la serie de datos, con el fin de
mantener el mayor número de estaciones activas. En el grafico 1 se puede
evidenciar el número de estaciones las cuales fueron aceptadas y rechazadas al
realizar la prueba correspondiente a la variable en análisis (ver más detallado en
anexo A)
24
24,5
25
25,5
26
26,5
27
27,5
28
1985 1990 1995 2000 2005 2010 2015 2020
TEMPER
ATU
RA
AÑO
65
Gráfico 2.Resultados prueba homogeneización precipitación
Fuente: Autores
11.5 RESULTADOS PROYECCIONES
Para realizar el proceso de regresión lineal múltiple fue necesario determinar cuáles
variables independientes van a tener mayor relevancia con respecto a la variable
dependiente que se estuviera estudiando en ese momento, esto se hizo inicialmente
por medio de la información obtenida en la compatibilidad de las variables, luego se
observó que tan relevante era por medio de la significancia que se encontraba en
las tablas de resultados del SPSS, este proceso fue por medio de prueba y error
siendo necesario solo realizarla para una única estación y posterior a esto fue
replicar el orden usado en la primera estación. Cabe resaltar que para ordenar cada
uno de los datos de las variables independientes (variable de apoyo) con los datos
de las variables dependentes (variable a predecir) fue necesario conocer el mes de
cada uno de estos e igualarlo con el que corresponda para cada variable
independiente
Ya al observa que orden era el correcto se pudo determinar que el proceso con el
cual se hallaron los resultados de la regresión lineal múltiple se basa a la inclusión
de las constantes obtenidas por el software SPSS el cual cuantifica el nivel de
importancia con respecto a la variable a calcular, se realiza una proyección y esta
es graficada de manera variable vs año, por medio de Excel se define la línea de
tendencia la cual el valor de X es correspondiente al año y se esta tendencia es
calculada con los años pasados y los venideros siendo así el posible valor que se
va a presentar. En la tabla 3 se observa el valor de R cuadrado, con este se
determina si el proceso que se realizo tiene un gran asertividad, como se observa
en el ejemplo el proceso presenta una fiabilidad superior del 0,8, dentro de la
información obtenida se obtuvo un rango de valores de 0,7 has 0,96 (las que se
94
5
Aceptadas Rechazadas
66
encontraron fuera de este rango fueron eliminadas) para las estaciones que
pasaron, usando las de 0,7 para obtener un mayor número de estaciones y la
importancia de las que obtenían estos rangos, además de estar cerca al 0,8.(ver
más detallado en anexo B)
En la tabla 4 se encuentran factores con los cuales se puede evaluar la correcta
realización del proceso en el cual se encuentra el R cuadrado (deber ser superior a
0,8), el error estándar con el cual se ve la variación que puede llegar a tener la
predicción (siendo en este caso de más o menos 0,5°C), el incremento del R
cuadrado de acuerdo a cada variable, el cambio de F que es el que indica la
importancia de cada variable de forma individual, este es muy variable y depende
de la estación y de la relación entre variables, siendo esta información la que se
tiene que tener en cuenta para elegir las variables (ver más detallado en anexo B)
En la tabla 5 se puede observar la significancia en la cual se encuentra cada una de
las variables esta significancia no puede ser mayor a 0,05 con la cual se validan los
datos (la significancia se refiere al porcentaje de error), dentro de los resultados las
estaciones que pasaron obtuvieron una significancia de 0,000, por otro lado, para
ver el grado de importancia se observa el coeficiente F en el cual entre mayor sea
el número mayor será la relación entre la variable independiente con la dependiente,
estos datos pueden variar dependiendo de la variable siendo para temperatura lo
máximo obtenido un 99 y por su parte al precipitación tiene un máximo de 2200,
mientras que el mínimo para los dos casos varía de acuerdo al máximo y este nunca
es cero . (ver más detallado en anexo B)
Tabla 3. Valor R temperatura máxima estación aguazul
Modelo R R cuadrado
6 ,916f 0,838
Fuente: Autores (basado SPSS)
67
Tabla 4. resumen modelo regresión lineal múltiple
Modelo R R cuadrado R cuadrado
ajustado
Error estándar de la estimación
Estadísticos de cambio
Durbin-Watson
Cambio en R cuadrado
Cambio en F gl1 gl2
Sig. Cambio
en F
1 ,873a 0,761 0,753 0,60639 0,761 95,713 1 30 0,000
2 ,877b 0,769 0,753 0,60643 0,008 0,996 1 29 0,326
3 ,911c 0,830 0,812 0,53011 0,060 9,952 1 28 0,004
4 ,914d 0,836 0,811 0,53036 0,006 0,973 1 27 0,333
5 ,915e 0,838 0,806 0,53740 0,002 0,297 1 26 0,590
6 ,916f 0,838 0,799 0,54695 0,001 0,100 1 25 0,755 2,407
Fuente: Autores (basado SPSS)
Tabla 5. ANOVA
Modelo Suma de
cuadrados gl Media
cuadrática F Sig.
1 Regresión 35,195 1 35,195 95,713 ,000b
Residuo 11,031 30 0,368
Total 46,226 31
2 Regresión 35,561 2 17,781 48,349 ,000c
Residuo 10,665 29 0,368
Total 46,226 31
3 Regresión 38,358 3 12,786 45,499 ,000d
Residuo 7,868 28 0,281
Total 46,226 31
4 Regresión 38,631 4 9,658 34,335 ,000e
Residuo 7,595 27 0,281
Total 46,226 31
5 Regresión 38,717 5 7,743 26,813 ,000f
Residuo 7,509 26 0,289
Total 46,226 31
6 Regresión 38,747 6 6,458 21,587 ,000g
Residuo 7,479 25 0,299
Total 46,226 31
Fuente: Autores (basado SPSS)
68
Tabla 6. Constantes beta
Modelo Coeficientes no estandarizados
Coeficientes estandarizados
t
B Desv. Error Beta
6 (Constante) 9,216 3,344 2,756
EVAPORACION 0,000 0,001 -0,035 -0,316
BRILLOSOLAR 0,002 0,003 0,082 0,636
PUNTODEROCIO -0,030 0,058 -0,051 -0,518
RECORRIDODELVIENTO 0,718 0,080 0,787 8,944
SOI -0,403 0,162 -0,303 -2,497
SST -0,409 0,157 -0,301 -2,596
Fuente: Autores (basado SPSS)
Gráfico 3. Variable calculada y tendencia
Fuente: Autores
El proceso del ARIMA funciona como una regresión lineal simple en la cual entran
unos criterios de decisión que son tomados por parte del software, en este método
es únicamente necesario el uso de los datos históricos de la variable a analizar
y = 0,0093x + 11,598
0
5
10
15
20
25
30
35
40
1985 1990 1995 2000 2005 2010 2015 2020
TEM
PER
ATU
RA
CA
LCU
LAD
A
AÑO
69
siendo el criterio más importante el del ARIMA, este criterio se basa en la
observación del R cuadrado con el cual se cerífica que tan acertada es la predicción.
En la tabla 7 se puede observar el R cuadrado que igual en el método anterior debe
ser de superior a 0,8 siendo validado por el software, de la información resultante
las estaciones que pasaron obtuvieron un rango entre 0.76 y 0,95, este rango fue
aceptado para obtener el mayor número de estaciones además de estar muy cerca
al 0,8,ademas de esto también es necesario observar la significancia (porcentaje de
error) el cual no debe ser de 0,05, para esto todos las estaciones que fueron usadas
presentaron una significancia de 0,000 (ver más detallado en anexo D)
En el grafico 4 se observa la tendencia de la predicción. (ver más detallado en anexo
D)
En la tabla 8 se puede observar de forma numérica el incremento en los años que
se determinaron como puntos de observación es con el fin de tener un punto de
referencia en el cambio a futuro. (ver más detallado en anexo D)
Tabla 7. Valor R estación aeropuerto lleras
Estadísticos del modelo
Modelo Número
de
predictore
s
Estadístic
os de
ajuste del
modelo
Ljung-Box Q(18) Número
de valores
atípicos
R
cuadrado
estacionar
ia
Estadísti
cos
DF Sig.
precipitacion-
Modelo_1
1 ,844 26,538 18 ,000 0
70
Fuente: Autores (basado software SPSS)
Gráfico 4. Tendencia temperatura máxima
Fuente: Autores (basado software SPSS)
Tabla 8. Proyecciones temperatura máxima
PROYECCIÓN
2050 30,663
2075 30,8955
2100 31,128
Fuente: Autores
11.5.1 TEMPERATURA MINIMA
Por medio de la siguiente gráfica, se analiza las estaciones en común en los dos
métodos en los cuales se puede observar que las predicciones que presenta un
comportamiento similar son villa de Leyva y aeropuerto Yopal (como se puede ver
en la grafico 6, para más información ver anexo G) en los cuales se puede observar
que la incidencia del resto de variables no es muy alto, por otro lado los picos
extremos de la regresión lineal múltiple se encuentran en valores de un máximo de
71
incremento en grados de 7,98 (como lo muestra el grafico 4, mayor información
anexo E) °C en Otanche en esta ocasión el ARIMA solo genera un incremento de
0,81°C ( como lo muestra el grafico 5, mayor información anexo F) este cambio tan
exagerado se debe a que no la incidencia de las variables afectaron el resultado
mostrando un incremento tan elevado, por otro lado la reducción más alta se
encuentra en puerto Boyacá donde se va a presentar una reducción de temperatura
de -4,74°C (como lo muestra el grafico 4, mayor información anexo E), siendo en el
ARIMA un leve incremento de 0,53 (como lo muestra el grafico 5, mayor información
anexo F), esto puede deberse a que dentro de la zona de la estación se han
presentado incidencia del fenómeno del Enso en el cual se incrementa la lluvia por
ello el incremento por parte del ARIMA es muy leve, por otro lado los picos del
ARIMA son de -5,02°C (como lo muestra el grafico 5, mayor información anexo F)
el mínimo de la estación corinto, la cual no tiene opción de comparativa por ello se
considera que este decrecimiento es debido a la tendencia que tomaron los datos
tomados, por otro lado el máximo fue de 5,58°C (como lo muestra el grafico 5, mayor
información anexo F) de Capitanejo en la cual la regresión lineal múltiple tiene 1,23
(como lo muestra el grafico 4, mayor información anexo E) siendo evidente la
influencia de datos externos tales como el fenómeno de la niña y el incremento de
la nubosidad.
Gráfico 5.Resultados finales proyección temperatura mínima. Método Regresión
lineal
Fuente: autores
3; 33%
1; 11%
5; 56%
-8 hasta -2 -2 hasta 2 2 hasta 8
72
Gráfico 6. Resultados finales proyección temperatura mínima. Método ARIMA
Fuente: Autores
Gráfico 7. Comparación resultados temperatura mínima.
Fuente: Autores
7; 24%
15; 52%
7; 24%
-8 hasta -2 -2 hasta 2 2 hasta 8
-6
-4
-2
0
2
4
6
8
10
TEM
PER
ATU
RA
MIN
IMA
ESTACIONES
incremento regresion lineal año 2100 incremento ARIMA año 2100
73
11.5.2 TEMPERATURA MÁXIMA
De acuerdo a la información observada en la tabla se puede evidenciar que hay 3
estaciones que tiene un comportamiento similar las cuales son Albania, UPTC e isla
del santuario (como se observa en el grafico 9, más información anexo J), en esta
estaciones se puede observar que el resto de variables no han sido un factor de
cambio a lo largo de los años y que han tenido se han manifestado de forma similar
al histórico según la información estudiada, por otro a los picos que presenta la
regresión lineal son incremento de 5,78°C (como lo muestra el grafico 7, mayor
información anexo H) y siendo para la misma estación del ARIMA de 5,44°C (como
se muestra en el grafico 8, mayor información anexo I) en la cual debido a que es
la estación de isla del santuario es la situación anteriormente mencionada, por otro
lado la reducción presenta la misma similitud con el ARIMA siendo la UPTC la
predicción con la mayor reducción de temperatura siendo para la regresión de
9,30°C (como lo muestra el grafico 7, mayor información anexo H) y para el ARIMA
de 9,60°C (como se muestra en el grafico 8, mayor información anexo I), el mayor
incremento para el ARIMA se presenta en la estación de villa de Leyva con 11,07°C
(como se muestra en el grafico 8, mayor información anexo I) siendo para la
regresión de 4,06°C (como lo muestra el grafico 7, mayor información anexo H),
observándose un elevado incremento pero siendo evidente la incidencia de
fenómenos climáticos ya que existe el incremento pero es menor comparado el uno
con el otro, e términos generales se puede decir que a pesar que existe un cambio
en el grado de incidencia el comportamiento tiende a ser el mismo.
74
Gráfico 8. Resultados finales proyección temperatura máxima. Método Regresión
lineal
Fuente: Autores
Gráfico 9. Resultados finales proyección temperatura máxima. Método ARIMA.
Fuente: autores
3; 23%
4; 31%
6; 46%
-11 hasta -3 -3 hasta 3 3 hasta 11
2; 8%
12; 48%
11; 44% -11 hasta -3 -3 hasta 3
3 hasta 11
75
Gráfico 10. Comparación resultados temperatura máxima
Fuente: Autores
11.5.3 PRECIPITACIÓN
En cuanto a la precipitación la gráfica comparativa nos muestra que tiene una mayor
cantidad de similitudes que las otras variables siendo de siendo 11 las cuales son
Ramiriquí, belencito, Jericó, Susa, Susacón, Tauramena, túnel el, UPTC, vivero el,
Saboya y Vélez (como se ve en el grafico 12, mayor información anexo M), en la
regresión se observan picos de -269,74mm (como se observa en el grafico 10, más
información anexo K) y 32,24mm (como se observa en el grafico 10, más
información anexo K) en las cuales el ARIMA generó -266,47mm (como se aprecia
en el grafico 11, mayor información anexo L) y 388mm (como se aprecia en el
grafico 11, mayor información anexo L) observándose una similitud mayor que en
las comparativas anteriores, por parte del ARIMA los picos fueron los mismos que
la regresión lineal, de igual forma también se observa un comportamiento más
similar que diferido en la predicción, dando la posibilidad de afirmar que a pesar las
épocas de precipitación cambian no se va a reducir de forma drástica, sin embargo
las zonas de estudio se ven afectadas por los fenómenos climatológicos.
-15
-10
-5
0
5
10
15
TEM
PER
ATU
RA
MA
XIM
A
ESTACIONES
incremento regresion lineal año 2100 incremento ARIMA año 2100
76
Gráfico 11. Resultados finales proyección precipitación. Método Regresión lineal.
Fuente: autores
Gráfico 12. Resultados finales proyección precipitación. Método ARIMA
Fuente: autores
2; 7%
19; 68%
7; 25%
-400 hasta -100 -100 hasta 100 100 hasta 400
7; 8%
49; 54%
34; 38%
-400 hasta -100 -100 hasta 100 100 hasta 400
77
Gráfico 13. Comparación resultados
Fuente: Autores
-400
-300
-200
-100
0
100
200
300
400
500
AER
OP
UER
TO A
…
BEL
ENC
ITO
…
CA
PIT
AN
EJO
…
CH
ISC
AS
[240
35
310
]
INST
ITU
CIO
N…
JER
ICO
[2
403
05
80]
SIER
RA
NEV
AD
…
MED
INA
[35
05
001
0]
NU
EVO
CO
LON
…
DU
ITA
MA
…
SAN
AN
TON
IO…
SUSA
[2
40
303
70
]
SUSA
CO
N…
SUTA
TEN
ZA…
TAM
E [3
60
250
10
]
TAU
RA
MEN
A…
TUN
EL E
L…
U P
T C
[24
03
513
0]
VIL
LA D
E LE
IVA
-…
VIV
ERO
EL…
ISLA
DEL
…
OTA
NC
HE…
PA
DIL
LA [
23
110
06
0]
SAN
PA
BLO
…
MO
NIQ
UIR
A…
RA
MIR
IQU
I…
RO
ND
ON
…
SAB
OYA
LA
…
VEL
EZ G
RA
NJA
…
PR
ECIP
ITA
CIÓ
N
ESTACIONES
incremento regresion lineal año 2100 incremento ARIMA año 2100
78
Mapa 2. Comparación precipitación 2100 ARIMA vs Regresión lineal
Fuente: Autores
En cuanto a la precipitación la gráfica comparativa nos muestra que tiene una mayor
cantidad de similitudes que las otras variables siendo de siendo 11 las cuales son
Ramiriquí, belencito, Jericó, Susa, Susacón, Tauramena, túnel el, UPTC, vivero el,
Saboya y Vélez, en la regresión se observan picos de -269,74mm y 32,24mm en las
cuales el ARIMA genero -266,47mm y 388mm observándose una similitud mayor
79
que en las comparativas anteriores, por parte del ARIMA los picos fueron los
mismos que la regresión lineal, de igual forma también se observa un
comportamiento más similar que diferido en la predicción, dando la posibilidad de
afirmar que a pesar las épocas de precipitación cambian no se va a reducir de forma
drástica, sin embargo las zonas de estudio se ven afectadas por los fenómenos
climatológicos
11.6 OBSERVACIÓN GENERAL DE RESULTADOS
Las proyecciones calculadas hacen parte a los eventos picos presentes en los años
proyectados, en la regresión lineal se realizó un trabajo de manera más detallada,
ya que en esta se debía adecuar las variables más optimas y las que tenían un
impacto mayor en el parámetro a analizar con el fin de desarrollar una ecuación
lineal de variables múltiples la cual tiene una adaptación cercana a los datos
analizados, el ARIMA tiene en cuenta como variable independiente los años de
análisis y como variable dependiente los datos históricos, creando así una gráfica
de comportamiento y creando una proyección lineal para el año que se desee.
Al observar los resultados en los dos métodos usados, se puede evidenciar que en
varios sectores del departamento se presentará una baja en las temperaturas tanto
máxima como mínima generando cambios igual de preocupantes a zonas donde la
temperatura aumenta, en promedio el método del ARIMA para el año 2100
pronostica un mayor cambio climático, ya que se anuncia un aumento de 1,88°C en
promedio en el departamento, los picos que se analizan en el método de la regresión
lineal múltiple tienen una mayor magnitud lo cual genera un error mayor, ya que al
tener en cuenta las variables como brillo solar, evaporación, punto de roció,
fenómeno del ENSO, tiende a predecir de manera más severa el parámetro en
estudio, a su vez el incremento generado con la regresión lineal múltiple genero un
incremento en la temperatura de 0,60°C siendo evidente que la incidencia de las
demás variables afecta el comportamiento a futuro. El comportamiento de la
precipitación es similar, ya que las magnitudes presentados en la predicción de la
regresión lineal son mayores, pero el promedio presentado por el ARIMA para el
año 2100 que es 50,37 mm, siendo evidente una similitud con el comportamiento
en ambos métodos de predicción (regresión lineal múltiple 52,52 mm) dejando como
observación que la precipitación que a pesar de cambiar las épocas de lluvia estas
en algún momento del año se van a presentar
80
Analizando el estudio realizado se puede observar que los fenómenos del Enso
tienen mayor efecto en el incremento de temperatura máxima, ya que la temperatura
mínima también se ve efecto en algunas estaciones pero de forma general
incremento es casi igual siendo para la predicción de la regresión lineal múltiple de
0,68°C y la del ARIMA de 0,63°C, más por otro lado la precipitación a pesar de verse
también afectación no es tan grave hablando de la totalidad del departamento
incluso dejando un comportamiento tan similar que permite dar la anterior
observación.
81
11.7 REPRESENTACIÓN GEORREFERENCIADA DE RESULTADOS
Mapa 3. Precipitación 2050 regresión lineal
Fuente: autores
82
11.8 COMPARATIVA CON LA INFORMACIÓN OBTENIDA DEL IDEAM
En el año 2011, el Instituto de Hidrología, Meteorología y Estudios Ambientales
(IDEAM) realizó la publicación de los resultados obtenidos de los escenarios
climáticos con el fin de proyectar los cambios de temperatura y precipitación al año
2100, todo esto con datos existentes al año 2005 siendo el periodo de estudio desde
1976 hasta 2005, donde concluyen que para el año de estudio el aumento de la
temperatura es de 2.4°C para todo el departamento, realizando una comparación
con los resultados obtenidos por las metodologías trabajadas en el desarrollo de la
investigación para el departamento se registró un aumento de temperatura máxima
de 0,68°C (regresión lineal múltiple) y 1,88°C (ARIMA), por otro lado, la temperatura
registra un aumento máximo en todas las estaciones estudiadas de 7.98°C y 11.07
°C por los métodos de la regresión lineal múltiple y el ARIMA respectivamente, este
aumento de magnitud se justifica a los datos que fueron utilizados, ya que se realizó
análisis con datos pertenecientes hasta el año 2018, donde en diferentes puntos de
la década se generaron fenómenos climáticos con mayor duración e intensidad, por
esta razón se espera que el cambio climático se magnifique con el pasar de los
años.
Los resultados obtenidos y presentados por el IDEAM son adquiridos gracias a un
proceso de downscaling el cual es un método de reducción de escala estadística en
la cual se tiene un escenario climático global y como metodología se reduce el área
de trabajo, este método genera una menor precisión en el momento de realizar la
predicción , en la precipitación el resultado que se obtiene con respecto a la
metodologías utilizadas son cercanos ya que en el método de regresión lineal
múltiple es de un 12.08% y del ARIMA es del 12.21% frente al 13% de aumento en
precipitaciones según el IDEAM.
11.9 COMPARACIÓN CON LA INFORMACIÓN GLOBAL DEL IPCC
El estudio realizado por el IPCC fue un estudio que se realizó en el año 2014
tomando los mejores modelos de predicción del mundo como los son bcc-csm1-1,
CanCM4, CCSM4, CNR-CM5, CSIRO-MK3-6-0, FGOALS-g2, GFDL-CM3,
83
HadGEM2-ES, estos modelos fueron creados en Asia, Europa y América del norte,
este estudio se distribuyó en 4 condiciones o daños futuros esto debido a que
dependiendo la zona se va a ver una mayor contaminación, además de conocer
todo los posibles casos, de los 4 estudios se hizo la comparación con el primer caso
(RCP 2.6) que es el que menos impacto tiene sobre los daños y el último caso (RCP
8.5) que es el que más tiene daño en gran parte del territorio mundial, en el caso
del RCP 2.6 el incremento de la temperatura va a ser de 0,7°C siendo cercana la
predicción a la realizada por la regresión lineal múltiple que es de 0,68°C y se aleja
de la predicción del ARIMA de 1,88°C, por otro lado el incremento del RCP 8,5 es
de 3,75°C siendo este el caso extremo, y comparado las predicciones esta y lejos
de los dos modelos, siendo este caso el que menos se aplica a la región en la cual
nos encontramos (poca industria) podríamos decir que la predicción del RCP 2,6 es
el mejor método a tener en cuenta, eso permite decir que la regresión lineal tiene
comportamiento más similar al de la predicción mundial para la ubicación del
departamento de Boyacá, en cuanto a la precipitación indica una reducción de las
zonas secas y un aumento de las zonas húmedas y del trópico, en las predicciones
se presenta un comportamiento similar siendo un ejemplo de esto la zona cerca al
llano (estación pajarito 175,88mm de incremento para el año 2100) que tiene un
incremento en la precipitación y la zona central del departamento que es zona seca
se reduce la precipitación (estación villa de Leyva -30,23mm reducción para el año
2100), esto según la predicción
84
12 CONCLUSIONES
Mediante la evaluación de información suministrada por el IDEAM, se observa que
existe un déficit de la misma, evidenciada por la ubicación de estaciones de
evaporación ya que se recomienda que el área de influencia no sea mayor a los 3
km² y el departamento de Boyacá posee 20 estaciones para una extensión de
23.189,00 km², con una relación espacial de 1.160 km2, por lo cual se requiere el
diseño de una Red Hidrometereológica cumpliendo los parámetros de la
organización Mundial Meteorológica o iniciar la implementación de mediciones a
través de radares. Así mismo, la red existente refleja un alto porcentaje de datos
faltantes y bajos periodos de medición, siendo escaso el número de estaciones que
cumplen las condiciones de registro, limitando la información, lo cual conlleva a que
los investigadores recurran al uso de herramienta que creen un dato aproximado
comprometiendo la confiabilidad de los resultados.
Para los métodos estudiados se encontró que en el método ARIMA, presenta un
aumento de temperatura de forma general cercano al 176% (1,88°C) comparado
con él incremento de la regresión lineal múltiple (0,68°C) para el año 2100, a su vez
la regresión lineal múltiple (52,52mm) presenta un incremento de precipitación del
5% comparada con el ARIMA (50.37 mm) para el año 2100. La diferencia entre
estos resultados radica en la utilización de variables de apoyo para la predicción en
cambio el ARIMA usa los datos históricos utilizando la prueba de bondad del R
cuadrado demuestra su confiabilidad, en la regresión lineal se incluyen los datos
históricos de diferentes parámetros los cuales permiten definir el impacto frente a la
variable calculada; de esta manera se afirma que la regresión lineal múltiple posee
resultados con una mayor confiabilidad.
La gran diferencia en los dos métodos trabajados es el número de variables
requeridas para realizar la predicción, siendo necesario mayor uso de variables de
apoyo para generar la regresión lineal múltiple, por lo cual, desde el punto de vista
de los autores, el método de Regresión Lineal Múltiple presenta mayor confiabilidad
en el resultado, mientras que el ARIMA por su parte solo se encarga de usar una
única variable y evaluar los datos históricos funcionando como una regresión lineal.
En la tabla 9 se evidencia los resultados obtenidos para la precipitación del año
2100 en cuatro zonas del departamento en las cuales se cuantifica, en estas se
aprecia que los daños pueden ser mayores a causa de la variación en el cambio
85
climático generado por el aumento en la intensidad de las lluvias, lo cual traería
inundaciones como ejemplo, las presentadas en los años 2010 y 2011, las cuales
dejaron miles de damnificados y daños actividades agrícolas que se vieron
afectadas con pérdidas millonarias. Lo que se busca con esta proyección es
dimensionar las lluvias con el fin que la comunidad se prepare para evitar las
consecuencias provocadas por las inundaciones y sequias que también pueden
presentarse en el territorio departamental, lo cual demuestra que existe la necesidad
de crear planes de mitigación para el cambio.
Tabla 9. Proyección precipitación año 2100
Zona ARIMA Regresión lineal múltiple
Occidente 230,80 mm 324,58 mm
Oriente 77,08 mm 97,96 mm
Norte 16,76 mm 3,41 mm
Centro y sur -8,21 mm -30,23 mm
Fuente: Autores
Dentro de los datos obtenidos por medio del estudio se observa que para el año
2100 la temperatura va a tener un incremento máximo de 1,88°C y 0,68°C, teniendo
en cuenta las metodologías del ARIMA y la regresión lineal correspondientemente.
En la tabla número 10 se encuentra el promedio de la proyección por zonas en el
departamento, donde el caso que genera una mayor preocupación está en la zona
central del departamento, en la cual se calcula una variación primeramente con
aumento de 5° C y luego con disminución de 9°C, lo cual compromete el equilibrio
de los ecosistemas y las actividades agrícolas, las cuales se verían afectadas con
un cambio fundamental, (esta información hace parte de los resultados obtenidos
de los cálculos de regresión lineal múltiple). Por lo anterior es necesario conocer
cómo será el comportamiento de cada zona del territorio, considerando que según
el método ARIMA la zona oriental va a tener un incremento de 3,33°C y según el
método de Regresión lineal múltiple el incremento será de 3,79°C y al sur del
86
departamento se calculó incremento de 5,59°C (ARIMA) y 3,72°C (regresión lineal).
Esto es observable en el siguiente cuadro:
Tabla 10. proyección temperatura máxima año 2100
Zona ARIMA Regresión lineal múltiple
Centro -9,60°C -9,30
Oriente 3,33°C 3,79°C
Norte -0,83°C -3,36°C
Sur 5,59°C 3,72°C
Fuente: Autores
Por medio los mapas de los cambios climáticos sogún cada uno de los métodos se
puede observar que las zonas de mayor incidencia en las variables estudiadas
(variables independientes) cambian, siendo que la zona más afectadas de forma
general para el ARIMA son: La zona sur y zona occidental cerca de Antioquia, zona
central y zona norte. Por otro lado, la regresión lineal múltiple muestra que las zonas
más afectadas de forma general para los tres parámetros son la zona central, zona
norte, zona occidente y zona sur, siendo la zona oriental la que no va tener mucha
afectación; para estas zonas se vuelve indispensable la observación de los cambios
e implementación de un plan de mitigación que reduzca los daños en su mínima
expresión.
Por medio de la investigación realizada se pudo observar con los resultados
obtenidos, que el comportamiento climático en el departamento de Boyacá tiene
similitud con los resultados encontrados en los informes del del IPCC y el IDEAM,
debido a que el incremento para el caso del IDEAM, solo será máximo de 2°C y
para el IPCC será del 0,7, esto fue observado en los dos métodos obtenidos.
87
Observando los resultados obtenidos, se puede afirmar que el método que presenta
resultados más cercanos a los demostrados en los informes del IPCC y del IDEAM,
siendo un incremento de cercano a los 2°C es el ARIMA, no obstante este usa
únicamente los criterios del software y los datos históricos de una única variable,
por otro lado la regresión lineal múltiple incluye variables de apoyo las cuales
permiten estudiar de una mejor forma el entorno, con lo anterior se afirma que la
regresión lineal genera mejores resultados, pero el uso de esta depende de los
recursos de información con los que se cuente.
88
13 RECOMENDACIONES
Que el IDEAM generen de manera oportuna una metodología única y
presente en la plataforma con la cual se pueda completar los datos faltantes.
Por parte de la academia debería prestarse más atención de al cambio
climático y generar un mayor patrocinio que se vea reflejado en el incremento
del nivel investigativo, siendo el presente trabajo un primer paso a la
cuantificación de las incidencias del cambio climático en el departamento.
La creación de software libres para la región, ya que las licencias tienen un
elevado costo, el ingreso de dato externos es nulo y no permite el uso de
escalas reducidas.
Creación y ubicación de mayores estaciones climatológicas o de sensores
los cuales realicen mediciones periódicas.
Creación de programas de mitigación ambiental y adaptación en las
actividades socio-económicas ya que el cambio climático es irreversible lo
que es posible es reducir los impactos que este generaría.
89
14 BIBLIOGRAFIA
[1] H. Sur, “TERMINOLOGÍA SOBRE CAMBIO CLIMÁTICO Y SALUD HUMANA Fuente : OMS / OPS Glosario,” pp. 1–5.
[2] A. B. G. De, “Anexo B. Glosario de términos,” pp. 173–199, 1995.
[3] G. Metodol, G. D. E. L. A. Operaci, E. V. Meteorol, and G. Versi, “DEFINICIONES DEL CATÁLOGO NACIONAL DE ESTACIONES,” pp. 11–12, 2019.
[4] J. L. U. Fernández, “El Cambio Climático: Sus Causas Y Efectos Medioambientales,” An. La Real Acad. Med. Y Cirugía Valladolid, vol. 50, p. 76,95,96, 2013.
[5] J. K. Sueker, “Comment on ‘Elevated tungsten and cobalt in airborne particulates in Fallon, Nevada: Possible implications for the childhood leukemia cluster’ by P.R. Sheppard, G. Ridenour, R.J. Speakman and M.L. Witten,” Appl. Geochemistry, vol. 21, no. 6, pp. 1083–1085, 2006.
[6] R. H. Compagnucci, “Historia Del Cambio Climático O Calentamiento Global,” Contrib. Científicas GÆA, vol. 23, no. 1, pp. 13–19, 2011.
[7] Enrique leff, “Cambio Climático Y Problema Energético, Un Solo Fenómeno Con Dos Caras,” Universum (Talca), vol. 25, no. 2, pp. 57–77, 2010.
[8] I. Del and G. Intergubernamental, Cambio climático 2014. Informe de síntesis. Versión Castellano. 2014.
[9] C. C. Posada, “N26a10,” pp. 74–80, 2007.
[10] L. Natalia, G. Rincón, C. Andrés, and C. Camargo, “Effect of Climate Change on Rainfall in the Upper Basin of Chicamocha River in the Period of 1980-2012,” Tecciencia, vol. 13, no. 24, pp. 81–90, 2012.
[11] IDEAM, DANE, and IGAC, “Reporte final de áreas afectadas por inundaciones
90
2010-2011 con información de imágenes de satélite a Junio 6 de 2011,” Sist. Inf. Ambient. Colomb., p. 35, 2011.
[12] B. Stäubli, R. Wenger, and S. Wymann von Dach, “La papa y el cambio climático,” InfoResources Focus, vol. 1/08, no. 1, pp. 1–16, 2008.
[13] A. Cordero, “Caracterizacion, identificación y evaluacion del fenómeno meteorológico la helada durante los años 2005 al 2011, en las zonas comprendidas por las tres estaciones meteorológicas de: Quimsacocha, la Esmeralda y San Gerardo,” p. 90, 2013.
[14] IDEAM, PNUD, MADS, DNP, and CANCILLERÍA, Nuevos Escenarios de Cambio Climático para Colombia 2011-2100 Herramientas Científica para los Tomadores de Decisione- Enfoque Nacional - Departamental: Tercera Comunicación Nacional de Cambio Climático., vol. 13, no. 114. 2015.
[15] B. E. O. Torres and Aristizábal Gloria León, “Cambio Climático Regional Y Local,” 2010.
[16] IDEAM, PNUD, MADS, DNP, and CANCILLERÍA, Tercera Comunicación Nacional de Colombia. 2017.
[17] IDEAM, Escenarios de Cambio climático para la precipitacion y temperatura en Colombia - Estudio Técnico Completo: Tercera Comunicación Nacional de Cambio Climático. 2015.
[18] J. Gutiérrez and M. Pons, “Modelización numérica del cambio climático: bases científicas, incertidumbres y proyecciones para la Península Ibérica,” Cuaternario y Geomorfol. Rev. la Soc. Española Geomorfol. y Asoc. Española para el Estud. del Cuaternario, vol. 20, no. 3, pp. 15–28, 2006.
[19] C. Arango, “Implementación del modelo wrf para la sabana de Bogotá,” p. 16, 2011.
[20] X. Xin, F. Gao, M. Wei, T. Wu, Y. Fang, and J. Zhang, “Decadal prediction skill of BCC-CSM1.1 climate model in East Asia,” Int. J. Climatol., vol. 38, no. 2, pp. 584–592, 2018.
91
[21] H.-L. Ren, J. Wu, C.-B. Zhao, Y.-J. Cheng, and X.-W. Liu, “MJO ensemble prediction in BCC-CSM1.1(m) using different initialization schemes,” Atmos. Ocean. Sci. Lett., vol. 9, no. 1, pp. 60–65, 2016.
[22] X. Xiao-Ge, W. Tong-Wen, L. Jiang-Long, W. Zai-Zhi, L. Wei-Ping, and W. Fang-Hua, “How Well does BCC_CSM1.1 Reproduce the 20th Century Climate Change over China?,” Atmos. Ocean. Sci. Lett., vol. 6, no. 1, pp. 21–26, 2018.
[23] C. M. Ammann, G. A. Meehl, W. M. Washington, and C. S. Zender, “A monthly and latitudinally varying volcanic forcing dataset in simulations of 20th century climate,” Geophys. Res. Lett., vol. 30, no. 12, pp. 1–4, 2003.
[24] Q. Li, M. Yang, G. Wan, and X. Wang, “Spatial and temporal precipitation variability in the source region of the Yellow River,” Environ. Earth Sci., vol. 75, no. 7, 2016.
[25] F. Qiao et al., “Development and evaluation of an Earth System Model with surface gravity waves,” J. Geophys. Res. Ocean., vol. 118, no. 9, pp. 4514–4524, 2013.
[26] Z. Song, Q. Shu, Y. Bao, X. Yin, and F. Qiao, “The prediction on the 2015/16 El Niño event from the perspective of FIO-ESM,” Acta Oceanol. Sin., vol. 34, no. 12, pp. 67–71, 2015.
[27] J. Stroeve, A. Barrett, M. Serreze, and A. Schweiger, “Using records from submarine, aircraft and satellites to evaluate climate model simulations of Arctic sea ice thickness,” Cryosphere, vol. 8, no. 5, pp. 1839–1854, 2014.
[28] H. J. Baek et al., “Climate change in the 21st century simulated by HadGEM2-AO under representative concentration pathways,” Asia-Pacific J. Atmos. Sci., vol. 49, no. 5, pp. 603–618, 2013.
[29] J. Caesar and J. A. Lowe, “Comparing the impacts of mitigation versus non-intervention scenarios on future temperature and precipitation extremes in the HadGEM2 climate model,” J. Geophys. Res. Atmos., vol. 117, no. 15, pp. 1–14, 2012.
92
[30] S. Watanabe et al., “MIROC-ESM 2010: Model description and basic results of CMIP5-20c3m experiments,” Geosci. Model Dev., vol. 4, no. 4, pp. 845–872, 2011.
[31] R. Peruana and G.-A. Rpga, “Escenarios de Cambio Climático con modelos regionales sobre el Altiplano Peruano (Departamento de Puno). Climate change scenarios using regional models for the Peruvian Altiplano (Departament of Puno),” no. 1, pp. 134–149, 2009.
[32] G. J. A. Roldán, D. Costa, and P. El, “Evaluación del Modelo Eta / SENAMHI en la previsión de la precipitación durante los periodos lluviosos 2002 y 2003 . Evaluation of the ETA / SENAMHI model in the forecasting of rainfall during rainy seasons 2002 and 2003 .,” vol. 124, no. 1, pp. 108–124, 2009.
[33] A. W. Burgoa Mariaca, “CIRCULACIÓN ATMOSFÉRICA SOBRE TERRITORIO BOLIVIANO DURANTE LA FASE ACTIVA Y PASIVA DEL MONZÓN SUDAMERICANO,” Rev. Boliv. Física, vol. 13, no. 13, pp. 45–53, 2007.
[34] A. Jones, J. Haywood, O. Boucher, B. Kravitz, and A. Robock, “Geoengineering by stratospheric SO2 injection: Results from the Met Office HadGEM2 climate model and comparison with the Goddard Institute for Space Studies ModelE,” Atmos. Chem. Phys., vol. 10, no. 13, pp. 5999–6006, 2010.
[35] A. Persechino, J. Mignot, D. Swingedouw, S. Labetoulle, and E. Guilyardi, “Decadal predictability of the Atlantic meridional overturning circulation and climate in the IPSL-CM5A-LR model,” Clim. Dyn., vol. 40, no. 9–10, pp. 2359–2380, 2013.
[36] J. L. Dufresne et al., Climate change projections using the IPSL-CM5 Earth System Model: From CMIP3 to CMIP5, vol. 40, no. 9–10. 2013.
[37] C. Agropecuarias and C. Universitaria, “Tendencias parciales de los días de lluvia y la intensidad media anual en la provincia de Córdoba, Argentina. Antonio de la Casa (1) y Olga Nasello (2),” no. 1, 2012.
[38] B. Aires, R. D. Institucional, and B. Aires, “CALENTAMIENTO GLOBAL CAMBIO CLIMÁTICO Y ACELERACIÓN TECNOLÓGICA Por Vicente Barros Centro de investigaciones del Mar y la Atmósfera, Facultad de Cs. Exactas y
93
Naturales, UBA,” no. 50, 2010.
[39] N. Unidas, “Convención marco de las naciones unidas sobre el cambio climático,” vol. 62301, 1992.
[40] G. C. Díaz, “El cambio climático,” Cienc. Soc., vol. 2, pp. 227–240, 2012.
[41] S. Manuel and G. Cudilleiro, “‘ El Protocolo De Kyoto , Perspectivas Y Resultados . La Industria Cerámica Ante La Directiva De Comercio De Emisiones ,’” pp. 123–151.
[42] “<Step Mountain Coordinate for Alpine.pdf>.” .
[43] R. Granados, “Modelos de regresión lineal múltiple,” Doc. Trab. en Econ. Apl., p. 60, 2016.
[44] S. Fuente, “Modelo Arima,” Univ. Auton. Madrid, p. 100, 2008.
[45] P. González, Análisis de series temporales económicas: modelos ARIMA. 2007.
[46] “Modelo investigativo integrador derivado de la investigación holística,” Negotium, vol. 9, no. 26, pp. 116–142, 2013.
[47] A. Pardo and M. . Ruiz, “Análisis no paramétrico: El procedimiento Pruebas no paramétricas,” SPSS 10. Guía para el Análisis datos, pp. 581–646, 2010.
[48] “U de Mann-Whitney U de Mann-Whitney,” 2011.
94
ANEXOS
Anexo 1. Resultados prueba de homogenización
Resultados del SPSS regresión lineal múltiple
Excel grafica de tendencia de predicción de regresión lineal múltiple
Resultados del SPSS ARIMA
Resultados de temperatura mínima regresión lineal múltiple
Resultados de temperatura mínima ARIMA
Comparativa de resultados de temperatura mínima
Resultados de temperatura máxima regresión lineal múltiple
Resultados de temperatura máxima ARIMA
Comparativa de resultados de temperatura máxima
Resultados de precipitación regresión lineal múltiple
Resultados de precipitación ARIMA
Comparativa de resultados de precipitación
Representación georreferenciada
95
ANEXO 1. Representación georreferenciada
REPRESENTACIÓN GEORREFERENCIADA TEMPERATURA MIN
METODOLOGIA ARIMA
96
REPRESENTACIÓN GEORREFERENCIADA PRECIPITACIÓN
METODOLOGIA ARIMA
97
REPRESENTACIÓN GEORREFERENCIADA TEMPERATURA MAX
METODOLOGIA ARIMA
98
REPRESENTACIÓN GEORREFERENCIADA TEMPERATURA MAX
METODOLOGIA REGRESIÓN LINEAL
99
REPRESENTACIÓN GEORREFERENCIADA TEMPERATURA MIN
METODOLOGIA REGRESIÓN LINEAL
100
REPRESENTACIÓN GEORREFERENCIADA PRECIPITACIÓN
METODOLOGIA REGRESIÓN LINEAL
Top Related