Vol. 21 Núm. 3 (2019)
Artículo original

Modelación de la disponibilidad hídrica del río Piura, Perú, considerando la incidencia del cambio climático

Ricardo F. León Ochoa
Universidad Nacional Agraria La Molina, Lima – Perú
Domingo M. Portuguez Maurtua
Universidad Nacional Agraria La Molina, Lima – Perú
Eduardo A. Chávarri Velarde
Universidad Nacional Agraria La Molina, Lima – Perú

Publicado 2019-07-26

Palabras clave

  • Cambio Climático,
  • Disponibilidad Hídrica,
  • Modelación Hidrológica,
  • Modelos Climáticos Globales,
  • SWAT

Cómo citar

León Ochoa, R. F. . ., Portuguez Maurtua, D. M. . ., & Chávarri Velarde, E. A. . . (2019). Modelación de la disponibilidad hídrica del río Piura, Perú, considerando la incidencia del cambio climático. Revista De Investigaciones Altoandinas, 21(3), 182–193. https://doi.org/10.18271/ria.2019.476

Resumen

Esta investigación evaluó los impactos del cambio climático en la oferta hídrica superficial en la subcuenca media y alta del río Piura, Perú, con el modelo hidrológico Soil and Water Assessment Tool (SWAT) a mediados del siglo XXI. El modelo SWAT fue calibrado y validado para un periodo de 23 años (1986-2008) utilizando datos de clima diarios en seis ubicaciones, y caudales mensuales en una ubicación. Para las evaluaciones a futuro, se adoptaron los datos climáticos HADGEM2-ES y CSI-RO-Mk3-6-0, de los modelos climáticos globales (MCG), Coupled Model Intercomparison Project Phase 5 (CMIP5), en los escenarios RCP4.5 y RCP8.5. Los datos sesgados futuros (2025‐2054) se corrigieron utilizando los datos del clima del período de referencia, y se redujeron de escala con el generador de clima MarkSim. La temperatura y precipitación en los escenarios de cambio climático proyectan un aumento promedio de + 2,9°C y 39,3%, respectivamente, respecto del periodo observado. La evapotranspiración futura mostro una tendencia general a disminuir, con un ligero aumento en el lado noroccidental de la cuenca. En particular, la tendencia promedio de la escorrentía mensual al 2050, en los cuatro escenarios, indica para los meses entre octubre a abril un aumento de + 71,8%, aprox. 55,9 m3/s; con el mayor incremento en noviembre. Por otro lado, entre los meses de mayo a setiembre, se tiene una disminución de ‐66,1%, aprox. 12 m3/s, con el mayor descenso en julio.

 

Citas

  1. Abbaspour, K. C., Rouholahnejad, E., Vaghefi, S., Srinivasan, R., Yang, H., & Kløve, B. (2015). A continental-scale hydrology and water quality model for Europe: Calibration and uncertainty of a high-resolution large-scale SWAT model. Journal of Hydrology, 524, 733–752. DOI: https://doi.org/10.1016/j.jhydrol.2015.03.027
  2. Abdo, K.S., Fiseha, B.M., Rientjes, T.H.M., Gieske, A.S.M., Haile, A.T. (2009). Assessment of climate change impacts on the hydrology of Gilgel Abay catchment in Lake Tana basin, Ethiopia. Hydrological Processes. 23, 3661–3669. DOI: https://doi.org/10.1002/hyp.7363
  3. Alam S., Ali M.M., y Islam Z. (2016). Future streamflow of Brahmaputra River basin under synthetic climate change scenarios. Journal of Hydrologic Engineering, 21(11), 05016027. DOI: https://doi.org/10.1061/(ASCE)HE.1943-5584.0001435
  4. ANA. (2012). Diagnóstico de la gestión de los recursos hídricos de la cuenca Chira - Piura: Informe principal. Recuperado de: http://repositorio.ana.gob.pe/handle/ANA/1962
  5. Anand, J., Gosain, A.K., y Khosa, R. (2018). Prediction of land use changes based on Land Change Modeler and attribution of changes in the water balance of Ganga basin to land use change using the SWAT model. Sci. Total Environ. 644, 503–519. DOI: https://doi.org/10.1016/j.scitotenv.2018.07.017
  6. Arnold, J., y Fohrer, N. (2005). SWAT 2000: Current capabilities and research opportunities in applied watershed modelling. Hydrological Processes, 19(3):563-572. DOI: https://doi.org/10.1002/hyp.5611
  7. Birhanu, B.Z., Ndomba, P.M. y Mtalo, F.W. (2007). Application of SWAT Model for Mountainous Catchment. Proceedings of LARS 2007. Catch. Lake Res., 182–187. Recuperado de: http://www.uni-siegen.de/zew/publikationen/volume0607/birhanu.pdf
  8. Fitsum, B. (2015). Characterizing Current and Future Rainfall Variability and its Effect on Wheat and Barley Production in Sinana District, South Eastern Ethiopia (M.Sc. thesis). Haramaya University, Oromia, Etiopía. Recuperado de: https://www.ruforum.org/sites/default/files/Fitsum%20Msc%20thesis%20fina%20for%20submission.pdf
  9. Garcia-Gonzalez, S. E. (2015). Streamflow Response to Land-cover Change in Southern Mexico: Projections of Water Balance in the Tulija River Watershed (M.Sc. thesis). The Pennsylvania State University, Pennsylvania, USA. Recuperado de: https://etda.libraries.psu.edu/files/final_submissions/10853
  10. Ghaffari, G., Keesstra, S., Ghodousi, J., y Ahmadi, H. (2010). SWAT-simulated hydrological impact of land-use change in the Zanjanrood basin, Northwest Iran. Hydrological Processes, 24(7), pp.892–903. DOI: https://doi.org/10.1002/hyp.7530
  11. IPCC. (2013). Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535 pp, DOI: https://doi.org/10.1017/CBO9781107415324
  12. Jones, P.G., y Thornton P.K. (2013). Generating downscaled weather data from a suite of climate models for agricultural modelling applications. Agricultural System, 114, 1-5. DOI: https://doi.org/10.1016/j.agsy.2012.08.002
  13. Joo, J., Zhang, A., Li, X., y Zheng, C. (2017). Hydrological responses to climate shifts for a minimally disturbed mountainous watershed in northwestern China. Hydrol. Sci. J. 62, 1440–1455. DOI: https://doi.org/10.1080/02626667.2017.1316851
  14. Li, T., y Gao, Y. (2015). Runoff and sediment yield variations in response to precipitation changes: a case study of Xichuan watershed in the loess plateau, China. WaterSA 7, 5638–5656. DOI: https://doi.org/10.3390/w7105638
  15. Lindner, M., Maroschek, M., Netherer, S., Kremer, A., Barbati, A., Garcia-Gonzalo, J., Seidl, R., Delzon, S., Corona, P., Kolström, M., et al., (2010). Climate change impacts, adaptive capacity, and vulnerability of European forest ecosystems. For. Ecol. Manag.259, 698–709. DOI: https://doi.org/10.1016/j.foreco.2009.09.023
  16. Muluneh, G. (2015). Analysis of Past and Future Intra-Seasonal Rainfall Variability and its Implications for Crop Production in the North Eastern Amhara Region, Ethiopia. (M.Sc. thesis). Haramaya University, Oromia, Etiopía. Recuperado de: https://www.ruforum.org/sites/default/files/Muluneh%20final%20MSc%20Thesis.pdf
  17. Neitsch, S., Arnold, J., Kiniry, J., Srinivasan, R., y Williams, J. (2002). Soil and Water Assessment Tool User’s Manual: Version 2000. U.S. Department of Agriculture - Agricultural Research Service, Grassland Soil and Water Research Laboratory and Texas A&M University, Blackland Research and Extension Center, Temple, TX. 2002. Recuperado de: https://swat.tamu.edu/docs/
  18. Neitsch, S., Arnold, J., Kiniry, J.; Srinivasan, R., y Williams, J. (2004). Soil and Water Assessment Tool Theoretical Documentation: Version 2005. Temple, Tex.: USDA-ARS Grassland, Soil and Water Research Laboratory. 2005. Recuperado de: https://swat.tamu.edu/docs/
  19. Ramos, Y., (2014). Estimación del efecto del cambio climático en la precipitación en la costa norte del Perú usando simulaciones de según los modelos climáticos globales (tesis de pregrado). Universidad Nacional Agraria La Molina, Lima, Perú. Recuperado de: http://www.met.igp.gob.pe/publicaciones/2014/tesis_final_yakelyn_ramos.pdf
  20. SENAMHI, Servicio Nacional de Meteorología e Hidrología. (2005). Escenarios del Cambio Climático en el Perú 2004 – 2050. Cuenca del río Piura. Recuperado de: http://siar.regionpiura.gob.pe/admDocumento.php?accion=bajar&docadjunto=216
  21. Srinivasan, R. (2015). Soil and Water Assessment Tool Beginner SWAT Training Manual. Workshop at Spatial Science Laboratory. AgriLife Research. Texas A&M University. Recuperado de: http://www.crs4.it/repository/documents/conferences/swat_2015/introductory_manual_updated_oct._2012.pdf
  22. Tyndall, Centre for Climate Change Research. (2004). New Indicators of Vulnerability and Adaptive Capacity. Technical Report. Recuperado de: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.112.2300&rep=rep1&type=pdf
  23. Yang N., Men B.-H., y Lin C.-K. (2011). Impact Analysis of Climate Change on Water Resources. Procedia Engineering, 24, 643–648. DOI: https://doi.org/10.1016/j.proeng.2011.11.2710
  24. Yates, D., y Angarita, H. (2014). Developing climate scenarios. Partnering for Adaptation and Resilience - Agua (PARA-AGUA) Project. Perú. University Corporation for Atmospheric Research, acting on behalf of The National Center for Atmospheric Research. AECOM International Development. Recuperado de: http://www.para-agua.net/component/k2/download/47_744e4500606b4afccf1fc7b45c86c971
  25. Zheng, J., Li, G., Han, Z., y Meng, G. (2010). Hydrological Cycle Simulation of An Irrigation District Based on A SWAT model. Mathematical and Computer Modelling, 51(11-12), 1312–1318. DOI: https://doi.org/10.1016/j.mcm.2009.10.036