UNIVERSIDAD ANDINA

“NÉSTOR CÁCERES VELÁSQUEZ”

FACULTAD DE INGENIERÍAS Y CIENCIAS PURAS

ESCUELA PROFESIONAL DE INGENIERÍA SANITARIA Y
AMBIENTAL

TESIS
“APLICACIÓN DE MODELOS CLIMÁTICOS GLOBALES PARA LA
CARACTERIZACIÓN CLIMÁTICA EN LA MICROCUENCA DE LA
LAGUNA DE CHACAS Y SUS PROYECCIONES DE CAMBIO
CLIMÁTICO AL 2050 Y 2070”

PRESENTADO POR:

Bach. CALCI QUISPE, BERTZISS EUFEMIA

PARA OPTAR EL TÍTULO PROFESIONAL DE:

INGENIERO SANITARIO Y AMBIENTAL

JULIACA – PERÚ
2018
 UNIVERSIDAD ANDINA

“NÉSTOR CÁCERES VELÁSQUEZ”

FACULTAD DE INGENIERÍAS Y CIENCIAS PURAS

ESCUELA PROFESIONAL DE INGENIERÍA SANITARIA Y
AMBIENTAL

TESIS
“APLICACIÓN DE MODELOS CLIMÁTICOS GLOBALES PARA LA
CARACTERIZACIÓN CLIMÁTICA EN LA MICROCUENCA DE LA
LAGUNA DE CHACAS Y SUS PROYECCIONES DE CAMBIO
CLIMÁTICO AL 2050 Y 2070”

PRESENTADO POR:

Bach. CALCI QUISPE, BERTZISS EUFEMIA

PARA OPTAR EL TÍTULO PROFESIONAL DE:

INGENIERO SANITARIO Y AMBIENTAL

JULIACA – PERÚ
2018
 DEDICATORIA

A Dios, el ser divino que me ha dado la vida

y fortaleza durante mi formación profesional.

A mi querida madre Hilda por su constante

apoyo en el logro de mis metas y a mis hermanos

Benny Magleby y Byl por su aliento y comprensión.

Pág.
II
 AGRADECIMIENTOS

Expreso mi profundo y mi más sincero agradecimiento y gratitud:

A la Universidad Andina “Néstor Cáceres Velásquez”, mi Alma Mater, por acogerme sin
condicionamientos en estos años de estudios.

A la Facultad de Ingeniería y Ciencias Puras, Escuela Profesional de Ingeniería Sanitaria y

Ambiental, por haberme brindado conocimientos y formarme profesionalmente.

A cada uno de los docentes de la Escuela Profesional de Ingeniería Sanitaria y Ambiental. Por sus
valiosas enseñanzas impartidas y el tiempo de dicado para el logro de mi profesión.

A mis jurados de tesis, Dr. Ing. Leonel Suasaca Pelinco, M.sc. Ing. Jesús Esteban Castillo Machaca
e Ing. Javier Arturo Bojórquez Gandarillas, por sus valiosas experiencias, aporte y sugerencias.

A mi asesor de tesis, Ing. Renny Daniel Díaz Aguilar por su apoyo incondicional desde que inicié
el presente trabajo de tesis.

A mi amigo M.sc. Ing. Efraín Lujano Laura, por sus invalorables aportes, criticas durante el
desarrollo de la investigación y por motivarme a ser mejor.

A mi amiga incondicional Nancy Eneida, por su amistad sincera y apoyo constante para la realización
del presente trabajo.

A los pobladores de las comunidades Unocolla, Cocan, Chacas y Cochaquinray, que conforman la
microcuenca de Laguna de Chacas, por permitirme realizar mi trabajo de tesis.

A la institución SUMA MARKA ONGD, por el financiamiento, apoyo logístico y asesoría.

Servicio Nacional de Meteorología e Hidrología SENAMHI – Perú por proporcionarme acceso a los
datos climáticos que fueron esenciales en el desarrollo del estudio.

Pág.
III
 ÍNDICE GENERAL

RESUMEN .................................................................................................................... X
ABSTRACT ................................................................................................................ XI
INTRODUCCIÓN.....................................................................................................XII
CAPÍTULO I .................................................................................................................1
1. EL PROBLEMA.......................................................................................................1
1.1 ANÁLISIS DE LA SITUACIÓN PROBLEMÁTICA. ....................................................... 1
1.2 PLANTEAMIENTO DEL PROBLEMA ........................................................................2
1.2.1 Problema general. ............................................................................... 2
1.2.2 Problemas específicos. ........................................................................ 2
1.3 OBJETIVOS DE LA INVESTIGACIÓN .......................................................................3
1.3.1 Objetivo general ................................................................................. 3
1.3.2 Objetivos específicos .......................................................................... 3
1.3.3 Justificación del estudio ...................................................................... 3
1.4 HIPÓTESIS ..............................................................................................................4
1.4.1 Hipótesis general ................................................................................ 4
1.4.2 Hipótesis específicos .......................................................................... 4
1.5 VARIABLES ............................................................................................................4
1.5.1 Variable independiente ....................................................................... 4
1.5.2 Variable dependiente .......................................................................... 4
CAPÍTULO II................................................................................................................5
2. MARCO TEÓRICO.................................................................................................5
2.1 ANTECEDENTES DEL ESTUDIO .....................................................................5
2.2 BASES TEÓRICAS ...............................................................................................8
2.2.1 Modelización climática....................................................................... 8
2.2.2 Modelos climáticos globales ............................................................... 9
2.2.3 Modelos de circulación general del CMIP5 ......................................... 11
2.2.4 Escenarios de emisiones de efecto invernadero ................................... 11
2.2.5 Base de datos climatológicos mundial WorldClim ............................... 13
2.2.6 El clima .......................................................................................... 13
2.2.7 Variables Climáticas ........................................................................ 14
2.2.8 Sistema climático ............................................................................. 14
2.2.9 Cambio climático ............................................................................. 15
Pág.
IV
 2.2.10 Clasificación climática ................................................................... 16
2.2.11 Clasificación climática de Thornthwaite ........................................... 16
2.2.12 Cuenca hidrográfica ....................................................................... 17
2.2.13 Delimitación de una cuenca ............................................................ 17
2.3 MARCO CONCEPTUAL ......................................................................................... 17
2.3.1 Escenario de emisión: ....................................................................... 17
2.3.2 Evapotranspiración: ......................................................................... 18
2.3.3 Forzamiento radiativo:...................................................................... 18
2.3.4 Proyección: ..................................................................................... 18
2.3.5 Proyección Climática: ...................................................................... 18
2.3.6 RCPs: ............................................................................................. 19
2.3.7 Resolución: ..................................................................................... 19
CAPÍTULO III ............................................................................................................20
3. METODOLOGÍA DE LA INVESTIGACIÓN. ...................................................20
3.1 TIPO DE INVESTIGACIÓN ..................................................................................... 20
3.2 TÉCNICAS E INSTRUMENTOS ............................................................................... 20
3.2.1 Técnicas. ......................................................................................... 20
3.2.2 Instrumentos. ................................................................................... 21
3.3 PROCEDIMIENTOS.................................................................................................21
3.3.1 Estratificación de temperaturas con datos generados dentro de la
microcuenca de la Laguna de Chacas ................................................. 21
3.3.2 Caracterización climática a partir de variables (temperatura media y
precipitación) de los modelos climáticos globales. ............................... 27
3.3.3 Proyecciones de cambio climático al 2050 y 2070. .............................. 36
3.3.4 Matriz de consistencia ...................................................................... 37
CAPÍTULO IV ............................................................................................................39
4. ANÁLISIS Y CÁLCULOS ....................................................................................39
4.1 ESTRATIFICACIÓN DE TEMPERATURAS EN LA MICROCUENCA DE LA LAGUNA DE
CHACAS ............................................................................................................... 39
4.2 CARACTERIZACIÓN CLIMÁTICA A PARTIR DE VARIABLES (TEMPERATURA
MEDIA Y PRECIPITACIÓN) DE LOS MODELOS CLIMÁTICOS GLOBALES. ............. 42
4.2.1 Validación de datos observados Vs Worldclim .................................... 42
4.2.2 Clasificación climática de Thornthwaite ............................................. 46
CAPÍTULO V ..............................................................................................................52
Pág.
V
5. RESULTADOS .......................................................................................................52
5.1 ESTRATIFICACIÓN DE TEMPERATURA MÁXIMA Y MÍNIMA ................................ 52
5.2 CARACTERIZACIÓN CLIMÁTICA .........................................................................53
5.2.1 Temperatura Media Anual ................................................................ 53
5.2.2 Precipitación total anual ................................................................... 54
5.2.3 Clasificación climática por el sistema de Thornthwaite ........................ 55
5.3 PROYECCIONES FUTURAS DE CAMBIO CLIMÁTICO ............................................58
5.3.1 Proyecciones climáticas al 2050 ........................................................ 58
5.3.2 Proyecciones climáticas al 2070 ........................................................ 60
DISCUSIÓN.................................................................................................................62
CONCLUSIONES .......................................................................................................72
RECOMENDACIONES .............................................................................................73
REFERENCIAS BIBLIOGRÁFICAS ......................................................................74
ANEXOS..…………………………………………………………………………….80
PANEL FOTOGRÁFICO ..........................................................................................92

Pág.
VI
 ÍNDICE DE FIGURAS

Figura 1: Ejemplo de la malla o cuadricula de un modelo climático………………..……..9

Figura 2: Representación de un modelo Global de Atmósfera………..........................…...10
Figura 3: Esquema del sistema climático (atmósfera, hidrósfera, criósfera, biósfera y
litósfera)……………………………………………………………………….15
Figura 4: Reunión de coordinación y difusión de la investigación……………………...…23
Figura 5: Ubicación y calibración de termómetros máxima y mínima…………………….24
Figura 6: Ubicación de puntos de monitoreo en el sector chacas, cerro Iquinito…………..24
Figura 7: a) Ubicación e instalación de termómetros de máxima y minina sector
Cochaquinray, b) Instalación de termómetros en el sector Cocan, c) Instalación
de termómetros en sector Chacas, d) ubicación de termómetro de máxima y
mínima en el cerro Iquinito……………………………………………………26
Figura 8: a) Línea de tendencia y coeficiente de determinación (𝑅 2 ) para la temperatura
máxima. B) Línea de tendencia y coeficiente de determinación (𝑅 2 ) para la
temperatura mínima…………………………………………………………...41
Figura 9: Mapa de altitudes de la microcuenca de la laguna de Chacas……………………42
Figura 10: Correlación de precipitación y coeficientes de determinación entre datos del
worldclim vs Estaciones meteorológicas…………………………………..….43
Figura 11: Correlación de la temperatura media y coeficientes de determinación entre datos
del worldclim vs Estaciones meteorológicas…………………………….……44
Figura 12: Mapa de estratificación de temperatura máxima y Mapa de estratificación de
temperatura mínima…………………………………………………………...53
Figura 13: Mapa de distribución de temperaturas media anual…………………………....54
Figura 14: Mapa de distribución de precipitación total anual……………………………...54
Figura 15: Variación de temperatura para el escenario RCP4.5 al año 2050……………...64
Figura 16: Variación de temperatura media para el escenario RCP8.5 al año 2050………..65
Figura 17: Variación de precipitación total anual para el Escenario RCP4.5 al año 2050....66
Figura 18: Variación de precipitación total anual para el Escenario RCP8.5 al año 2050....67
Figura 19: Variación de temperatura media para el Escenario RCP4.5 al año 2070………68
Figura 20: Variación de temperatura media para el Escenario RCP8.5 al año 2070………69
Figura 21: Variación de precipitación total anual para el Escenario RCP4.5 al año 2070…70
Figura 22: Variación de precipitación total anual para el Escenario RCP8.5 al año 2070…71

Pág.
VII
 ÍNDICE DE TABLAS

Tabla 1: Modelos climáticos globales GCMs…………………………………………......11

Tabla 2: Escenarios del 5to informe del IPCC,se presenta rango del aumento proyectado de
las temperaturas para el año 2100. (IPCC, 2013)…………………………..……..12
Tabla 3: Ubicación de puntos de monitoreo de temperatura máxima y mínima en la
microcuenca de la Laguna de Chacas…………………………………………...25
Tabla 4: MCG aplicados en la investigación………………………………………………27
Tabla 5: Ubicación de estaciones meteorológicas…………………………………………28
Tabla 6: Factor de corrección 𝑓 por duración media de las horas de sol expresada en
unidades de 30 dias, con 12 horas de sol cada una………………………………31
Tabla 7: Regiones hídricas para climas secos…………………………………………...…33
Tabla 8: índices de aridez para climas Húmedos…………………………………………..34
Tabla 9: Índice de aridez para climas secos………………………………………….…….35
Tabla 10: Índices de eficiencia térmica…………………………………...……………….35
Tabla 11: Índice de eficiencia térmica en verano………………………………………….36
Tabla 12: Registro de datos de temperatura máxima y mínima en un día…………….……39
Tabla 13: Promedio de datos de temperatura máxima……………………………………..40
Tabla 14: Promedio de datos de temperatura mínima……………………………….…….40
Tabla 15: Datos clasificados de precipitación mensual total del WorldClim y datos
observados, para cada estación meteorológica……………………………..….43
Tabla 16: Datos clasificados de precipitación mensual total del WorldClim y datos
observados, para cada estación meteorológica…………………………..…….44
Tabla 17: Resumen de Coeficientes determinados 𝑅 2 𝑦 𝑅, estimado a partir del diagrama
de dispersión entre valores observados y simulados actual…………………….45
Tabla 18: Valores de índice térmico mensual……………………………………………..46
Tabla 19: Valores de evapotranspiración (𝑒) obtenidos…………………………..………47
Tabla 20: Valores de 𝑓 para una latitud sur 15°……………………………….…………..47
Tabla 21: Valores de evapotranspiración y el factor de corrección. ………………….…..47
Tabla 22: Valores de precipitación obtenidos del WorldClim.. ……………..…………….48
Tabla 23: Valores obtenidos de precipitación (WorldClim)……………………………….48
Tabla 24: Cálculo de la evapotranspiración efectiva ocurrida…………………………..…48
Tabla 25: Cálculo de déficit………………………………………………….……………49
Tabla 26: Cálculo de excedente………………………………………………………...…49
Pág.
VIII
Tabla 27: Resultado del índice hídrico para la microcuenca de la Laguna de Chacas……..50
Tabla 28: Índice de la variación estacional de la humedad, para climas secos………….….50
Tabla 29: Índices de eficiencia térmica determinado para la microcuenca de la Laguna de
Chacas…………………………………………………………………………..51
Tabla 30: Índice de eficiencia térmica en varano para la microcuenca de la Laguna de
Chacas…………………………………………………………………………..51
Tabla 31: Resultados del balance hídrico en el periodo 1970 – 2000 de la microcuenca de
la laguna de Chacas………………………………………………………….….55
Tabla 32: Resultados del balance hídrico en el escenario 4.5 al año 2050 de la microcuenca
de la laguna de Chacas…………………………………………………………..56
Tabla 33: Resultados del balance hídrico en el escenario 8.5 al año 2050 de la microcuenca
de la laguna de Chacas…………………………………………………………..56
Tabla 34: Resultados del balance hídrico en el escenario 4.5 al año 2070 de la microcuenca
de la laguna de Chacas…………………………………………………………..56
Tabla 35: Resultados del balance hídrico en el escenario 8.5 al año 2070 de la microcuenca
de la laguna de Chacas…………………………………………….…………….57
Tabla 36: Resumen de resultados obtenidos para la caracterización climática en el periodo
1970 – 2000……………………………………………………………………..57
Tabla 37: Resumen de resultados obtenidos para la caracterización climática proyectados al
2050 y 2070……………………………………………………………….…….58

Pág.
IX
 RESUMEN

El clima es fundamental en una cuenca hidrográfica dado que es el principal factor de

alteración de las condiciones ambientales, recientemente el tema del cambio climático ha
adquirido una gran relevancia a nivel global, debido a las ultimas evidencia catastrófica
ocurridas. La presente investigación se realizó en la microcuenca de la Laguna de Chacas
que pertenece a la Cuenca Coata, con el objetivo de aplicar datos de modelos climáticos
globales para realizar la caracterización climática y determinar las proyecciones de cambio
climático al 2050 y 2070. Para ello se realizó primeramente un monitoreo de temperaturas
(máxima y mínima) con el fin de obtener datos y generar un mapa de estratificación de
temperaturas, posterior a ello se realizó la validación de datos de la base climática de la
plataforma del Worldclim en el periodo 1970–2000 con datos observados de estaciones
meteorológicas seleccionadas en base a la longitud de datos meteorológicos, la validación
de datos se realizó con el coeficiente de determinación 𝑅 2 y coeficiente de correlación 𝑅
que al comparar los datos de temperatura y precipitación simuladas los modelos muestran
un coeficiente de “muy bueno” y “bueno”. La caracterización climática y proyecciones
futuras de cambio climático fueron determinados con la información del Worldclim en los
escenarios RCP4.5 (estable) y RCP8.5 (pesimista), con la finalidad de identificar el tipo de
clima que presenta la microcuenca en estudio, para lo cual se utilizó el método de
clasificación climática de Thornthwaite; así mismo para las proyecciones climáticas se
empleó los métodos de Delta Change, con el que se obtuvo la variación de temperatura media
futura y precipitación total anual futura. Como resultado se obtuvo que la microcuenca de la
Laguna de Chacas presenta un clima Subhúmedo seco, con gran deficiencia de agua en
invierno, con una región microtérmica fría acentuada y con un índice de concentración de
eficiencias térmica equivalente al 53% en verano con relación a la evapotranspiración anual
en el periodo 1970-2000, así mismo las proyecciones de cambio climático muestran un
incremento en la temperatura media y una disminución en la precipitación para los
escenarios RCP4.5 2050 y 2070 y un incremento en los escenarios RCP8.5 al 2050 y 2070.

PALABRAS CLAVES:

Cambio climático, Clasificación climática Thornthwhaite, CMIP5, Escenarios climáticos,

Modelos climáticos globales, WorldClim.

Pág.
X
 ABSTRACT

The climate is fundamental in a hydrographic basin given that it is the main factor of

alteration of the environmental conditions, recently the topic of climate change has acquired

a great relevance at a global level, due to the last catastrophic evidence that has occurred.

The present investigation was carried out in the Laguna de Chacas microbasin belonging to

the Coata Basin, with the objective of applying data from global climatic models to carry

out the climatic characterization and determine the projections of climate change to 2050

and 2070. Firstly, a temperature monitoring (maximum and minimum) was carried out in

order to obtain data and generate a temperature stratification map, after which the data

validation of the climatic base of the Worldclim platform was carried out in the period 1970-

2000. with observed data from meteorological stations selected based on the length of

meteorological data, data validation was performed with the coefficient of determination 𝑅 2

and correlation coefficient 𝑅 that when comparing simulated temperature and precipitation

data the models show a coefficient of "very good" and "good". The climatic characterization

and future projections of climate change were determined with the Worldclim information

in the scenarios RCP4.5 (stable) and RCP8.5 (pessimistic), in order to identify the type of

climate presented by the microbasin under study, for which the Thornthwaite climate

classification method was used; Likewise for the climate projections the Delta Change

methods were used, with which the future average temperature variation and future annual

total precipitation was obtained. As a result, it was obtained that the Laguna de Chacas

micro-basin presents a dry sub-humid climate, with a great water deficiency in winter, with

a marked cold microthermal region and with a thermal efficiency concentration index

equivalent to 53% in summer in relation to the annual evapotranspiration in the period 1970-

2000, likewise the projections of climate change show an increase in the average temperature

and a decrease in the precipitation for the scenarios RCP4.5 2050 and 2070 and an increase

in the scenarios RCP8.5 to 2050 and 2070.

KEYWORDS:
Climate change, Thornthwhaite climate classification, CMIP5, Climate scenarios, Global

climate models, WorldClim.

Pág.
XI
 INTRODUCCIÓN

El estudio del clima es fundamental en el ámbito de una cuenca hidrográfica dado que es el

principal factor de alteración de las condiciones ambientales de la misma. Los diferentes

parámetros meteorológicos definen un clima particular, que modifica y altera

significativamente el comportamiento de la red de drenaje y su ambiente (Carbone, Píccolo,

& E. Perillo, 2003).

Las condiciones climáticas (temperatura – precipitación) y algunos atributos del suelo, son

los elementos fundamentales que determinan la distribución espacial de las especies

vegetales y en las zonas áridas y semiáridas, la disponibilidad de agua es el factor más

importante que controla la sobrevivencia de las plantas y su producción. Así, el uso potencial

se puede considerar como la aptitud y capacidad de uso que posee un área de terreno,

determinado por las características climáticas, topográficas y edáficas (L. J. Lane, T. E.

Hakonson, & K.V. Bostick, 1995).

En las últimas décadas, el tema del cambio climático ha adquirido una gran relevancia a

nivel mundial llegando a posicionarse como una de las prioridades de la agenda

internacional, nacional y local (Crane, Roncoli, & Hoogenboom, 2011) debido a las

predicciones catastróficas para el planeta previsto por la comunidad de científicos (P.

Vargas, 2009). Los cambios en los patrones actuales de la temperatura podrían ocasionar

grandes efectos en el incremento de la temperatura ambiental, así mismo se prevé una

disminución de las precipitaciones pluviales (IPCC, 2007), y que el cambio climático afecte

a muchos aspectos de la biodiversidad. Sin embargo, dichos cambios tienen que tener en

cuenta los impactos de otras actividades humanas pasadas, presentes y futuras, incluyendo

el aumento en las concentraciones atmosféricas de dióxido de carbono (IPCC, 2002).

Puno es el tercer departamento que depende principalmente de la actividad agropecuaria,

Pág.
XII
pero es de alta vulnerabilidad a la variabilidad climática, trae como consecuencia la crisis de

la seguridad alimentaria, rompiendo la relación de equilibrio ecológico y socioeconómico

(Belizario, 2015).

Si este cambio fuera cierto como muchos expertos lo señalan, debería repercutir

directamente sobre los recursos hídricos y en el clima del departamento de puno, sus efectos

tendrían relación con el incremento de la temperatura y reducción de la precipitación.

Por lo que en el futuro el efecto del cambio climático es directa sobre la población rural por

las alteraciones del clima, que de por sí ya es hostil por su posición geográfica que se ubica

por encima de 3,800 m.s.n.m., con rendimientos de producción cada vez más bajos y los

cultivos alto andinos no son permanentes (Bandy, 2005).

En este contexto el presente estudio pretende abordar la falta de información sobre el clima

en la microcuenca de la laguna de chacas – Juliaca y las proyecciones de cambio climático

al 2050 y 2070. Los resultados esperados darán lugar a la planificación y gestión del recurso

hídrico con relación a las actividades agropecuarias, como un antecedente principal que será

un componente esencial para tomar medidas de adaptación y hacer frente a los cambios del

clima.

Pág.
XIII
 CAPÍTULO I

1. EL PROBLEMA

1.1 Análisis de la situación problemática.

Perú es el tercer país más vulnerable frente al cambio climático, debido a la variabilidad y

los extremos climáticos, es uno de los más afectados debido a la repercusión de fenómenos

climáticos (Mendoza, Garcia, & Carrasco, 2015). Nuestro país cuenta con una valiosa

riqueza ecológica y mega diversidad climática posee 27 de los 32 climas del mundo, por ello

es susceptible frente a cualquier cambio en las variables climáticas.

El Perú es uno de los 20 países más vulnerables a las modificaciones del clima global por

estar localizado en una geografía de montañas tropicales con una gran diversidad de

ecosistemas. Se agrava esta situación para la población que tiene bajos niveles de ingreso,

las economías regionales dependen en gran medida de actividades económicas sensibles a

los cambios climáticos, como es la agricultura, la ganadería, la pesca, la explotación forestal

y todas las cadenas productivas de la industria, servicios y comercio que dependen de estos

recursos naturales (Bustamante, 2010).

Pág.
1
La evidencia más notable en el Perú es la constatación de que los glaciares andinos se están

derritiendo, se han perdido 22% de la masa glaciar durante los últimos años (Bustamante,

2010). Si estas evidencias muestran que Perú es un país vulnerable, la región de Puno es

también considerada una de las zonas más vulnerables frente a la variabilidad climática con

implicancias en las principales actividades como el sector agropecuario que es el principal

sustento económico de la población rural, en el futuro por el posible cambio climático, las

condiciones de vida serán afectadas.

1.2 Planteamiento del problema

La microcuenca de la Laguna de Chacas, constituye un espacio geográfico con un

significativo potencial de recursos naturales, los más importantes por su biodiversidad sin
embargo, en los últimos años las manifestaciones de variación del clima ha causado un
severo incremento en la temperatura global así como en el aire superficial, las
concentraciones de gases de efecto invernadero, están provocando alteración del ciclo
hidrológico, por ende, existe desconocimiento de las características climáticas en la
microcuenca en la Laguna de Chacas, así mismo se desconoce cómo serían las condiciones
climáticas futuras a falta de información sobre proyecciones de cambio climático, que
dificultan la planificación.

1.2.1 Problema general

¿De qué manera se pueden aplicar los datos de variables climáticas (temperatura media y
precipitación) de los modelos climáticos globales para la caracterización climática para la
microcuenca de la Laguna de Chacas y sus proyecciones de cambio climático al 2050 y
2070?

1.2.2 Problemas específicos

 ¿Cómo es la estratificación de temperaturas en la microcuenca de la Laguna de Chacas?

 ¿Cómo realizar la caracterización climática a partir de variables (temperatura media y

precipitación) de los modelos climáticos globales para la microcuenca de la Laguna de

Pág.
2
 Chacas?

 ¿Cuáles son las proyecciones de cambio climático al 2050 y 2070 para la microcuenca de

la Laguna de Chacas?

1.3 Objetivos de la investigación

1.3.1 Objetivo general

Aplicar datos de modelos climáticos globales para realizar la caracterización climática en la

microcuenca de la Laguna de Chacas y sus proyecciones de cambio climático al 2050 y 2070.

1.3.2 Objetivos específicos

 Realizar la estratificación de temperaturas con datos generados dentro de la microcuenca

de la Laguna de Chacas.

 Realizar la caracterización climática a partir de variables (temperatura media y

precipitación) de los modelos climáticos globales en la microcuenca de la Laguna de

Chacas.

 Generar mapas de proyecciones de cambio climático al 2050 y 2070 para la microcuenca

de la Laguna de Chacas.

1.3.3 Justificación del estudio

Existe limitada información desarrollada en cuanto a características y proyecciones

climáticas en el área de estudio es por ello que surge la necesidad de realizar estudios que
aborden áreas más pequeñas como la microcuenca de la Laguna de Chacas que tiene un
clima de comportamiento diferente que en toda la Región Puno, las cuales están enfocadas
a identificar el comportamiento de las variables climáticas donde la temperatura y
precipitación juega un rol central para todo tipo de actividades como agropecuaria,
piscicultura y turismo; así mismo conocer las proyecciones de cambio climático. Por ello es
necesario generar información para que se puedan tomar decisiones oportunas en estrategias
y planificación, partiendo principalmente en planes de adaptación frente al cambio climático
Pág.
3
hacia el futuro.

1.4 Hipótesis

1.4.1 Hipótesis general

Aplicando datos de variables (temperatura media y precipitación) de modelos climáticos

globales se logrará obtener la caracterización climática para la microcuenca de la Laguna de
Chacas y sus proyecciones de cambio climático al 2050 y 2070.

1.4.2 Hipótesis específicos

 Realizando un monitoreo de temperaturas (máxima y mínima) se obtendrá datos para

realizar la estratificación de temperaturas para la microcuenca de la Laguna de Chacas.

 Aplicando datos de variables (temperatura media y precipitación) de modelos climáticos

globales se logrará obtener la caracterización climática dentro de la microcuenca de la

Laguna de Chacas.

 Empleando datos de variables (temperatura media y precipitación) de modelos climáticos

globales se logrará obtener proyecciones de cambio climático al 2050 y 2070 para la

microcuenca de la Laguna de Chacas.

1.5 Variables

1.5.1 Variable independiente

Modelos climáticos globales.

1.5.2 Variable dependiente

Caracterización climática.

Proyecciones de cambio climático al 2050 y 2070.

Pág.
4
 CAPÍTULO II

2. MARCO TEÓRICO

2.1 Antecedentes del estudio

Pineda et al., (2011). En su estudio realizo la caracterización climática para la microcuenca

del Río Monaicito que pertenece a la hoya hidrográfica del Lago Maracaibo en Venezuela,

utilizando el método de Thornthwhaite obteniendo valores de ETP, exceso, déficit, índice de

aridez, índice de humedad e índice hídrico anual; donde determina el que predomina un

clima subhúmedo seco y que presenta deficiencia de agua durante el año.

Franco, (2015). Realizo un mapa climático para Guatemala, en su metodología de tesis

empleo datos generados por la base climatológica mundial WolrClim correpondientes al

periodo 1950 al 2000, y se basó en una interpolación de mapas utilizando el software

ArcGIS.

Chazarra, (2004). Empleo la clasificación climática propuesta por Thornthwaite para el

territorio peninsular español y los archipiélagos Balear y Canario, utilizando un sistema de

información geográfica, empleo datos en capas raster de temperatura media y de

Pág.
5
precipitación acumulada mensuales generadas por el INM en el periodo 1971 – 2000.

Rodríguez, (2012). El objetivo de su estudio fue analizar la capacidad de los Modelos

Climáticos Globales para representar el clima actual de la región de Colombia y explorar si

existe alguna mejora del CMIP3 al CMIP5, tras el análisis que realizaron destacan algunos

modelos como el CCSM4, MPI-ESM-LR, HadCM3 y CNR-CM5.

R. del C. Vargas & Sánchez, (2012). En su estudio generaron y analizaron escenarios

climáticos futuros utilizados en el AR5 (Quinto informe de Evaluación el IPCC), la variable

analizada fue la precipitación para ello consideraron las proyecciones de los escenarios

RCP8.5 (alto), RCP6.0 (medio) y RCP4.5 W/m2 (bajo) con base en los registros históricos

correspondientes al periodo 1961 – 2000 con resolución espacial de 50 x 50 km. Como

resultado obtuvo que los escenarios muestran una clara disminución en la precipitación de

la cuenca del rio Soto La Marina – México principalmente entre los meses de mayo y agosto.

Tello, Paredes, & Cobos, (2013). Su estudio se realizó en la cuenca del Rio Itaya,

perteneciente al departamento de Loreto, empleo la metodología basado en Thornthwaite,

para ello dispuso de valores mensuales de evapotranspiración, precipitación y temperaturas

con una seria consecutiva de 35 años.

CARE & UZH, (2013). Analizaron datos mensuales que hasta hoy están disponibles de cinco

GCM, donde han calculado proyecciones estacionales para el periodo de los meses

diciembre, enero y febrero, basándose en el escenario de emisión RCP8.5. En el caso de la

temperatura se ha demostrado que en el periodo 2010-2100 todos los modelos analizados

muestran una tendencia positiva. Para el periodo 2010-2095 el aumento de la temperatura

estacional varía entre aproximadamente 2.8°C(MRI-CGCM3) y 4.2°C (GFDL-CM3). En

cuanto a la precipitación, todas las proyecciones de la precipitación estacional muestran un

aumento pequeño para la Cordillera Blanca y Negra en el siglo XXI. Así mismo recomiendan
Pág.
6
el GCM CCSM4.0 debido a que las mediciones de temperaturas diarias generadas coinciden

mucho mejor con las mediciones, la ventaja que tiene este GCM son las salidas diarias y

mensuales que están disponibles para todos los interesados.

Bustamante, (2010). En su estudio concluye que la región sur del Perú es vulnerable al

cambio climático, debido a los altos niveles de pobreza existentes en especial en la zona

rural altoandina, su realidad ambiental de aridez extrema y recurrencia de fenómenos

naturales extremos, la influencia antrópica (generalmente negativa) sobre el medio natural,

la gran dependencia hacia actividades productivas directamente afectadas por el clima, el

crecimiento poblacional y generación de grandes ciudades superando la capacidad de carga

del medio, y el limitado conocimiento de la realidad ambiental y ecológica de la región.

Sanabria, Marengo, & Valverde, (2009). Utiliza los modelos climáticos globales ETA CCS,

el HadRM3 y el RegCM4. Para determinar los cambios en el futuro pluviométrico y térmico,

a nivel anual y estacional, utilizo solo los datos de los modelos climáticos regionales tanto

de las proyecciones de los escenarios futuros A2 y B2 del periodo de 2071-2100. Donde

concluye que el modelo HadRM3, simulo mejor estacionalidad y los valores de la

climatología de la precipitación en comparación con los otros modelos.

Álvarez, León, & Pacheco, (2015). En su estudio evalúan los resultados del modelo climático

global MIROC5 para Perú y obtener una perspectiva del comportamiento futuro de las

temperaturas y las precipitaciones para la zona sur y norte del Perú. Obteniendo como

resultado se prevé un incremento de temperaturas en todo el país, pero las tendencias más

pronunciadas se esperan en el sector sur, en cuanto a las precipitaciones se espera un

incremento en la zona norte, al tiempo que puede esperarse una disminución hacia el sector

sur.

Pág.
7
MINAM, (2016). Para el estudio emplearon los escenarios de emisiones RCP 4.5 y RCP 8.5

y los modelos climáticos globales CanESM2, CNRM-CM5 y MPI-ESM-MR, por lo que

lograron obtener seis proyecciones posibles; muestran como resultados un incremento de la

temperatura a nivel nacional, sin embargo, los más altos incrementos se encuentran en la

región del altiplano y para la precipitación muestran un incremento cercano al 9% con ligera

disminución hacia el extremo norte oriental y en promedio se proyectaron incrementos de

alrededor de+1.7 °C para la temperatura máxima y mínima, este cambio será más notorio en

la zona suroeste de la región Puno.

Lujano, Diaz, Lujano, & Quispe, (2015). El estudio se realizó en la región hidrográfica del

Titicaca-Perú, en sus resultados muestran una reducción de las precipitaciones en la cuenca

Ilave y un incremento en la cuenca Ramis, en las simulaciones futuras de descargas muestran

el mismo patrón de cambio que las precipitaciones, con variaciones en promedio anual de

A2=29.3% y B2=28.1% de disminución en la cuenca Ilave y con incrementos de A2= 18.8%

y B2= 6.0% para la cuenca Ramis. Donde observan que existirá la mayor reducción de

recursos hídricos se dará en la zona sur

Lujano, Hidalgo, Diaz, Tapia, & Lujano, (2016). En su estudio recomienda el uso de los

modelos climáticos globales ACCESS1.0, ACCESS1.3 y MIROC5 que simularon

adecuadamente el ciclo estacional de las cuencas Ramis, Huancané, Coata e Ilave

pertenecientes a la cuenca del Titicaca.

2.2 Bases teóricas

2.2.1 Modelización climática

En la actualidad los modelos climáticos constituyen una herramienta esencial para analizar

el comportamiento de eventos meteorológicos y para estudiar su evolución y desarrollo. En

Pág.
8
los últimos años han sido utilizados también para evaluar el posible impacto del cambio

climático (Bazo, 2014).

Figura 1: Ejemplo de la malla o cuadricula de un modelo climático.

Fuente: The COMET, (2012).

Los modelos climáticos también son utilizados para fines operacionales, esto es, elaboración

de pronósticos climáticos mensuales, estacionales, interanuales y decanales. En los últimos

años estos modelos han experimentado un importante desarrollo para evaluar con la mayor

fiabilidad posible el impacto del cambio climático a nivel global. Las simulaciones de los

modelos para climas futuros presentan sin embargo varias incertidumbres (Bazo, 2014).

2.2.2 Modelos climáticos globales

Los modelos climáticos globales son utilizados para el estudio del clima y sus cambios en el

pasado, presente y futuro. Para simular el cambio climático, los modelos numéricos dividen

el mundo en cuadriculas o mallas tridimensionales y miden los procesos tales como la

temperatura o la precipitación en cada punto de malla o cuadrilla (Uppala et al., 2005).

En los últimos años los GCMs se han convertido en una de las herramientas más utilizadas

para mejorar la comprensión del clima y proporcionar estimaciones del cambio climático

futuro que puedan ser útiles para aquellos que estudian sus posibles consecuencias (IPCC,

2007).

Pág.
9
Los GCMs son modelos numéricos capaces de evaluar el efecto que los cambios en los

forzamientos climáticos (concentración de gases de efecto invernadero, irradiancia solar,

etc.) producen en un gran número de variables a escala global. Por ello, constituyen la base

para las proyecciones climáticas regionales (obtener variables que los GCMs no simulan

directamente y/o aumentar la resolución (Pérez, Menéndez, & Méndez, 2012).

El principal problema que presentan los GCMs es la elevada incertidumbre a la que están

sujetos. Al margen de la incertidumbre inherente a los escenarios de emisión de gases de

efecto invernadero en proyecciones futuras y el efecto de estos gases y los aerosoles en la

dinámica del sistema (van Vuuren et al., 2011), la habilidad de los GCMs en la generación

de proyecciones de cambio climático para periodos futuros está condicionada por las

distintas formulaciones y/o métodos de resolución de las ecuaciones que describen la

dinámica de la atmósfera y océano, los esquemas numéricos, las parametrizaciones de

procesos físicos, las resoluciones espaciales y temporales empleadas, la interacción de

subsistemas como los usos del suelo (Pérez et al., 2012).

Figura 2: Representación de un modelo Global de Atmósfera.

Fuente: (“Modelo de Clima Global (MCG) - Cambio Climático Global,”).

Pág.
10
2.2.3 Modelos de circulación general del CMIP5

Se muestra los modelos que se descargaron de la plataforma virtual WorldClim, los que son

datos de simulación CMIP5, también se tabulan las resoluciones de la cuadricula, es decir la

distancia entre puntos de la cuadricula adyacente en grados (“CMIP5,” 2013).

Tabla 1: Modelos climáticos globales GCMs.

Rejilla atmosférica
Centro de Modelamiento País Modelo
Lat. Long.
[Km] [Km]

Commonwealth Scientific and Industrial Research

Organization/ Bureau of Meteorology (CSIRO- Australia ACCESS1.0 1.25 1.87
BOM)

Community Climate System Model EE.UU CCSM4 0.94 1.25

MRI-
Meteorological Research Institut Japón 1.12 1.12
CGCM3

Atmosphere and Ocean Research Institute (The

University of Tokyo), National Institute for
Japón MIROC5 1.40 1.40
Environmental Studies, and Japan Agency for
Marine-Earth Science and Technology

Fuente: (“CMIP5,” 2013).

2.2.4 Escenarios de emisiones de efecto invernadero

Los modelos climáticos permiten realizar proyecciones del cambio climático relacionado

con la creciente acumulación en la atmósfera de gases de efecto invernadero (GEI), y son la

única herramienta de que se dispone para derivar objetivamente las futuras alteraciones del

clima debido a estas emisiones (Abanades et al., 2007).

Posteriormente, en el 5to Informe del IPCC, (2013) se definieron cuatro nuevos escenarios

denominados Trayectorias de Concentración Representativas (Representative Concentration

Pathway, RCPs por sus siglas en inglés). Los RCPs no especifican escenarios
Pág.
11
socioeconómicos, se caracterizan por su Forzamiento Radiativo (FR) total al final del siglo

XXI relativo a las condiciones pre-industriales. Este forzamiento oscila entre 2.6 y 8.5W/m2.

Las cuatro RCPs comprenden un escenario en el que los esfuerzos en mitigación conducen

a un nivel de forzamiento muy bajo (RCP2.6), dos escenarios de estabilización (RCP4.5 y

RCP6.0) y un escenario con un nivel muy alto de emisiones de GEI (RCP8.5) como se

muestra en la tabla 2. El escenario RCP2.6 asume que se van a reducir los gases de efecto

invernadero a corto plazo (antes de 2030 se habrán reducido todas las emisiones). El

escenario RCP4.5 considera que se comenzarán a reducir los gases de efecto invernadero

antes de 2050. El escenario RCP6.5 considera que, dentro de dos generaciones, los nacidos

en torno al año 2030 empezarán a tomar decisiones, reduciendo las emisiones de manera

efectiva y de forma apresurada. El último escenario, el RCP8.5 considera que no se tomarán

medidas, y seguirán las emisiones de gases de efecto invernadero al mismo nivel de hoy en

día (van Vuuren et al., 2011).

Tabla 2: Escenarios del 5to informe del IPCC, se presenta rango del aumento proyectado de las temperaturas
para el año 2100. (IPCC, 2013).

FR (W/ m2) Tendencia FR en 2100 CO2 en 2100 Aumento T° (C)

RCP2.6 2.6 Decreciente 421 ppm 0.3 - 1.7

RCP4.5 4.5 Estable 538 ppm 1.1 - 2.6

RCP6.0 6.0 Creciente 670 ppm 1.4 - 3.1

RCP8.5 8.5 Creciente 936 ppm 2.6 - 4.8

Fuente: (IPCC, 2014).

Los nuevos RCPs pueden contemplar los efectos de las políticas orientadas a limitar el

cambio climático del siglo XX, frente a los escenarios de emisión utilizados en el cuarto

informe del IPCC (IPCC, 2007), que en contraposición no los contemplaban. Por eso los

escenarios RCP dan una imagen de desarrollo socio-económico más realística que los SRES

Pág.
12
(CARE & UZH, 2013).

2.2.5 Base de datos climatológicos mundial WorldClim

Es una plataforma de capas climáticas globales que contiene diferentes resoluciones

espaciales: 10 minutos, 5 minutos, 2.5 minutos, 30 segundos en formato archivo raster. Un

raster es un archivo utilizado en los SIG que presenta un área espacial dividida en celdas o

pixel. Cada celda está asociada al valor de un atributo. Los datos que presenta esta plataforma

pueden ser utilizados para mapeo y modelaje espacial en diversos sistemas de información

geográfica (SIG) o en otros softwares compatibles (Hijmans, Cameron, Parra, Jones, &

Jarvis, 2005)

Para el desarrollo de esta plataforma se recopilaron datos aproximados de 46 000 estaciones

meteorológicas que registraron datos mensualmente en áreas locales, nacionales, regionales

y globales, correspondiendo al período 1950 – 2000. Los datos fueron interpolados

utilizando algoritmos para crear superficies climáticas globales con datos de precipitación y

temperatura máximas, mínimas y medias tomando en cuenta la altitud de un modelo de

elevación digital elaborado por la Agencia de Administración Nacional de Aeronáutica y del

Espacio de los Estados Unidos (NASA) (Hijmans et al., 2005).

2.2.6 El clima

Se suele definir el clima, en sentido estricto, como el “promedio del estado del tiempo” o,

más rigurosamente, como una descripción estadística en términos de valores medios y de

variabilidad de las cantidades de interés durante un período que puede abarcar desde algunos

meses hasta miles o millones de años (IPCC, 2001). De acuerdo con Zúñiga & Crespo,

(2015), el clima de un lugar determinado puede definirse como una descripción estadística

del estado atmosférico durante cierto lapso de tiempo.

Pág.
13
2.2.7 Variables Climáticas

2.2.7.1 Temperatura

Es el elemento más importante del clima, en la naturaleza todo aparece gobernado por lo

térmico. Consecuentemente la temperatura es la causa de la circulación atmosférica y por

tanto el verdadero motor del sistema climático. Al mismo tiempo una fuerza motriz, la

temperatura es el elemento más sensible del clima. Fundamento básico del mundo vegetal a

través de la energía fotosintética, puede afirmarse que constituye la fuente de toda la vida

sobre la superficie del globo. Por ello la distribución de las formaciones vegetales del globo

coincide con la de las temperaturas (Quereda, 2005).

2.2.7.2 Precipitación

Las precipitaciones son la fuente de agua, procedente de las nubes, que llega a la superficie

terrestre, tanto en forma líquida como sólida. La cantidad de precipitación puede ser

caracterizada según su distribución, diferencias climáticas y regímenes pluviométricos

(Fernández, 1995).

Según McNeill & Townley, (1986), la precipitación es la liberación de agua de la atmósfera

para llegar a la superficie de la tierra. El término "precipitación" abarca todas las formas de

agua que libera la atmósfera, incluida la nieve, el granizo, la aguanieve y la lluvia. Es la

mejor entrada de agua a la zona de captación de un río y, como tal, evaluación en cualquier

estudio hidrológico

2.2.8 Sistema climático

El sistema climático está conformado por cinco elementos o cinco subsistemas principales:

la atmósfera, la hidrósfera, la criósfera, la litósfera y la biósfera, y las interacciones entre

ellas. Por ello evoluciona en el tiempo bajo la influencia de su propia dinámica interna debido
Pág.
14
a forzamientos externos, por ejemplo, erupciones volcánicas, variaciones solares y

forzamientos inducidos por el hombre tales como la composición cambiante de la atmosfera

y el cambio en el uso de las tierras (IPCC, 2001).

Figura 3: Esquema del sistema climático (atmosfera, hidrosfera, criosfera, biosfera y litosfera).

Fuente: (OMM, 2011).

Las observaciones del sistema climático se basan en mediciones directas y en la

teledetección desde satélites y otras plataformas, a escala mundial comenzaron a efectuarse

en la era instrumental, a mediados del siglo XIX, y desde 1950 existen conjuntos de

observaciones más completos y diversos. Las reconstrucciones paleoclimáticas aportan

registros que se remontan a siglos o millones de años. Conjuntamente, proporcionan una

visión global de la variabilidad y los cambios a largo plazo en la atmósfera, los océanos, la

criosfera y la superficie terrestre (IPCC, 2013).

2.2.9 Cambio climático

Es una importante variación estadística en el estado medio del clima o en su variabilidad,

que persiste durante un período prolongado (normalmente decenios o incluso más). El

cambio climático se puede deber a procesos naturales internos o a cambios del forzamiento

Pág.
15
externo, o bien a cambios persistentes antropogénico en la composición de la atmósfera o en

el uso de las tierras (IPCC, 2001).

Se debe tener en cuenta que la Convención Marco de las Naciones Unidas sobre el Cambio

Climático (Naciones Unidas, 1992), en su Artículo 1, define ‘cambio climático’ como: ‘un

cambio de clima atribuido directa o indirectamente a la actividad humana que altera la

composición de la atmósfera mundial y que se suma a la variabilidad natural del clima

observada durante períodos de tiempo comparables’.

2.2.10 Clasificación climática

El clima predominante en una región está caracterizado por la combinación de todos los

elementos climáticos, que a su vez son determinados por factores geográficos. Dicha

combinación es lo que crea el régimen climático de cada lugar. Los sistemas de clasificación

climática son los que ordenan esta información y establecen cada régimen. Existen diferentes

sistemas que han sido clasificados de acuerdo a tres criterios: fisionómicos, genéticos y de

vegetación (Errazuriz et al., 1998).

Las principales clasificaciones climáticas se basan en la influencia del clima sobre la

vegetación, de forma que cada región climática coincide con un tipo de vegetación, tundra,

bosque, selva virgen, estepa o desierto. Unos tipos de vegetación natural ya constituye un

primer y básico indicador de los cultivos mejor adaptables a las condiciones climáticas

década lugar (Quereda, 2005).

2.2.11 Clasificación climática de Thornthwaite

Este sistema fue postulado en 1948 y actualizado en 1955 definiendo regiones climáticas

según la distribución de la vegetación basada en índices de humedad, tomando en cuenta

valores de precipitación, temperatura y evapotranspiración potencial (ETP). Thornthwaite

Pág.
16
definió la ETP como “la cantidad de humedad que se transfiere de un suelo cubierto de

vegetación a la atmósfera por evaporación y transpiración, si la humedad se presentara

constantemente en cantidad óptima”. Combinando el valor de la ETP mensual con la

precipitación y la temperatura se obtiene el excedente de agua o el déficit de agua para los

suelos en cada lugar; de esta manera es posible determinar los índices de precipitación y

evapotranspiración (P/E) y de temperatura y evapotranspiración (T/E) (Cuadro 1). Estos son

la base de la división de provincias de humedad a escala global (URL-IARNA, 2014).

2.2.12 Cuenca hidrográfica

Es una zona de la superficie terrestre en donde las gotas de lluvia que caen sobre ella tienden

a ser drenadas por el sistema de corrientes hacia un mismo punto de salida, se delimita por

la línea de las cumbres, llamada divisoria de aguas. Una cuenca hidrográfica es un área de

terreno que drena agua en un punto común, como riachuelo, arroyo, rio o lago cercano

(Aparicio, 1996).

2.2.13 Delimitación de una cuenca

Se realiza sobre un plano o mapa a curvas de nivel, siguiendo las líneas del divortium

acuarum (parteaguas), la cual es una línea imaginaria, que divide a las cuencas adyacentes y

distribuye el escurrimiento originado por la precipitación, que, en cada sistema de corriente,

fluye hacia el punto de salida de la cuenca. El parteaguas está formado por los puntos de

mayor nivel topográfico cruza las corrientes en los puntos de salida, llamado estación de

aforo (Villon, 2002).

2.3 Marco Conceptual

2.3.1 Escenario de emisión:

Pág.
17
Una representación plausible de cómo puede evolucionar el futuro, basado en el desarrollo

de las emisiones de sustancias que son potencialmente radiactivamente activo (por ejemplo,

los gases de efecto invernadero, aerosoles), basado en un conjunto coherente e internamente

coherente de supuestos acerca de la conducción fuerzas (como el desarrollo demográfico y

socioeconómico, el cambio tecnológico) (IPCC, 2013).

2.3.2 Evapotranspiración:

Es el proceso combinado de la evaporación de la superficie y transpiración de la vegetación

de la Tierra (IPCC, 2001).

2.3.3 Forzamiento radiativo:

Los gases de efecto invernadero y los aerosoles antropógenos afectan el sistema climático,

pueden alterar el equilibrio entre la energía solar absorbida y la radiación infrarroja emitida.

El desequilibrio se cuantifica como “forzamiento radiativo”, que se define como el cambio

de la radiación neta descendente que se opera en la tropopausa por ejemplo se alteran las

cantidades de gases de efecto invernadero y aerosoles (IPCC, 1997).

2.3.4 Proyección:

Es una potencial evolución futura de una cantidad o conjunto de cantidades, a menudo

calculadas con la ayuda de un modelo (IPCC, 2001).

2.3.5 Proyección Climática:

Es la simulada respuesta del sistema climático a escenarios de emisiones o concentraciones

de gases de efecto invernadero y aerosoles, o escenarios de forzamiento radiativo, que se

basan a menudo en simulaciones climáticas (IPCC, 2001).

Pág.
18
2.3.6 RCPs:

Son trayectorias de concentración representativas, forman un conjunto de concentración de

gases de efecto invernadero y vías de emisión diseñadas para apoyar la investigación sobre

los impactos y las posibles respuestas políticas al cambio climático (van Vuuren & Riahi,

2011).

2.3.7 Resolución:

En los modelos climáticos, este término se refiere a la distancia física (metros o grados),

entre cada punto en la grilla usada para estimar las ecuaciones. La resolución espacial se

refiere al paso del tiempo entre cada calculo o estimación de las ecuaciones (IPCC, 2013).

Pág.
19
 CAPÍTULO III

3. METODOLOGÍA DE LA INVESTIGACIÓN.

3.1 Tipo de investigación

La investigación tiene un enfoque Cuantitativo, por cuanto se utiliza la recolección y el

análisis de datos que responden las preguntas de investigación, con base en el proceso

empírico y análisis estadístico para establecer con exactitud los patrones de comportamiento

de las variables.

El alcance de la investigación es de tipo descriptivo y correlacional, teniendo como propósito

evaluar el grado de asociación entre las variables, al momento de describir situaciones y

eventos del lugar de estudio.

3.2 Técnicas e instrumentos

3.2.1 Técnicas.

- Monitoreo de temperaturas in situ y procesamiento de información.

Pág.
20
- Recolección y análisis de datos temperatura y precipitación de la plataforma virtual

Worldclim.

- Procesamiento de información en el software ArcGIS.

3.2.2 Instrumentos.

Se empleó en el procesamiento e impresión:

- Hardware: Computadora, impresora y accesorios.

- Software: Office 2013, ArcGIS v-10 2.2

- Materiales de escritorio.

- Información cartográfica: Carta nacional a escala 1/25 000 digitalizados bajo el entorno

de GIS con equidistancia mínima de curvas de nivel de 50 m.

- Datos de variables climáticas (temperatura máxima, temperatura media, temperatura

mínima y precipitación), descargados de la plataforma virtual del WorldClim que están en

formato GeoTiff (.tif) con una resolución espacial de 30 segundos que equivale a 1𝑘𝑚2

aproximadamente.

- Termómetros de máxima y mínima.

- Garmin GPSMAP 78

- Fichas de registro para monitoreo.

3.3 Procedimientos

Se desarrolló por cada objetivo específico con el fin de tener mayor comprensión, a

continuación, se presentan las fases a seguir para la realización de la presente investigación:

3.3.1 Estratificación de temperaturas con datos generados dentro de la microcuenca

de la Laguna de Chacas

Pág.
21
3.3.1.1 Microcuenca de la Laguna de Chacas

La Laguna de Chacas pertenece a la cuenca del Rio Coata, se ubica al noroeste de la ciudad

de Juliaca, en este espacio se concentra abundante diversidad biológica, esto hace que se

convierta en un ecosistema de vital importancia para su conservación ya que brinda

importantes recursos naturales a la población ubicada en la zona en el área concerniente a

los poblados de Cocan, Chacas, Cochaquinray y Unocolla.

Ubicada a 10 km al noroeste de la ciudad de Juliaca, es una laguna rodeada por bastos cerros

como el Iquinito su altitud oscila entre 3832 y 4475 msnm, la laguna posee

forma fusiforme y una superficie de 6,2 Km2 aproximadamente.

3.3.1.2 Delimitación del área de estudio

Descarga de cartas nacionales del aplicativo para la descarga de instituciones educativas,

centros poblados y cartografía base versión 2.0 del ministerio de educación (MINEDU,

2011) se puede visitar el link de descarga: http://sigmed.minedu.gob.pe/descargas/.

La delimitación se realizará de manera manual, utilizando la carta nacional 31v donde se

ubica la microcuenca que contiene la información de cotas, ríos, lagos, etc, se trazara con

líneas a partir de las cotas más elevadas que son la divisoria entre cuencas con el ArcMap

del software ArcGis 10.2.

3.3.1.3 Estratificación de temperaturas

La estratificación de temperaturas se realizará generando información con la distribución e

instalación de termómetros de máxima y mínima a diferentes niveles de elevación con la

ayuda de un GPS dentro del área de estudio, donde se dividirán en tres sectores los que son

más importantes por encontrarse ubicada las comunidades Cochaquinray, Cocan, Chacas y

un cuarto sector Unocolla, los que realizan diferentes actividades agrícolas y agropecuarias.
Pág.
22
El trabajo de campo será efectuado previa coordinación y autorización de los pobladores de

la microcuenca de Chacas.

Figura 4: Reunión de coordinación y difusión de la investigación.

Fuente: Elaboración Propia – 2016.

3.3.1.4 Calibración de termómetros

Para realizar la calibración de termómetros se instalara 2 termómetros de máxima y mínima

en la estación meteorológica Juliaca con previa autorización de SENAMHI esta se ubica

cerca al área de estudio, el cual consistió en colocar los termómetros de forma horizontal con

una dirección de norte a sur con el fin de que el sol no llegue a distorsionar la medición de

temperaturas tal como se muestra en la Figura 5, los termómetros fueron ubicados sobre

soportes de 1.5 m de altura y pintados de color blanco.

La medición de temperaturas máximas y mínimas dentro de 24 horas fue registrada en

nuestra ficha de campo, el registro de la medición de la temperatura mínima se realizó a las

7:00 am y la temperatura máxima se realizó a las 7: 00 pm, la calibración de termómetros se

realizó durante 5 días.

Pág.
23
 Figura 5: Ubicación y calibración de termómetros máxima y mínima.

Fuente: Estación meteorológica Juliaca – 2016.

3.3.1.5 Ubicación de puntos de monitoreo

Los puntos de monitoreo fueron distribuidos en 4 sectores: Unocolla, Cocan, Chacas y

Cochaquinray, el criterio para la distribución altitudinal fue según a la diferencia de cotas

base (laguna) que se encuentra a 3835 msnm y la cima 4475 m.s.n.m como se muestra en la

Tabla 7, la ubicación de puntos de monitoreo se efectuó con un GPS.

Figura 6: Ubicación de puntos de monitoreo en el sector chacas, cerro Iquinito.

Fuente: Elaboración Propia – 2016.

Se instalaron 3 termómetros por sector, un termómetro se ubicó en la zona baja de la

microcuenca y otro termómetro en la zona más alta (cerro Iquinito) que se ubica a 4475

m.s.n.m., con el fin de abordar toda el área de estudio.

Pág.
24
 Tabla 3: Ubicación de puntos de monitoreo de temperatura máxima y mínima en la microcuenca de la
Laguna de Chacas.
Este Norte Altitud
No SECTOR UBICACIÓN
(m) (m) (msnm)

1 UNOCOLLA BASE 371588 8295016 3835

BASE 368752 8295921 3835

2 COCHAQUINRAY MEDIO 368428 8295746 3985
CIMA 368178 8295586 4135

BASE 372061 8295841 3835

3 COCAN MEDIO 372061 8295841 3985
CIMA 372091 8296165 4135

BASE 3668705 8297986 3835

MEDIO 367211 8302189 3985
4 CHACAS
CIMA 367033 8302841 4135
IQUINITO 367273 8303897 4575

Fuente: Elaboración Propia – 2016.

3.3.1.6 Instalación de termómetros de máxima y mínima

La instalación de termómetros se realizó según a la distribución altitudinal para los cuatro

sectores (Tabla 3), se ubicó los puntos de monitoreo, se instaló los 11 soportes de madera de

1.5 de altura pintados de color blanco, posteriormente se colocó los termómetros para iniciar

con la medición y registro de datos, el registro de información temperatura máxima y mínima

en un día fue a las 8:00 am.

Pág.
25
Figura 7: a) Ubicación e instalación de termómetros de máxima y minina sector Cochaquinray, b) Instalación
de termómetros en el sector Cocan, c) Instalación de termómetros en sector Chacas, d) ubicación de
termómetro de máxima y mínima en el cerro Iquinito.

Fuente: Elaboración Propia – 2016.

3.3.1.7 Procesamiento de información

Se analizó y ordeno la información registrada en campo dentro del área de estudio en

Microsoft Excel se estimó la línea de tendencia y el coeficiente de determinación (𝑅 2 ) que

fue clasificado bajo los criterios de muy bueno >0.95, bueno de 0.85 – 0.95, satisfactorio de

0.65 – 0.85 e insatisfactorio <0.65 (Andersen, Refsgaard, & Jensen, 2001). El procesamiento

de la estratificación de temperatura máxima y mínima se realizó en el ArcMap.

Pág.
26
3.3.2 Caracterización climática a partir de variables (temperatura media y
precipitación) de los modelos climáticos globales.

3.3.2.1 Descarga de datos

Descarga de datos de la plataforma de capas climáticas globales WorldClim, en una

resolución de 30 segundos http://www.worldclim.org/. Para los escenarios 4.5 y 8.5 con

resolución mensual, en formato raster de las variables:

- Temperatura máxima.

- Temperatura mínima.

- Temperatura media.

- Precipitación.

Descarga de datos correspondientes a los periodos:

- Histórico: 1970–2000 (versión 2.0)

- Futuro: 2050 (versión 1.4)

- Futuro lejano: 2070 (versión 1.4)

Tabla 4: MCG aplicados en la investigación.

MCG CODE RCP 4.5 RCP 8.5

ACCESS1-0 AC tn, tx, pr tn, tx, pr

CCSM4 CC tn, tx, pr tn, tx, pr

MIROC5 MC tn, tx, pr tn, tx, pr

MRI-CGLM3 MG tn, tx, pr tn, tx, pr

Fuente: http://www.worldclim.org/cmip5_30s.

Los escenarios futuros utilizados corresponden a RCP4.5 Y RCP8.5 tal como se muestra en

la Tabla 4.

Pág.
27
 Tabla 5: Ubicación de estaciones meteorológicas.
Este Norte Altitud
No Estación
(m) (m) (msnm)
1 Arapa 379823 8326267 3892
2 Cabanillas 355704 8270533 3900
3 Juliaca 370424 8292187 3830
4 Lampa 352861 8301728 3929
5 Pampahuta 320200 8287459 4292
Fuente: Elaboración Propia – 2016.

3.3.2.2 Validación de datos observados Vs WorldClim

Para realizar la validación de datos se utilizará datos observados de temperatura media y

datos de precipitación total mensual del periodo 1970 – 2000 de 5 estaciones (Tabla 5) de la

red meteorológica del servicio nacional de meteorología e hidrología (SENAMHI-Perú), que

se ubican próximos al área de estudio, los que serán necesarios para validar los datos

simulados de los modelos climáticos que se encuentra en la plataforma del Worldclim.

Para ello se consideró los promedios mensuales de las 5 estaciones meteorológicas (Lampa,

Cabanillas, Juliaca, Arapa y Pampahuta) y los datos históricos comprendidos entre los años

1970 - 2000 de los modelos climáticos globales del WorldClim.

Para cada modelo se estimó el coeficiente de determinación (𝑅 2 ) y coeficiente de correlación

(r) que es clasificado por el autor Andersen et al., (2001).

Criterios de clasificación:

 Muy bueno > 0.95

 Bueno de 0.85 – 0.95

 Satisfactorio de 0.65 – 0.85

 Insatisfactorio < 0.65

Pág.
28
Con la validación de datos se determinó la caracterización climática y proyecciones de

cambio climático al 2050 y 2070.

a. Definición de grandes unidades por variable climática.

Utilizando los mapas generados por la base climatológica mundial de WorldClim con datos

correspondientes a los años de 1970 a 2000, se delimitó la distribución geográfica de las

variables climáticas que pueden definir el clima en la microcuenca de la Laguna de Chacas.

Para obtener una mejor intersección de las variables, se utilizó la interpolación por Spline

para aumentar la resolución de cada pixel en los mapas, de esta manera se minimizó la

curvatura general de cada pixel y se obtuvo una superficie suavizada de cada mapa para

obtener una visualización adecuada para el área de estudio.

b. Temperatura media anual

Para evaluar la distribución geográfica de la temperatura en el área de estudio, se tomaron

en cuenta los valores promedio mensuales de la temperatura en formato geográfico que

generó la base de datos de WorldClim con los cuales se desarrolló el mapa isotermas.

c. Precipitación total anual

Para evaluar la distribución geográfica de la precipitación, se utilizaron los valores de las

precipitaciones mensuales totales obtenidos de la base de datos de WorldClim y se generó el

mapa de isoyetas para precipitación total anual. Para delimitar las unidades de precipitación

se utilizó el método de spline, el cual es uno de los métodos de clasificación de ArcGIS.

Para determinar la caracterización climática se extrajo los valores temperatura y

precipitación de cada celda dentro del área de estudio, para obtener los índices climáticos se

empleó el método de clasificación climática de Thornthwhaite.

Pág.
29
3.3.2.3 Clasificación climática de Thornthwhaite (1948)

Se basó en el concepto de evapotranspiración potencial que se define como la pérdida total

de agua y en el balance de vapor de agua, para ello mostramos la ecuación de Thornthwhaite

que determina la evapotranspiración exclusivamente a partir de la temperatura media sin

considerar otras características de clima.

a. Evapotranspiración potencial mensual

𝑡
𝐸𝑇𝑃 = 16(10 𝐼 )𝑎 ……… (Ec. 1)

Donde:

𝐸𝑇𝑃 = Evapotranspiración potencial mensual sin corregir en mm.

𝑡 = Temperatura media mensual en °C.

𝐼 = ∑𝑖 = Índice térmico anual.

𝑡
𝑖 = (5)1.214 = índice térmico mensual

𝑎 = 0.6751𝑥10−6 𝐼 3 − 0.771𝑥10−4 𝐼 −2 + 0.01792 𝐼 + 0.49239

𝑎 = Exponente que varía con el índice anual de calor de la localidad.

b. Corregir evapotranspiración potencial mensual con el factor 𝑭

Para corregir el valor de 𝑒, de acuerdo con el mes considerado y a la latitud de la localidad que

determinan las horas del sol, cuyos valores se obtienen de la Tabla 11.

𝐸𝑇𝑃𝑐 = 𝐹 𝑥 𝐸𝑇𝑃…………(Ec. 2)

Donde:

𝐸𝑇𝑃𝑐 = Evapotranspiración potencial mensual corregida, en mm.

𝐹 = Factor de corrección.

𝐸𝑇𝑃 = Evapotranspiración potencial mensual sin corregir, en mm.

Pág.
30
Tabla 6: Factor de corrección 𝑓 por duración media de las horas de sol expresada en unidades de 30 dias, con
12 horas de sol cada una.
Latitud E F M A M J J A S O N D
50 0.74 0.78 1.02 1.15 1.33 1.36 1.37 1.25 1.06 0.92 0.76 0.70
45 0.80 1.02 1.13 1.28 1.29 1.31 1.21 1.04 0.94 0.79 0.75
40 0.84 0.83 1.03 1.11 1.24 1.25 1.27 1.18 1.04 0.96 0.83 0.81
35 0.87 0.85 1.03 1.09 1.21 1.21 1.23 1.16 1.03 0.97 0.86 0.85
Norte

30 0.90 0.87 1.03 1.08 1.18 1.17 1.20 1.14 1.03 0.98 0.89 0.88
25 0.93 0.89 1.03 1.06 1.15 1.14 1.71 1.12 1.02 0.99 0.91 0.91
20 0.95 0.90 1.03 1.05 1.13 1.11 1.14 1.11 1.02 1.00 0.93 0.94
15 0.97 0.91 1.03 1.04 1.11 1.08 1.12 1.08 1.02 1.01 0.95 0.97
10 0.98 0.91 1.03 1.03 1.08 1.06 1.08 1.07 1.02 1.02 0.98 0.99
5 1.00 0.93 1.03 1.02 1.06 1.03 1.06 1.05 1.01 1.03 0.99 1.02
0 1.02 0.94 1.04 1.01 1.04 1.01 1.04 1.04 1.01 1.04 1.01 1.04
5 1.04 0.95 1.04 1.00 1.02 0.99 1.02 1.03 1.00 1.05 1.03 1.06
10 1.08 0.97 1.05 0.99 1.01 0.96 1.00 1.01 1.00 1.06 1.05 1.10
15 1.12 0.98 1.05 0.98 0.98 0.94 0.97 1.00 1.00 1.07 1.07 1.12
20 1.14 1.00 1.05 0.97 0.96 0.91 0.95 0.99 1.00 1.08 1.09 1.15
25 1.17 1.01 1.05 0.96 0.94 0.88 0.93 0.98 1.00 1.10 1.11 1.18
Sur

30 1.20 1.03 1.06 0.95 0.92 0.85 0.90 0.96 1.00 1.12 1.14 1.21
35 1.23 1.04 1.06 0.94 0.89 0.82 0.87 0.94 1.00 1.13 1.17 1.25
40 1.27 1.06 1.07 0.93 0.86 0.78 0.84 0.92 1.00 1.15 1.20 1.29
45 1.31 1.10 1.07 0.91 0.81 0.71 0.78 0.90 0.99 1.17 1.26 1.36
50 1.37 1.12 1.08 0.89 0.77 0.67 0.74 0.88 0.99 1.19 1.29 1.41
Fuente: (Thornthwaite, 1948).

c. Variación de la reserva

Son los cambios que en la humedad del suelo se operan, es decir si hay aportes y

almacenamiento del agua en el suelo (+), o, al contrario, si hay extracción y perdida de esta

humedad (-). Los cálculos se iniciaron en el mes donde la precipitación es mayor que la

evapotranspiración 𝑃 > 𝐸𝑇𝑃𝑐, después de un periodo de sequía,, como el suelo es un

depósito de capacidad limitada, cuando ya está saturado no habrá variación de reserva de

humedad.

𝑉 = 𝑃 − 𝐸𝑇𝑃𝑐…………(Ec. 3)

d. Reserva de agua disponible

Indica la capacidad de agua que existe en el depósito (suelo), está en función del tipo de

suelo y de la profundidad radicular el valor máximo es de 100 mm. Inicia en el mes cuando

la 𝑃 > 𝐸𝑇𝑃𝑐 Cuando el suelo ya está saturado, la reserva ya no varía o cuando ya no hay

reserva.
Pág.
31
e. Evapotranspiración potencial efectiva ocurrida:

Indica la lámina de agua que ha sido evaporada.

- Cuando 𝑃 < 𝐸𝑇𝑃, y hay reserva de agua disponible en el suelo para satisfacer toda la

evapotranspiración, es numéricamente igual a la ETP.

- Cuando 𝑃 > 𝐸𝑇𝑃 y hay reserva de agua disponible, pero no para satisfacer toda la

evapotranspiración es igual a la precipitación.

𝐸𝑇𝐴 = 𝑃 + 𝑅…………(Ec. 4)

f. Déficit o sequia:

Indica la cantidad de agua en mm de altura, que falto para satisfacer la evapotranspiración

potencial, por un agotamiento de las reservas en el suelo, en ausencia de precipitaciones, por

ello el déficit se desarrolla con la siguiente operación:

𝐷 = 𝐸𝑇𝑃𝑐 − 𝐸𝑇𝐴…………(Ec. 5)

g. Excedente:

Representa el agua que habiendo caído por precipitación queda como un sobrante, luego de

haber proporcionado la cantidad necesaria para la evapotranspiración potencial y para

completar la reserva en el suelo.

Cuando la variación de las reservas es 0:

𝐸 = 𝑃 − 𝐸𝑇𝑃𝑐…………(Ec. 6)

Cuando la variación de las reservas no es igual a 0:

𝐸 = 𝐸𝑇𝑃𝑐 − 𝐸𝑇…………(Ec. 7)

Pág.
32
h. Índice de humedad

Es el primer digito de la clasificación de Thornthwaite, (1948), está representado por una

letra mayúscula y expresa el grado de humedad de un lugar.

Es necesario hacer un balance de agua del suelo en el que intervengan precipitaciones medias

mensuales (P), evapotranspiración potencial mensuales (ETP), reservas de agua del suelo

(R), variación de la reserva de agua (V), Evapotranspiración potencial real mensual (ETA),

déficit (D) y excesos mensuales de agua (E). Viene dado por la siguiente formula:

𝐼𝑚 = 100 𝐸 − 60 𝑃)/𝐸𝑇𝑃…………(Ec. 8)

Donde:

𝐸= Exceso de humedad en el año.

𝐷= Deficiencia de humedad en el año.

𝐸𝑇𝑃= Evapotranspiración potencial mensual.

Se otorga mayor importancia al excedente que al déficit puesto que se supone que los excesos

pueden aportar humedad a posteriores periodos sin lluvia. Una vez calculado el 𝐼𝑚 podemos

escoger los valores de humedad que fueron obtenidos en función a la clasificación del

sistema de (Thornthwaite, 1948).

Tabla 7: Regiones hídricas para climas secos.

Sigla Tipo de clima Índice Hídrico
C1 Subhúmedo seco -33,3 a 0
D Semiárido -66,6 a –33,3
E Árido -66,6 a –100

Fuente: (Thornthwaite, 1948).

i. Índice de la variación estacional de la humedad

Pág.
33
Una vez conocido el grado de humedad procedemos a determinar el segundo digito. Esta

presentado por una letra minúscula que indica como es la variación estacional de la humedad

en el lugar que se está clasificando. Si dicho lugar presenta un clima húmedo se emplea la

fórmula de índice de aridez 𝐿𝑎 , por el contrario si el área de estudio tiene un clima seco,

utilizamos el índice de humedad 𝐿ℎ , para saber cómo está distribuida la posible humedad

que exista en el lugar y qué importancia tiene esta estación húmeda.

j. Índice de aridez:

𝐿𝑎 = (100 𝐷)/𝐸𝑇𝑃…………(Ec. 9)
Donde:

𝐷 = deficiencias en el año

Tabla 8: índices de aridez para climas Húmedos.

Sigla Climas Húmedos (A, B1,C2) Índice de Aridez
r Nula o pequeña deficiencia de agua 0 a 16,7
s Deficiencia moderada de agua en verano 16,7 a 33,3
w Deficiencia moderada de agua en invierno 16,7 a 33,3
s2 Gran deficiencia de agua en verano Más de 33,3
w2 Gran deficiencia de agua en invierno Más de 33,3
Fuente: (Thornthwaite, 1948).

k. Índice de humedad:

𝐿ℎ = (100 𝐸)/𝐷…………(Ec. 10)

Donde:

𝐷 = Deficiencias en el año

𝐸 = Excedentes en el año

Pág.
34
 Tabla 9: Índice de aridez para climas secos.
Sigla Climas secos (C1, D,E) Índice de Humedad
d Nulo o pequeño exceso de agua 0 a 10
s Exceso moderado de agua en invierno 10 a 20
w Exceso moderado de agua en verano 10 a 20
s2 Gran exceso de agua en invierno Más de 20
w2 Gran deficiencia de agua en invierno Más de 20
Fuente: (Thornthwaite, 1948).

l. Índice de eficiencia térmica

El tercer digito lo constituye una letra mayúscula con apostrofe que indica la eficiencia

térmica, del lugar considerado. Este se determina mediante la suma de las

evapotranspiraciones potenciales en mm.

El autor Thronthwaite utiliza el valor de la ETP como índice de la eficiencia térmica, ya que

considera que la ETP está en función de la temperatura y la duración del día. Los tipos de

clima según el índice de eficiencia térmica son:

Tabla 10: Índices de eficiencia térmica.

SIMBOLO REGIÓN TÉRMICA ETP (mm)
A’ Megatérmica o Cálida 1140 y mas
B’4 Mesotérmica Semi cálida 997 a 1140
B’3 Mesotérmica Templada Cálida 855 a 997
B’2 Mesotérmica Templada Fría 712 a 855
B’1 Mesotérmica Semi fría 570 a 712
C’2 Microtérmica Fría Moderada 427 a 570
C’1 Microtérmica Fría Acentuada 285 a 427

D’ Tundra 142 a 285

E’ Helado o Glacial Menos de 142

Fuente: (Thornthwaite, 1948).

m. Índice de concentración de la eficiencia térmica en verano

El índice de la concentración de la eficiencia térmica en verano es el cuarto y último digito

de la clasificación de Thornthwhaite. Se expresa con una letra minúscula con apostrofe e

Pág.
35
indica como es el régimen térmico durante el verano en relación al resto del año, o lo que es

similar, cual es el nivel de concentración de las temperaturas altas durante esa época del año.

Dicho índice se determina sumando los valores de ETP de los tres meses de verano

(diciembre, enero, febrero y marzo para el hemisferio sur) y relacionándolos con la sumatoria

de la ETP anual (12 meses) expresada en %, viene dado por la siguiente formula:

𝐸𝑇𝑃 𝑣𝑒𝑟𝑎𝑛𝑜
𝐶𝑣 = 𝑥100…………(Ec. 11)
𝐸𝑇𝑃 𝑎𝑛𝑢𝑎𝑙

Obteniendo el valor en porcentaje se busca entre los límites que se muestra en la tabla y que

letra corresponde.

Tabla 11: Índice de eficiencia térmica en verano.

Tipo de Clima % Verano / año
a’ Menos del 48
b’4 48 a 51.9
b’3 51.9 a 56.3
b’2 56.3 a 61.6
b’1 61.6 a 68.0
c’2 68.0 a 76.3
c’1 76.3 a 88.0
d’ Más de 88%
Fuente: (Thornthwaite, 1948).

3.3.3 Proyecciones de cambio climático al 2050 y 2070.

Para determinar la variación del clima futuro se utilizó la base de datos provenientes de los

escenarios RCP 4.5 y RCP 8.5, aplicando el método de delta Change (Ramirez & Jarvis,

2010) con los siguientes métodos se pueden calcular las diferencias en las simulaciones de

los modelos climáticos actuales.

a. Para determinar la variación temperatura futura:

∆𝑇𝑓 = 𝑇𝑓 − 𝑇𝑟 …………(Ec. 12)

Pág.
36
Donde ∆Tf es la variación de temperatura futura, Tf son los valores futuros para el horizonte

2050 – 2070 y 𝑇𝑟 son los valores de climatología actual.

b. Para determinar la variación de precipitación futura:

∆% = (𝐹−𝑃
𝑃
)∗100…………(Ec. 13)

Donde ∆% son los cambios de lluvias en porcentaje, F son los valores futuros para el

horizonte 2050 – 2070 y P son los valores de la climatología actual.

El procesamiento de la información se realizó de forma anual, de esta manera serán

presentadas las proyecciones climáticas para las variables de precipitación y temperaturas

media.

3.3.4 Matriz de consistencia

Pág.
37
 MATRIZ DE CONSISTENCIA
“APLICACIÓN DE MODELOS CLIMÁTICOS GLOBALES PARA LA CARACTERIZACIÓN CLIMÁTICA PARA LA MICROCUENCA DE LA LAGUNA DE CHACAS Y SUS PROYECCIONES
DE CAMBIO CLIMÁTICO AL 2050 Y 2070”
AUTOR: CALCI QUISPE BERTZISS EUFEMIA
PLANTEAMIENTO DEL PROBLEMA OBJETIVOS HIPÓTESIS VARIABLES DEPENDIENTES E METODOLOGÍA
PROBLEMA GENERAL OBJETIVO GENERAL HIPÓTESIS GENERAL INDEPENDIENTES TIPO DE INVESTIGACIÓN
¿De qué manera se pueden aplicar
Aplicando datos de variables
datos de variables climáticas
Aplicar datos de modelos climáticos (temperatura y precipitación) de
(temperatura y precipitación) de los
globales para realizar la caracterización modelos climáticos globales se logrará
modelos climáticos globales para la Investigación cuantitativa.
climática en la microcuenca de la obtener la caracterización climática
caracterización climática para la
Laguna de Chacas y sus proyecciones para la microcuenca de la Laguna de
microcuenca de la Laguna de Chacas
de cambio climático al 2050 y 2070. Chacas y sus proyecciones de cambio
y sus proyecciones de cambio
climático al 2050 y 2070.
climático al 2050 y 2070?
PROBLEMA ESPECÍFICO 1 OBJETIVO ESPECÍFICO 1 HIPÓTESIS ESPECÍFICA 1 VARIABLE INDEPENDIENTE TÉCNICAS
Realizar la estratificación de Realizando un monitoreo de Datos de temperatura máxima y
¿Cómo es la estratificación de la Recolección y análisis de la data
temperaturas con datos generados temperaturas (máxima y mínima) se mínima.
temperatura en la microcuenca de la climática del Worldclim.
dentro de la microcuenca de la Laguna obtendrá datos para realizar la VARIABLE DEPENDIENTE
Laguna de Chacas? Monitoreo de temperaturas in situ y
de Chacas. estratificación de temperaturas para la
Estratificación de temperaturas. procesamiento de información.
microcuenca de la laguna de Chacas.
PROBLEMA ESPECÍFICO 2 OBJETIVO ESPECÍFICO 2 HIPÓTESIS ESPECÍFICA 2 VARIABLE INDEPENDIENTE INSTRUMENTOS
¿Cómo realizar la caracterización
Realizar la Caracterización climática a Aplicando datos de variables Datos de variables temperatura media
climática a partir de variables
partir de las variables (temperatura y (temperatura y precipitación) de y precipitación.
(temperatura y precipitación) de los
precipitación) de los modelos modelos climáticos globales se logrará VARIABLE DEPENDIENTE Base de datos temperatura y
modelos climáticos globales para la
climáticos globales en la microcuenca obtener la caracterización climática precipitación del WorldClim
microcuenca de la laguna de Chacas? Caracterización climática.
de la laguna de Chacas. dentro de la microcuenca de la laguna ArcGIS 10.2.2
PROBLEMA ESPECÍFICO 3 OBJETIVO ESPECÍFICO 3 HIPÓTESIS ESPECÍFICA 3 VARIABLE INDEPENDIENTE Microsoft Excel
Empleando datos de variables Datos de variables temperatura media Termómetros de máxima y mínima
(temperatura y precipitación) de y precipitación. Fichas de registro para monitoreo
¿Cuáles son las proyecciones de Generar mapas de proyecciones de
modelos climáticos globales se logrará Cartas nacionales
cambio climático al 2050 y 2070 para la cambio climático al 2050 y 2070 para la VARIABLE DEPENDIENTE
obtener proyecciones de cambio Gps Garmin
microcuenca de la laguna de Chacas? microcuenca de la laguna de Chacas. Mapas de proyecciones de cambio
climático al 2050 y 2070 para la
microcuenca de la laguna de Chacas. climático al 2050 y 2070.

Pág.
38
 CAPÍTULO IV

4. ANÁLISIS Y CÁLCULOS

4.1 Estratificación de temperaturas en la microcuenca de la Laguna de Chacas

El registró obtenido de temperatura máxima y mínima, se realizó en un día (24 horas), en la

microcuenca de la Laguna de Chacas en época de estiaje, tal como se muestran los datos

registrados en la Tabla 12 según la distribución altitudinal.

Tabla 12: Registro de datos de temperatura máxima y mínima en un día.

COORDENADAS DATOS
No Sector Ubicación Este (m) Norte Altitud Tmax Tmin
(m) (msnm) °C °C
1 UNOCOLLA Base 371588 8295016 3835 24 3
Base 368752 8295921 3835 24.5 2
Medio 368428 8295746 3985 22 1
2 COCHAQUINRAY
Cima 368178 8295586 4135 20 0

Base 372061 8295841 3835 24 3

Medio 372061 8295841 3985 23.5 3
3 COCAN
Cima 372091 8296165 4135 21 1

Base 3668705 8297986 3835 23 2.5

Medio 367211 8302189 3985 22 2
4 IQUINITO Cima 367033 8302841 4135 20.5 0
Iquinito 367273 8303897 4575 19 -1.5

Fuente: Elaboración Propia.

Pág.
39
Continuamos con la estimación de la línea de tendencia y el coeficiente de determinación

(𝑅 2 ). Para ello hallamos el promedio de los valores obtenidos de temperatura máxima y

mínima por sectores.

Tabla 13: Promedio de datos de temperatura máxima.

Temperatura Máxima °C

ESTACIÓN Altitud S1 S2 S3 S4 PROM

1 3835 24 24.5 24 23 23.9

2 3985 22 23.5 22 22.5

3 4135 20 21 20.5 20.5
4 4575 19 19.0
Fuente: Elaboración Propia.

En la tabla 13, se muestran los valores de temperatura máxima obtenidos en el área de

estudio.

Tabla 14: Promedio de datos de temperatura mínima.

Temperatura mínima °C

ESTACIÓN Altitud S1 S2 S3 S4 PROM

1 3835 3 2 3 2.5 2.6
2 3985 1 3 2 2.0
3 4135 0 1 0 0.3
4 4575 -1.5 -1.5
Fuente: Elaboración Propia.

En la Tabla 14, se muestran los valores de temperatura mínima obtenidos en cada punto

ubicado en el área de estudio.

Con los valores de las Tablas 13 y 14 se determinó los coeficientes de determinación (𝑅 2 )

para la temperatura máxima y mínima.

Pág.
40
Figura 8: a) Línea de tendencia y coeficiente de determinación (𝑅2 ) para la temperatura máxima. b) Línea de
tendencia y coeficiente de determinación (𝑅2 ) para la temperatura mínima.
TEMPERATURA MÁXIMA CHACAS TEMPERATURA MINIMA CHACAS
a) 25.0 b) 3.0
TÍEMPERATURA °C

23.0 y = -0.0064x + 47.97

TEMPERATURA °C
R² = 0.9064 2.0 y = -0.0057x + 24.342
21.0 R² = 0.9627
1.0
19.0
17.0 0.0
15.0 3600 3800 4000 4200 4400 4600 4800
-1.0
3600 3800 4000 4200 4400 4600 4800
-2.0
ALTITUD (MSNM) ALTITUD (MSNM)

Fuente: Elaboración Propia.

En las Figuras 8 a y b, se muestran el coeficiente de determinación (𝑅 2 ) para las

temperaturas, con los resultados obtenidos deducimos que para Tmax el coeficiente de

determinación 𝑅 2 = 0.9064, que bajo el criterio de Andersen et al., (2001), es considerado

bueno de 0.85 – 0.95. Para la Figura 8b, deducimos que Tmín tiene un coeficiente de

determinación 𝑅 2 = 0.9627 bajo el criterio de Andersen es considerado muy bueno < 0.95.

Con la ecuación lineal obtenida para temperatura máxima y = -0.0064x + 47.97 y para la

ecuación lineal de la temperatura mínima y = -0.0057x + 24.342, obtendremos como

resultado nuestro mapa de estratificación de temperaturas para el área estudio.

Pág.
41
 Figura 9: Mapa de altitudes de la microcuenca de la laguna de Chacas.

Fuente: Elaboración Propia.

4.2 Caracterización climática a partir de variables (temperatura media y

precipitación) de los modelos climáticos globales.

4.2.1 Validación de datos observados Vs Worldclim

Al comparar la temperatura media observada y simulada de los modelos para las estaciones

meteorológicas Lampa, Cabanillas, Juliaca, Arapa y Pampahuta se observó la relación que

existe entre los datos de la base climatológica del worldclim, con los datos observados de

estaciones meteorológicas que se ubican próximas al área de estudio, a continuación, se

muestra en la Tabla 15, datos que fueron empleados en la validación de información.

Pág.
42
 Tabla 15: Datos clasificados de precipitación mensual total del WorldClim y datos observados, para cada
estación meteorológica.
Estación
Datos E F M A M J J A S O N D
Meteorologica
WorldClim 158 127 113 48 14 3 3 6 31 45 66 113
Arapa
Observados 157 113 122 50.9 9 8 2 15 26 52 62 90
WorldClim 152 142 118 36 11 3 2 5 22 33 52 99
Cabanillas
Observados 148 132 108 45 5 3 1 8 17 37 49 96
WorldClim 147 115 106 41 10 4 2 7 23 40 56 91
Juliaca
Observados 140 101 90 46 8 7 1 9 21 46 54 81
WorldClim 158 135 118 44 11 3 2 7 24 40 61 106
Lampa
Observados 161 123 110 52 8 5 1 11 2 46 68 109
WorldClim 192 199 153 43 15 2 5 10 26 38 67 144
Pampahuta
Observados 187 152 135 53 10 4 2 10 14 40 69 122
Fuente: Elaboración Propia.

Figura 10: Correlación de precipitación y coeficientes de determinación entre datos del worldclim vs datos de
las estaciones meteorológicas.
Estación
Meteorológica 𝑅2 𝑅

Arapa

Cabanillas

Juliaca

Pág.
43
 Lampa

Pampahuta

Fuente: Elaboración Propia.

Tabla 16: Datos clasificados de precipitación mensual total del WorldClim y datos observados, para cada
estación meteorológica,
Estación
Datos E F M A M J J A S O N D
Meteorológica
WorldClim 9.2 9.2 9.1 8.6 7.3 5.9 5.4 6.7 8.4 9.5 9.8 9.7
Arapa
Observados 10.2 10.2 10.1 9.6 8.2 6.9 6.6 7.7 9.0 10.1 10.4 10.5
WorldClim 9.8 9.8 9.7 9.1 8.0 6.9 6.4 7.5 8.9 9.9 10.3 10.2
Cabanillas
Observados 10.3 10.2 10.1 9.7 8.3 7.0 6.8 7.8 9.2 10.0 10.6 10.6
WorldClim 10.3 10.3 10.3 9.7 8.6 7.6 7.0 8.4 9.8 10.8 11.1 11.0
Juliaca
Observados 10.3 10.3 10.0 9.1 6.7 5.0 4.6 6.2 7.9 9.4 10.2 10.4
WorldClim 9.6 9.7 9.5 8.9 7.6 6.3 5.7 7.0 8.7 9.8 10.1 10.1
Lampa
Observados 10.0 9.8 9.6 8.6 6.5 5.1 4.9 6.1 7.7 8.7 9.5 9.9
WorldClim 6.4 6.6 6.4 5.7 4.0 2.4 1.9 2.9 4.8 5.9 6.3 6.7
Pampahuta
Observados 6.6 6.6 6.4 5.4 3.1 1.1 0.8 1.8 3.5 4.9 5.7 6.4
Fuente: Elaboración Propia.

Figura 11: Correlación de la temperatura media y coeficientes de determinación entre datos del worldclim vs
datos de las estaciones meteorológicas.
Estación
R2 R
Meteorológica

Arapa

Pág.
44
 Cabanillas

Juliaca

Lampa

Pampahuta

Fuente: Elaboración Propia.

Para el análisis espacial de temperatura y precipitación en la microcuenca de la Laguna de

Chacas se obtiene un adecuado coeficiente de determinación que oscila entre 0.92 y 0.9923

que representa una correlación BUENA y MUY BUENA entre los datos del WorldClim y

datos observados, como se muestra a continuación.

Tabla 17: Resumen de Coeficientes determinados 𝑅2 𝑦 𝑅, estimado a partir del diagrama de dispersión entre
valores observados y simulados actual.
Resumen de coeficientes determinados
Estaciones Variable 𝑹𝟐 𝑹
Arapa Tmed 0.9874 0.9937
PP 0.9708 0.9853

Pág.
45
 Cabanillas Tmed 0.9898 0.9949
PP 0.9923 0.9961
Juliaca Tmed 0.969 0.984
PP 0.9884 0.9912
Lampa Tmed 0.92 0.96
PP 0.9890 0.9945
Pampahuta Tmed 0.9756 0.9877
PP 0.9723 0.9861
Fuente: Elaboración Propia.

4.2.2 Clasificación climática de Thornthwaite

Para realizar los cálculos se empleó los datos del Worldclim y datos observados de estaciones

meteorológicas las que comprenden un periodo de 1970-2000 y las proyecciones al 2050 –

2070.

a. Evapotranspiración potencial mensual:

- Para determinar la 𝐸𝑇𝑃, se extrajo los valores de temperatura media y precipitación

mensual, de los archivos raster de la plataforma del worldclim.

La evapotranspiración potencial se obtuvo con la multiplicación de temperatura promedio

mensual por el índice térmico mensual, calculado con la siguiente ecuación:

𝑡
𝑖 = ( )1.214
5
Tabla 18: Valores de índice térmico mensual.
Variables E F M A M Jn Jl A S O N D Total
T 9.5 9.6 9.5 8.9 7.8 6.5 6.0 7.3 8.9 9.9 10.2 10.2 104
i 2.6 2.7 2.6 2.4 1.9 1.5 1.3 1.8 2.4 2.8 3.0 2.9 27.9
Fuente: Elaboración Propia.

- Se determinó el índice térmico anual, es la sumatoria de los índices térmico mensuales:

𝐼 = ∑𝑖 = 27.9

De acuerdo con la ecuación 1, se obtuvo la evapotranspiración potencial mensual en mm,

sin corregir, calculado con la siguiente expresión:

Pág.
46
 𝑡
𝐸𝑇𝑃 = 16(10 )𝑎
𝐼

Donde: 𝑎 = 0.6751𝑥10−6 (27.997)3 − 0.771𝑥10−4 (27.997)−2 + 0.01792 (27.997) + 0.49239

Siendo el valor de a = 0.948.

Tabla 19: Valores de evapotranspiración (𝐸𝑇𝑃) obtenidos.

Variables E F M A M Jn Jl A S O N D Total
ETP 51 51 51 48 42 36 33 40 48 53 55 54 562
Fuente: Elaboración Propia.

b. Factor de corrección:

Para corregir el valor de 𝐸𝑇𝑃, estos datos se obtienen de la Tabla 6 de acuerdo con el mes

correspondiente, con una latitud sur 15°, que es la zona donde se ubica la microcuenca de la

Laguna de Chacas, Tabla 20.

Tabla 20: Valores de 𝑓 para una latitud sur 15°.

Latitud E F M A M J J A S O N D
Sur 15 1.12 0.98 1.05 0.98 0.98 0.94 0.97 1.00 1.00 1.07 1.07 1.12
Fuente: Charles Thornthwaite. Clasificación climática, 1948.

c. Evapotranspiración corregida:

Obtendremos la ETPc con la Ecuación 2, realizando una multiplicación el factor de

corrección con la evapotranspiración potencial sin corregir.

Tabla 21: Valores de Evapotranspiración potencial y el factor de corrección.

Variables E F M A M Jn Jl A S O N D Total
ETP 51 51 51 48 42 36 33 40 48 53 55 54 562
F 1.12 0.98 1.05 0.98 0.98 0.94 0.97 1.00 1.00 1.07 1.07 1.12 12
ETPc 57 50 53 47 41 34 32 40 48 57 58 61 579
Fuente: Elaboración Propia.

d. Variación de las reservas:

Ingresando los datos de precipitación en mm, se determinó, que los cálculos se iniciaron en

el mes donde la precipitación es mayor que la evapotranspiración potencial:

𝑃 > 𝐸𝑇𝑃𝑐

Pág.
47
 Tabla 22: Valores de precipitación obtenidos del WorldClim..
Variables E F M A M Jn Jl A S O N D Total
P 157 131 115 45 12 3 3 7 26 42 62 106 709
P - ETPc 100 0 0 2 29 30 29 32 22 15 3 97 361
Fuente: Elaboración Propia.

Después de un periodo de sequía, esto ocurre en el mes N (noviembre), como el suelo es un

depósito de capacidad limitada, cuando ya está saturado no habrá variación de reserva de

humedad, ocurre en los meses D, E, F, M, A o cuando ya no hay agua disponible, esto ocurre

en los meses My, Jn, Jl, A, S, O.

e. Determinamos la reserva de agua disponible, cuando la 𝑃 > 𝐸𝑇𝑃𝑐 mes de noviembre,

cuando el suelo está saturado la reserva ya no varía, esto sucede en los meses D, E, F, M,

o cuando ya no hay reserva sucede en los meses M. Jn, Jl, A, S, O.

Tabla 23: Valores obtenidos de la reserva de agua disponible.

Variables E F M A M Jn Jl A S O N D Total
P - ETPc 100 0 0 2 29 30 29 32 22 15 3 97 361

R 100 100 100 98 - - - - - - 3 100 501

Fuente: Elaboración Propia – 2016.

f. Evapotranspiración efectiva ocurrida, nos indica la lámina de agua, que en realidad ha

sido evaporada, para ello se consideró los siguientes criterios:

- Cuando 𝑃 < 𝐸𝑇𝑃, y hay reserva de agua disponible en el suelo para satisfacer toda la

evapotranspiración potencial, es numéricamente igual a la ETP.

- Cuando 𝑃 > 𝐸𝑇𝑃 y hay reserva de agua disponible, pero no para satisfacer toda la

evapotranspiración potencial es igual a la precipitación.

𝐸𝑇𝐴 = 𝑃 + 𝑅

Tabla 24: Cálculo de la evapotranspiración efectiva ocurrida.

Variables E F M A M Jn Jl A S O N D Total
P 157 131 115 45 12 3 3 7 26 42 62 106 709
R 100 100 100 98 - - - - - - 3 100 501

Pág.
48
 ETA 57 50 53 45 12 3 3 7 26 42 58 61 418
Fuente: Elaboración Propia – 2016.

g. El déficit o sequía, se determinó a partir de la diferencia de la evapotranspiración

potencial corregida menos la evapotranspiración potencial efectiva ocurrida, por ello el

déficit lo determinamos con la siguiente operación.

𝐷 = 𝐸𝑇𝑃𝑐 − 𝐸𝑇𝐴

Tabla 25: Cálculo de déficit.

Variables E F M A M Jn Jl A S O N D Total

ETPc 57 50 53 47 41 34 32 40 48 57 58 61 579
ETA 57 50 53 45 12 3 3 7 26 42 58 61 418
D - - - - 29 30 29 32 22 15 - - 159
Fuente: Elaboración Propia – 2016.

h. El excedente: Se determinó con la diferencia de la precipitación con la

evapotranspiración potencial efectiva ocurrida, en los meses de diciembre, enero, febrero

y marzo.

Tabla 26: Cálculo de excedente.

Variables E F M A M Jn Jl A S O N D Total
P 157 131 115 45 12 3 3 7 26 42 62 106 709
ETA 57 50 53 45 12 3 3 7 26 42 58 61 418
D - - - - 29 30 29 32 22 15 - - 159
E 100 81 62 - - - - - - - - 45 288
Fuente: Elaboración Propia – 2016.

i. Determinación índice de humedad

El primer digito de la clasificación de Thornthwhaite, es representado por una letra

mayúscula y expresa el grado de humedad de un lugar. Estas unidades de humedad son un

factor muy importante en la definición de los diferentes ecosistemas característicos de la

microcuenca Chacas, se determinó con la ecuación 8.

𝐼𝑚 = 100 𝐸 − 60 𝑃)/𝐸𝑇𝑃

𝐼𝑚 = 100𝑥(294) − 60𝑥(708.8)/418

Pág.
49
 𝐼𝑚 = −33

Con el resultado obtenido nos dirigimos a la Tabla 9 (Regiones hídricas para climas secos).

Tabla 27: Resultado del índice hídrico para la microcuenca de la Laguna de Chacas.
Sigla Tipo de clima Índice Hídrico
C1 Subhúmedo seco -33,3 a 0
Fuente: Charles Thornthwaite. Clasificación climática, 1948.

j. Determinación del índice de la variación estacional de la humedad

Ya conocido el grado de humedad se procedió a determinar el segundo digito. Esta

presentado por una letra minúscula que indica como es la variación estacional de la humedad,

en el lugar que se está clasificando el área de estudio tiene un clima seco, utilizamos el índice

de humedad 𝐿ℎ que es representado por la ecuación 10, para saber cómo está distribuida la

posible humedad que exista en el lugar y qué importancia tiene la estación húmeda.

- Índice de humedad:

Se determinó con la siguiente ecuación 10:

𝐿ℎ = (100 𝐸)/𝐷 --- 𝐿ℎ = (100𝑥(294)/417.9

𝐿ℎ = 70.36

Con el resultado obtenido nos dirigimos a la Tabla 9 Índice de aridez para climas secos.

Tabla 28: Índice de la variación estacional de la humedad, para climas secos.

Sigla Climas secos (C1, D,E) Índice de Humedad
w2 Gran deficiencia de agua en invierno Más de 20
Fuente: Charles Thornthwaite. Clasificación climática, 1948.

k. Determinación del índice de eficiencia térmica

El tercer digito lo constituye una letra mayúscula con apostrofe que indica la eficiencia

térmica, del lugar considerado. Este se determinó mediante la suma de las

evapotranspiraciones potenciales en mm, para ello obtuvimos 418 mm, según la Tabla 10.

(Índices de eficiencias térmica).

Pág.
50
 Tabla 29: Índices de eficiencia térmica determinado para la microcuenca de la Laguna de Chacas.
SIMBOLO REGIÓN TÉRMICA ETP (mm)
C’1 Microtérmica Fría Acentuada 285 a 427
Fuente: Charles Thornthwaite. Clasificación climática, 1948.

l. Determinación del índice de la concentración de la eficiencia térmica en verano

Dicho índice se determinó con la ecuación 11, donde sumando los valores de ETP de los

meses de verano (diciembre, enero, febrero y marzo para el hemisferio sur) y relacionándolos

con la sumatoria de la ETP anual (12 meses) expresada en %,

𝐶𝑣 = 53%

Obtenido el valor en porcentaje nos dirigimos a la Tabla 11 Índice de eficiencia térmica en

verano.

Tabla 30: Índice de eficiencia térmica en varano para la microcuenca de la Laguna de Chacas.
Tipo de Clima % Verano / año
b’3 51.9 a 56.3
Fuente: Charles Thornthwaite. Clasificación climática, 1948.

Una vez realizado el procedimiento para el balance hídrico, se obtienen los índices que son

necesarios para identificar qué tipo de clima presenta la microcuenca de la Laguna de

Chacas.

Pág.
51
 CAPÍTULO V

5. RESULTADOS

Los resultados se dividen de acuerdo a los objetivos específicos y cada una de ellas está en

concordancia con la metodología.

5.1 Estratificación de temperatura máxima y mínima

En la figura 12 se muestra la distribución altitudinal entre 3825 a 4475 msnm, seguidamente

se muestra el mapa de distribución de temperatura máxima (Figura 12 a), el rango oscila

entre 23 a 19.5 °C del cual se puede deducir que a menor altura la temperatura se incrementa

y a mayor altura la temperatura disminuye.

Para la distribución de temperatura mínima (Figura 12 b), los valores obtenidos oscilan entre

3 y -1.5 °C, deduciendo que, a mayor altura, la temperatura mínima disminuye. Este

comportamiento es definido según la altitud tanto para la Tmax y Tmin.

Pág.
52
Figura 12: Mapa de estratificación de temperatura máxima y Mapa de estratificación de temperatura mínima.

a)
b)

Fuente: Elaboración Propia – 2017.

5.2 Caracterización climática

5.2.1 Temperatura Media Anual

Con los resultados obtenidos se puede observar la distribución de temperatura media en el

área de estudio que oscila entre 6.4 °C a 9.6 °C, las zonas que se tornan de color azul intenso

muestran la temperatura mínima Figura 13, observamos que a mayor altitud la temperatura

es menor.

Pág.
53
 Figura 13: Mapa de distribución de temperaturas media anual.

Fuente: Elaboración Propia – 2017.

5.2.2 Precipitación total anual

La distribución de la precipitación total anual en la Microcuenca de la Laguna de Chacas

demuestra que oscila entre 644.8 mm a 862. 4 mm, tal como se observa en la Figura 14. La

precipitación mayor se concentra en la zona norte donde se ubican el sector Chacas.

Figura 14: Mapa de distribución de precipitación total anual.

Fuente: Elaboración Propia – 2017.

Pág.
54
5.2.3 Clasificación climática por el sistema de Thornthwaite

Para obtener la caracterización climática, se calcula el balance hídrico para generar los

índices climáticos, tal como se muestra los resultados para el periodo 1970-2000 en la Tabla

31. Donde se observa que existe recarga hídrica en los meses de diciembre, enero, febrero y

marzo, así mismo en los meses mayo, junio, julio, agosto, septiembre y octubre existe déficit

o sequia según los resultados obtenidos.

Tabla 31: Resultados del balance hídrico en el periodo 1970 – 2000 de la microcuenca de la laguna de
Chacas.
BALANCE HÍDRICO DE THORNTHWHAITE PERIODO 1970 - 2000

Variables E F M A M Jn Jl A S O N D Total
T 9.5 9.6 9.5 8.9 7.8 6.5 6.0 7.3 8.9 9.9 10.2 10.2 104
i 2.6 2.7 2.6 2.4 1.9 1.5 1.3 1.8 2.4 2.8 3.0 2.9 28
ETP 51 51 51 48 42 36 33 40 48 53 55 54 562
F 1.12 0.98 1.05 0.98 0.98 0.94 0.97 1.00 1.00 1.07 1.07 1.12 12
ETPc 57 50 53 47 41 34 32 40 48 57 58 61 579
P 157 131 115 45 12 3 3 7 26 42 62 106 709
P - ETA 100 0 0 2 29 30 29 32 22 15 3 97 361
R 100 100 100 98 - - - - - - 3 100 501
ETA 57 50 53 45 12 3 3 7 26 42 58 61 418
D - - - - 29 30 29 32 22 15 - - 159
E 100 81 62 - - - - - - - - 45 288
Fuente: Elaboración Propia.

En las tablas 32 al 35 se muestran los resultados de balance hídrico para los escenarios

RCP4.5 y RCP8.5 para los periodos 2050 y 2070. Donde también se observa que existe

recarga hídrica en los meses de diciembre, enero, febrero y marzo, así mismo en los meses

mayo, junio, julio, agosto, septiembre y octubre existe déficit o sequia según los resultados

obtenidos. Se observa que existe una ligera disminución en la disponibilidad hídrica en el

futuro.

Pág.
55
Tabla 32: Resultados del balance hídrico en el escenario 4.5 al año 2050 de la microcuenca de la laguna de
Chacas.
BALANCE HÍDRICO DE THORNTHWHAITE - RCP4.5 - 2050

Variables E F M A M Jn Jl A S O N D Total
T 11.8 11.5 11.3 10.7 9.3 7.8 7.3 8.9 10.5 11.8 12.2 12.2 125.3
i 3.7 3.5 3.4 3.2 2.6 2.0 1.8 2.4 3.1 3.7 3.9 3.9 36.9

ETP 56.5 54.8 53.5 50.6 43.7 36.1 33.5 41.2 49.5 56.5 58.2 58.1 592.4
F 1.12 0.98 1.05 0.98 0.98 0.94 0.97 1.00 1.00 1.07 1.07 1.12 12.3

ETPc 63.3 53.8 56.2 49.6 42.8 34.0 32.5 41.2 49.5 60.4 62.3 65.1 610.7
P 151 135 117 48 11 4 2 8 26 42 64 110 718.0

P - ETA 87.7 12.3 0.0 1.6 31.8 30.0 30.5 33.2 23.5 18.4 1.7 98.3 369.0
R 100 100 100 98.4 - - - - - - 3.5 100 501.9
ETA 63.3 53.8 56.2 48.0 11.0 4.0 2.0 8.0 26.0 42.0 62.3 65.1 441.7
D - - - - 31.8 30.0 30.5 33.2 23.5 18.4 - - 167.4
E 87.7 81.2 60.8 - - - - - - - - 44.9 274.6
Fuente: Elaboración Propia.

Tabla 33: Resultados del balance hídrico en el escenario 8.5 al año 2050 de la microcuenca de la laguna de
Chacas.
BALANCE HÍDRICO DE THORNTHWHAITE - RCP 8.5 - 2050
Variables E F M A M Jn Jl A S O N D Total
T 12.3 12.0 11.7 11.1 9.9 8.4 7.9 9.4 11.0 12.3 12.7 12.6 131.2
i 3.9 3.8 3.6 3.3 2.8 2.2 2.0 2.6 3.3 3.9 4.1 4.0 39.6
ETP 57.3 55.6 53.8 50.9 44.8 37.1 34.9 42.1 50.5 57.1 59.2 58.6 601.9
F 1.12 0.98 1.05 0.98 0.98 0.94 0.97 1 1 1.07 1.07 1.12 12.3
ETPc 64.2 54.5 56.5 49.9 43.9 34.9 33.8 42.1 50.5 61.1 63.3 65.7 620.4
P 151.6 139.2 122.4 49.0 11.3 4.2 2.1 7.2 25.6 43.1 68.6 112.9 737.0
P - ETA 87.4 12.6 87.4 0.9 32.7 30.7 31.8 34.9 25.0 18.1 5.3 94.7 461.4
R 100.0 100.0 100.0 99.1 - - - - - - 3.5 100.0 502.5
ETA 64.2 54.5 56.5 49.0 11.3 4.2 2.1 7.2 25.6 43.1 63.3 65.7 446.4
D - - - - 32.7 30.7 31.8 34.9 25.0 18.1 - - 173.1
E 87.4 84.7 65.9 - - - - - - - - 47.3 285.3
Fuente: Elaboración Propia.

Tabla 34: Resultados del balance hídrico en el escenario 4.5 al año 2070 de la microcuenca de la laguna de
Chacas.
BALANCE HÍDRICO DE THORNTHWHAITE - RCP 4.5 - 2070
Variables E F M A M Jn Jl A S O N D Total
T 12.2 11.9 11.7 11.0 9.8 8.2 7.7 9.2 10.9 12.1 12.6 12.5 129.9
i 3.9 3.7 3.6 3.3 2.8 2.1 1.9 2.5 3.3 3.8 4.1 4.0 39.0
ETP 57.1 55.4 54.4 50.9 44.7 36.8 33.9 41.7 50.3 56.5 59.1 58.8 599.6
F 1.1 1.0 1.1 1.0 1.0 0.9 1.0 1.0 1.0 1.1 1.1 1.1 12.3
ETPc 64.0 54.2 57.1 49.9 43.8 34.6 32.9 41.7 50.3 60.5 63.3 65.9 618.1
P 155.1 136.8 114.2 46.2 11.2 4.4 2.6 8.0 27.2 43.7 63.9 105.7 718.9
P - ETA 91.2 8.8 91.2 3.7 32.6 30.2 30.3 33.7 23.1 16.8 0.6 99.4 461.6
R 100.0 100.0 100.0 96.3 - - - - - - 3.5 100.0 499.7
ETA 64.0 54.2 57.1 46.2 11.2 4.4 2.6 8.0 27.2 43.7 63.3 65.9 447.7
D - - - - 32.6 30.2 30.3 33.7 23.1 16.8 - - 166.7
E 91.2 82.6 57.1 - - - - - - - - 39.8 270.7
Fuente: Elaboración Propia.

Pág.
56
 Tabla 35: Resultados del balance hídrico en el escenario 8.5 al año 2070 de la microcuenca de la laguna de
Chacas.
BALANCE HÍDRICO DE THORNTHWHAITE - RCP 8.5 - 2070
Variables E F M A M Jn Jl A S O N D Total
T 13.4 13.1 12.8 12.2 11.1 9.5 9.2 10.6 12.1 13.3 13.7 13.8 144.8
i 4.4 4.3 4.1 3.9 3.3 2.7 2.5 3.1 3.8 4.4 4.6 4.6 45.8
ETP 66.1 56.0 58.6 51.6 46.0 36.7 36.1 44.2 52.3 62.8 65.1 68.3 643.8
F 1.1 1.0 1.1 1.0 1.0 0.9 1.0 1.0 1.0 1.1 1.1 1.1 12.3
ETPc 74.0 54.9 61.5 50.5 45.0 34.5 35.0 44.2 52.3 67.2 69.7 76.4 665.4
P 151.6 139.2 122.4 49.0 11.3 4.2 2.1 7.2 25.6 43.1 68.6 112.9 737.0
P - ETA 77.6 22.4 77.6 1.5 33.8 30.4 33.0 37.0 26.8 24.1 1.0 99.0 464.2
R 100.0 100.0 100.0 98.5 0.0 0.0 0.0 0.0 0.0 0.0 1.0 100.0 499.5
ETA 74.0 54.9 61.5 49.0 11.3 4.2 2.1 7.2 25.6 43.1 69.7 76.4 478.8
D - - - - 33.8 30.4 33.0 37.0 26.8 24.1 - - 185.1
E 77.6 84.3 60.9 - - - - - - - - 36.5 259.2
Fuente: Elaboración Propia.

Con los resultados obtenidos de balance hídrico de la tabla 31, se identificó que para la

microcuenca de la Laguna de Chacas corresponden los índices climáticos que se muestran a

continuación:

Tabla 36: Resumen de resultados obtenidos para la caracterización climática en el periodo 1970 – 2000.

Sistema de Thornthwhaite Índice Sigla Tipo de clima

1. Índice de Humedad -33 C1 Subhúmedo seco

2. Índice de aridez para climas secos 69 w2 Gran deficiencia de agua en invierno

3. Índice de Eficiencia Térmica (mm) 418 C'1 Microtérmica Fría Acentuada

4. Índice de concentración de la Eficiencia

53 b'3 51.9 a 56.3
Térmica en Verano (%)
Fuente: Charles Thornthwaite. Clasificación climática, 1948.

Según los índices de clasificación climática de Thornthwaite, la microcuenca de la Laguna

de Chacas presenta un clima Subhúmedo seco, con gran deficiencia de agua en invierno, con

una región microtérmica Fría Acentuada y con un índice de concentración de eficiencias

térmica equivalente al 53% en verano con relación a la evapotranspiración anual en el

periodo 1970-2000.

Pág.
57
 Tabla 37: Resumen de resultados obtenidos para la caracterización climática proyectados al 2050 y 2070.
2050 2070
Sistema de Thornthwhaite Sigla Tipo de clima
RCP 4.5 RCP 8.5 RCP 4.5 RCP 8.5
1. Índice de Humedad -35 -35 -36 -38 D Semiárido
Gran deficiencia
2. Índice de aridez para climas
62 64 60 54 w2 de agua en
secos
invierno
3. Índice de Eficiencia Térmica Microtérmica
442 446 448 479 C'2
(mm) Fría Moderada
4. Índice de concentración de la
54 54 54 56 b'3 51.9 a 56.3
Eficiencia Térmica en Verano (%)
Fuente: Charles Thornthwaite. Clasificación climática, 1948.

De la tabla 37, se deduce que para el año 2050 en los escenarios RCP4.5 y RCP8.5 el clima

en la microcuenca de la Laguna de Chacas será semiárido con gran deficiencia de agua en

invierno, con una región microtérmica fría moderada y con índice de concentración de

eficiencia térmica equivalente al 54% en verano.

De la misma manera en la tabla 37, se observa que para el año 2070 RCP4.5 y RCP8.5 el

clima en la microcuenca de la Laguna de Chacas será semiárido con gran deficiencia de agua

en invierno, con una región microtérmica fría moderada y con índice de concentración de

eficiencia térmica que varía entre los valores 54 y 56% respectivamente para cada escenario

en verano.

5.3 Proyecciones futuras de cambio climático

Para el análisis espacial de temperatura y precipitación en los periodos 2050 y 2070 en la

microcuenca de la Laguna de chacas se usaron el promedio de cuatro modelos, tales son:

ACCESS1-0, CCSM4, MIROC5 y MRI-CGLM3.

5.3.1 Proyecciones climáticas al 2050

Según el análisis y procesamiento de los datos obtenidos que se muestran en el mapa base

(figura 15 a), la distribución de temperatura media oscila en el rango de 5.7°C a 9.6°C, el

promedio es 8.2°C, por consiguiente se obtuvo la proyección climática de la temperatura al

Pág.
58
año 2050 para el escenario RCP4.5 que oscila desde 6.1 °C a 11.8 °C (Figura 15 b), el

promedio es 9.7°C, así mismo se obtuvo la variación climática (Figura 15 c), entre 0.2°C a

2.4°C y su promedio es 1.5°C, donde muestra claramente una tendencia a incrementar con

el tiempo.

También se observa la distribución de temperatura media anual en el escenario RCP8.5

(Figura 16 b), donde nos muestra la proyección climática que varía de 6.6°C a 12.3°C, con

un promedio de 10.2 °C hacia el año 2050, se obtiene la variación climática que oscila entre

0.7°C a 2.9°C con un promedio de 2 °C (Figura 16 c), donde observamos claramente un

incremento de temperatura en el futuro en dicho escenario RPC.

De la misma manera para la precipitación el análisis y procesamiento de datos obtenidos

primero se muestra el mapa base (figura 17 a), la distribución de precipitación anual total

que varía en el rango de 644 mm a 892 mm, con un promedio de 747.3 mm, también se

obtuvo la proyección climática de la precipitación al año 2050 para el escenario RCP4.5 que

oscila entre 653.7 a 864.9mm (Figura 17 b) con un promedio de 741.4 mm, así mismo se

obtuvo la variación climática de la precipitación (Figura 17 c), que oscila entre -4.8 a 4.9

mm con una ligera tendencia a disminuir de -0.6 %, donde muestra disminución de la

precipitación.

Finalmente, la proyección climática de la precipitación en el escenario RCP8.5 se muestra

(Figura 18 b), donde se observa que los valores de precipitación oscilan entre 670 a 887 mm

y el promedio es 759.8 mm, así mismo se obtuvo la variación climática de la precipitación

(Figura 18 c), que varía entre -2.6 a 7.5 mm y con una tendencia a incrementar de 1.7 %,

donde muestra incrementos de la precipitación.

Si bien es cierto, las simulaciones de los escenarios RCP 4.5 y RCP 8.5 muestran un

incremento de la temperatura media en las proyecciones de cambio climático al 2050, sin

Pág.
59
embargo, la simulación de la precipitación en el escenario RCP 4.5 muestra una ligera

disminución, así mismo se muestra que para el escenario RCP 8.5 hay un incremento, estos

resultados obtenidos se dan por los escenarios climáticos, uno optimista y el otro pesimista.

5.3.2 Proyecciones climáticas al 2070

Según el análisis y procesamiento los datos obtenidos se muestran en el mapa base (figura

19 a) la distribución de temperatura media varía dentro del rango comprendido entre 5.7°C

y 9.6°C, el promedio es 8.2°C, también se muestra la proyección climática de la temperatura

al año 2070 para el escenario RCP4.5 que oscila desde 8.5 °C a 14.1 °C (Figura 19 b) con

un promedio de 12.1 °C, así mismo se obtuvo la variación climática (Figura 15 c) que

muestra valores entre 2.5°C a 4.7°C con un promedio de 3.8°C, donde se observa claramente

una tendencia a incrementar con el tiempo.

También se observa la distribución de temperatura media en el escenario RCP8.5 (Figura 20

b), donde la proyección climática varía de 8.5°C a 14.1°C con un promedio de 12.1 °C

al año 2070, y la variación climática oscila entre 2.5°C a 4.7°C (Figura 20 c) con un promedio

de 3.8 °C, esto representa un incremento de temperatura en el futuro, para escenarios

pesimistas.

Así mismo el análisis y procesamiento de datos obtenidos de precipitación (Figura 21 a), de

echo podemos apreciar que oscila en el rango de 644 a 892 mm, con un promedio de 747.3

mm, también se obtuvo la proyección climática de la precipitación al año 2070 para el

escenario RCP4.5 que presenta valores que varían entre 653 a 864 mm (Figura 21 b) con un

promedio de 741.3 mm, de la misma manera se obtuvo la variación climática de la

precipitación (Figura 21 c), y muestra valores que varían entre -4.9 y 4.8 mm, con una

tendencia a disminuir de -0.7 mm, que representa disminución de la precipitación.

Pág.
60
Finalmente, de los datos obtenidos para la proyección climática de la precipitación en el

escenario RCP8.5 se muestra el mapa base (figura 22 b) que muestra valores que oscilan

entre 702.5 a 931mm con un promedio de 798.4 mm, así mismo se obtuvo la variación

climática de la precipitación (Figura 22 c), que varía entre 2.3 a 13 mm con una tendencia a

incrementar del 6.9%, y ello indica un incremento de la precipitación.

Con los resultados obtenidos a partir de las simulaciones de los escenarios RCP 4.5 y RCP

8.5 muestran un incremento de la temperatura media en las proyecciones de cambio

climático al 2050, sin embargo, la simulación de la precipitación en el escenario RCP 4.5

muestra una ligera disminución, así mismo se muestra que para el escenario RCP 8.5 hay un

incremento, estos resultados obtenidos se dan por los escenarios climáticos, uno optimista y

el otro pesimista.

Pág.
61
 DISCUSIÓN

En base a lo observado y los resultados obtenidos de la estratificación de temperaturas de

máximas y mínimas, debido a la falta de data histórica en el área de estudio no se pudo

realizar el cálculo de las tendencias para identificar el porcentaje de incremento o

disminución a largo plazo. Sin embargo, en el estudio “El Perú y el Cambio Climático”

(MINAM, 2016) señala que se proyectan incrementos de alrededor de +1.7 °C para

temperaturas y este cambio será más notorio en la zona suroeste de la región Puno, es

importante señalar que en dicho estudio se han aplicado escenarios RCP 4.5 Y RCP 8.5 de

modelos climáticos.

Por otro lado, en la caracterización climática por el método de Thornthwaite realizada para

el periodo 1970 – 2000, a partir de datos de modelos climáticos globales nos muestra un

clima de décadas atrás, pero es la única herramienta que se tiene en la actualidad, ya que en

el área de estudio no se cuentan con estaciones meteorológicas, al determinar el clima en la

microcuenca de la Laguna de Chacas se determinó que tiene un clima Subhúmedo seco, con

gran deficiencia de agua en invierno, con una región microtérmica fría acentuada y con un índice

de concentración de eficiencias térmica equivalente al 53% en verano con relación a la

evapotranspiración anual y en las proyecciones futuras al 2050 no se observan cambios; sim

embargo podemos observar un cambio en la proyección al 2070 la que está considerado como

un clima semiárido con gran deficiencia de agua en invierno, con una región microtérmica fría

moderada y con índice de concentración de eficiencia térmica que varía entre los valores 54 y

56% respectivamente para los escenarios RCP 4.5 y RCP 8.5, estos cambios podrían estar

atribuidos al incremento de la temperatura media a nivel nacional así como indica en el estudio

del (MINAM, 2016).

En cuanto a las proyecciones de cambio climático en el estudio “Cambio climático en el Perú –

Regiones del Sur” (Bustamante, 2010), determino que la región sur del Perú es vulnerable frente
Pág.
62
al cambio climático, por la gran dependencia hacia actividades productivas directamente

afectadas por el clima, que coincide con los resultados del estudio del MINAM (2016), y el

estudio “Evaluación del Modelo Climático Global MIROC5 y estimaciones de temperatura y

precipitaciones para las zonas sur y norte del Perú” (Álvarez et al., 2015), que precisa un

incremento de temperatura en todo el país, pero las tendencias más pronunciadas se esperan en

el sector sur del país, en cuanto a la precipitación se espera un incremento en la zona norte al

mismo tiempo se espera una disminución en la zona sur de la región de Puno. En las proyecciones

de cambio climático en la microcuenca de la Laguna de Chacas se obtuvo como resultado que

exista un incremento de la temperatura en los dos escenarios climáticos, en cuanto a la

precipitación se espera una ligera disminución en el escenario RCP 4.5 y un incremento en el

RCP 8.5, que coincide con el estudio de Lujano et al., (2015), donde obtuvo como resultado un

incremento en la precipitación en la cuenca Ramis y muestra una mayor reducción en la cuenca

Ilave ubicada en la zona Sur de la región de Puno.

Existe gran interés de la población que se encuentra ubicada en la microcuenca de la Laguna de

Chacas. La información obtenida a partir de este trabajo de tesis en cuanto a caracterización

climática y proyecciones de cambio climático, permitirá que los actores puedan identificar zonas

vulnerables, puedan adaptarse frente a los cambios del clima y frente a otros problemas que se

presentan en las comunidades, por tanto, esta información constituye una herramienta para que

las comunidades puedan planificar y dialogar proactivamente con las diferentes instituciones del

gobierno. Esto ayudara a que se prioricen actividades que son necesarias para mejorar su calidad

de vida y que tendrán incluso de manera indirecta la implementación de proyectos adecuados al

medio que ayudan a la reducción de la vulnerabilidad y de la adaptación de la comunidad con

un escenario de cambio climático.

Pág.
63
Figura 15: Variación de temperatura para el escenario RCP4.5 al año 2050.

Fuente: Elaboración Propia – 2017.

Pág.
64
Figura 16: Variación de temperatura media para el escenario RCP8.5 al año 2050.

Fuente: Elaboración Propia – 2017.

Pág.
65
Figura 17: Variación de precipitación total anual para el Escenario RCP4.5 al año 2050.

Fuente: Elaboración Propia – 2017.

Pág.
66
Figura 18: Variación de precipitación total anual para el Escenario RCP8.5 al año 2050.

Fuente: Elaboración Propia – 2017.

Pág.
67
Figura 19: Variación de temperatura media para el Escenario RCP4.5 al año 2070.

Fuente: Elaboración Propia – 2017.

Pág.
68
Figura 20: Variación de temperatura media para el Escenario RCP8.5 al año 2070.

Fuente: Elaboración Propia – 2017.

Pág.
69
Figura 21: Variación de precipitación total anual para el Escenario RCP4.5 al año 2070.

Fuente: Elaboración Propia – 2017.

Pág.
70
Figura 22: Variación de precipitación total anual para el Escenario RCP8.5 al año 2070.

Fuente: Elaboración Propia – 2017.

Pág.
71
 CONCLUSIONES

La estratificación de temperatura máxima en la microcuenca de la Laguna de Chacas varía

entre 23 a 19.5 °C el cual refleja que a menor altura la temperatura se incrementa y a mayor
altura la temperatura disminuye; así mismo los valores de la temperatura mínima oscilan
entre 3 y -1.5 °C, deduciendo que, a mayor altura, la temperatura disminuye.

Según la data utilizada de los modelos climáticos globales WorldClim y índices de

clasificación climática de Thornthwaite, la microcuenca de la Laguna de Chacas representa

un clima Subhúmedo seco, con gran deficiencia de agua en invierno, con una región

microtérmica Fría Acentuada y con un índice de concentración de eficiencias térmica

equivalente al 53% en verano con relación a la evapotranspiración anual en el periodo 1970-

2000. Se observa también que para el año 2050 el clima en la microcuenca de la Laguna de

Chacas será semiárido con gran deficiencia de agua en invierno, con una región microtérmica

fría moderada y con índice de concentración de eficiencia térmica equivalente al 54% en

verano; de la misma manera para el año 2070 el clima en la microcuenca de la Laguna de

Chacas será semiárido con gran deficiencia de agua en invierno, con una región microtérmica

fría moderada y con índice de concentración de eficiencia térmica que varía entre los valores

54 y 56% en verano.

La distribución espacial de las variaciones futuras nos muestra la distribución anual de

temperatura media, donde supone un incremento en la temperatura al año 2050 y 2070 en

los escenarios RCP 4.5 y RCP 8.5. Y para la distribución espacial de precipitación total anual

nos muestra la variación, donde simula el porcentaje de disminución o incremento en la

microcuenca de la Laguna de Chacas, para el escenario RCP 4.5 se muestra una disminución

de -0.6 % y para el escenario RCP 8.5 se obtuvo un incremento de 1.7 % hacia el año 2050.

Para el escenario RCP 4.5 se muestra una disminución -0.7 % y en el escenario RCP8.5 se

obtuvo un incremento de 6.9 % hacia el año 2070.

Pág.
72
 RECOMENDACIONES

1. Para realizar una adecuada validación de datos, es necesario contar con datos observados

de estaciones meteorológicas que cuenten un periodo de 1970 – 2000 dado que los

modelos climáticos globales del WorldClim cuentan con datos para el periodo en

mención.

2. Es necesario contar con estaciones que se encuentren dentro de la microcuenca de la

laguna de Chacas para poder obtener una base climática homogénea con datos diarios que

nos permitiría determinar con más precisión las características climáticas actuales y el

comportamiento en el tiempo.

3. Los modelos climáticos cuentan con información de variables climáticas con celdas

extensas, por lo que es recomendable aplicar una reducción de escalas para tener mejor

representación de la distribución espacial de las variables climáticas para áreas locales de

estudio.

4. Se debe plantear estrategias de adaptación futura que puedan ayudar a reducir la

vulnerabilidad de la población, que debe ser un proceso integrado y flexible como:

incrementar la captación de aguas de lluvia para recarga de acuíferos, cosecha de agua,

protección de cabeceras de cuenca, conservación y protección de la laguna, protección de

ecosistemas dañados, forestación de áreas erosionadas, ajustar fechas de siembra y

variedades de cultivo, seleccionar especies de mayor adaptación, rotación de cultivos.

Pág.
73
 REFERENCIAS BIBLIOGRÁFICAS

Abanades, J. C., Cuadrat, J. M., Castro, M., Fernández, F., Gallastegui, C., Garrote, L., …
Vallejo, R. (2007). El Cambio Climático en España. Estado de situación. España.
Retrieved from http://www.consorciotransportes-
sevilla.com/documentacionnormativa/documentacioninteres/pdf/200711_cambio_cli
matico.pdf

Álvarez, A. M., León, J. O., & Pacheco, X. J. (2015). Evaluación del Modelo Climático
Global MIROC5 y estimaciones de temperatura y precipitaciones para las zonas sur y
norte del Perú. Apuntes de Ciencia & Sociedad, 5(2), 188–195.
https://doi.org/10.18259/acs.2015028

Andersen, J., Refsgaard, J. C., & Jensen, K. H. (2001). Distributed hydrological modelling
of the Senegal River Basin - Model construction and validation. Journal of Hydrology,
247(3–4), 200–214. https://doi.org/10.1016/S0022-1694(01)00384-5

Aparicio, F. (1996). Fundamentos de hidrología de superficie (Editorial). México.

Bandy, M. S. (2005). Energetic efficiency and political expediency in Titicaca Basin raised
field agriculture. Journal of Anthropological Archaeology, 24(3), 271–296.
https://doi.org/10.1016/J.JAA.2005.03.002

Bazo, J. (2014). Proyecciones climáticas sobre perú y su relación con el fenómeno enso.
Universidad de Vigo.

Belizario, G. (2015). Efectos del cambio climático en la agricultura de la cuenca Ramis,

Puno-Perú. Revista de Investigaciones Altoandinas - Journal of High Andean Research,
17(1), 47–52.

Bustamante, M. (2010). Cambio climatico en el Peru - Regiones del Sur. (I. Vegas, Ed.).
Lima.

Carbone, M. E., Píccolo, M. C., & E. Perillo, G. M. (2003). Caracterización climática de la

cuenca del Arroyo Claromecó, Argentina. Papeles de Geografía, 38, 41–60.
https://doi.org/0213-1781

CARE, & UZH. (2013). LÍNEA DE BASE CLIMÁTICA - PARTE II: ESCENARIOS
Pág.
74
 CLIMÁTICOS CORDILLERA BLANCA Y SANTA TERESA, 17.

Chazarra, A. (2004). Clasificación climática de Thornthwaite para España obtenida mediante

técnicas SIG. Instituto Nacional de Meteorología, 4.

CMIP5. (2013). Retrieved December 11, 2017, from

https://cmip.llnl.gov/cmip5/availability.html

Crane, T. A., Roncoli, C., & Hoogenboom, G. (2011). Adaptation to climate change and
climate variability: The importance of understanding agriculture as performance. NJAS
- Wageningen Journal of Life Sciences, 57(3–4), 179–185.
https://doi.org/10.1016/j.njas.2010.11.002

Errazuriz, A. M., Cereceda, P., González, J. I., González, M., Henríquez, M., & Rioseco, R.
(1998). Manual de Geografia de Chile (Editorial). Chile.

Fernández, F. (1995). Manual de climatología aplicada: clima, medio ambiente y

planificación. (E. S. S.A, Ed.) (Editorial). Madrid: Editorial Sintésis S.A.

Franco, G. (2015). Elaboración de un mapa de clasificación climática para Guatemala.

Universidad Rafael Landívar. Universidad Rafael Landívar.

Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., & Jarvis, A. (2005). Very high
resolution interpolated climate surfaces for global land areas. International Journal of
Climatology, 25(15), 1965–1978. https://doi.org/10.1002/joc.1276

Instituto nacional de recursos naturales. (2007). Evaluación de los Recursos Hídricos en las
Cuencas de los Ríos Cabanillas y Lampa (Vol. II). Juliaca.

IPCC. (1997). Introducción a los Modelos Climáticos simples utilizados en el segundo

informe de evaluación del IPCC.

IPCC. (2001). Anexo B. Glosario de términos. Informe de Síntesis - Cambio Climático 2001,
27. Retrieved from https://www.ipcc.ch/pdf/glossary/tar-ipcc-terms-sp.pdf

IPCC. (2002). Cambio Climático Y Biodiversidad. Documento Técnico V IPCC, 284(2), 93.
https://doi.org/10.1111/j.1574-6968.2008.01186.x

IPCC. (2007). Climate Change 2007: impacts, adaptation and vulnerability: contribution of
Pág.
75
 Working Group II to the fourth assessment report of the Intergovernmental Panel.
Genebra, Suíça. https://doi.org/10.1256/004316502320517344

IPCC. (2013). Summary for Policymakers. Climate Change 2013: The Physical Science
Basis. Contribution of Working Group I to the Fifth Assessment Report of the
Intergovernmental Panel on Climate Change, 33.
https://doi.org/10.1017/CBO9781107415324

IPCC. (2014). Cambio climático 2014 - Informe de síntesis (1st ed.). Suiza.

L. J. Lane, T. E. Hakonson, & K.V. Bostick. (1995). Applications of the water balance
approach for estimating plant productivity in arid area. General Technical Report INT-
GTR-315. Retrieved from
https://books.google.com.pe/books?id=kwMvIacKAQsC&pg=PA335&lpg=PA335&d
q=Applications+of+the+water+balance+approach+for+estimating+plant+productivity
+in+arid+area&source=bl&ots=jMXn2XwtEO&sig=8_czet0xhvN-
S4EcHYxKJeid7C8&hl=es-419&sa=X&ved=0ahUKEwiKtu7e5PPX

Lujano, E., Diaz, R., Lujano, A., & Quispe, J. (2015). Evaluacion De La Disponibilidad
Hídrica Actual Y Futura En El Contexto Del Cambio Climatico En Las Cuencas Ilave
Y Ramis. Revista Investigaciones Altoandinas - Journal of High Andean Investigation,
16(2), 3–10. https://doi.org/10.18271/ria.2014.61

Lujano, E., Hidalgo, L. S., Diaz, R. D., Tapia, B., & Lujano, A. (2016). Cambios proyectados
de los recursos hídricos bajo escenarios de emisiones RCP4.5 Y 8.5 de modelos
climáticos globales del CMIP5 en el altiplano peruano. Revista de Investigaciones
Altoandinas - Journal of High Andean Research, 18, 195–204.

McNeill, P., & Townley, C. (1986). Fundamentals of Hydrology. (John Gerrard, Ed.) (2nd
ed.). London and New York: Routledge Fundamentals of Physical Geography.
https://doi.org/10.1016/j.ecoleng.2004.06.001

Mendoza, N. B., Garcia, C. A., & Carrasco, H. L. (2015). Evaluación de la vulnerabilidad

actual y futura a los riesgos del cambio climático para la salud en la Región Piura y
propuestas de medidas de adaptación .

MINAM. (2016). El Perú y el Cambio Climático. Tercera Comunicación Nacional del Perú.

Pág.
76
 Convención Marco de Las Naciones Unidas Sobre Cambio Climático, 328. Retrieved
from http://www.minam.gob.pe/wp-content/uploads/2016/05/Tercera-
Comunicación.pdf

MINEDU. (2011). Descarga de información espacial del MED. Retrieved December 11,
2017, from http://sigmed.minedu.gob.pe/descargas/

Modelo de Clima Global (MCG) - Cambio Climático Global. (n.d.). Retrieved December
10, 2017, from http://cambioclimaticoglobal.com/modelo-de-clima-global-mcg

Naciones Unidas. (1992). Convención marco de las Naciones Unidas sobre el cambio
climático. Convención Marco de Las Naciones Unidas Sobre El …, 05–62301, 98.
https://doi.org/FCCC/INFORMAL/84. GE.05-62301 (S) 220705 220705

OMM. (2011). Guía de prácticas climatológicas (100th ed.). Suiza: Organización

Meteorológica Mundial. Retrieved from
http://www.wmo.int/pages/prog/wcp/ccl/guide/documents/wmo_100_es.pdf

Pérez, J., Menéndez, M., & Méndez, F. J. (2012). Habilidad de los modelos climáticos
globales para el desarrollo de proyecciones regionales. Instituto de Hidráulica
Ambiental “IH Cantabria”. Universidad de Cantabria, 187–196.

Pineda, N., Arellano, R., Becerra, L., Aular, M., Azuaje, M., Pimentel, J., & Jaimes, E.
(2011). Caracterización climática de la microcuenca del río monaicito, subcuenca del
río motatán-carache* climatic characterization of monaicito river’s micro-basin, sub-
basin of motatán-carache river. Revista Mexicana de Ciencias Agricolas, 2, 765–771.

Quereda, J. (2005). Curso de climatología general. Universitat Jaume I.

Ramirez, J., & Jarvis, A. (2010). Downscaling Global Circulation Model Outputs: The Delta
Method Decision and Policy Analysis Working Paper No. 1. International Center for
Tropical Agriculture, (1), 18.

Rodríguez, A. (2012). Evaluación de las simulaciones de precipitación y temperatura de los

modelos climáticos globales del proyecto CMIP5 con el clima presente en Colombia.
Ideam-Meteo, 31. Retrieved from
http://fs03eja1.cormagdalena.com.co/nuevaweb/Niveles/Definiciones.pdf

Pág.
77
Sanabria, J., Marengo, J., & Valverde, M. (2009). Escenarios de Cambio Climático con
modelos regionales sobre el Altiplano Peruano ( Departamento de Puno ).
Senamhi.Gob.Pe, 149(1), 134–149. Retrieved from
http://www.senamhi.gob.pe/rpga/pdf/2010_vol01/art11.pdf

Tello, D., Paredes, M., & Cobos, M. (2013). Propuesta de clasificación microclimática en
función a la vegetación predominante en la Cuenca del Rio Itaya, Loreto-Perú. Revista
ECIPerú, 9(3), 1–5.

The COMET. (2012). Cambio climático: tiempo extremo. Retrieved December 9, 2017,
from https://www.meted.ucar.edu/climate/impacts/exwx_es/index.htm

Thornthwaite, C. W. (1948). An Approach toward a Rational Classification of Climate

Author ( s ): C . W . Thornthwaite Published by : American Geographical Society Stable
URL : http://www.jstor.org/stable/210739 Accessed : 11-08-2016 18 : 02 UTC.
Geographical Review, 38(1), 55–94. https://doi.org/10.2307/210739

Uppala, S. M., KÅllberg, P. W., Simmons, A. J., Andrae, U., Bechtold, V. D. C., Fiorino,
M., … Woollen, J. (2005). The ERA-40 re-analysis. Quarterly Journal of the Royal
Meteorological Society, 131(612), 2961–3012. https://doi.org/10.1256/qj.04.176

URL-IARNA. (2014). Clasificación de ecosistemas de Guatemala basada en el sistema de

zonas de vida de Holdridge (Vol. 2). Guatemala: Universidad Rafael Landivar.

van Vuuren, D. P., Edmonds, J., Kainuma, M., Riahi, K., Thomson, A., Hibbard, K., …
Rose, S. K. (2011). The representative concentration pathways: An overview. Climatic
Change, 109(1), 5–31. https://doi.org/10.1007/s10584-011-0148-z

van Vuuren, D. P., & Riahi, K. (2011). The relationship between short-term emissions and
long-term concentration targets. Climatic Change, 104(3–4), 793–801.
https://doi.org/10.1007/s10584-010-0004-6

Vargas, P. (2009). El Cambio Climático y Sus Efectos en el Perú. BCRP - Serie de

Documentos de Trabajo Julio. Retrieved from
http://sinia.minam.gob.pe/modsinia/public/docs/1745.pdf

Vargas, R. del C., & Sánchez, G. (2012). Proyecciones de cambio en la precipitación

Pág.
78
 mediante Vías De Concentración Representativas a Nivel Cuenca . Universidad
Autónoma de Tamaulipas, 1–16.

Villon, B. M. (2002). HIDROLOGÌA (2nd ed.). Lima - Perú.

Zúñiga, I., & Crespo, E. (2015). Meteorología y Climatología. Madrid: Universidad

NAcional de Educación a Distancia.

Pág.
79
 ANEXOS

1. Carta de presentación como tesista ante la I.E.S. Mariano Melgar – Unocolla.

Pág.
80
2. Carta de presentación y solicitud de autorización ante la dirección regional de SENAMHI.

Pág.
81
3. Datos meteorológicos de temperatura media mensual y precipitación total mensual, para
las estaciones Arapa, Cabanillas, Juliaca, Lampa y Pampahuta, que fueron empleados en
la validación de información del WorldClim.

Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
82
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
83
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
84
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
85
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
86
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
87
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
88
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
89
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
90
Fuente: (Instituto nacional de recursos naturales, 2007).

Pág.
91
 PANEL FOTOGRÁFICO

Fotografía N° 01: Vista panorámica de los límites en la Microcuenca de la laguna de Chacas, desde el cerro
Iquinito.

Fuente: Elaboración Propia – 2017.

Fotografía N° 02: Autoridades en reunión de coordinación.

Fuente: Elaboración Propia – 2016.

Pág.
92
Fotografía N° 03: pobladores participantes en reunión de coordinación.

Fuente: Elaboración Propia – 2016.

Fotografía N° 04: Instalación de termómetro en el sector Chacas.

Fuente: Elaboración Propia – 2016.

Pág.
93