SciELO - Scientific Electronic Library Online

 
vol.84 issue203Surface hardness prediction based on cutting parameters in turning of annealed AISI 1020 steelDam failure Vega de Tera, hydraulic simulation of the flood propagation (Zamora, Spain) author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


DYNA

Print version ISSN 0012-7353

Dyna rev.fac.nac.minas vol.84 no.203 Medellín Jan./Dec. 2017

http://dx.doi.org/10.15446/dyna.v84n203.59600 

Artículos

Evolución climática en la costa de Ecuador por efecto del cambio climático

Climate change effects on the climate dynamics of coastal Ecuador

Iker García-Garizábal a   b   , Paola Romero a   , Samantha Jiménez a   , Luis Jordá a  

a Facultad de Ingeniería en Ciencias de la Tierra, Escuela Superior Politécnica del Litoral, Guayaquil, Ecuador. ikerggarizabal@gmail.com, plromero@espol.edu.ec, sjimenez@espol.edu.ec, ljbordehore@gmail.com

b PROMETEO. Secretaría Nacional de Educación Superior, Ciencia, Tecnología e Innovación -SENESCYT. Quito, Ecuador.

Resumen

Este trabajo caracteriza el clima de la serie histórica (1982-2011) de temperatura media y precipitación y sus proyecciones futuras (2012-2099) en la Provincia de Santa Elena, región más occidental del Ecuador continental con características desérticas en el cinturón intertropical. El análisis histórico muestra aumentos de temperatura (0,038 ºC/año) y precipitación (0,196 mm/año). La comparación del clima histórico y generado por 65 modelos climáticos determina al escenario ECHOG A2 como más adecuado para reproducir el clima de la zona. Dicho modelo predice a final del siglo XXI aumentos en la temperatura media (+2,7 ºC), precipitación (+8,2%) y en los valores máximos de lluvia anual. La evolución de la temperatura y precipitación no lleva cambios en las características de clima anual que se mantiene como Semidesértico árido, si bien mensualmente disminuye la aridez de enero a abril.

Palabras-clave: Temperatura; precipitación; índice de aridez; modelos climáticos; tendencia.

Abstract

The study presented herein characterizes climate for historical series (1982-2011) of average temperature and precipitation, also including future projections (2012-2099) for the Province of Santa Elena, westernmost point of continental Ecuador, which presents desert environment in the intertropical belt. The historical analysis shows increasing temperatures (0,038 ºC/year) and precipitation (0,196 mm/year). Comparison of historical and generated (65 climate models) climate determines scenario ECHOG A2 as the most appropriate to reproduce the climate of the zone. This model predicts increases in temperature (+2,7 ºC), precipitation (+8,2%), and in maximum annual rain values, at the end of the XXI century. Evolution of temperature and precipitation does not lead to changes in annual climate characteristics, which is maintained as Semiarid, but the aridity index decreases monthly, from January to April.

Key words: Temperature, precipitation; aridity index; climate models; trend.

1. Introducción

El grupo intergubernamental de expertos sobre el cambio climático (IPCC) pone de manifiesto que el calentamiento global debido a la emisión de gases de efecto invernadero es un hecho constatado con el que se prevén importantes cambios en gran cantidad de variables climáticas [1]. Entre ellas, destacan precisamente la temperatura, en la que se detecta una tendencia creciente de 0,74 ºC entre 1901-2005, y las precipitaciones, en las que a pesar de su alta variabilidad espacial puede evidenciarse un aumento generalizado en regiones septentrionales y una reducción en las más meridionales.

El IPCC recoge la necesidad de establecer medidas de adaptación y mitigación de cara al cambio climático, si bien, dada la complejidad del sistema Tierra, es imposible detallar actuaciones a nivel mundial y resulta necesario desarrollar estudios locales. Con el propósito de estudiar el impacto del cambio climático y poder anteponerse a los cambios previstos, centros de investigación han desarrollado modelos capaces de hacer proyecciones climáticas. Web-sites como la del Canadian Climate Change Scenarios Network (www.cccsn.ec.gc.ca) recopilan estos modelos y los ponen a disposición.

Los modelos climáticos están orientados a la creación de escenarios climáticos futuros que permitan crear y evaluar con tiempo estrategias de gestión a las nuevas condiciones climáticas. No obstante, resulta imprescindible analizar cada modelo de manera individual, ya que a escala local los diferentes modelos y escenarios pueden arrojar resultados variados para una misma zona de estudio. Aun así, todos los modelos coinciden con que las regiones áridas y semiáridas son más sensibles a los cambios climáticos que las regiones húmedas [2].

En la costa pacífica de Sudamérica se han desarrollado algunos estudios que analizan la evolución de la temperatura [3-7] y la precipitación [5,8-16] y que han permitido crear una línea base de información para analizar las características del clima actual y su futura evolución. En este sentido, aunque para la temperatura los trabajos detectaron tendencias positivas similares a los encontrados a nivel mundial, son de destacar los valores de negativos de la costa Chilena [3,6]. Para la precipitación se encontraron comportamientos mucho más heterogéneos espacial y temporalmente, si bien parece aumentar el número de eventos de alta precipitación y espaciado de las lluvias [9].

Aunque los trabajos anteriores aportan valiosa información del comportamiento y tendencias del clima, es necesario desarrollar estudios climáticos más locales a fin de conocer la problemática climática de cada zona para poder planificar actuaciones concretas [17-19].

Este hecho debe ser tenido en cuenta especialmente en el entorno del Ecuador, al plantearse como un caso particular en Sudamérica, pues por su posición en la región del ecuatorial-tropical bajo la influencia de las corrientes de Humboldt y El Niño [20-22] y la dinámica de los vientos alisios con la cordillera andina, confiere a esta región una alta variedad climática, que abarca desde regiones interiores con climas tropicales de abundantes y constantes lluvias hasta regiones con características desérticas en los que la ocurrencia de precipitaciones es casi mínima [23-25].

Así pues, este trabajo pretende caracterizar la dinámica termo-pluviométrica y determinar el modelo de cambio climático más adecuado para analizar el impacto del cambio climático en la evolución climática de la Provincia de Santa Elena (PSE), región más occidental de Ecuador continental y que presenta características desérticas.

2. Metodología

2.1. Información climática de la zona de estudio

La zona de estudio está localizada en la región más occidental del Ecuador, siendo limitada al oeste por el Océano Pacífico y de norte a este por la cordillera Chongón-Colonche. Se extiende entre -1,6° y -2,5° S a -81,0 y -80,2° W y cubre una extensión de 3782 km2. La topografía es plana y homogénea con una ligera pendiente W-SW que le lleva en su zona Norte a 807 m de altitud, y una altura media es de 125 msnm (Fig. 1).

Fuente: Los autores.

Figura 1 Localización de la Provincia de Santa Elena y estaciones climáticas de temperatura y precipitación disponibles. 

La zona dispone de seis series homogéneas de temperatura media (T) [26] y cinco de precipitación (P) [27] con registros históricos desde 1982 hasta la actualidad gestionadas por el Instituto Nacional de Meteorología e Hidrología del Ecuador (INAMHI) y el Instituto Oceanográfico de la Armada (INOCAR). A partir de las 11 series climáticas se construyeron las series de referencia de temperatura media y precipitación de la PSE calculadas bien como la media de los datos de temperatura mensual o como la mediana de la precipitación mensual.

2.2. Caracterización climática

Dado que el panel intergubernamental del cambio climático aconseja periodos de estudio mínimos de 30 años y los modelos climáticos disponibles en la web (www.cccsn.ec.gc.ca) necesitan datos entre 1961 y el año actual, el periodo 1982-2011 fue el utilizado para caracterizar la evolución histórica del clima en la zona.

A partir de los datos anuales y mensuales de precipitación se determinó el Índice de Aridez de De Martonne (IA) [28] que clasifica el clima en Desierto hiperáridos (IA< 5), Semidesértico árido (IA: 5-10), Semiárido mediterráneo (IA: 10-20), Subhúmedo (IA: 20-30), Húmedo (IA: 30-60) y Perhúmedo (IA> 60).

Para analizar la evolución del clima se elaboraron análisis de tendencia (τ). Dada la no normalidad en las series de precipitación y con el propósito de aplicar una única metodología de análisis para todas las series de datos, se aplicó el test no paramétrico de rangos de Mann-Kendall [29-30] a un nivel de significancia estadística del 5%, calculando la pendiente de Sen [31] como cuantificador de la tendencia. Así mismo, se empleó la mediana como medida más adecuada de la tendencia central de distribuciones de datos debido al régimen pluviométrico de carácter extremo positivo y negativo que se da en esta región costera asociada al fenómeno ENSO.

2.3. Proyecciones de cambio climático

Para seleccionar el modelo-escenario climático que más se ajusta a las condiciones de la zona de estudio, se llevó a cabo un análisis de la evolución temperatura media y precipitación de 24 modelos climáticos y sus diferentes escenarios de evolución desarrollados por 16 instituciones de investigación y disponibles a través de la web Canadian Climate Change Scenarios Network (www.cccsn.ec.gc.ca) y basados en el Cuarto Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático: BCM2.0-Run 1, CGCM3T47-Mean, CGCM3T63-Run 1, CNRMCM3-Run 1, CSIROMk3.0-Run 1, CSIROMK3.5-Run 1, ECHAM5OM-Mean, ECHO-G-Mean, FGOALS-g1.0-Mean, GFDLCM2.0-Run 1, GFDLCM2.1-Run 1, GISS-AOM-Mean, GISS-EH-Mean, GISS-ER-Run 1, HADCM3-Run 1, HADGEM1-Run 1, INGV-SXG-Run 1, INMCM3.0-Run 1, IPSLCM4-Run 1, MIROC3.2 hires-Run 1, MIROC3.2 MEDRES-Mean, MRI CGCM2.3.2a-Mean, NCARCCSM3-Mean, NCARPCM-Mean.

En este sentido, todos los escenarios son igualmente válidos, y no tienen asignadas probabilidades de hacerse realidad. Los tres escenarios que proponen los modelos fueron tomados de las cuatro familias propuestas por el IPCC, y que describen las relaciones entre las distintas influencias de las emisiones de gases de efecto invernadero y aerosoles así como su evolución durante el siglo XXI. Cada línea evolutiva representa un cambio demográfico, social, económico, tecnológico y medioambiental:

  • Línea evolutiva y familia de escenarios A1: describe un mundo futuro con rápido crecimiento económico, una población mundial que alcanza su valor máximo hacia mediados del siglo y disminuye posteriormente, y una rápida introducción de tecnologías nuevas y más eficientes. La familia de escenarios A1 se desarrolla en tres grupos que describen direcciones alternativas del cambio tecnológico en el sistema de energía: utilización intensiva de combustibles de origen fósil (A1FI), utilización de fuentes de energía no de origen fósil (A1T), o utilización equilibrada de todo tipo de fuentes (A1B)

  • Línea evolutiva y escenarios A2: describe un mundo muy heterogéneo con una población mundial en continuo crecimiento. El desarrollo económico está orientado básicamente a las regiones, y el crecimiento económico por habitante así como el cambio tecnológico están más fragmentados y son más lentos que en otras líneas evolutivas.

  • Línea evolutiva y escenarios B1: describe un mundo convergente con una misma población mundial, como en la línea evolutiva A1, pero con rápidos cambios de las estructuras económicas orientados a una economía de servicios y de información, acompañados de una utilización menos intensiva de los materiales y de la introducción de tecnologías limpias con un aprovechamiento eficaz de los recursos.

  • Línea evolutiva y escenarios B2: describe un mundo en el que predominan soluciones locales a la sostenibilidad económica, social y medioambiental, con aumento progresivo de población mundial aunque a menor ritmo que A2, y niveles de desarrollo económico intermedios.

La elección del modelo climático más adecuado se hizo en base a la comparación de las medias (temperatura), medianas (precipitación) y tendencias históricas (1982-2011) respecto a las proyecciones que arrojan los modelos (2012-2099). Esta hipótesis ya fue empleada por Moratiel et al. (2010) [32] y García-Garizábal et al. (2014) [19] para elaborar predicciones de cambio climático, y es acorde a la propuesta de mantenimiento de tendencias [33-34] en parámetros de calibración-validación de escenarios de cambio climático. En este sentido, al elegir el modelo, la tendencia de temperatura prevaleció sobre la precipitación al resultar un parámetro menos complejo de cálculo en las proyecciones de cambio climático [34-35].

Para organizar la información generada en los 65 escenarios de cambio climático y elegir el escenario de más adecuado para la PSE, se utilizaron las aplicaciones informáticas GCMgen (Global Climate Models generator) [36] y FuCHSIA (Future Climate and Hydrological ScenarIos for environmental management and Assessment) [37], que además de automatizar el proceso de generación de escenarios climáticos de temperatura y precipitación para 2012-2099, ejecuta el cálculo de tendencias según el test de Mann-Kendall.

3. Resultados y discusión

3.1. Caracterización climática histórica

La temperatura media anual en la PSE es de 24,3 ºC con una baja variabilidad interanual (CV= 2,7 %; Fig. 2). Intraanualmente se diferencia un periodo de alta temperatura de Diciembre a Mayo (25,8 ºC) y otro de menor temperatura de Junio a Noviembre (22,9 ºC), si bien en ambos la variación de temperaturas también resulta baja (CV= 4,0 a 4,9 %).

Fuente: Los autores.

Figura 2 Evolución anual y tendencia (τ) de la temperatura media (T, ºC/año; negro) y la precipitación (P, mm/año; gris) en la zona de estudio el periodo 1982-2011. Significancia estadística: ns = No significativo; + = p<0,1; * = p<0,05; ** = p<0,01; *** = p<0,001. 

La mediana de la precipitación entre 1982-2011 fue de 260,4 mm/año, con una alta variabilidad (CV= 227%) asociada al régimen pluviométrico extremo que se da en esta región costera asociada al fenómeno ENSO y que alcanza los 2579 mm en 1998 (Fig. 2). De igual manera, la precipitación está irregularmente distribuida en el año, con una estación lluviosa de diciembre a mayo en la que ocurre el 97% de la lluvia, y una seca de junio a noviembre con unas precipitaciones prácticamente nulas.

De acuerdo al índice de aridez, el clima de la PSE queda clasificado como Semidesértico árido (IAanual 1982-2011= 7,6), si bien la variabilidad pluviométrica que hay en la zona lleva al índice anual hasta valores anuales de Perhúmedo (IAanual 1998= 72,9) asociado a la ocurrencia de altos eventos de precipitación producto del fenómeno climático de “El Niño”.

Mensualmente el IA también presenta una alta variabilidad debido a la estacionalidad de las precipitaciones, y mientras que durante la estación seca el clima es siempre Desierto hiperárido (IA= 0), durante la estación de lluviosa varía de Desierto hiperárido (IAdiciembre= 1,2) a Húmedo (IAmarzo= 36,5).

El análisis de la serie histórica de temperatura evidencia un aumento significativo de 0,038 ºC/año, y aunque a nivel mensual todas las tendencias de temperatura resultan positivas, los incrementos mensuales resultan heterogéneos. Así, los mayores valores de tendencia ocurren en el periodo de más altas temperaturas diciembre-mayo con tasas de 0,035 a 0,065 ºC/mes, mientras que entre junio y noviembre los valores de tendencia se sitúan entre los 0,017 ºC/mes y los 0,045 ºC/mes, agrupando los únicos meses en los que las tendencias carecieron de significancia estadística (Fig. 3).

Fuente: Los autores.

Figura 3 Evolución mensual de la temperatura media (T; negro) de la Precipitación (P; gris) en la zona de estudio para el periodo 1982-2011. Tendencia absoluta (τ; ºC/mes; mm/año). Significancia estadística: ns = No significativo; + = p<0,1; * = p<0,05; ** = p<0,01; *** = p<0,001. 

En relación a otros estudios de tendencia de temperatura desarrollados en la costa Pacífica, las tasas de incremento superiores a los 0,01 ºC/año detectados por Vuille et al. (1939-2006) [5] y los 0,025 ºC/año de Falvey y Garreaud (1976-2006) [6] y similares a las 0,036 ºC/año de Mark y Seltzer (1951-1999) [4] en Perú.

En el caso de la precipitación, aunque durante el periodo histórico 1982-2011 se detecta una tasa positiva en la evolución de precipitación de 0,196 mm/año, dicho aumento no fue estadísticamente significativo (Fig. 2).

Así mismo, la evolución de la precipitación mensual tiene un comportamiento irregular, pues aunque se detectan tendencias positivas para la lluvia en enero, febrero y abril, los meses de marzo y diciembre arrojaron tendencias negativas, presentando los meses restantes valores de pendiente de cero, todas ellas carentes de significancia estadística (Fig. 3).

El comportamiento de la precipitación en la PSE resulta similar al encontrado en otras zonas de la costa Pacífica Sudamericana, y a pesar de la amplia variabilidad en los resultados de tendencias reportados, con valores de evolución intraanual positivos y negativos [12-14], se detectan tendencias regionales de carácter positivo en zonas más próximas a las regiones tropicales y tendencias de tipo negativo en zonas más alejadas de los trópicos [5,8].

3.2. Modelos climáticos

Los 24 modelos de cambio climático desarrollados en la PSE arrojan un amplio rango de evolución de la temperatura y precipitación anual, y mientras todas las combinaciones de modelo-escenario predicen para el periodo 2012-2099 aumentos en la temperatura, en el caso de la precipitación un 18% de los escenarios indican descensos en los aportes de las lluvias con respecto al escenario histórico de referencia 1982-2011 (Tabla 1).

Tabla 1 Valor medio de temperatura media (T) y precipitación (P) anual y tendencia (τ) en la serie histórica (1982-2011) y proyecciones GCM (2012-2099) en la Provincia de Santa Elena. Significancia estadística: ns = No significativo; + = p<0,1; * = p<0,05; ** = p<0,01; *** = p<0,001. 

Fuente: Los autores.

Así, las diferentes combinaciones de escenarios predicen para el periodo 2012-2099 tendencias de carácter positivo para la temperatura, de entre 0,008 ºC/año con un aumento medio de +0,44ºC en el escenario NCARPCM B1 y los 0,051 ºC/año e incremento medio de la temperatura de +2,16 ºC en el escenario HADCM3 A2, frente a los más heterogéneos resultados de la precipitación, con tasas que variaron entre los -0,21 mm/año y descenso en la lluvia del -2,6% en el escenario NCARPCM A1B y los +3,45 mm/año con aumento de la lluvia un 122,7% en el escenario CNRMCM3 A2 (Tabla 1).Sólo 12 de los 65 escenarios de temperatura presentaron valores de tendencia positivos del mismo orden o superiores al del escenario histórico, que los califican como candidatos según el criterio de mantenimiento-incremento de tendencias [33]. En el caso de la precipitación, 62 de los escenarios arrojan valores de tendencia positiva, al igual que la serie de referencia 1982-2011.

De los 12 posibles escenarios de temperatura, sólo los correspondientes al modelo ECHOG A2 y MIROC32HIRES A1B con una tendencia de 0,039 ºC/año, presentan la tasa de incremento más similar a la de la serie histórica 1982-2011 de 0,038 ºC/año. En cambio, para la precipitación, sólo el modelo ECHOG en el escenario A2 que presenta una tendencia de 0,199 mm/año, tiene el valor de pendiente más parecido al del escenario de referencia de 0,196 mm/año.

De esta manera, considerando los resultados de tendencia de los 65 escenarios de cambio climático construidos, parece apropiado indicar que el escenarios A2 del modelo ECHOG es el más adecuado para reproducir las características climáticas de la PSE.

3.3. Proyecciones climáticas

Durante el periodo 2012-2099, el escenario de evolución ECHOG A2 arroja un incremento tanto de la temperatura como de la precipitación, y aunque dicho aumento ocurre de manera irregular durante el periodo analizado, si bien para todo el periodo simulado se determina una aumento en la temperatura media de 1,6 ºC y del 6,2% en la precipitación con respecto al escenario de referencia (Fig. 4).

Fuente: Los autores.

Figura 4 Evolución anual de la temperatura media (T; ºC/año) y precipitación (P; mm/año) para el periodo 1982-2011 (negro) y según los datos de la proyección climática del modelo ECHOG en el escenario A2 para el periodo 2012-2099 (gris) en la Provincia de Santa Elena. 

La variabilidad de la temperatura media anual se incrementa gradualmente desde la serie histórica, y aunque durante 2012-2040 hay un aumento en la temperatura de 0,51 ºC, su variabilidad se mantiene en el 2,8%. De igual manera, aunque durante el treintenio 2041-2070 la temperatura pasa a incrementarse 1,56 ºC respecto al periodo de referencia, el coeficiente de variación apenas presenta cambios al mantenerse en el 3,2%, variabilidad que se mantiene en el 3,3 % entre 2071-2099 pero con un aumento de temperatura de 2,71 ºC respecto a la serie histórica.

Mensualmente, la evolución de la temperatura en el escenario ECHOG A2 siguen un comportamiento análogo a las de la serie de 1982-2011 tanto en valores de pendiente como en los niveles de significancia estadística, a excepción de los meses históricos de enero, en el que la tasa de aumento resulta muy superior al del resto del año, y octubre-noviembre, en los que las tasas de incremento resultan más bajas a las del conjunto anual (Tabla 2).

Tabla 2 Tendencias (τ) mensuales y anual para la temperatura media (T; ºC/año) y precipitación (P; mm/año) en la serie histórica (1982-2011) y la proyección del modelo ECHOG A2 (2012-2099) en la Provincia de Santa Elena. Significancia estadística: ns = No significativo; + = p<0,1; * = p<0,05; ** = p<0,01; *** = p<0,001. 

Fuente: Los autores.

La precipitación presenta una irregular evolución durante el siglo XXI, pues aunque para el periodo más inmediato 2012-2040 la mediana de la precipitación (262,2 mm/año) apenas presenta variación con respecto al escenario histórico (260,4 mm/año), sí hay un aumento en los valores de máxima precipitación anual hasta los 3341 mm, aunque manteniendo su variabilidad (CV= 240%).

Este comportamiento se repite durante los siguientes treintenios, donde además de repetirse valores precipitación anual similares a los del periodo histórico, las medianas de la precipitación aumentan ligeramente (P2041-2070= 276,1 mm/año; P2071-2099= 281,8 mm/año) y los máximos de precipitación anual superan los 3000 mm.

Los escenarios mensuales de precipitación según el modelo ECHOG A2, reflejan en su mayoría unas tendencias de evolución muy similares a las de la serie histórica, especialmente durante el periodo de abril a noviembre, con los menores aportes de lluvia. En cambio, los meses con mayores precipitaciones acumulan valores máximos de pendiente en la serie histórica, si bien para el periodo 2011-2099 las pendientes positivas se reducen a la tercera parte y la mitad en enero y febrero mientras que las negativas de marzo y diciembre pasan a positivas (Tabla 2).

En cuanto al índice de aridez, según la evolución climática del escenario ECHOG A2, durante los tres treintenios del siglo XXI el valor de IA se sitúa entre 7,5-7,6, quedando el clima clasificado como Semidesértico árido, mismas características al establecido en el periodo histórico 1982-2011 (Tabla 3).

Tabla 3 Valores mensuales y anual del Índice de Aridez (IA) en la serie histórica 1982-201l y para los treintenios 2012-2040, 2041-2070 y 2071-2099 según la proyección del modelo ECHOG A2, y tendencias (τ) para el periodo 2012-2099 en la Provincia de Santa Elena. Significancia estadística: ns = No significativo; + = p<0,1; * = p<0,05; ** = p<0,01; *** = p<0,001. 

Fuente: Los autores.

La evolución anual del IA en 2012-2099 no presenta cambios respecto al periodo histórico 1982-2011, con valores de tendencia próximos a cero para ambos periodos de tiempo (Tabla 3). De esta manera, mientras que en periodos de baja ocurrencia de precipitaciones el clima quedaría clasificado como Desértico hiperárido, en el caso de periodos con eventos de alta precipitación asociados al fenómeno ENOS llega a clasificarse como Perhúmedo (Fig. 5).

Fuente: Los autores.

Figura 5 Evolución anual del Índice de Aridez (IA) para el periodo 1982-2011 (negro) y según los datos de la proyección climática del modelo ECHOG en el escenario A2 para el periodo 2012-2099 (gris) en la Povincia de Santa Elena. 

A escala mensual, aunque en su mayoría los valores de IA calculados a partir del escenario ECHOG A2 presentan valores similares a los establecidos para el periodo de referencia 1982-2011, durante los meses de la estación de lluvias hay ciertas variaciones en la clasificación climática, a pesar de que los análisis de tendencias no establecen cambios significativos en la evolución de los IA (Tabla 3).

De esta manera, por al aumento que se espera en las precipitaciones para el siglo XXI, entre enero y abril los valores de IA incrementan su valor disminuyendo la aridez de la región, transformándose los valores de enero y abril de Semidesértico árido a Semiárido mediterráneo y de marzo de Semiárido mediterráneo a Subhúmedo, manteniéndose febrero como el mes menos árido con un clima Húmedo.

Por lo tanto, de acuerdo al escenario climático proyectado para la PSE, aunque se espera un mantenimiento de las condiciones climáticas en la región para el siglo XXI con un clima Semidesértico árido, sí se detectan pequeñas variaciones en la dinámica climática intraanual durante el periodo de asociado a la ocurrencia precipitaciones, con un aumento de las lluvias y una disminución de la aridez de la zona entre los meses de enero y abril.

4. Conclusiones

El análisis de la serie climática histórica (1982-2011) de temperatura media y precipitación de la Provincia de Santa Elena permite clasificar a la región según el índice de Aridez de De Martonne como de clima Semidesértico árido, si bien la intensa variabilidad climática intraanual que se da en la zona provoca una variación de climas extremos desde Desierto hiperárido a Húmedo.

La temperatura media y precipitación entre 1982-2011 arrojan tasas de evolución positivas de 0,038 ºC/año y 0,196 mm/año, con una heterogénea dinámica mensual. Mientras la temperatura muestra valores positivos de pendiente de 0,017 ºC/mes a 0,065 ºC/mes, la precipitación presenta tendencias positivas en enero, febrero y abril de 0,22 mm/mes a 0,82 mm/mes, tendencias negativas en diciembre y marzo de -0,02 mm/mes y -0,75 mm/mes y tendencias de cero los meses restantes.

Los modelos y escenarios climáticos muestran una amplia posibilidad de evoluciones climáticas, si bien adaptados a las condiciones locales de los datos históricos de la Provincia de Santa Elena, permite determinar el modelo ECHOG en su escenario A2 como el más adecuado para la ejecución de proyecciones climáticas.

Los resultados de la proyección climática (2011-2099) del escenario ECHOG A2 arroja incrementos anuales en la temperatura media de +2,7 ºC y de la precipitación del +8,2%, y si bien la variabilidad de los valores de temperatura se mantienen durante el siglo XXI, en el caso de la precipitación ocurre un aumento de los valores máximos de precipitación anual.

Los análisis de tendencia arrojan tasas de evolución mensual positivas para la temperatura y la precipitación siguiendo un comportamiento parecido al de la serie histórica de 1982-2011. No obstante los resultados son más acertados para la temperatura, al resultar un parámetro menos complejo de cálculo en las proyecciones climáticas.

A pesar de la evolución climática que está ocurriendo en la Provincia de Santa Elena, el Índice de Aridez de De Martone no manifiesta cambios anuales para los periodos 2012-2040, 2041-2070 y 2071-2099 al mantenerse un clima Semidesértico árido. Sin embargo, a escala mensual, la mayor ocurrencia de precipitaciones durante los meses de la estación lluviosa de enero a abril, motivará la reducción del grado de aridez de la región y el paso de un clima Semidesértico árido a Semiárido mediterráneo y de Semiárido mediterráneo a Subhúmedo.

Agradecimientos

Este trabajo ha sido realizado gracias al Proyecto PROMETEO de la Secretaría Nacional de Educación Superior, Ciencia, Tecnología e Innovación - SENESCYT. Agradecer al Ing. Raúl Mejía del Instituto Nacional de Meteorología e Hidrología - INAMHI y al Suboficial Henry Gálvez del Instituto Oceanográfico de la Armada - INOCAR por la información facilitada para este trabajo.

Bibliografía

[1] IPCC. Climate Change 2007: Synthesis report. Contribution of working groups I, II and III to the fourth assessment report of the intergovernmental panel on climate change [Core Writing Team, Pachauri, R.K and Reisinger, A. (eds.)]. IPCC. 2007. [ Links ]

[2] IPCC. Climate change and water. Cambridge University Press, Cambridge, 2008. [ Links ]

[3] Rosenblüth, N., Fuenzalida, H.A. and Aceituno, P., Recent temperature variations in southern South America. International Journal of Climatology, 17, pp. 67-85, 1997. [ Links ]

[4] Mark, B.G. and Seltzer, G.O., Evaluation of recent glacier recession in the Cordillera Blanca, Peru (AD 1962-1999): Spatial distribution of mass loss and climatic forcing. Quaternary Science Reviews, 24, pp. 2265-2280, 2005. [ Links ]

[5] Vuille, M., Francou, B., Wagnon, P., Juen, I., Kaser, G., Mark, B.G. and Bradley, R.S., Climate change and tropical Andean glaciers: Past, present and future. Earth-Science Reviews, 89, pp. 79-96, 2008. [ Links ]

[6] Falvey, M. and Garreaud, R.D., Regional cooling in a warming world: Recent temperature trends in the southeast Pacific and along the west coast of subtropical South America (1979-2006). Journal of Geophysical Research, 114, D04102, 2009. DOI: 10.1029/2008JD010519 [ Links ]

[7] Seiler, C., Hutjes, R.W.A. and Kabat, P., Climate variability and trends in Bolivia. Journal of Applied Meteorology and Climatology, 52, pp. 130-146, 2013. [ Links ]

[8] Vuille, M., Bradley, R.S., Werner, M. and Keimig, F., 20th Century climate change in the tropical Andes: Observations and model results. Climatic Change, 59, pp. 75-99, 2013. [ Links ]

[9] Marengo, J.A., Rusticucci, M., Penalba, O. and Renom, M., An intercomparison of observed and simulated extreme rainfall and temperature events during the last half of the twentieth century: part 2: historical trends. Climatic Change , 98, pp. 509-529. 2010. DOI: 10.1007/s10584-009-9743-7 [ Links ]

[10] Carmona, A.M. and Poveda, G., Detection of long-term trends in monthly hydro-climatic series of Colombia through Empirical Mode Decomposition. Climatic Change , 123, pp. 301-313, 2014. DOI: 10.1007/s10584-013-1046-3 [ Links ]

[11] Pinilla, M.C. y Pinzón, C., Caracterización de eventos extremos asociados a la precipitación usando RClimdex, en la parte central del departamento de Santander, Colombia. 8 Congreso Internacional Asociación Española de Climatología. Cambio climático. Extremos e impactos. Salamanca, España, 2012. [ Links ]

[12] Celleri, R., Willems, P., Buytaert, W. and Feyen, J., Space-time rainfall variability in the Paute Basin, Ecuadorian Andes. Hydrological Processes, 21, pp. 3316-3327, 2007. [ Links ]

[13] Lavado-Casimiro, W.S, Labat, D., Ronchail, J., Espinoza, J.C. and Guyot, J.L., Trends in rainfall and temperature in the Peruvian Amazon-Andes basin over the last 40 years (1965-2007). Hydrological Processes , 27, pp. 2944-2957, 2012. [ Links ]

[14] Pizarro-Tapia, R., Cabrera-Jofre, C., Morales-Calderón, C. and Flores-Villanelo, J.P., Variación temporal de las precipitaciones y caudales en la cuenca del Maipo, y la potencial influencia glaciar en la producción de agua (1963-2006). Tecnología y Ciencias del Agua, 2, pp. 5-19, 2011. [ Links ]

[15] Souvignet, M., Oyarzún, R., Verbist, K.M.J, Gaese, H. and Heinrich, J., Hydro-meteorological trends in semi-arid north-central Chile (29-32°S): Water resources implications for a fragile Andean region, Hydrological Sciences Journal, 57(3), pp. 479-495, 2012. DOI: 10.1080/02626667.2012.665607 [ Links ]

[16] Hurtado-Montoya, A.F. and Mesa-Sánchez, O.J., Reanalysis of monthly precipitation fields in Colombian territory. DYNA, 81(186), pp. 251-258, 2014. [ Links ]

[17] Vicente-Serrano, S.M. and Cuadrat-Prats, J.M., Trends in drought intensity and variability in the middle Ebro Valley (NE of the Iberian Peninsula) during the second half of the twentieth century. Theoretical and Applied Climatology, 88, pp. 247-258, 2007. [ Links ]

[18] Gonzalez-Hidalgo, J.C., Brunetti, N. and Luis, M., A new tool for monthly precipitation analysis in Spain: MOPREDAS database (monthly precipitation trends December 1945-Novembre 2005). International Journal of Climatology , 31, pp. 715-731, 2011. [ Links ]

[19] García-Garizábal, I. Causapé, J., Abrahao, R. and Merchán, D., Impact of climate change on Mediterranean irrigation demand: Historical dynamics of climate and future projections. Water Resource Management, 28, pp. 1449-1462, 2014. [ Links ]

[20] Strub, P.T., Mesías, J.M., Montecino, V., Rutllant, J. and Salinas, S., Coastal ocean circulation off western South America coastal segment. The Sea (Chapter 10). John Wiley & Sons, Inc. 1998. [ Links ]

[21] Thiel, et al., The Humboldt current system of northern and central Chile oceanographic processes, ecological interactions and socioeconomic feedback. Oceanography and Marine Biology: An Annual Review, 45, pp. 195-344, 2007. [ Links ]

[22] Montecino, V. and Lange, C.B., The Humboldt current system: Ecosystem components and processes, fisheries, and sediment studies. Progress in Oceanography, 83, pp. 65-79, 2009. [ Links ]

[23] Cañadas, L., El mapa bioclimático y ecológico del Ecuador. Banco Central del Ecuador, 1983. [ Links ]

[24] Peel, M.C., Finlayson, B.L. and McMahon, T.A., Updated world map of the Köppen-Geiger climate classification. Hydrology and Earth System Sciences, 11, pp. 1633-1644, 2007. DOI: 10.5194/hess-11-1633-2007. [ Links ]

[25] Recalde-Coronel, G.C., Barnston, A.G. and Muñoz, A.G., Predictability of December-April rainfall in coastal and Andean Ecuador. Journal of Applied Meteorology and Climatology , 53, pp. 1471 1493, 2014. [ Links ]

[26] García-Garizábal, I. and Romero, P., Homogeneous temperature series for thermal characterization and detection of trends in the Province of Santa Elena, Ecuador. International Journal of Climatology , 36(8), pp. 3129-3138, 2016. DOI: 10.1002/joc.4541 [ Links ]

[27] García-Garizábal, I., Rainfall variability and trend detection in coastal arid Ecuador. International Journal of Climatology . 2013. Under review. [ Links ]

[28] De Martonne, E., Aréisme et índice artidite. Compte Rendus de L’Acad., Paris, 182, pp. 1395-1398. 1926. [ Links ]

[29] Mann, H.B., Nonparametric test against trend. Econometrica, 13, pp. 245-259, 1945. [ Links ]

[30] Kendall, M.G., Rank correlation method. Griffin, London, 1975. [ Links ]

[31] Sen, P.K., Estimates of the regression coefficient based on Kendall’s tau. Journal of the American Statistical Association, 63, pp.1379-1389, 1968. [ Links ]

[32] Moratiel, R., Durán, J.M. and Snyder, R.L., Responses of reference evapotranspiration to changes in atmospheric humidity and air temperature in Spain. Climate Research, 44, pp. 27-40, 2010. [ Links ]

[33] Milly, P.C.D, Dunne, K.A. and Vecchia, A.V., Global pattern of trends in streamflow and water availability in a changing climate. Nature, 438, pp. 347-350, 2005. DOI: 10.1038/nature04312 [ Links ]

[34] IPCC-TGICA, General guidelines on the use of scenario data for climate impact and adaptation assessment. Version 2. Prepared by T.R. Carter on behalf of the Intergovernmental Panel on Climate Change, Task Group on Data and Scenario Support for Impact and Climate Assessment, 2007. [ Links ]

[35] Errasti, I., Ezcurra, A., Sáenz, J. and Ibarra-Berastegi, G., Validation of IPCC AR4 models over the Iberian Peninsula. Theoretical and Applied Climatology , 103, pp. 61-79, 2011. [ Links ]

[36] García-Garizábal, I. and Carrillo-Espinoza, C., Global climate models generator, 2016. [ Links ]

[37] García-Garizábal, I. and Carrillo-Espinoza, C., FuCHSIA: Future climate and hydrological scenarios for environmental management and Assessment, 2016. [ Links ]

How to cite: García-Garizábal, I., Romero, P., Jimenez, S. and Jordá, L., Evolución climática en la costa de Ecuador por efecto del cambio climático DYNA, 84(203), pp. 37-44, December, 2017.

Received: August 16, 2016; Revised: June 26, 2017; Accepted: September 18, 2017

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons