Interpretación de:

Decadal variability in the austral summer precipitation over the Central Andes: Observations and the empirical‐statistical downscaling model

Sulca, J., Takahashi, K., Tacza, J., Espinoza, J., Dong, B., 2022: Decadal variability in the austral summer precipitation over the Central Andes: Observations and the empirical‐statistical downscaling model, Intl Journal of Climatology, 42, 9836-9864, https://doi.org/10.1002/joc.7867

Descargar interpretación

Intérprete

Sulca Jota Juan Carlos

Fecha de interpretación

22/03/2023

Resultados y conclusiones

Los resultados del estudio son: 1. Las estaciones climáticas revelan que las lluvias de verano (diciembre-enero-febrero, DEF) sobre los Andes centrales (10 - 30°S) poseen una señal decadal que varía en la banda 10-13 años. 2. El análisis de REOF revela que las componente decadal de las lluvias DEF de los Andes centrales se pueden caracterizarse a través de los 4 primeros REOFs. En particular, la variabilidad decadal de las lluvias de los Andes centrales peruanos es capturada por dos REOFs. a. El primer REOF (REOF1, 38.2% de la varianza decadal total) representa la variabilidad decadal de gran parte de los Andes centrales. La fase lluviosa de REOF1 es causada por el transporte de humedad de la Amazonia hacia los Andes centrales inducida por la intensificación del sistema Alta de Bolivia y Baja del Noreste (AB-BN) sobre América del Sur en los niveles troposféricos altos (~ 200 hPa). b. El tercer REOF (REOF3; 12.7% de la varianza decadal total) representa la variabilidad decadal del Altiplano peruano-boliviano y los Andes argentinos del noroeste. La fase lluviosa de REOF3 también es causada por el flujo de humedad proveniente del este inducido por las anomalías del este de vientos sobre el Altiplano en los niveles altos (~ 200 hPa), las cuales son débiles con respecto a REOF1. 3. El aumento de la amplitud de la RPC1 a partir de los 1950 es causado por la sincronización de las componentes decadal de las anomalías de la TSM del Pacífico central y del este. 4. El modelo de regresión lineal múltiple muestra que la serie de tiempo de la RPC1 y RPC3 son causadas por la superposición de la componente decadal de las índices de las anomalías de temperatura superficial del mar del Pacífico ecuatorial y del Atlántico. En conclusión, este documento debería proporcionar información relevante para el desarrollo de modelos de pronóstico de lluvias a escala decadal en los Andes peruanos del centro y sur.

Metodología y datos

Se utilizó datos mensuales grillados de precipitación del GPCC versión 2020. Se utilizó los datos grillados del reanálisis ERA-20C. Se utilizó datos mensuales grillados de temperatura superficial del mar (TSM) llamadas HadISST v1.1. y ERSST v5. Se definió los indices de la TSM del océano Atlántico como las tres primeras principal componentes de la componente decadal de las anomalías de la TSM sobre la región (30°N–45°S, 80°W–10°E; Vuille et al., 2000; https://doi.org/10.1029/2000JD900134). Se aplicó un filtro de pasa banda, la cual está basada en la técnica de ondeletas continua de Liu (Liu et al., 2017; https://doi.org/10.1175/2007JTECHO511.1), de 10-13 años a todos los datos grillados mencionados arriba. Se utilizó el método funciones empírico ortogonal rotada (REOF) a todos los datos filtrados. Se construyó un modelo de regresión lineal múltiple para cada una de las 4 RPCs de la componente decadal de las lluvias DEF de los Andes centrales. Los predictores fueron las series de tiempo filtradas de los indices de TSM del Pacífico ecuatorial y del Atlántico.

Limitaciones de la investigación

La pobre cobertura espacial y con series largas (> 50 años) de las estaciones de precipitaciones sobre los Andes peruanos fueron la mayor limitación del estudio. Por ejemplo, solo 12 puntos de grillas contenían más de 1000 datos mensuales. La falta de series largas de los datos grillados de precipitación no permitió establecer claramente el rol de la convección profunda sobre la Amazonia peruana de noroeste en las lluvias de los Andes peruanos a escala decadal como a escala interannual a partir de los 2000 (Segura et al., 2020; https://doi.org/10.1007/s00382-020-05132-6). La falta de predictores locales de lluvia limita la capacidad de estimación de los modelos de regresión lineal múltiple para alsunas regiones dentro los Andes centrales.

Adaptación: Agua, Agricultura, Bosques

Mitigación: Agricultura, Uso de suelo, cambio de uso de suelo y silvicultura

Escala: Regiones del Perú

Ámbito geográfico: Provincias de Huánuco, Pasco, Junín, Huancavelica, Ayacucho, Apurímac, Cusco y Puno

Palabras clave: lluvias de verano, Andes centrales, variabilidad decadal, modelo de regresión lineal múltiple, teleconexiones atmosféricas

Cita de la interpretación

Sulca Jota, Juan Carlos, 2023: Interpretación de Sulca et al. (2022, doi:10.1002/joc.7867), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/0ec51d01-90c0-4bf4-969a-bfb2f753d32e