Interpretación de:
Recent extreme drought events in the Amazon rainforest: assessment of different precipitation and evapotranspiration datasets and drought indicators
https://doi.org/10.5194/bg-19-3843-2022Papastefanou, P., Zang, C., Angelov, Z., de Castro, A., Jimenez, J., De Rezende, L., Ruscica, R., Sakschewski, B., Sörensson, A., Thonicke, K., Vera, C., Viovy, N., Von Randow, C., Rammig, A., 2022: Recent extreme drought events in the Amazon rainforest: assessment of different precipitation and evapotranspiration datasets and drought indicators, Biogeosciences, 19, 3843-3861, https://doi.org/10.5194/bg-19-3843-2022
Intérprete
Martínez Castro Daniel
Fecha de interpretación
09/01/2024
Resultados y conclusiones
En los últimos 20 años, la cuenca amazónica ha sufrido los efectos de varias sequías, algunas de las cuales han manifestado un nivel de severidad muy alto en determinadas regiones de la cuenca. Las más severas de ella han sido las de 2005, 2010 y 2015-2016. Este trabajo se centra en el análisis de estas sequías, utilizando varias bases de datos y varios índices de sequía diferentes. El trabajo se centró en los años de las sequías más severas, determinando para cada caso las áreas cubiertas por sequía moderada, severa o extrema, según cada uno de los criterios. Los patrones espaciales de las anomalías de rMCWD generalmente coinciden en todas las bases de datos. El estrés por sequía grave y extremo se observa principalmente en la cuenca norte del Amazonas, según la mayoría de las bases de datos, excepto GLDAS. No obstante, existen diferencias en la intensidad del estrés por sequía entre las diferentes bases de datos. En 2005, entre el 37% y el 51% de la cuenca del Amazonas se vio moderadamente afectada por la sequía. ERA5 mostró el área más pequeña afectada por sequía moderada, mientras que CHIRPS y CRUNCEP mostraron un área afectada más grande. En 2010, una superficie mayor (52-74%) se vio afectada por una sequía moderada en comparación con 2005 y también fueron mayores las áreas de sequía severa y extrema. En 2016, el área afectada por la sequía moderada fue similar a la de 2005 y 2010, pero las áreas severa y extrema fueron mayores, especialmente para GLDAS y GPCC. Aunque hay concordancia sobre el área total afectada por la sequía, hay algunas diferencias en cuanto a la extensión espacial y la ubicación de las condiciones de sequía extrema. En el artículo se usó un valor constante de 100 mm para la evapotranspiración, basado en la práctica de artículos anteriores y en mediciones realizadas en la Amazonia. No obstante, al poseer datos de evapotranspiración, se hizo una evaluación de eta aproximación, concluyendo que tiende a sobreestimar el área afectada y la severidad de la sequía, por lo cual los autores recomiendan no usar esta aproximación en futiros trabajos. Al evaluar el origen de la variabilidad del índice rMCWD, se determinó, que para las tres sequías estudiadas, la variabilidad correspondiente a utilizar diferentes bases de datos de precipitación corresponde al 21 % aproximadamente, la de usar diferentes indicadores de sequía a cerca del 59 % y la de usar diferentes datos de evapotranspiración, a cerca del 20 %.
Metodología y datos
Se utilizaron las siguientes bases de datos de precipitación: CHIRPS (satélite y observaciones de superficie), TRMM (v6 y V7, producto 3B43; satélite), CRUNCEP (reanálisis con observaciones), ERA5 (reanálisis). Se utilizaron, además, dos bases de datos que contienen evapotranspiración: GLDAS y GLWP3 y la base de datos WATCH-WFDEI), consistente en un modelo hidrológico aplicado a los datos de ERA Interim. Se trabajó con datos mensuales de precipitación y evapotranspiración. El índice se sequía principal utilizado en el trabajo es el de déficit hídrico medio acumulado, (MCWD) que se calcula para un año hidrológico, como la suma de los déficits hídricos mensuales, o sea, para cada mes se calcula la diferencia entre la precipitación mensual y la evapotranspiración mensual y se suman los totales de los meses para los cuales la evapotranspiración es mayor. En dependencia del valor total de este índice para cada punto de rejilla y para cada año hidrológico, se determina si hay o no sequía en ese punto. Para la detección de los efectos de la sequía, paralelamente al índice de déficit hídrico acumulado, se utilizaron los índices de anomalía de lluvia y el índice se severidad de sequía autocalibrado de Palmer. Para calcular el estrés hídrico, los autores calcularon el MCWD relatico (rMCWD) para cada una de las sequías estudiadas, determinando la anomalía de MCWD para ese año respecto a la climatología del índice desde el 2000 hasta el año de interés y estandarizando la variable respecto a dicho período. De esta forma, se definen umbrales relativos de anomalías que permiten estimar el grado de sequia: rMCWD< -0.5, moderada (corresponde a -26 mm) rMCWD < -2, severa (corresponde a -106 mm) rMCWD<-2.5 extrema (corresponde a -132 mm)
Limitaciones de la investigación
Los estudios se condujeron solo durante 3 sequías , con una resolución limitada, con el objetivo de caracterizar el efecto de estas sequías en toda la Amazonía. Esta amplia área de estudio resulta, en cierto sentido, una limitación, pues no se indovidualizan áreas de estudio específicas que podrían resultar de interés. Tampoco pueden utilizarse bases de datos locales de mayor resolución que las globales.
Recomendaciones
Se recomienda la aplicación de esta metodología, consistente en la confrontación de diferentes bases de datos e índices de sequía para aalizar fuentes de incertidumbre, al estudio de los efectos de estas sequías en la Amazonía peruana, que está situada en los límites de la región de estudio del trabajo, incluyendo otras bases de datos de mayor resolución como ERA Land, PISCO, iMERG y RAIN4PE.
Adaptación: Agua, Bosques
Mitigación: Uso de suelo, cambio de uso de suelo y silvicultura
Escala: Regional
Ámbito geográfico: Amazonía
Palabras clave: Sequía, precipitación, evapotranspiración
Cita de la interpretación
Martínez Castro, Daniel, 2024: Interpretación de Papastefanou et al. (2022, doi:10.5194/bg-19-3843-2022), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/9b0d5659-f7b6-4f4e-8b56-1a2817986876