Interpretación de:
The fast‐changing climate reality of Arequipa, Peru
https://doi.org/10.1002/joc.7855Moraes, A., Watkins, A., Brecheisen, Z., Bowling, L., Pinto Cáceres, J., Novoa, H., Cherkauer, K., 2022: The fast‐changing climate reality of Arequipa, Peru, Intl Journal of Climatology, 43, 979-995, https://doi.org/10.1002/joc.7855
Intérprete
Puma Nino
Fecha de interpretación
16/10/2025
Revisor
Apaéstegui Campos James E.
Resultados y conclusiones
Este análisis de la precipitación en la región de Arequipa y sus alrededores durante el periodo 1988-2017 revela una tendencia general de aumento en la precipitación anual, especialmente en las zonas de alta elevación. Aunque en la mayoría de las estaciones se observa un incremento, solo algunas muestran tendencias estadísticamente significativas. Las ganancias y pérdidas en términos de precipitación se concentran en distintos periodos del año con patrones específicos, a continuación, se dividen en párrafos para cada interpretación: 1. Incremento en la precipitación en alta elevación: Las zonas de alta elevación muestran aumentos de 20 a 40 mm*década-1, con una tendencia promedio de +22.6 mm * década-1 en las estaciones. Este aumento ocurre mayormente durante la temporada de lluvias (diciembre a marzo), lo que genera ganancias hídricas en las zonas montañosas, cruciales para la disponibilidad de agua en las cuencas. 2. Poca variabilidad en áreas costeras: Las zonas desérticas cercanas a la costa presentan cambios mínimos en la precipitación, y cualquier evento significativo representa una porción considerable del promedio anual debido a la baja precipitación en esta área (menos de 10 mm). Aunque la temporada de lluvias inicia ligeramente antes en esta región (−25 días*década-1), solo una estación muestra cambios estadísticamente significativos, sugiriendo que los datos deben interpretarse con cautela. 3. Tendencias en las transiciones entre estaciones: Durante la transición de la temporada húmeda a la seca (abril-mayo), las estaciones de alta elevación presentan un aumento leve en precipitación (+5 mm * década-1). En contraste, durante la transición de la seca a la húmeda (octubre-noviembre), se observan disminuciones en las estaciones de alta altitud, aunque sin significancia estadística, lo que sugiere pérdidas menores en esta época. 4. Retraso y duración de la temporada de lluvias: La temporada de lluvias comienza más tarde en las zonas de alta elevación (+3 a +8 días * década-1) y finaliza con un ligero retraso (+2 a +6 días * década-1), acortándose en promedio entre −1 y −22 días * década-1 en la mayor parte de estas áreas. Este acortamiento podría impactar a los agricultores que dependen de patrones estacionales regulares, y evidencia un ajuste en la cantidad de precipitación concentrada en una temporada de lluvias más breve pero intensa. 5. Aumento de eventos de precipitación intensa: El análisis muestra un aumento en la intensidad de los eventos de precipitación diaria, particularmente en áreas de alta elevación y en las cercanías de la ciudad de Arequipa (+2,5 mm/día * década-1). Estos eventos pueden traducirse en una mayor probabilidad de desastres naturales, como deslizamientos o inundaciones repentinas, que afectan tanto la infraestructura como los recursos agrícolas y hídricos.
Metodología y datos
1. Datos Climáticos • Las fuentes de datos, se recopilaron datos diarios de precipitación (Prec), temperatura máxima (Tmax) y mínima (Tmin) del SENAMHI de 113 estaciones y una estación del NOAA-GSOD. • Ubicación de las estaciones, dentro del Departamento de Arequipa y en los departamentos vecinos (Ica, Ayacucho, Apurímac, Cusco, Puno y Moquegua). • Período de análisis, fue de 30 años (1988–2017), balanceando la disponibilidad de estaciones con la necesidad de un registro largo para evaluar tendencias. Además, se empleó el conjunto Arequipa Climate Maps—Yearly Monthly and Daily (ACM-YMD), un dataset homogéneo con resolución de 1 km, útil para explorar cambios espaciales en las variables climáticas. 2. Verificación y Corrección de Datos • Limpieza de datos Se eliminaron valores implausibles según los criterios de Moraes et al. (2022). -Los Gaps de precipitación, son rellenados mediante el método NNBE (Nearest Neighbour Bounded by Elevation). -Los Gaps de temperatura, son rellenados con ISI (Interpolación Intraestación). Solo se consideraron estaciones con menos del 10% de datos faltantes antes del relleno y dentro de 50 km de los límites de Arequipa. • Evaluación de calidad de los datos Los datos pasaron por pruebas para detectar inhomogeneidades usando: -Test de Homogeneidad Normal Estándar (SNHT). -Prueba de Pettitt (no paramétrica). -Análisis gráfico para verificar visualmente saltos o sesgos en las series. Se compararon las estaciones detectadas con inhomogeneidades con las estaciones vecinas para distinguir entre cambios locales y regionales. 3. Definición del Año Climático Para alinear el análisis con el ciclo climático local, se dividiendo las estaciones en cuatro periodos: Junio–Septiembre (estación seca y fría), Octubre–Noviembre (Transición de estación seca a húmeda), Diciembre–Marzo (estación húmeda y cálida) y finalmente Abril–Mayo (Transición de estación húmeda a seca). 4. Pruebas Estadísticas y Evaluación de Tendencias • Prueba de Mann-Kendall, permite detectar tendencias significativas (ascendentes o descendentes) en las variables climáticas durante los 30 años de estudio. Con Niveles de confianza: 95% y 99%. No se encontraron autocorrelaciones importantes, salvo en algunas estaciones aisladas, por lo que no se aplicaron correcciones adicionales. • Evaluación de autocorrelación, se usó la función de autocorrelación (Box y Jenkins, 2015) para verificar la independencia de los datos. Se determino que una estación de precipitación y tres de Tmin presentaron autocorrelación, pero no fue necesaria ninguna corrección adicional; mientras que, Tmax no mostró problemas de autocorrelación. 5. Estimación de Tendencias con Theil-Sen • Pendiente de Theil-Sen: Se usó para cuantificar el cambio promedio en las variables, siendo robusta ante valores atípicos. La pendiente se calculó como la mediana de todas las pendientes posibles entre pares de puntos de la serie temporal. 6. Visualización Espacial del Análisis Para analizar las tendencias climáticas en todo el territorio, se aplicó la pendiente de Theil-Sen a los datos ACM-YMD en píxeles de 1 km. El conjunto de datos ACM fue validado como confiable y consistente con los resultados obtenidos en las estaciones, por lo que se utilizó para representar las tendencias en el Departamento de Arequipa.
Limitaciones de la investigación
1. Cobertura Espacial Insuficiente, indica la escasez de estaciones en zonas costeras y altas montañas, lo que limita la representatividad de los resultados. 2. Significancia Estadística Baja. Se debe tener en cuenta que solo dos estaciones muestran tendencias significativas en precipitación, reduciendo la certeza en la generalización de los resultados. Por otro lado, los cambios estacionales identificados (retrasos y adelantos) carecen de suficiente respaldo estadístico. 3. Relleno de Datos e Inhomogeneidades, los proyectos de irrigación generan anomalías que complican la interpretación de las tendencias de temperatura. 4. Horizonte Temporal Limitado, dentro del estudio, no se capturan completamente los efectos de fenómenos climáticos largos como El Niño y La Niña.
Recomendaciones
• Incorporar más estaciones en áreas costeras y de alta montaña para mejorar la representatividad espacial y reducir la dependencia de interpolaciones. Esto permitirá obtener datos más precisos sobre las variaciones climáticas locales. • Incluir datos más recientes (post-2017) para reflejar cambios climáticos actuales y capturar el impacto de fenómenos recientes como El Niño y La Niña. Esto fortalecerá las proyecciones a largo plazo y permitirá una comprensión más completa de las tendencias. • Desarrollar modelos hidrológicos que proyecten el impacto de la pérdida de glaciares en el suministro de agua a lo largo del año. Esto será crucial para gestionar los recursos hídricos y diseñar estrategias de adaptación para las comunidades afectadas.
Adaptación: Agua, Agricultura
Mitigación: Uso de suelo, cambio de uso de suelo y silvicultura
Escala: Regional
Ámbito geográfico: Departamento de Arequipa,Valle del Colca,Ciudad de Arequipa,Irrigación de Majes
Palabras clave: Cambio climático, Precipitación anual, Aumento de temperatura, Reducción de glaciares, Retraso de lluvias, Gestión hídrica
Cita de la interpretación
Puma, Nino, 2025: Interpretación de Moraes et al. (2022, doi:10.1002/joc.7855), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/9d593eda-4612-43c9-b1ef-a8cc461dcd5e