Post on 13-May-2020
ESCUELA POLITÉCNICA NACIONAL
FACULTAD DE INGENIERÍA CIVIL Y AMBIENTAL
“DETERMINACIÓN DE LA VARIABILIDAD CLIMÁTICA MEDIANTE
LA APLICACIÓN DE ÍNDICES DE CAMBIO CLIMÁTICO EN EL
CENTRO NORTE DE LA REGIÓN INTERANDINA EN EL
ECUADOR”
TESIS DE GRADO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERA
AMBIENTAL
DAYSI TATIANA ANDRANGO QUISAGUANO
daysi.andrango@epn.edu.ec
DIRECTOR: ING. XAVIER EDUARDO ZAPATA RÍOS., MSc., PhD
xavier.zapata@epn.edu.ec
Quito, mayo 2018
I
DECLARACIÓN
Yo, Andrango Quisaguano Daysi Tatiana, declaro bajo juramento que el trabajo
aquí descrito es de mi autoría; que no ha sido previamente presentado para ningún
grado o calificación profesional; y, que he consultado las referencias bibliográficas
que se incluyen en este documento.
La Escuela Politécnica Nacional, puede hacer uso de los derechos
correspondientes a este trabajo, según lo establecido por la Ley de Propiedad
Intelectual, por su Reglamento y por la normativa institucional vigente.
ANDRANGO QUISAGUANO DAYSI TATIANA
II
CERTIFICACIÓN
Certifico que el presente trabajo fue desarrollado por Andrango Quisaguano Daysi
Tatiana, bajo mi supervisión.
Dr. XAVIER EDUARDO ZAPATA RÍOS
DIRECTOR DEL PROYECTO
III
AGRADECIMIENTOS
“Salvaguardar el medio ambiente... Es un principio rector de todo nuestro trabajo en el apoyo del
desarrollo sostenible; es un componente esencial en la erradicación de la pobreza y uno de los
cimientos de la paz.” -Kofi Annan
Quiero empezar agradeciendo a mis padres Aurora Quisaguano y Marcelo
Andrango que son lo más importante en mi vida y a quien amo con todo el corazón,
por darme todo el apoyo, por confiar en mí, por el esfuerzo que hacen día a día por
el bienestar de sus tres hijas.
A mis hermanas Vanessa y Mireya por ser mi apoyo, por estar conmigo en las
buenas y en las malas, por ser mis mejores amigas. A mis abuelitos Guillermo
Quisaguano y María Mercedes Vega (†) por estar siempre pendiente de mis
hermanas y de mí, por darnos todos los días su bendición.
Al director de la tesis el doctor Xavier Zapata Ríos, quiero expresar mis sentimientos
de admiración y gratitud por aceptar dirigir este trabajo y compartir sus
conocimientos conmigo.
Al Instituto Nacional de Meteorología e Hidrología [INAMHI], por su colaboración en
este trabajo, en especial quiero agradecer a la Ing. Mónica Delgado, al Ing. Rodrigo
Pombosa y al Ing. Bolívar Cáceres por su apoyo en el desarrollo de esta tesis.
Al doctor Fernando Domínguez, un sincero agradecimiento por su apoyo para
asistir al congreso en Chile, lo cual fue un sueño cumplido.
A mis amigas y amigos que formaron parte importante de esta maravillosa etapa
de mi vida siempre estarán en mi corazón.
IV
DEDICATORIA
Quiero dedicar este trabajo con todo mi amor a mis padres, Aurora Quisaguano y
Marcelo Andrango que son el motor de mi vida, por ser un ejemplo de vida, por ser
mi apoyo día a día, porque la educación es la mejor herencia que me dejan, y por
siempre apoyarme en mis deseos de viajar. Dios les bendiga por tanta bondad y
por tanto amor.
Tatiana Andrango
V
ÍNDICE DE CONTENIDO
DECLARACIÓN ...................................................................................................... I
CERTIFICACIÓN ................................................................................................... II
AGRADECIMIENTOS ........................................................................................... III
DEDICATORIA .................................................................................................... IV
ÍNDICE DE CONTENIDO...................................................................................... V
ÍNDICE DE TABLAS ............................................................................................ IX
ÍNDICE DE FIGURAS ........................................................................................... X
ÍNDICE DE MAPAS ............................................................................................. XI
ÍNDICE DE ANEXOS ......................................................................................... XIII
SIMBOLOGÍA Y SIGLAS ................................................................................... XIV
RESUMEN .......................................................................................................... XV
ABSTRACT ........................................................................................................ XVI
PRESENTACIÓN .............................................................................................. XVII
CAPÍTULO I ........................................................................................................... 1
INTRODUCCIÓN ................................................................................................... 1
1.1. ANTECEDENTES ..................................................................................... 1
1.2. OBJETIVOS .............................................................................................. 2
1.2.1. OBJETIVO GENERAL ........................................................................ 2
1.2.2. OBJETIVOS ESPECÍFICOS ............................................................... 2
1.3. ALCANCE ................................................................................................. 3
VI
1.4. JUSTIFICACIÓN ....................................................................................... 3
CAPÍTULO II .......................................................................................................... 5
2. ESTADO DEL ARTE ....................................................................................... 5
2.1. CAMBIO CLIMÁTICO EN EL ECUADOR .................................................. 5
2.1.1. VARIACIÓN DE LA TEMPERATURA DEL AIRE ................................ 6
2.1.2. VARIACIÓN DE LA PRECIPITACIÓN ................................................ 6
2.1.3. EVIDENCIAS OCEANOGRÁFICAS ................................................... 7
2.1.4. EVIDENCIAS GLACIOLÓGICAS ........................................................ 7
2.1.5. ESCENARIOS FUTUROS DEL CAMBIO CLIMÁTICO ....................... 8
2.1.6. IMPACTOS DEL CAMBIO CLIMÁTICO ............................................ 10
2.1.7. MARCO NORMATIVO FRENTE AL CAMBIO CLIMÁTICO .............. 10
2.2. ESTADO DEL ARTE DE ÍNDICES DE CAMBIO CLIMÁTICO ................. 12
2.3. ÍNDICES DE CAMBIO CLIMÁTICO ........................................................ 15
2.4. CLIMDEX ................................................................................................ 18
2.5. FUNCIONAMIENTO DEL MODELO ....................................................... 18
2.6. ÁREA DE ESTUDIO ............................................................................... 19
2.6.1. UBICACIÓN GEOGRÁFICA ............................................................. 19
2.6.2. DESCRIPCIÓN GENERAL ............................................................... 20
VII
2.6.3. CONDICIONES CLIMÁTICAS .......................................................... 21
2.6.4. CONDICIONES SOCIOECONÓMICAS ............................................ 25
CAPITULO III ....................................................................................................... 29
3. METODOLOGÍA ........................................................................................... 29
3.1. RECOPILACIÓN DE INFORMACIÓN BASE ........................................... 29
3.1.1. ESTACIONES METEREOLÓGICAS ................................................ 29
3.2. SELECCIÓN DE DATOS COMPLETOS Y CONTINUOS........................ 30
3.3. ANÁLISIS Y CONTROL DE CALIDAD .................................................... 33
3.3.1. CONTROL DE CALIDAD CON RCLIMDEX ...................................... 33
3.3.2. ANÁLISIS DE HOMOGENEIDAD ..................................................... 34
3.3.3. HOMOGENEIZACIÓN DE SERIES DE TEMPERATURA ................ 35
3.4. CÁLCULO DE ÍNDICES DE CAMBIO CLIMÁTICO ................................. 39
3.5. SIGNIFICANCIA ESTADÍSTICA ............................................................. 41
3.6. PRESENTACIÓN DE RESULTADOS DE LOS ÍNDICES DE CAMBIO
CLIMÁTICO ...................................................................................................... 43
CAPITULO IV ....................................................................................................... 45
4. RESULTADOS Y DISCUSIÓN ...................................................................... 45
4.1. ANÁLISIS DE EVENTOS CLIMÁTICOS EXTREMOS ............................. 45
4.1.1. ASOCIADO AL COMPORTAMIENTO DE LA TEMPERATURA
MÍNIMA ......................................................................................................... 45
VIII
4.1.2. ASOCIADO AL COMPORTAMIENTO DE LA TEMPERATURA
MÁXIMA........................................................................................................ 54
4.1.3. ASOCIADO AL COMPORTAMIENTO DE LA PRECIPITACIÓN ...... 63
4.2. DISCUSIÓN DE RESULTADOS ............................................................. 78
4.2.1. ANÁLISIS DE LOS ÍNDICES DE TEMPERATURA MÍNIMA ............. 78
4.2.2. ANÁLISIS DE LOS ÍNDICES DE TEMPERATURA MÁXIMA ............ 83
4.2.3. ANÁLISIS DE ÍNDICES DE PRECIPITACIÓN .................................. 87
CAPÍTULO V........................................................................................................ 92
5.1 CONCLUSIONES ....................................................................................... 92
RECOMENDACIONES ........................................................................................ 94
REFERENCIAS ................................................................................................... 95
ANEXOS ............................................................................................................ 104
IX
ÍNDICE DE TABLAS
Tabla 2.1: Anomalías del nivel medio del mar y de la temperatura ........................ 7
Tabla 2.2: Resumen de los 27 índices básicos de cambio climático del
ETCCDI ............................................................................................................... 15
Tabla 2.3: Información básica del área de estudio ............................................... 21
Tabla 2.4: Indicadores socioeconómicos del área de estudio .............................. 25
Tabla 3.1: Tipo de estaciones climáticas ............................................................. 29
Tabla 3.2: Número de EMC por provincia ............................................................ 30
Tabla 3.3: EMC seleccionadas para el estudio por provincia ............................... 36
Tabla 3.4: Ejemplo de los resultados arrojados por el RClimdex ......................... 44
Tabla 4.1: Resumen de comparación de índices de temperatura mínima ............ 81
Tabla 4.2: Resumen de comparación de índices de temperatura máxima ........... 85
Tabla 4.3: Resumen de comparación de índices de precipitación ....................... 89
X
ÍNDICE DE FIGURAS
Figura 2.1: Proyecciones para la temperatura media, en cuatro escenarios .......... 9
Figura 3.1: Información disponible de temperatura mínima por estación ............. 32
Figura 3.2: Series de tiempo con control de calidad. ........................................... 34
Figura 3.3: Ilustración de los resultados arrojados por RHTest. .......................... 35
Figura 3.4: Procedimiento para el cálculo de índices de cambio climático ......... 39
Figura 3.5: Formato de ingreso de datos al software RClimdex .......................... 40
Figura 3.6: Parámetros usado por el Rclimdex para el cálculo de índices ........... 40
Figura 3.7: Ventana de selección de índices ....................................................... 41
Figura 3.8: Índice climático días de verano ......................................................... 44
Figura 4.1: Índices de temperatura mínima vs altura sobre el nivel del mar ........ 53
Figura 4.2: Índices de temperatura máxima vs altura sobre el nivel del mar. ...... 62
Figura 4.3: Índices de precipitación vs la altura sobre el nivel del mar. ............... 75
Figura 4.4: Promedio de la temperatura mínima promedio ................................. 79
Figura 4.5: Promedio de la temperatura máxima ................................................. 83
XI
ÍNDICE DE MAPAS
Mapa 2.6.1.a: Ubicación geográfica del área de estudio ...................................... 20
Mapa 2.6.3.a: Clasificación climática del área de estudio .................................... 24
Mapa 3.3.3.a: Distribución espacial de las estaciones meteorológicas
usadas en el estudio. ........................................................................................... 38
Mapa 4.2.1.a: Temperatura media mínima. ......................................................... 46
Mapa 4.2.1.b: Rango diurno de temperatura. ...................................................... 47
Mapa 4.2.1.c: Noches Frías. ................................................................................ 48
Mapa 4.2.1.d: Noches Cálidas. ............................................................................ 49
Mapa 4.2.1.e: Temperatura mínima nocturna. ..................................................... 50
Mapa 4.2.1.f: Temperatura máxima nocturna. ..................................................... 51
Mapa 4.2.1.g: Días de heladas. ........................................................................... 52
Mapa 4.2.2.a: Temperatura media máxima. ........................................................ 55
Mapa 4.2.2.b: Días de verano. ............................................................................ 56
Mapa 4.2.2.c: Días frescos. ................................................................................. 57
Mapa 4.2.2.d: Días cálidos. ................................................................................. 58
Mapa 4.2.2.e Temperatura mínima en el día........................................................ 59
Mapa 4.2.2.f: Temperatura máxima en el día. ..................................................... 60
XII
Mapa 4.2.2.g: Duración de periodos cálidos. ....................................................... 61
Mapa 4.2.3.a: Precipitación total. ......................................................................... 64
Mapa 4.2.3.b: Índice de intensidad simple. .......................................................... 65
Mapa 4.2.3.c: Precipitación máximo en 1 día. ..................................................... 66
Mapa 4.2.3.d: Precipitación máxima en 5 días. ................................................... 67
Mapa 4.2.3.e: Días muy lluviosos. ....................................................................... 68
Mapa 4.2.3.f: Días con precipitación extrema. ..................................................... 69
Mapa 4.2.3.g. Días con Precipitación mayor a 10mm. ......................................... 70
Mapa 4.2.3.h: Días con Precipitación mayor a 20mm. ......................................... 71
Mapa 4.2.3.i: Número de días lluviosos. .............................................................. 73
Mapa 4.2.3.j: Días secos consecutivos. ............................................................... 74
XIII
ÍNDICE DE ANEXOS
ANEXO 1. Forma de cálculo de los índices de cambio climático
recomendados por el ETCCDI. ......................................................................... 105
ANEXO 2. Valores de los índices de precipitación para las estaciones
del área de estudio............................................................................................. 111
ANEXO 3. Valores de los índices de temperatura máxima para las
estaciones del área de estudio. .......................................................................... 115
ANEXO 4. Valores de los índices de temperatura mínima para las
estaciones del área de estudio. .......................................................................... 117
ANEXO 5. Tendencias significativas de mínimos cuadrados vs el test
Mann-Kendall. .................................................................................................... 119
ANEXO 6. Análisis de tendencias mediante mínimos cuadrados ejecutado
por el software RClimdex. .................................................................................. 123
XIV
SIMBOLOGÍA Y SIGLAS
CC: Cambio Climático
EMC: Estaciones Meteorológicas convencionales
ENSO: El Niño South Oscilation
ESPAC: Encuesta de Superficie y Producción Agropecuaria Continua
ETCCDI: Expertos en Detección e Índices de Cambio Climático
GEI: Gases de Efecto Invernadero
INAMHI: Instituto Nacional de Meteorología e Hidrología
INEC: Instituto de Estadísticas y Censos
MAE: Ministerio de Ambiente del Ecuador
OMM: Organización Mundial Meteorológica
PIB: Producto Interno Bruto
RCP: Representative Concentration Pathways
REA: Reliability Ensemble Averaging
VC: Variabilidad Climática
XV
RESUMEN
El estudio de eventos extremos a resolución diaria es fundamental en el marco de
cambio climático en el que nos encontramos. En la región intertropical los modelos
regionales climáticos pronostican un aumento de estos eventos extremos, lo que
puede producir un aumento en las pérdidas económicas y humanas asociadas a
este tipo de riesgos climáticos. El objetivo de la presente investigación es analizar
el comportamiento de los eventos extremos diarios de temperatura máxima, mínima
y precipitación en el centro-norte de la región interandina del Ecuador durante el
periodo 1965-2015, con ayuda de las estaciones meteorológicas disponibles por el
Instituto Nacional de Metrología e Hidrología (INAMHI). Tras un control de calidad
y un análisis de homogeneidad, realizados con la ayuda del software Hydracces,
RHtest y el paquete Climatol desarrollado en R, se ha generado la mayor base de
datos diaria continua y homogénea para la zona y el periodo de estudio, la cual
consta de 50 estaciones distribuidas de manera homogénea en el territorio. A partir
de esta nueva base de datos, se han calculado 24 índices de Cambio Climático
recomendados por el Expert Team on Climate Change Detection and Indices
(ECTCCDI) a través del software RClimdex con tendencias calculadas por
regresión lineal de mínimos cuadrados y el test Mann-Kendall. Por último, se ha
analizado la variabilidad temporal y espacial de los 24 índices. En este estudio se
ha detectado importantes diferencias con los análisis previos realizados de
tendencia en la región norte y sur del área de estudio. Por tanto, este resultado es
interesante ya que gran cantidad de estudios previos consideran la región
interandina como climáticamente homogénea. Por otro lado, se ha detectado un
cambio de tendencia en los índices de precipitación y temperatura a partir de los
años 90, que requiere de futuros análisis para determinar sus causas.
XVI
ABSTRACT
The study of extreme events at daily resolution is fundamental under the present
climate change conditions. In the intertropical region, regional climate models
predict an increase in these extreme events, which can produce an increase in the
economic and human losses associated with this type of climatic risk. The objective
of this investigation is to analyze the behavior of extreme daily temperature and
precipitation events in the north central part of the inter-Andean region of Ecuador
between the years 1965 and 2015. After a data quality control and a homogeneity
analysis carried out with Hydracces, RHtest and the Climatol packages developed
in R, the largest continuous and homogeneous daily database for the area and the
study period has been generated. This database consists of 50 stations distributed
homogeneously in the territory. From this new database, 24 climate change indexes
recommended by the Expert Team on Climate Change Detection and Indices
(ECTCCDI) have been calculated through the RClimdex software with trends
calculated by linear least squares regression and the Mann-Kendall test. Finally, the
temporal and spatial variability of the 24 indices has been analyzed. Significant
differences have been detected in the trend analysis in the northern and southern
region of the study area. This result is interesting since a large number of previous
studies consider the inter-Andean region as climatically homogeneous. On the other
hand, a change in trend has been detected in precipitation and temperature indexes
since the 90s, which requires future studies.
.
XVII
PRESENTACIÓN
El presente proyecto de titulación considera el cálculo de los índices de cambio
climático sugeridos por el Expert Team on Climate Change Detection and Indices
(ETCCDI) mediante el software R-climdex, para determinar la variabilidad climática
en el centro norte de la Región Interandina del Ecuador, considerando un periodo
de tiempo para la precipitación desde el año 1965 al 2015 y para la temperatura
desde el año 1975 hasta el 2015. Para lograr el objetivo de este estudio se ha
dividido su estructura en cinco capítulos. En el primer capítulo se indican los datos
generales de la problemática actual respecto a la variabilidad climática la cual ha
ocasionado sequías e inundaciones, afectando social y económicamente al país,
así como los objetivos, el alcance del proyecto y la justificación del mismo. El
segundo capítulo indica en forma detallada una revisión bibliográfica donde se hace
referencia al cambio climático en el Ecuador y se muestra varias evidencias
encontradas en estudios anteriores, así como se presenta los escenarios futuros
del clima. En este capítulo también se analiza los trabajos realizados anteriormente
y se presenta una explicación del funcionamiento del modelo Rclimdex. Para
terminar este capítulo se hace una descripción del área de estudio. El tercer
capítulo explica la metodología usada en cada etapa del estudio y contempla todo
el análisis de datos. En el cuarto capítulo se presenta los resultados obtenidos, se
muestran las estaciones que presentan tendencias estadísticamente significativas
y se realiza un análisis comparativo con estudios anteriores. El quinto capítulo
incluye las conclusiones y recomendaciones obtenidas luego del análisis de
tendencias, así como las referencias bibliográficas en las cuales se basó el
presente trabajo. Para finalizar se presenta los anexos los cuales comprenden
tablas detalladas de los índices, así como de su significancia estadística.
1
CAPÍTULO I
INTRODUCCIÓN
1.1. ANTECEDENTES
El Ecuador por su posición geográfica y variada topografía posee diversidad de
climas en diferentes regiones. Entre los factores que causan una variabilidad
climática se encuentran: la Zona de Convergencia Intertropical” (ZCIT) (RAM,
2002), el Fenómeno del Niño y la Niña (ENSO por sus siglas en inglés El Niño South
Oscilation) (Maturana et al., 1997), otros fenómenos que han sido estudiados
recientemente como la Oscilación Decadal del Pacífico (PDO por Pacific Decadal
Oscillation) y el Fenómeno Modoki (Serrano, 2010). La influencia de estos
fenómenos globales ha ocasionado sequías e inundaciones, afectando social y
económicamente al país (Cadier et al., 1994). Durante el siglo XXI, la humanidad
hace frente a un notable aumento en la ocurrencia de eventos hidrometeorológicos
extremos (Quintero et al., 2012). Estos eventos están relacionados a la variabilidad
climática (VC) y/o cambio climático (CC), e incluyen: inundaciones repentinas,
sequías y heladas (Quintero et al., 2012).
En la base de datos DESINVENTAR, de 1970 al 2017, existe un registro amplio de
sucesos de eventos extremos en el país. En las últimas cuatro décadas ha existido
un aumento en la ocurrencia de eventos climáticos anómalos. DESINVENTAR es
un sistema de inventario de desastres instaurado por un conjunto de investigadores,
agrupados en la Red de Estudios Sociales en Prevención de Desastres en América
Latina (LA RED). DESINVENTAR es un software conceptual y metodológico para
la elaboración de una base de datos que indica pérdidas, daños como resultado de
emergencias o desastres (Calero et al., 2008). La base de datos de DESINVENTAR
en la actualidad cuenta con 33509 registros en todo el territorio nacional
(geológicos, climáticos, antrópicos e
2
incendios forestales), de los cuales el 58% son de origen hidrometeorológico, los
eventos que más registros tienen son inundaciones y deslizamientos que a su vez
están asociados con un 71% del total de afectados en todo el país (DESINVENTAR,
2017). Lo descrito muestra claramente que los eventos climáticos son los que
ocasionan la mayor cantidad de pérdidas económicas y de vidas humanas en el
Ecuador (Cáceres et al., 2011). Bajo este contexto existen varios estudios de
variabilidad climática realizados en el país los cuales se ilustran más adelante. Los
resultados de estos estudios se consideran un producto útil en el esfuerzo por
detectar señales y tendencias climáticas (Muñoz et al., 2010). Sin embargo, es
fundamental continuar trabajando en la detección del cambio climático mediante la
aplicación de indicadores. En el presente estudio se trabajará en el centro norte de
la región interandina con datos del periodo desde 1965 hasta el 2015 que son los
que dispone actualmente el Instituto Nacional de Meteorología e Hidrología
(INAMHI).
1.2. OBJETIVOS
1.2.1. OBJETIVO GENERAL
Analizar la temperatura y precipitación, a través del paquete computacional R-
Climdex para determinar la variabilidad climática entre 1965 y el 2015, sobre el
centro-norte de la región interandina en el Ecuador.
1.2.2. OBJETIVOS ESPECÍFICOS
· Efectuar un control y depuración de estaciones meteorológicas que tiene
disponible el INAMHI, mediante la aplicación del software Hydracces.
· Calcular los índices de cambio climático recomendados por el Expert Team on
Climate Change Detection and Indices (ETCCDI) mediante el software R-
climdex, para determinar variabilidad climática.
3
· Determinar tendencias en los índices de cambio climático mediante regresión
lineal de mínimos cuadrados y la prueba de tendencia Mann Kendall, para
analizar la significancia estadística de las mismas.
1.3. ALCANCE
Esta investigación pretende determinar la existencia de cambios en el
comportamiento del clima en el centro norte de la región interandina del Ecuador,
a través del análisis de las variables meteorológicas diarias de precipitación y
temperatura. Los datos de precipitación se utilizarán para estudiar los períodos
lluviosos y secos, así como la variación en duración y ocurrencia a lo largo del
tiempo. Simultáneamente la temperatura, servirá para analizar la variación de la
misma en sus valores máximos y mínimos y las diferencias entre ellos, ambos
parámetros se analizarán dentro del período de tiempo de 1965 hasta 2015. En
consecuencia, se establecerá si existen o no variaciones en el comportamiento del
clima.
1.4. JUSTIFICACIÓN
El propósito de este trabajo es desarrollar información básica y necesaria en la
planificación y adaptación al cambio climático en el centro norte de la región
interandina del Ecuador. Las 7 provincias que integran el área de estudio usan en
la actividad agropecuaria el 16, 7% del total del país. En el año 2013 significó un
aporte del 15.5 % en el Producto Interno Bruto (PIB), pero más allá de las
menciones cualitativas la importancia social de la actividad agropecuaria es
indiscutible porque representa la base económica para la subsistencia de alrededor
de 3.3 millones de habitantes que viven de la agricultura y al mismo tiempo es la
base de la alimentación de los ecuatorianos. El 97% de los alimentos básicos que
consume el Ecuador se producen internamente y generan efectos multiplicadores
importantes en los negocios vinculados (MAGAP, 2016).
4
La disminución de la vulnerabilidad y mejoramiento de los conocimientos
meteorológicos permiten aprovechar o adaptar las variaciones del clima en diversos
sectores económicos del país tales como: construcción urbana, planificación,
energía eléctrica, ganadería, agricultura, silvicultura, transporte, turismo y medio
ambiente (INAMHI, 2009). El Ecuador es un país exportador de materias primas y
agroindustrias, por lo que requiere de un conocimiento previo de los eventuales
cambios regionales del clima, la cual garantiza la información indispensable para
tomar decisiones ligadas al progreso económico (CEPAL, 2012).
La información generada servirá a varias instituciones del Estado que usan la
información climática, hidrológica y meteorológica, y que son entidades claves en
el progreso económico y el bienestar de la población de ecuatoriana. También
permitirá instaurar las tácticas de adaptación para disminuir los efectos adversos y
obtener provecho de los efectos beneficiosos que resulten del cambio climático
5
CAPÍTULO II
2. ESTADO DEL ARTE
2.1. CAMBIO CLIMÁTICO EN EL ECUADOR
La definición del Cambio Climático de acuerdo a la “Convención Marco de las
Naciones Unidas sobre el cambio climático” (CMNUCC, 1992), es el “cambio del
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”.
El Ecuador está posicionado entre los países que tienen la mayor diversidad
biológica del mundo (Estrella et al., 2005). Esto es por la presencia de altos niveles
de pluviosidad y diversos microclimas debido por su ubicación geográfica y la
presencia de la cordillera de los Andes (Pourrut, 1995). Las características
climáticas en el Ecuador están influenciadas por parámetros que ocasionan
variaciones temporales y espaciales en las diferentes regiones del país. Las dos
variables más estudiadas son la temperatura y la precipitación (Palacios-Estrada et
al., 2017).
“En el Ecuador, al igual que en el resto del planeta, las observaciones de
temperatura muestran una leve tendencia creciente, con aumentos de las
variaciones interanuales e interestacionales” (CEPAL, 2012). Ahora es fundamental
conocer las tendencias de manera cuantitativa. Por esta razón se han unido
esfuerzos por realizar estudios documentados referentes al cambio climático
principalmente enfocados en la variación de temperatura y precipitación, y en varios
casos a eventos extremos. Sin embargo, la mayoría de trabajos se enfocan en
zonas geográficas especificas pocos de ellos estudian todo el territorio nacional
(Cáceres et al., 2011).
6
De acuerdo a la “Segunda Comunicación Nacional sobre el Cambio Climático en
Ecuador” (Cáceres et al., 2011), el país es vulnerable a los impactos del cambio
climático. Según Muñoz et al., (2010), se espera un aumento en la temperatura, la
mayor ocurrencia de sequías e inundaciones, derretimiento de glaciares y un
aumento y cambio en los patrones de precipitación.
A continuación, se presenta una síntesis de la variación climática que fueron
presentados en la Segunda y la “Tercera Comunicación Nacional sobre el Cambio
Climático” para el Ecuador en el año 2011 y el año 2017, respectivamente.
2.1.1. VARIACIÓN DE LA TEMPERATURA DEL AIRE
En el contexto nacional el INAMHI indica un aumento en la temperatura media,
máxima y mínima anual en algunas regiones del país. Tomando los datos del
periodo entre 1960 y 2010 en la Región Litoral, el valor de incremento de la
temperatura media anual es de 0,6 °C, la temperatura máxima absoluta es de 0.3
°C y la temperatura mínima absoluta es de 1,6 °C. En la Región Interandina la
temperatura media anual registra un incremento de 1.1 °C, la temperatura máxima
absoluta en 1.6 °C y la temperatura mínima absoluta en 0,6 °C. En el oriente
ecuatoriano se evidencia un aumento de la temperatura media anual de 0.9°C en
las estaciones monitoreadas, la temperatura máxima absoluta de 1.2 °C y la
temperatura mínima absoluta de 1.4 °C. Por último en la Región Insular
específicamente en la isla San Cristóbal la temperatura media anual muestra una
cantidad de cambio positivo de 1.4 °C, la temperatura máxima absoluta en 1.0 °C y
la temperatura mínima absoluta en 1,1 °C (MAE, 2017).
2.1.2. VARIACIÓN DE LA PRECIPITACIÓN
Según el INAMHI, la cantidad, frecuencia e intensidad de la precipitación se ha
modificado notablemente en el Ecuador y se destaca en diferentes zonas
geográficas (Calles et al., 2013). La cantidad anual de precipitación entre los años
1960 y 2010 ha cambiado de manera diferenciada en las regiones del Ecuador. En
7
la Región Litoral se evidencia un cambio en la precipitación del 33% con tendencia
al incremento. En la Región Interandina se experimenta una tendencia positiva de
la precipitación en un 13%. Por su parte la Región Amazónica en promedio presenta
una disminución en la precipitación de -1%. Dentro de la Región Insular, en la Isla
San Cristóbal una cantidad que cambia significativamente en tendencia positiva del
66% (MAE, 2017).
2.1.3. EVIDENCIAS OCEANOGRÁFICAS
La Segunda Comunicación Nacional (2011) manifiesta que existen evidencias
globales del cambio climático, que en la superficie del mar hay un ascenso de la
temperatura, así como un continuo aumento del nivel medio del mar (Cáceres et
al., 2011). Estos datos no se ajustan precisamente con la realidad a menores
escalas tanto regionales como nacionales. En la tabla 2.1 se muestra los cambios
en temperatura y nivel medio del mar.
Tabla 2.1: Anomalías del nivel medio del mar y de la temperatura
Estación Temperatura superficie del mar (°C) Nivel medio del mar (cm)
1975-2008 1995-2008 1975-2008 1995-2008
Esmeraldas 1,25 1,20 -3,30 -0,52
La Libertad 0,89 -0,66 -1,88 7,80
Puerto Bolívar -0,13 -0,81 6,60 5,20
Fuente: Instituto Oceanográfico de la Armada del Ecuador, (2009)
2.1.4. EVIDENCIAS GLACIOLÓGICAS
Según la Tercera Comunicación Nacional, durante el último medio siglo se ha
registrado la pérdida de cerca del 40% de los casquetes del Cotopaxi, Chimborazo,
Carhuayrazo y Antisana (MAE, 2017). Entre los años 1976 y 2006, el volcán
Cotopaxi perdió un 39,5% del área de sus glaciares (7,4 km²) y durante los últimos
8
diez años ocurrió una pérdida del 12%. El glaciar Quito, entre los años 2004 y 2007
indica una retracción de norte a sur, y en los años 2007 y 2008 un retroceso de
noreste a suroeste de aproximadamente 230 metros (Cáceres et al., 2011).
2.1.5. ESCENARIOS FUTUROS DEL CAMBIO CLIMÁTICO
Armenta et al., (2016) mediante el método del Ensamble Ponderado de
Confiabilidad (REA), realizó las proyecciones de temperatura y precipitación bajo el
criterio de cuatro escenarios diferentes: RCP 2,6 (optimista), RCP 8,5 (pesimista) y
RCP 4.5 y 6.0 (intermedios) (IPCC, 2013).
· Escenarios futuros de temperatura
En cuanto a la temperatura media se proyecta un aumento de al menos 0.6°C en
el periodo 2011-2040, 1°C en 2041-2070 y 2071-2100 bajo el escenario “optimista”
(RCP 2.6). En el escenario “pesimista” (RCP 8.5), habría incrementos de 0.8°C en
2011-2040, 1.7°C en 2041-2070 y 2.8°C para 2071-2100, ver figura 2.1. Las
regiones donde habría un mayor incremento de la temperatura media son la
Amazonía, la Costa y Galápagos, con aumentos superiores a 1.5°C desde mitad
de siglo, y en esta última región, con incrementos superiores a 2°C, (Armenta et al.,
2016).
9
Figura 2.1: Proyecciones para la temperatura media, en cuatro escenarios
Fuente: (Armenta et al., 2016)
· Escenarios futuros de precipitación
La precipitación no presentaría cambios significativos en el siglo XXI (con apenas
incrementos de 1-10%) para la parte continental de Ecuador y bajo los escenarios
“optimista” (RCP 2.6) e intermedios (RCP 4.5 y 6.0). Bajo el escenario “pesimista”
(RCP 8.5), la precipitación se incrementaría entre un 5-18% en esta misma zona,
con los incrementos más altos en la Amazonia. Para la parte insular del país, las
proyecciones de precipitación muestran incrementos superiores al 10% en la
precipitación desde la primera mitad de siglo, e incrementos superiores al 20% para
finales del mismo. Esta región sería la más afectada por el aumento de las
precipitaciones, ya que en el mejor de los escenarios (RCP 2.6) el volumen de las
mismas aumentaría de 12 a 23%, con relación a los valores observados en el
periodo 1981-2005. Y en el peor escenario, para finales de siglo las precipitaciones
serían superiores al 30% de los valores actuales (Armenta et al., 2016).
10
2.1.6. IMPACTOS DEL CAMBIO CLIMÁTICO
Los impactos sociales, económicos y ambientales, son una realidad en el Ecuador.
Según los datos del Instituto Nacional de Estadísticas y Censos (INEC) en su
Encuesta de Superficie y Producción Agropecuaria Continua (ESPAC, 2002 –
2016), se conoce que en los años 2009 y 2011 las sequias ocasionaron la pérdida
de 44 597 hectáreas en los cultivos transitorios y 12 455 hectáreas en los cultivos
permanentes. Por otro lado, en el año 2008, 6 provincias de la Costa y de la Sierra
fueron afectadas por inundaciones en la temporada de lluviosa, se registró un total
de 275.000 personas afectadas y 15.822 refugiadas; con estos datos se estima que
las pérdidas por estos eventos sumaron alrededor de US$ 1.200 millones, es decir
2,5% del PIB (OPS, 2013).
La ocurrencia de eventos climáticos extremos también ha generado impactos
negativos en la salud, la mayoría por inundaciones y deslizamientos. El 35% de la
población está ubicada sobre áreas propensas a movimientos de masa,
inundaciones, flujos de lodo y escombros (SGR, 2014). Por otro lado, el 30% de las
poblaciones de la región litoral y amazónica y el 15% de la superficie nacional están
sujetos a inundaciones periódicas (Cáceres et al., 2011).
2.1.7. MARCO NORMATIVO FRENTE AL CAMBIO CLIMÁTICO
Desde la integración del Ecuador en 1994 a la “Convención Marco de las Naciones
Unidas sobre el Cambio Climático” (CMNUCC) el Estado Nacional está trabajando
en una adaptación continua de su gobernanza e institucionalidad para fortalecer la
gestión del cambio climático en todo el territorio ecuatoriano. En particular, desde
el año 2008, con la aprobación de la nueva Constitución de la República. El Ecuador
se convirtió en el primer país del mundo en reconocer a la naturaleza como sujeto
de derechos. De esta manera se garantiza: 1) que se respete integralmente su
existencia; 2) el mantenimiento y regeneración de sus ciclos vitales, estructura,
funciones y procesos evolutivos; y 3) su restauración integral (MAE, 2016).
11
La Constitución de la República del Ecuador reconoce en sus artículos 66, 71,74,
83, 275-276, 317, 395, 397 y 414 la importancia que le da el país a la conservación
ambiental. Entre estas preferencias se incluyen: el derecho a vivir en un ambiente
sano, ecológicamente equilibrado, libre de contaminación que garantice la
sostenibilidad y el buen vivir, la restauración de áreas naturales degradadas, el uso
de tecnologías limpias; el compromiso de los legisladores de instaurar instrumentos
prácticos de prevención y control de la contaminación ambiental; así como adoptar
medidas apropiadas y transversales para la mitigación del cambio climático, a
través de la disminución de la generación y emisión de gases de efecto invernadero,
la disminución de la deforestación y de la contaminación atmosférica; efectuando
gestiones para la preservación de los bosques, asegurando la conservación de la
biodiversidad y el mantenimiento de las funciones ecológicas de los ecosistemas
para de esta manera proteger a la población en riesgo (Constitución del Ecuador,
2008).
El Ecuador ha planteado diversos instrumentos de política con el objetivo de
transversalizar y combinar los criterios de gestión del cambio climático en varias
áreas económicos y a diferentes niveles de gobierno. Entre ellos podemos citar el
Plan Nacional del Buen Vivir que es un instrumento al cual se sujetan las políticas,
programas y proyectos públicos, así como la coordinación de competencias. El Plan
Nacional consta de 12 objetivos que promueven la transformación histórica del país
mediante una serie de políticas que a su vez asocian un grupo de metas,
particularmente el objetivo 7 indica “Garantizar los derechos de la naturaleza y
promover un ambiente sano y sustentable” (PNBV, 2009-2013).
El MAE en el año 2009, oficializó la “Política Ambiental Nacional” (PAN), esta
política en los artículos 2, 3 y 45 integra el componente ambiental en las actividades
productivas, la gestión integral de los ecosistemas y la adaptación al cambio
climático, también contiene seis ejes importantes, cada uno de ellos integrado con
estrategias, programas, proyectos y objetivos (MAE, 2010-2014). En el mismo año
se declaró como política de Estado la adaptación y mitigación del cambio climático.
El MAE es el ente que está a cargo de formular y ejecutar la estrategia nacional y
12
el plan que permitan implementar acciones y medidas tendientes a concienciar a
los ciudadanos sobre la importancia de la lucha contra este proceso natural y
antropogénico. Las medidas incluyen elementos de coordinación e integración
interinstitucional en todos los niveles del Estado (MAE-DECRETO No. 1815, 2009).
En el año 2010 se creó el Comité Interinstitucional de Cambio Climático (CICC) el
cual es encargado de regular la ejecución integral de las políticas nacionales
relacionadas al cambio climático y la estrategia nacional del cambio climático
(ENCC) (MAE, 2012).
En el año 2012, el Ministerio del Ambiente del Ecuador (MAE) como presidente del
Comité y la subsecretaria de Cambio Climático, en trabajo conjunto diseñaron y
publicaron la “Estrategia Nacional de Cambio Climático” (ENCC). Este documento
de política indica áreas prioritarias de asistencia, así como lineamientos
estratégicos de acciones para la mitigación, la adaptación y otros aspectos
transversales sobre el cambio climático (MAE, 2016).
En un amplio compromiso, el MAE, ha expedido una serie de acuerdos
ministeriales, en calidad de Autoridad Ambiental Nacional y ente rector de la política
en materia de cambio climático. Estos acuerdos se enfocan en apoyar la
articulación entre políticas intersectoriales, gubernamentales y transversalizar el
cambio climático. Los acuerdos ministeriales permiten plantear un marco de acción
para llevar a cabo mecanismos de desarrollo limpio (MDL), diseño, planificación e
instauración de acciones nacionales apropiadas de mitigación, así como reducción
de emisiones de gases de efecto invernadero causadas por la deforestación y
degradación de los bosques (REDD+) (MAE, 2017).
2.2. ESTADO DEL ARTE DE ÍNDICES DE CAMBIO CLIMÁTICO
Varios estudios se han realizado en el país con la intención de comprender la
dinámica y evolución de los eventos climáticos extremos mediante el análisis de
tendencias de las principales variables meteorológicas, como son la temperatura
13
máxima, mínima y la precipitación a resolución diaria. Entre los principales
podemos citar los siguientes:
“En la investigación sobre la información climática de amenazas hidrometeoro
lógicas en las provincias costeras del Ecuador” (CIIFEN-INAMHI-INOCAR, 2007)
se estudió 16 estaciones. Este número de estaciones corresponde al 5,24% de
todas las estaciones presentes en la zona de estudio. El período de análisis fue
comprendido entre los años 1966 y 2005 y en total se calcularon 11 índices. Los
resultados muestran incrementos temporales en los patrones de precipitación que
desenlazan en un probable incremento de “veranillos” o períodos secos en la costa
central del país, también se reportó un aumento en la ocurrencia de eventos
extremos de lluvia en el norte de la provincia de Esmeraldas, Manabí y Los Ríos.
“Análisis estadístico con FClimdex que se realizó para Ecuador” (Muñoz et al.,
2010). Este estudio fue el primero que se realizó a nivel de todo el país, en el que
se emplearon datos de NCEP-NCAR Reanalysis Project (NNRP), se usaron un total
de 57 celdas, 49 celdas para Ecuador Continental y Marino-Costero, y 8 celdas para
Islas Galápagos en el periodo de 1971 a 2008 y se calcularon los 27 índices de
cambio climático recomendados por la ETCCDI, empleando la herramienta
FClimdex. Los resultados muestran un aumento de la precipitación total anual para
la mayor parte de la zona continental ecuatoriana, de la misma manera sucede con
el comportamiento de la intensidad simple anual de precipitación.
“Análisis estadístico de datos meteorológicos mensuales y diarios para la
determinación de variabilidad climática y cambio climático en el Distrito
Metropolitano de Quito” (Serrano-Vicenti et al., 2012). Este estudio contempla un
periodo de 22 años (1990-2011), fue realizado a nivel del Distrito metropolitano de
Quito (DMQ). En el estudio se usan 4 estaciones meteorológicas y se analizan 10
índices de cambio climático. Los resultados principales de este estudio muestran
un ligero incremento de los días secos consecutivos en el año, un aumento en los
valores máximos de las temperaturas máximas y mínimas y una reducción en la
diferencia entre temperaturas máximas y mínimas.
14
“Análisis estadístico con Climdex de índices climáticos para las provincias de
Pichincha y Napo” (Muñoz, 2013). En este estudio se analiza 25 años de datos
históricos de 1984 al 2012, en las provincias de Pichincha y Napo. En el estudio se
usan 10 estaciones meteorológicas y se analizan 12 índices de cambio climático.
En general los resultados arrojados en el estudio son el aumento del porcentaje de
días y noches cálidas, por consecuencia existe una disminución del porcentaje de
días y noches frías, también existe un incremento en el valor mínimo de las
temperaturas máximas y mínimas, incremento de los días con precipitaciones
extremas, ligero aumento de los días secos consecutivos en el año e incremento
de los valores anuales de precipitación.
“Tendencia de Índices Climáticos para Ecuador, periodo 1965-2010” (CIIFEN,
2014). En este estudio se analizan 46 años de datos históricos para todo el país y
se usan 19 estaciones a nivel nacional también hay que indicar que se calcularon
los 27 índices de Cambio Climático. En el estudio se encontraron como resultados
incremento en la cantidad de precipitación total anual, aumento porcentual de las
precipitaciones extremas, aumento de los valores mínimos de la temperatura
mínima, aumento de los valores máximos de las temperaturas máximas, reducción
de la diferencia entre la temperatura máxima y mínima y reducción de los valores
mínimos de la temperatura máxima.
“Análisis de Tendencias Climáticas y Eventos Climáticos Extremos para el Ecuador”
(Armenta, 2016). El estudio contempla un periodo de 35 años (1981-2015), fue
realizado con cobertura nacional, fueron analizadas 478 estaciones meteorológicas
de las cuales pasaron el control de calidad 59 estaciones para precipitación y 36
para temperatura y se calcularon 17 índices de cambio climático. De manera
general los resultados obtenidos son: aumento de las precipitaciones extremas,
incremento de la cantidad de precipitación total anual, aumento del número de días
y noches cálidas, por ende, disminución en la cantidad de días y noches frías,
incremento de los valores medios de las temperaturas máximas y mínimas,
15
aumento de los valores mínimos y máximos de las temperaturas y disminución del
número de días secos consecutivos en el año.
2.3. ÍNDICES DE CAMBIO CLIMÁTICO
Existe un consenso general dentro de la comunidad climática de que alguna
variación en la frecuencia o severidad de eventos climáticos extremos generaría
fuertes impactos en la naturaleza y la sociedad (Hernández, 2014). El monitoreo, la
detección y la atribución de cambios en los extremos climáticos usualmente
requiere datos de resolución diaria (Muñoz, 2013; Moutahir et al., 2014). Sin
embargo, la compilación, la provisión y la actualización de un conjunto de datos
diarios completos y de fácil disponibilidad es una tarea difícil (Serrano-Vincenti,
2012). En consecuencia, el Grupo de Expertos en Detección e Índices de Cambio
Climático (ETCCDI) formado conjuntamente por la Organización Mundial
Meteorológica (OMM), el proyecto de variabilidad climática (CLIVAR) y la Comisión
Conjunta de Oceanografía y Meteorología Marítima (JCOMM) se han unido en
coordinación internacional para desarrollar, calcular y analizar una serie de índices
para que las personas de los diferentes países y regiones puedan calcular los
índices exactamente de la misma manera para que sus análisis encajen
perfectamente en el panorama global (Karl et al., 1999; Vázquez, 2010). La Tabla
2.2, muestra los índices recomendados por el ETCCDI y su descripción.
Tabla 2.2: Resumen de los 27 índices básicos de cambio climático del ETCCDI
CRITERIO Indicador Unidad Nombre del indicador
Definición
Temperatura mínima
(temperatura en la noche)
TN10p Días Noches frías Porcentaje de días
cuando la temperatura nocturna (TN)<10th
TN90p Días Noches cálidas
Porcentaje de días cuando TN>90th
percentil
16
Tabla 2.2: Índices básicos de cambio climático del ETCCDI (Continuación)
CRITERIO Indicador Unidad Nombre del indicador
Definición
Temperatura mínima
(temperatura en la noche)
TNn ºC Temperatura
nocturna mínima
Valor mensual mínimo de temperatura mínima
diaria
TNx ºC Temperatura
nocturna máximo
Valor mensual máximo de temperatura mínima
diaria
CSDI Días Duración de los periodos
fríos
Contaje anual de días con por lo menos 6
días consecutivos en que TN<10th percentil
FD0 Días Días con heladas
Número de días en un año cuando TN
(mínimo diario) <0ºC
TR20 Días Noches
tropicales
Número de días en un año cuando TN
(mínimo diario)>20ºC
TMINmean ºC Promedio de la
temperatura Valor promedio de la temperatura mínima
Temperatura máxima
(temperatura en el día)
TX10p Días Días fríos Porcentaje de días cuando TX<10th
percentil
TX90p Días Días calurosos Porcentaje de días cuando TX>90th
percentil
TXx ºC Temperatura
máxima durante del día
Valor mensual máximo de temperatura máxima diaria
TXn ºC Temperatura
mínima durante del día
Valor mensual mínimo de temperatura máxima diaria
WSDI Días Duración de
periodos cálidos
Contaje anual de días con por lo menos 6
días consecutivos en que TX>90thpercentil
SU25 Días Días de verano Número de días en un
año cuando TX (máximo diario)>25ºC
17
Tabla 2.2: Índices básicos de cambio climático del ETCCDI (Continuación)
CRITERIO Indicador Unidad Nombre del indicador
Definición
Temperatura máxima (temperatura en el
día) DTR ºC
Rango diurno de
temperatura
Diferencia media mensual entre TX y
TN
Precipitación
RX1day Mm Precipitación máxima en 1
día
Máximo mensual de precipitación en 1 día
Rx5day Mm Precipitación máxima en 5
días
Máximo mensual de precipitación en 5 días
consecutivos
SDII Mm/día
Índice simple de
intensidad diaria
Precipitación anual total dividida para el
número de días húmedos (definidos por PRCP>=1.0mm)
en un año
R10 Días Días con
lluvia mayor a 10mm
Número de días en un año en que
PRCP>=10mm
R20 Días Días con
lluvia mayor a 20mm
Número de días en un año en que
PRCP>=20mm
CDD Días Días secos
consecutivos
Número máximo de días consecutivos con
RR<1mm
CWD Días Días
lluviosos consecutivos
Número máximo de días consecutivos con
RR>=1mm
R95p Mm Días muy lluviosos
Precipitación anual total en que RR>95
percentil
R99p mm
Días extremadam
ente lluviosos
Precipitación anual total en que RR>99
percentil
PRCPTOT
mm precipitación total anual
Precipitación anual total en los días
húmedos (RR>=1mm)
Fuente: Vázquez (2010)
18
La forma para calcular cada indicie de cambio climático recomendado por el
Expertos en Detección e Índices de Cambio Climático (Zhang & Yang, 2004;
ETCCDI, 2013) se presenta en el anexo 1.
2.4. CLIMDEX
ClimDex es un software elaborado por Byron Gleason del National Climate Data
Centre (NCDC) (Benavides et al., 2007). El programa está desarrollado en Microsoft
Excel con el objetivo de proporcionar un paquete computacional sencillo para el
cálculo de Índices de extremos climáticos. Luego se encontró que el método usado
por ClimDex para determinar los índices de temperatura calculados en percentiles
reflejaba falta de homogeneidad en las series de índices. Una solución a este
inconveniente fue desarrollar un paquete basado en R, dado que R es un software
libre y al mismo tiempo es muy robusto y poderoso para elaborar gráficos y análisis
estadístico (González et al., 2013). RClimDex fue desarrollado y es mantenido por
Xuebin Zhang y Feng Yang del Departamento de Investigación Climática del
Servicio Meteorológico de Canadá (Zhang y Yang, 2004).
El RClimDex se ejecuta en los sistemas operativos Microsoft Windows y Unix / Linux
y proporciona una interfaz gráfica amigable para el usuario y permite calcular los
27 índices principales de extremos climáticos que ayuda a monitorear y detectar
cambio climático. También realiza un simple control de calidad en los datos diarios
de entrada (ETCCDI, 2013).
2.5. FUNCIONAMIENTO DEL MODELO
El funcionamiento del modelo es bastante sencillo y se puede resumir en tres pasos
1) la instalación de R y el establecimiento del ambiente de usuario, 2) control de
calidad de datos climáticos diarios, 3) cálculo de los 27 índices básicos (Zhang &
Yang, 2004). El software RClimdex analiza las series históricas de datos
meteorológicos y calcula los índices climáticos que muestran tendencias en el
19
comportamiento del clima a lo largo del tiempo (Jarrín, 2016). Antes de ingresar los
datos al RClimdex pasan por un proceso de control de calidad la cual es una
condición fundamental para el cálculo de los índices. El control de calidad de
RClimDex desarrolla el siguiente procedimiento: 1) reemplaza todos los datos
faltantes (actualmente codificados como -99.9) en un formato interno que reconoce
R (i.e. NA, no disponible), y 2) remplaza todos los valores no razonables por NA,
también reconoce valores extremos conocidos como “outliers” en las series diarias
de temperaturas máximas y mínimas (Santos, 2004). RClimDex es capaz de
calcular simultáneamente los 27 índices básicos y los resultados de los mismos son
almacenados en formato Excel y las gráficas de series anuales, junto con las
tendencias calculadas por regresión lineal de mínimos cuadrados y regresión lineal
con ponderamientos locales en formato JPEG. Éstos pueden ser los días secos
consecutivos, días lluviosos consecutivos entre otros y a partir de este análisis se
observa si existe un cambio en los patrones normales de los parámetros
meteorológicos a lo largo del tiempo (Jarrín, 2016; Zhang & Yang, 2004).
2.6. ÁREA DE ESTUDIO
2.6.1. UBICACIÓN GEOGRÁFICA
Las 7 provincias escogidas corresponde al Carchi, Imbabura, Pichincha, Cotopaxi,
Tungurahua, Bolívar y Chimborazo las cuales están ubicadas en el centro norte de
la región interandina del Ecuador como se muestra en el mapa 2.6.1.a.
20
Mapa 2.6.1.a: Ubicación geográfica del área de estudio
Elaborado por: Andrango (2017)
2.6.2. DESCRIPCIÓN GENERAL
Se ha escogido para el estudio 7 provincias del centro norte de la sierra del Ecuador
porque es un sector de alta importancia en la producción agropecuaria. En esta
región se produce el cultivo de papas, hortalizas, cereales y la ganadería de carne
21
y de leche. También existe predominio de paramos, volcanes, montes, bosques, lo
que sugiere la existencia de zonas protegidas y amplios humedales un ejemplo de
esto es el Parque Nacional Cotopaxi, lo cual le da una gran importancia turística.
En este sector se percibe una colonización de los páramos como consecuencia de
la reforma agraria, lo que ha generado desplazamientos hacia las zonas altas en
busca de nuevas tierras, también un gran porcentaje de población joven se ha
dirigido a las grandes ciudades en busca de más oportunidades (Ministerio de
coordinación de la productividad, empleo y productividad, 2011). A continuación, en
la tabla 2.3 se muestra un cuadro sintetizando la información básica de cada
provincia.
Tabla 2.3: Información básica del área de estudio
Provincia Extensión
(Km²)
Población
(Habitantes)
Rango altitudinal
(m.s.n.m)
Superficie
cultivada (ha)
Carchi 3.749,6 184.136 Desde 120 a 4.729 50.568
Imbabura 4.619,03 463.957 Desde 200 a 4.939 53.472
Pichincha 9.466.84 3.116.111 Desde 115 a 5790 145.580
Cotopaxi 6.109 476.428 Desde 90 a 5.920 115.859
Tungurahua 3.335 557.551 Desde 134 a 5020 54.818
Bolívar 3.944,86 206.771 Desde 180 a 4000 170.077
Chimborazo 6.500,66 515.417 Desde 135 a 6310 98.837
Fuente: Información extraída del Plan de Desarrollo y Ordenamiento Territorial de
cada gobierno provincial (2011); INEC (2016).
2.6.3. CONDICIONES CLIMÁTICAS
Los elementos que caracterizan al clima son parámetros físicos tales como:
nubosidad, insolación, precipitación, temperatura del ambiente, humedad del aire,
evaporación y presión atmosférica (Barros y Troncoso, 2010). Estos parámetros
están bajo la influencia de factores, entre los principales podemos nombrar la
latitud, el conjunto de relieve y la presencia del océano pacífico. El Ecuador está
22
ubicado sobre la línea ecuatorial por ellos presenta características peculiares en el
sistema general de circulación atmosférica. La cadena montañosa de los Andes
desempeña un papel muy importante en la generación y movimiento de masas de
aire local o regional. La presencia del océano pacifico y de sus corrientes marinas
es también muy importante porque genera masas de aire con diversas
características de humedad y temperatura (Pourrut, 1983).
El Ecuador tiene una amplia distribución de climas dado que posea una topografía
muy irregular (MAE, 2012). La descripción climática en este caso se va enfocar en
la región interandina porque es la región donde se encuentra el área de estudio
(mapa 2.6.3.a). La región andina se caracteriza por la gran cadena montañosa que
es la cordillera de los Andes la cual se extiende de norte a sur, cuyo ancho oscila
entre 100 y 140 km (Le Goulven, & Ruf, 1993). La influencia de la altitud de la
cordillera de los Andes se refleja en un dominio que abarca desde procesos de
clima tropical húmedo en la parte baja de las vertientes exteriores, templados en el
callejón central, hasta nivales y peri glaciares y glaciares en las cimas más altas
por encima de 4000 y 4500 m.s.n.m (Winckell, 1982).
· Clasificación Climática de la región Interandina
A continuación, se describen los cuatro grandes tipos de clima que se puede
identificar en la sierra del Ecuador, los cuales son expuestos por Pourrut y otros
colaboradores en el año 1995, en su trabajo titulado Clima del Ecuador.
“El clima tropical megatérmico muy húmedo”, “se caracteriza por ser un clima de
transición entre los de la región andina, litoral y amazónica”. Este clima está
presente entre los 500 y 1500 m.s.n.m, en las vertientes exteriores de las dos
cordilleras. En cuanto a la humedad relativa su valor es alrededor de 90%. Las
temperaturas medias anuales varían considerablemente según la altura. Las
precipitaciones anuales están sobre los 2000mm y varias veces alcanzan 4000mm
esto se debe a que reciben las masas de aire tropical cargado de humedad
23
directamente. La vegetación característica de esta zona es la selvática, aunque los
procesos de deforestación para el cultivo de pastos la ponen el riesgo.
“El clima ecuatorial mesotérmico semi-húmedo a húmedo”, este clima ocupa la
mayor extensión de la región interandina y es muy característico de la zona, con
excepción del valle abrigados y las zonas que tiene una altitud de más de 3200
m.s.n.m. La temperatura media anual generalmente esta entre 12 y 20 °C, sin
embargo, puede ser inferior en algunas vertientes con menos exposición al sol. Las
temperaturas máximas no superan los 30°C y las mínimas rara vez llegan a los 0°C.
En esta zona la humedad relativa esta entre 65 y 85 % en función de la altura y el
tiempo de la insolación puede ir de 1000 a 2000 horas por año. Las precipitaciones
están distribuidas en dos épocas lluviosas de febrero a mayo y de octubre a
noviembre y fluctúan entre 500 y 2000 mm. En cuanto a la época seca, la principal
se identifica de junio a septiembre y la segunda es más aleatoria en duración y en
localización, generalmente es menor a tres semanas y se sitúa a finales de
diciembre, es por eso que se le conoce como el “veranillo del niño”. La vegetación
natural ha sido reemplazada casi en su totalidad por pastos y cultivos como
cereales maíz y papas.
“El clima ecuatorial mesotérmico seco”, está presente en los valles interandinos de
menor altura y abrigados. La temperatura media anual fluctúa entre 12 y 20ºC con
poca diferencia en las épocas de invierno y verano. La precipitación anual es inferior
a 500 mm. En las zonas bajas la acumulación de aire es relativamente frio y por
ende más denso lo cual ayuda a crear condiciones climáticas muy estables. El cielo
pocas veces esta nuboso por eso la insolación siempre supera las 1500 horas
anuales. La humedad relativa tiene valores entre el 50 y 80 %.
“El clima ecuatorial frio de alta montaña”, está situado siempre sobre los 3000
m.s.n.m. la temperatura máxima pocas veces sobre pasa los 20°C, mientras que
las mínimas tienen valores por debajo de 0°C, las medias anuales son bastante
variables con valores entre 4 y 8 °C. La precipitación va de 800 a 2000 mm y la
mayoría de eventos son de larga duración y baja intensidad. La humedad relativa
24
es por lo general mayor a 80%. La vegetación característica es un espeso tapiz
herbáceo que generalmente está saturado de agua.
Como se ha expuesto reiteradas veces, el Ecuador tiene una gran variedad de
climas, se ha descrito los cuatro principales para la región interandina, sin embargo,
de estos derivan muchos más. A continuación, se muestra en el mapa 2.6.3.a, las
siete provincias que son objeto de la presente investigación ilustrando los climas
para cada una de ellas.
Mapa 2.6.3.a: Clasificación climática del área de estudio
Elaborado por: Andrango (2017)
25
2.6.4. CONDICIONES SOCIOECONÓMICAS
A continuación, se presenta en la tabla 2.4 una síntesis de los indicadores
socioeconómicos más importantes de las 7 provincias de presente estudio.
Indicadores que se definen según el Banco Central del Ecuador, 2015 de la
siguiente manera.
· Analfabetismo: es el porcentaje de la población mayor a 15 años que no
posea la capacidad de leer ni escribir.
· Escolaridad: es el promedio de años lectivos aprobados en instituciones
educativas. “Para el cálculo se divide el número total de años aprobados por
todas las personas de 24 años o más en el año t sobre total de personas de
24 años o más en el año t”.
· Población Económicamente Activa (PEA): es la cantidad la población mayor
a 15 años que está inmerso en el mundo laboral.
· Tasa de desempleo: es el número de personas mayores a 15 años que no
cuentan con un empleo.
· Tasa de subempleo: es el número de personas mayores a 15 años que están
subocupadas. Constituyen la suma de la tasa del subempleo por
insuficiencia de horas más la tasa de otras formas de subempleo.
· Pobreza: el conjunto de la población que forma parte de hogares cuyo
ingreso per cápita, en un tiempo determinado, es menor al valor del costo de
la canasta básica de bienes y servicios.
· Remesas: Comprende las transferencias corrientes realizadas por
emigrantes empleados en la nueva economía de la que se les considera
residentes, hacia su país de origen.
·
Tabla 2.4: Indicadores socioeconómicos del área de estudio
Indicadores socioeconómicos de la provincia del Carchi
Analfabetismo 8,9%
Escolaridad 7,9 años promedio
26
Tabla 2.4: Indicadores socioeconómicos del área de estudio (continuación)
Indicadores socioeconómicos de la provincia del Carchi Población Económicamente Activa (PEA)
80.589 habitantes
Tasa de desempleo 3,7%
Tasa de subempleo 64,7%
Pobreza por ingreso 30,2%
Remesas $ 4`445 000
Actividades productivas Primero actividades comerciales segundo actividades agropecuarias.
Indicadores socioeconómicos de la provincia de Imbabura
Analfabetismo 14,1%
Escolaridad 7,9 años promedio
Población Económicamente Activa (PEA)
206.258 habitantes
Tasa de desempleo 5,3%
Tasa de subempleo 58,1%
Pobreza por ingreso 24,9%
Remesas $ 50`453 000
Actividades productivas Primero actividades comerciales, segundo actividades manufactureras.
Indicadores socioeconómicos de la provincia de Pichincha
Analfabetismo 8,4% Escolaridad 7,5 años promedio
Población Económicamente Activa (PEA)
1.373.976 habitantes
Tasa de desempleo 3,3 %
Tasa de subempleo 33,6 %
Pobreza por ingreso 9,4 %
Remesas $ 369`543 000
Actividades productivas Primero actividades comerciales, segundo actividades manufactureras.
Indicadores socioeconómicos de la provincia de Cotopaxi
Analfabetismo 15,1 %
27
Tabla 2.4: Indicadores socioeconómicos del área de estudio (continuación)
Indicadores socioeconómicos de la provincia de Cotopaxi
Escolaridad 8,3 años promedio
Población Económicamente Activa (PEA)
236.050 habitantes
Tasa de desempleo 2,8 %
Tasa de subempleo 61,6 %
Pobreza por ingreso 22,0 %
Remesas $ 18`804 000
Actividades productivas Primero actividades manufactureras segundo actividades agropecuarias.
Indicadores socioeconómicos de la provincia de Tungurahua
Analfabetismo 10,3 %
Escolaridad 7,5 años promedio
Población Económicamente Activa (PEA)
300.785 habitantes
Tasa de desempleo 2,2 %
Tasa de subempleo 65,0 %
Pobreza por ingreso 20,8 % Remesas $ 71`281 000
Valor agregado bruto 2.643.180 miles de dólares
Actividades productivas Primero actividades manufactureras segundo actividades comerciales.
Indicadores socioeconómicos de la provincia de Bolívar
Analfabetismo 19,1 %
Escolaridad 8,4 años promedio
Población Económicamente Activa (PEA)
91.263 habitantes
Tasa de desempleo 2,1 %
Tasa de subempleo 72,0 %
Pobreza por ingreso 43,7 %
Remesas $ 2`661 000
Valor agregado bruto 530.820 miles de dólares
Actividades productivas Primero actividades agropecuarias.
28
Tabla 2.4: Indicadores socioeconómicos del área de estudio (continuación)
Indicadores socioeconómicos de la provincia de Chimborazo
Analfabetismo 14,8 %
Escolaridad 8,0 años promedio
Población Económicamente Activa (PEA)
259.067 habitantes
Tasa de desempleo 1,8 %
Tasa de subempleo 68,6 %
Pobreza por ingreso 35,2 %
Remesas $ 58`344 000
Valor agregado bruto 1.808.975 miles de dólares
Actividades productivas Primero actividades comerciales, segundo actividades manufactureras.
Fuente: Banco Central del Ecuador (2015)
29
CAPITULO III
3. METODOLOGÍA
3.1. RECOPILACIÓN DE INFORMACIÓN BASE
Los estudios y aplicaciones afines con el clima y el cambio climático requieren de
datos de observaciones históricas adquiridos de fuentes distribuidas de manera
adecuada. Es de gran importancia que los datos obtenidos en ubicaciones y
momentos diferentes sean o puedan ser comparables (GCOS, 2016).
3.1.1. ESTACIONES METEREOLÓGICAS
Las estaciones meteorológicas son los lugares donde se realizan las evaluaciones
de uno o varios parámetros meteorológicos. El Instituto Nacional de Meteorología
e Hidrología (INAMHI) es la institución encargada de operar y mantener la
infraestructura nacional de estaciones meteorológicas e hidrológicas: recopilar,
estudiar, procesar, publicar, y difundir la información Hidrometeorológica en el
Ecuador, todo de acuerdo a normas internaciones establecidas por la Organización
Meteorológica Mundial (OMM). El INAMHI cuenta con una Red de 378 Estaciones
Meteorológicas Convencionales (EMC) distribuidas de la siguiente forma (tabla
3.1):
Tabla 3.1: Tipo de estaciones climáticas
AG Agrometeorológica
CP Climatológica principal CO Climatológica Ordinaria PV Pluviométrica PG Pluviográfica
Fuente: INAMH
30
Las estaciones meteorológicas convencionales (EMC) son equipos en los que se
realizan una medición instrumental por lo que se requiere de la presencia de un
observador. El INAMHI también cuenta con estaciones meteorológicas automáticas
(EMA) que envían la información directamente a una base de datos. No obstante,
estas últimas sólo cuentan con un registro promedio de 5 años de datos diarios.
Según la guía de la red de estaciones de observación en superficie del Sistema
Mundial de Observaciones del Clima (SMOC) los requisitos mínimos aplicables a
la temperatura y a la precipitación de series diarias históricas deben tener una
cantidad de datos de 30 años. Sin embargo, lo óptimo ha sido fijado en series
históricas homogéneas de 50 años (GCOS, 2016). Por esta razón se utilizan las
EMC como fuente de información para este trabajo.
3.2. SELECCIÓN DE DATOS COMPLETOS Y CONTINUOS
El INAMHI cuenta con 127 EMC distribuidas en toda el área de estudio como se
indica en la tabla 3.2
Tabla 3.2: Número de EMC por provincia
Provincia Numero de EMC
Carchi 11
Imbabura 19
Pichincha 35
Cotopaxi 18
Tungurahua 11
Bolívar 11
Chimborazo 22
Fuente: INAMHI
31
Para la selección de estaciones meteorológicas funcionales se identificó las EMC
existentes y operativas dentro del área de estudio. Los datos diarios de
precipitación, temperatura máxima y temperatura mínima fueron entregados por el
INAMHI y se aceptaron aquellas que tienen máximo un 20% de datos faltantes en
el periodo de 1965-2015 según lo recomendado por la Guía Práctica Climatológica
de la Organización Meteorológica Mundial (OMM, 2011).
El software Hydracces fue la herramienta que se utilizó para la identificación de las
estaciones meteorológicas que cumplen con el parámetro antes mencionados. El
Hydracces es un software hidrológico que permite importar y almacenar varios tipos
de datos hidrometereológicos y posibilita la visualización de datos en gráficos
simples o comparativos, que son exportados libremente a Microsoft Excel de esta
manera se puede observar la densidad de datos disponibles y el porcentaje de
datos faltantes en un determinado intervalo de tiempo, esta software está disponible
en la siguiente dirección electrónica http://www.so-
hybam.org/index.php/esl/Software/Hydraccess (SO HYBAM, 2003). La figura 3.1
muestra un ejemplo de la información arrojada por el software Hydracces de los
datos existente de temperatura mínima de varias estaciones en el área de estudio.
El análisis de la disponibilidad de datos diarios de precipitación se realizó para cada
provincia, mientras que para los datos diarios de temperatura máxima y minina se
analizó para toda el área de estudio, porque existen menos EMC que disponen de
estos parámetros.
32
Fig
ura
3.1
: In
form
ació
n d
ispo
nib
le d
e t
empe
ratu
ra m
ínim
a po
r es
taci
ón
Fu
ente
: IN
AM
HI
Ela
bo
rad
o:
And
rang
o (2
017
)
31/12/1965
23/06/1971
13/12/1976
05/06/1982
26/11/1987
18/05/1993
08/11/1998
30/04/2004
21/10/2009
13/04/2015
Den
sid
ad d
e in
form
acio
n d
e te
mp
erat
ura
mín
ima
M00
01-J
1
M00
02-J
1
M00
03-J
1
M00
04-J
1
M00
09-J
1
M00
23-J
1
M00
24-J
1
M00
29-J
1
M01
02-J
1
M01
03-J
1
M01
04-J
1
M01
05-J
1
M01
07-J
1
M01
22-J
1
M01
23-J
1
M01
24-J
1
M01
26-J
1
M01
27-J
1
M01
28-J
1
M01
29-J
1
M01
30-J
1
M01
33-J
1
M01
36-J
1
M02
58-J
1
32
33
3.3. ANÁLISIS Y CONTROL DE CALIDAD
3.3.1. CONTROL DE CALIDAD CON RCLIMDEX
En el cálculo de los índices de cambio climático el control de calidad es muy
importante y viene integrado en el paquete de RClimdex. El cual obedece al
siguiente procedimiento: primero identifica los datos faltantes que inicialmente se
ingresan con -99.9 y los reemplaza en un formato interno que reconoce R (i.e. NA,
no disponible) y segundo remplaza los valores no razonables y valores extremos
(“outliers”) por NA un ejemplo de esto son cantidades de precipitación diarias
menores que cero y temperatura máxima diaria menor que temperatura mínima
diaria. Los valores extremos son cantidades diarios que se están fuera de un rango
definido por el usuario. Esta región se define como n veces la desviación estándar
del valor del día, esto es, [media – n*std, media+n*std]. El análisis de control de
calidad genera varios archivos en formato Excel que contiene información sobre
valores no razonables para temperatura y precipitación. Adicional se generan 4
archivos PDF que contienen gráficos de las series de tiempo de precipitación diaria,
y temperaturas diarias máximas y mínimas (Zhang & Yang, 2004). Como se puede
observar en la figura 3.2.
34
Figura 3.2: Series de tiempo con control de calidad.
Series de tiempo con valores faltantes graficados como puntos rojos
3.3.2. ANÁLISIS DE HOMOGENEIDAD
Después de haber completado el proceso de control de calidad, para calcular los
índices se debe emplear únicamente las series climáticas que sean
razonablemente homogéneas. Por esta razón en este estudio se utilizó la
herramienta de software RHtest, la cual fue desarrollada y recomendada por el
grupo de Expertos en Detección de Cambio Climático e Índice (ETCCDI). Usando
la nueva base de datos generada en el control de calidad, transformando a formato
de texto fue ingresada al programa RHtest. En primer lugar, el RHtest transforma
los datos de la escala diaria a escala mensual, luego se selecciona la base de datos
mensuales y mediante la opción prueba de homogeneidad se realiza el análisis. El
programa realiza la prueba t de máxima penalización con un intervalo de confianza
del 95%. Los resultados son varios archivos en formato de texto que almacenan la
información sobre los puntos de cambio que indican que la serie no es homogénea,
la fecha en la que se produjeron los puntos de cambios, y si son estadísticamente
35
significativos (figura 3.3a). También se generan archivos PDF para observar de una
manera gráfica los puntos de cambio (figura 3.3b). De esta manera se descartaron
las estaciones no homogéneas quedando un total de 50 de las 80 con las que se
empezó el análisis.
Figura 3.3: Ilustración de los resultados arrojados por RHTest.
a) Puntos de cambio en formato de texto, b) ilustración grafica de dos puntos de
cambio en una serie de precipitación.
Elaboración: Andrango (2017)
3.3.3. HOMOGENEIZACIÓN DE SERIES DE TEMPERATURA
Luego de haber identificado las series no homogéneas, se encontró que 12 de las
16 series de temperatura mínima y máxima no eran homogéneas, por lo que se
procedió a realizar la homogeneización usando el paquete Climatol desarrollado en
36
R, se realizó una homogeneización relativa, lo que implica la comparación con
varias series cercanas, debido a que las series diarias son muy ruidosas. Mediante
la función dd2m se generaron series mensuales, sobre las que el análisis de
homogeneidad es más efectivo, luego se aplicó la función homogeneización para
realizar un análisis de saltos en la media mediante el test SNHT (Alexandersson,
1986).
Esta función genera ahora un nuevo fichero binario que conteniente las series
originales, homogeneizadas, así como listas de valores anómalos y saltos en la
media detectados.
Luego de haber pasado por los diferentes controles de calidad, las estaciones
contempladas en la investigación son en total 50 de las cuales 16 tienen datos
diarios de temperatura máxima y mínima. Sin embargo, se ha considerado para
este estudio usar las 50 estaciones incluyendo las 34 que solo tienen datos diarios
de precipitación, con el fin de no descartar información. A Continuación, se detalla
la lista de estaciones escogidas para el estudio en la tabla 3.3.
Tabla 3.3: EMC seleccionadas para el estudio por provincia
Provincia Latitud Longitud Estación Nombre Tiempo de estudio (años)
Bolívar -1.98 -79.06 M0130 Chillanes 50
-1.43 -79.29 M0383 Echeandía 46 -1.4 -79.02 M0385 Salinas-Bolívar 45
Carchi 0.63 -77.94 M0102 El Ángel 50
0.6 -77.82 M0103 San Gabriel 50 0.8 -77.86 M0308 Tufiño 39
Chimborazo
-1.72 -78.66 M0133 Guaslan 33
-2.28 -78.92 M0136 Chunchi 50 -2 -78.97 M0391 Pallatanga 48
-1.91 -78.64 M0395 Cebadas 50 -2.34 -78.94 M0397 Compud 51 -2.28 -78.77 M0399 Achupallas-Chimborazo 50 -1.94 -79 M0402 Chimbo Dj Pangor 30
37
Tabla 3.3: EMC seleccionadas para el estudio (continuación)
Provincia Latitud Longitud Estación Nombre Tiempo de estudio (años)
Chimborazo
-2.2 -78.85 M0403 Alausi 50 -1.77 -78.99 M0404 Canni-Llimbe 45 -2.23 -78.81 M0405 Guasuntos 42 -1.61 -78.64 M0408 Guano 35
Cotopaxi
-1.02 -78.59 M0004 Rumipamba-Salcedo 38 -1.13 -79.08 M0123 El Corazón 50 -0.92 -79.25 M0124 San Juan La Mana 50 -0.7 -78.89 M0363 Sigchos 51
-1.07 -78.7 M0369 Cusubamba 51 -1.12 -79.09 M0370 Ramón Campaña 47 -0.72 -78.63 M0371 Pastocalle 51
Imbabura
0.24 -78.25 M0105 Otavalo 33
0.52 -78.21 M0107 Cahuasqui-Fao 35 0.5 -78.19 M0312 Pablo Arenas 51
0.43 -78.01 M0314 Ambuqui 51 0.36 -78.51 M0318 Apuela-Intag 50
0.3 -77.91 M0324 San Francisco De Sigsipamba 48
0.23 -78.63 M0325 Garcia Moreno 39
0.35 -78.27 M0328 Hda.La María-Anexas(Leticia) 43
Pichincha
0.26 -78.4 M0001 Inguincho 37 -0.23 -78.37 M0002 La Tola 35 -0.37 -78.55 M0003 Izobamba 50 0.15 -78.05 M0023 Olmedo-Pichincha 38
-0.17 -78.48 M0024 Quito Inamhi-Iñaquito 40 -0.2 -78.54 M0335 La Chorrera 38 0.07 -78.68 M0339 Nanegalito 48 -0.1 -78.3 M0343 El Quinche-Pichincha 47 -0.1 -78.42 M0345 Calderón 51
-0.16 -78.32 M0346 Yaruqui- Inamhi 51 -0.43 -78.42 M0353 Rumipamba-Pichincha 50 -0.07 -78.57 M0361 Nono 39
38
Tabla 3.3: EMC seleccionadas para el estudio (continuación)
Provincia Latitud Longitud Estación Nombre Tiempo de estudio (años)
Tungurahua
-1.39 -78.42 M0029 Baños 50
-1.17 -78.56 M0127 Pillaro 32 -1.35 -78.62 M0128 Pedro Fermín 37 -1.3 -78.73 M0376 Pilahuin 38
-1.35 -78.67 M0377 Tisaleo 50 -1.39 -78.53 M0380 Huambalo 50
Fuente: INAMHI
Elaboración: Andrango (2017)
A continuación, se muestra la distribución espacial de las estaciones
meteorológicas convencionales en el área de estudio (Mapa 3.3.3.a).
Mapa 3.3.3.a: Distribución espacial de las estaciones meteorológicas usadas en el
estudio. a) estaciones meteorológicas que tienen datos solo de precipitación, b)
estaciones meteorológicas que tienen datos de precipitación y temperatura.
39
3.4. CÁLCULO DE ÍNDICES DE CAMBIO CLIMÁTICO
Para realizar el cálculo de los índices de cambio climático se debió pasar por varios
procedimientos que implican seleccionar las estaciones más adecuadas, las que
contienen la mayor cantidad de información, para que los resultados del estudio
sean bastantes significativos. A continuación, se presenta un resumen del
procedimiento seguido para el cálculo de los índices de cambio climático (figura
3.4).
Figura 3.4: Procedimiento para el cálculo de índices de cambio climático
Elaboración: Andrango (2017)
Luego de haber pasado por el estricto control de calidad se procedió a calcular los
índices de cambio climático de 50 estaciones meteorológicas de las cuales 33 se
calcularon únicamente índices en los que intervienen la precipitación porque estas
estaciones no contenían información sobre temperatura. El cálculo de los índices
del ETCCDI es relativamente directo usando el software RClimdex que fue
diseñado para este propósito. Lo primero es colocar los datos en columnas, con la
secuencia año, mes, día, precipitación, temperatura máxima y temperatura mínima
como se indica en la figura 3.5.
Selección de datos completos y continuos
Análisis y control de calidad
Análisis de homogeneidad
Cálculo de índices de cambio climático
Análisis de tendencias
1
2
3
4 5
40
Figura 3.5: Formato de ingreso de datos al software RClimdex
Fuente: Base de Datos INAMHI
Luego de haber preparado la información de las 50 estaciones en el formato
compatible con el RClimdex, y de haber pasado los respectivos controles de
calidad, se procede a ejecutar el software para calcular los índices de cambio
climático. Se debe introducir varios parámetros entre ellos el primero y el último año
del periodo de estudio, la localización de la estación, umbrales de temperatura
diaria máxima y mínima, así como definir el umbral de la precipitación diaria ver
figura 3.6.
Figura 3.6: Parámetros usado por el Rclimdex para el cálculo de índices
El RClimdex presenta una interface amigable y permite calcular los 27 índices, sin
embargo, el usuario puede definir cuáles son los índices que desea calcular, en
41
este caso se ejecutó el programa indicando que se calculen 24 índices de cambio
climático (ver figura 3.7).
Figura 3.7: Ventana de selección de índices
3.5. SIGNIFICANCIA ESTADÍSTICA
Se interpreta como el nivel de confianza que se puede tener en el análisis de datos.
La decisión se toma frecuentemente utilizando el valor P (o p-valor): si el valor P es
menor al nivel de significancia, la hipótesis nula es rechazada. El valor que se toma
en cuenta en el presente estudio es de 0.05 o menos, lo cual indica que los
resultados tienen un nivel de confianza del 95% o más, el valor de significancia será
inversamente proporcional al valor P (Armenta, 2016).
42
Para el análisis de tendencias estadísticas RClimdex realiza la aproximación
tradicional de regresión lineal por el método de mínimos cuadrados, y este método
ha sido acompañado por el test de Mann-Kendall (ver anexo 5), (Vea, et al., 2012).
El método de mínimos cuadrados, es un ajuste lineal para una serie de datos, se
usa para estudiar la naturaleza de la relación entre dos variables. Lo primero a
realizar es calcular la media de los valores de e !, posteriormente se realiza la
suma de los cuadrados de los valores de . A continuación, se suma cada valor de
x multiplicado con el valor correspondiente de y. Luego se procede a calcular la
pendiente (ecuación 1). Calcular la intercepción en y de la recta (ecuación 2). Por
último, con el valor de la pendiente y la intercepción en y se forma la ecuación de
la recta (Badii et al., 2012).
(Ecuación 1)
" = ∑ ! − (∑ )(∑ !)%∑ & − (∑ )&%
Donde n es el número total de puntos de los datos.
(Ecuación 2)
' = ȳ − " ̄
Donde ̄ -%. ȳ son las medias de las coordenadas de x y y de los puntos de datos
respectivamente.
Por otra parte, la prueba de tendencia Mann Kendall, está enfocada en descubrir
una tendencia al incremento o al decrecimiento en la serie de datos. La prueba de
Mann-Kendall fue constituida en la estadística S. En cada par de datos observados yi, yj (i > j) de la variable aleatoria es examinada para hallar cuando yi > yj o yi < yj. Si el número de pares positivos es P, y el número del tipo de pares negativos
43
es M, entonces la S es definida como S = P − M. Para n> 10, se define una
estadística Z que continúa la distribución estándar normal (Kulkarni et al., 1995)
dónde:
0 =⎩⎪⎨⎪⎧5 − 178 9: 5 > 0
0 9: 5 = 0? + 178 9: 5 < 0
(Ecuación 3)
78 = A%(% − 1)(2% + 5)18
El test Mann Kendall tiene hipótesis nula H0=no hay tendencia, y la alternativa es
H1=existe tendencia a cierto nivel de significancia a elegir.
3.6. PRESENTACIÓN DE RESULTADOS DE LOS ÍNDICES DE CAMBIO
CLIMÁTICO
Los resultados que arroja el software RClimdex se presentan en formato Excel, son
tablas que contienen estimación de pendiente, error de pendiente, Valor de p (ver
tabla 3.4) los cuales fueron calculados mediante regresión lineal de mínimos
cuadrados y respaldados con el test Mann Kendall, así mismo se puede observar
archivos en formato JPG donde se ilustran gráficamente las series anuales con sus
respectivo ajunte de tendencia lineal y ponderada (ver figura 3.8), se presenta los
24 índices calculados para la estación M0001 en el anexo 6. A los índices que
inicialmente muestran tendencias significativas que corresponden a un valor p de <
0.05.
44
Tabla 3.4: Ejemplo de los resultados arrojados por el RClimdex
Indices SYear EYear Slope STD_of_Slope P_Value
fd0 1963 2015 0.021 0.036 0.565
su20 1963 2015 1.28 0.548 0.032
fd0 1963 2015 0.021 0.036 0.565
txx 1963 2015 0.052 0.019 0.016
txn 1963 2015 0.051 0.012 0
Figura 3.8: Índice climático días de verano
Resultado grafico para el índice climático días de verano (SU20) tendencia lineal
(línea recta) y tendencia ponderada (línea punteada)
Elaboración: Andrango (2017)
45
CAPITULO IV
4. RESULTADOS Y DISCUSIÓN
4.1. ANÁLISIS DE EVENTOS CLIMÁTICOS EXTREMOS
4.1.1. ASOCIADO AL COMPORTAMIENTO DE LA TEMPERATURA MÍNIMA
El número de días en un año cuando la temperatura mínima diaria fue mayor a 20ºC
(TR20) también conocida como noches tropicales, no existen registros de
temperaturas mínimas superiores a 20ºC en ninguna estación de las 7 provincias
de área de estudio.
Con respecto a la duración de los periodos fríos (CSDI), el indicador muestra el
conteo anual de días en el que por lo menos 6 días consecutivos la temperatura
mínima fue menor al 10th percentil, se observa tendencia a disminución en las
provincias de Pichincha en las estaciones de Izobamba (M0003) e INAMHI-Iñaquito
(M0024) con valores de -0,7 y -4,5 días/década respectivamente y Bolívar siendo
esta ultima la de mayor tendencia a disminución con -6,9 días/década en la
estación Chillanes (M0130).
Para el valor medio anual de la temperatura mínima (TMINmean), (Mapa 4.2.1.a)
se observan aumentos del orden de 0,17 a 0,4 °C/década para las provincias de
Bolívar, Pichincha, Cotopaxi y Chimborazo, también se identifica un importante
incremento de 0,7 °C/década en la estación meteorológica Baños (M0029) ubicada
en la provincia de Tungurahua (figura 4.1.a).
Mediante un sistema de información geográfica (SIG) se ha ilustrado tendencias en
mapas del área de estudio.
46
Mapa 4.1.1.a: Temperatura media mínima. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
47
El rango diurno de temperatura (DTR), (Mapa 4.2.1.b), este indicador muestra una
disminución de -0,2 ºC/década para la estación Pedro Fermín (M0128) ubicada en
Tungurahua, mientras que para la provincia de Cotopaxi se observa una diminución
de -0,4 y -0,7 ºC/década en las estaciones: el Corazón (M0123) y Rumipamba-
Salcedo (M0004) respectivamente.
Mapa 4.1.1.b: Rango diurno de temperatura. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
48
El en caso del porcentaje de días cuando la temperatura mínima fue menor al 10th
percentil (TN10p) (Mapa 4.2.1.c), también se interpreta como el número de noches
frías, presentan reducciones de un orden de 2% (-7,3 días/década) y 5% (-18,3
días/década) para las estaciones de Izobamba (M0003) e Iñaquito (M0024) en la
provincia de Pichincha. Por otro lado, la estación Rumipamba-Salcedo (M0004)
ubicada en la provincia de Cotopaxi indica una disminución del 1% (-3,6
días/década). Mientras que la provincia de Bolívar representada por la estación
Chilanes (M0130) indica una disminución del 3,5% que se interpreta como -12,7
días/década.
Mapa 4.1.1.c: Noches Frías. Las flechas se refieren a tendencias significativas (p
<0.05). El tamaño de la flecha es la magnitud de cambio.
49
De manera contraria al comportamiento del porcentaje de noches frías, el número
de eventos de noches calientes (TN90p) (Mapa 4.2.1.d), o con temperaturas
superiores al percentil 90 presenta incrementos del orden de 3% (10,9 días/década)
y 4% (14,6 de días/década) para las estaciones de Izobamba (M0003) e Inamhi-
Iñaquito (M0024) que están dentro de la provincia de Pichincha, de manera similar
para la provincia de Imbabura representada por la estación Otavalo (M0105). Por
su parte la estación Chillanes (M0130) perteneciente a la provincia de Bolívar
muestra un incremento de 4,5% (16,4 días/década). Mientras que para la estación
Rumipamba-Salcedo (M0004) existe un incremento importante de 9% (32,8 de
días/década) (figura 4.1.b).
Mapa 4.1.1.d: Noches Cálidas. Las flechas se refieren a tendencias significativas
(p <0.05). El tamaño de la flecha es la magnitud de cambio.
50
Los valores mínimos de la temperatura mínima diaria (TNN) (Mapa 4.2.1.e),
presentan incrementos superiores a 0,6°C/década en las estaciones de Iñaquito
(M0024) y Pedro Fermín (M0128) pertenecientes a las provincias de Pichincha y
Tungurahua respectivamente. Sin embargo, en la estación Baños (M0029) de la
provincia de Tungurahua se observa un incremento importante de 1,2 °C/década,
mientras que para el resto de provincias no se evidencias cambios significativos
(figura 4.1.c).
Mapa 4.1.1.e: Temperatura mínima nocturna. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
51
Los valores máximos de temperatura mínima diaria (TNX) (Mapa 4.2.1.f) presentan
aumentos de entre 0,2 y 0,5 °C/década para 6 provincias del área de estudio, con
excepción de la provincia de Chimborazo la cual no presenta cambios significativos
en ninguna de sus estaciones. Por otra parte, se observa un incremento importante
en la estación Rumipamba-Salcedo (M0004) de 0,6 °C/década, la cual está dentro
de la provincia de Cotopaxi (figura 4.1.d).
Mapa 4.1.1.f: Temperatura máxima nocturna. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
52
Por último, el índice de días de heladas (FD0), (Mapa 4.2.1.g) en las estaciones de
las provincias de Bolívar, Chimborazo, algunas estaciones de Pichincha, Cotopaxi
e Imbabura no presentan registros de temperaturas mínimas menores a 0 ºC, Sin
embrago existe una estación en la provincia de Carchi (M0103) que presenta una
tendencia significativa a disminución en un valor de -0,15 días/ década.
Mapa 4.1.1.g: Días de heladas. Las flechas se refieren a tendencias significativas
(p <0.05). El tamaño de la flecha es la magnitud de cambio.
53
A continuación, en las siguientes figuras se realiza un análisis de tendencias vs la
altura sobre el nivel del mar de los índices que muestran mayor cambio de
tendencias.
Figura 4.1: Índices de temperatura mínima vs altura sobre el nivel del mar
0
0.2
0.4
0.6
0.8
0 1000 2000 3000 4000
ºC/d
éca
da
Altura (msnm)
TMINmean
Bolívar
Carchi
Chimborazo
Cotopaxi
Imbabura
Pichincha
Tungurahua
(a)
Figura 4.1: Índices de temperatura mínima vs altura sobre el nivel del mar
(continuación)
0
2
4
6
8
10
0 1000 2000 3000 4000
%d
ías/
dé
cad
as
Altura (msnm)
Noches Calidas (TN90p)
Bolívar
Cotopaxi
Imbabura
Pichincha
(b)
54
-0.5
0
0.5
1
1.5
0 1000 2000 3000 4000
ºC/d
éca
da
Altura (msnm)
Temperatura nocturna mínima (TNN)Bolívar
Carchi
Chimborazo
Cotopaxi
Imbabura
Pichincha
Tungurahua
(c)
-0.2
0
0.2
0.4
0.6
0.8
0 1000 2000 3000 4000
ºC/d
éca
da
Altura (msnm)
Temperatura noctura máxima (TNX)Bolivar
Carchi
Chimborazo
Cotopaxi
Imbabura
Pichincha
Tungurahua
(d)
(a) Temperatura media mínima, (b) noches cálidas, (c) temperatura nocturna
mínima, (d) temperatura nocturna máxima por década desde 1975 a 2015 a 16
Estaciones. Los símbolos rellenos representan tendencias significativas (p <0.05).
El tipo y el color del símbolo se refieren a las 7 provincias del área de estudio.
Elaborado por: Andrango (2017)
4.1.2. ASOCIADO AL COMPORTAMIENTO DE LA TEMPERATURA MÁXIMA
El valor medio anual de la temperatura máxima (TMAXmean), (Mapa 4.2.2.a)
muestra tendencia al incremento en el orden de 0,2 a 0,4 °C/década en 6 provincias
del área de estudio. Por el contrario, la provincia de Cotopaxi evidencia una
disminución en un valor de hasta -0,25 ºC/década (figura 4.2.a).
55
Mapa 4.1.2.a: Temperatura media máxima. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
56
En cuanto a los días de verano (SU25) (Mapa 4.2.2.b) el indicador muestra el
número de días en un año cuando la temperatura máxima diaria fue mayor a 25ºC.
Los resultados muestran que la provincia de Tungurahua presenta un importante
incremento de 19 días/década en la estación Baños (M0029). Por otra parte,
Pichincha y Chimborazo también muestran un incremento de 7 y 10 días/década
respectivamente. Mientras que Imbabura presenta un ligero aumento de 2
días/década. Por otro lado, la provincia de Cotopaxi en la estación Rumipamba-
Salcedo (M0004) se observa una disminución en los días de verano en el orden de
-5,5 días/década.
Mapa 4.1.2.b: Días de verano. Las flechas se refieren a tendencias significativas
(p <0.05). El tamaño de la flecha es la magnitud de cambio.
57
El porcentaje de días cuando la temperatura máxima fue menor que el 10th
percentil (TX10p) también interpretado como días fríos, (Mapa 4.2.2.c) muestra una
disminución en la estación Chillanes (M0130) ubicada en la provincia de Bolívar en
un valor de 4,23 % de días/década que equivale a -15 días/década. De manera
similar en las estaciones de Izobamaba e Inamhi-Iñaquito ubicadas en la provincia
de Pichincha se aprecia una diminución de 1 y 2,2% de días/década lo que equivale
a -3,6 y -8 días/década. Por el contrario, la estación el Corazón (M0123) ubicado
en la provincia de Cotopaxi muestra un importante aumento de 4,7% de
días/década que equivale a 17 días/década.
Mapa 4.1.2.c: Días frescos. Las flechas se refieren a tendencias significativas (p
<0.05). El tamaño de la flecha es la magnitud de cambio.
58
Por lo contrario, al indicador de días frio es el porcentaje de días cuando la
temperatura máxima fue mayor que el 90th percentil (TX90p) interpretado como
días calientes (Mapa 4.2.2.d), se muestra en incremento en dos provincias:
Pichincha e Imbabura con valores entre 2% y 5% que equivale a 7,3 y 18,2
días/década. Mientras que en la provincia de Cotopaxi se observa una disminución
de 3,4% que equivale a 12,4 días/década en la estación de Rumipamba-Salcedo
(M0004) (figura 4.2.b).
Mapa 4.1.2.d: Días cálidos. Las flechas se refieren a tendencias significativas (p
<0.05). El tamaño de la flecha es la magnitud de cambio.
59
Temperatura mínima diaria (TXN) (Mapa 4.2.2.e) se presentan aumentos en la
provincia de Bolívar, Carchi, Chimborazo y Cotopaxi se observa un incremento en
la estación de Chillanes (M0130) de 0,27 ºC/década, la estación San Gabriel
(M0103) de 0,58 ºC/década, la estación Chunchi (M0136) de 0,48 ºC/década y la
estación San Juan La Mana (M0124) de 0,36ºC/década respectivamente. Mientras
que en la estación Baños (M0029) ubicada en Tungurahua existe una disminución
de -0,31 ºC/década y en la estación el Corazón (M0123) ubicada en la provincia de
Cotopaxi se evidencia una disminución de -0,73 ºC/década (figura 4.2.c).
Mapa 4.1.2.e Temperatura mínima en el día. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
60
Temperatura máxima en el día (TXX) (Mapa 4.2.2.f) muestra un aumento en 5
provincias, Chimborazo y Carchi con un valor de 0,65 C/década, Tungurahua de
0,45 ºC/década y Pichincha con valores que oscilan entre 0,2 y 0,9 ºC/década. A
diferencia de la provincia de Cotopaxi que presenta una disminución -0,6ºC/década
en la estación Rumipamba-Salcedo (M0004) (figura 4.2.d).
Mapa 4.1.2.f: Temperatura máxima en el día. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
61
En cuanto al indicador de la duración de periodos calientes (WSDI) se realiza el
conteo anual de días con por lo menos 6 días consecutivos en que la temperatura
máxima es mayor que el 90th percentil (Mapa 4.2.2.g). Este indicador muestra un
incremento en la estación Inguincho (M0001) de 1,8 días/década y en la estación
INAMHI-Iñaquito (M0024) de 3,5 días/década, pertenecientes a la provincia de
Pichincha. Por otra parte, en la provincia de Cotopaxi hay una diminución de -1
día/década en la estación Rumipamba-Salcedo (M0004).
Mapa 4.1.2.g: Duración de periodos cálidos. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
62
En las siguientes figuras se realiza un análisis de tendencias vs la altura sobre el
nivel del mar de los índices que muestran mayor cambio de tendencias.
Figura 4.2: Índices de temperatura máxima vs altura sobre el nivel del mar.
-0.4
-0.2
0
0.2
0.4
0.6
0 1000 2000 3000 4000
ºC/d
éca
da
Altura (msnm)
TMAXmean
Bolívar
Carchi
Chimborazo
Cotopaxi
Imbabura
Pichincha
Tungurahua
(a)
-4
-2
0
2
4
6
0 1000 2000 3000 4000
%d
ías/
dé
cad
a
Altura (msnm)
Días calurosos (TX90p)
Bolívar
Cotopaxi
Imbabura
Pichincha
(b)
-0.8-0.6-0.4-0.2
00.20.40.60.8
0 1000 2000 3000 4000
ºC/d
éca
da
Altura (msnm)
Temperatura mínima en el día (TXN)
Bolívar
Carchi
Chimborazo
Cotopaxi
Imbabura
Pichincha
Tungurahua
(c)
(a) Temperatura media máxima (b) días calurosos (c) temperatura mínima en el día. Los símbolos rellenos representan tendencias significativas (p <0.05). El tipo y el color del símbolo se refieren a las 7 provincias del área de estudio
63
-1
-0.5
0
0.5
1
1.5
0 1000 2000 3000 4000
ºC/d
éca
da
Altura (msnm)
Temperatura máxima en el día (TXX)
Bolivar
Carchi
Chimborazo
Cotopaxi
Imbabura
Pichincha
Tungurahua
(d)
Figura 4.2 (continuación): Índices de temperatura máxima vs altura sobre el nivel
del mar. (d) temperatura máxima en el día por década desde 1975 a 2015 a 16
Estaciones. Los símbolos rellenos representan tendencias significativas (p <0.05).
El tipo y el color del símbolo se refieren a las 7 provincias del área de estudio.
Elaborado por: Andrango (2017)
4.1.3. ASOCIADO AL COMPORTAMIENTO DE LA PRECIPITACIÓN
Para la precipitación, la tendencia anual (PRCPTOT) (Mapa 4.2.3.a), es hacia el
aumento en las provincias de Chimborazo y Tungurahua, siendo el mayor
incremento en la estación de Cebadas (M0395) con un valor de 96,7 mm/década.
Mientras que para las provincias de Imbabura y Pichincha se observa tendencia
hacia la disminución de -78 mm/década en la estación de Apuela-Intag (M0318) y
-110 mm/década en la estación el Quinche-Pichincha (M0343) respectivamente
(figura 4.3.a).
64
Mapa 4.1.3.a: Precipitación total. Las flechas se refieren a tendencias significativas
(p <0.05). El tamaño de la flecha es la magnitud de cambio.
65
El índice simple de intensidad diaria, (SDII) (Mapa 4.2.3.b). La provincia de
Chimborazo tiene una estación que presenta tendencia, Guasuntos (M0405) en la
cual existe una diminución de -0,33 mm-día/década. Por su parte la provincia de
Pichincha presenta 4 estaciones con tendencias crecientes que están dentro de los
valores de 0,2 a 1,4 mm-día/década y dos estaciones el Quinche-Pichincha
(M0343) y Yaruqui-Inamhi (M0346) con valores de 0,53 y 0,36 mm-día/década
respectivamente. La provincia de Imbabura tiene una estación con tendencia al
incremento, San Francisco de Sigsipamba (M0324) con un valor de 0,86 mm-
día/década. Por último, en la provincia del Carchi en la estación Tufiño (M0308) se
observa una disminución de -0,33 mm-día/década (figura 4.3.b).
Mapa 4.1.3.b: Índice de intensidad simple. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
66
Los valores máximos de precipitación en un día (Rx1day) (Mapa 4.2.3.c). Presentan
aumento en la provincia de Chimborazo en las estaciones de Cebadas (M0395), y
Compud (M0397) de 2,8 y 3 mm/década respectivamente. En Pichincha, se
observa una disminución en las estaciones la Tola (M0002), el Quinche-Pichincha
(M0343) y Yaruqui-Inamhi (M0346) con valores entre -2 y -5 mm/década Mientras
que en la estación Izobamba (M0003) se aprecia un aumento de 2,7 mm/década.
La provincia de Cotopaxi también cuenta con una estación en la que existe
aumento, se trata de Cusubamba (M0369) con el valor de 1,5 mm/década (figura
4.3.c).
Mapa 4.1.3.c: Precipitación máximo en 1 día. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
67
Por otra parte, los valores máximos de precipitación para 5 días consecutivos
(Rx5day) (Mapa 4.2.3.d), muestran variabilidad de disminución y aumento en la
misma provincia. En Chimborazo en la estación de Cebada (M0395) se observa
un aumento de 0,6 mm/década, mientras que en Guano (M0408) se evidencia una
disminución de -0,6 mm/década. En Pichincha las estaciones de Inamhi-Iñaquito
(M0024) y la Chorrera (M0335) existe tendencia al incremento de 0,6 y 1
mm/década respectivamente. Por otra parte, la estación el Quinche-Pichincha
(M0343) muestra una disminución de -0,8 mm/década. La provincia de Tungurahua
muestra disminución de -8 mm/década en la estación Pillaro (M0127) (figura 4.3.d).
Mapa 4.1.3.d: Precipitación máxima en 5 días. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
68
La tendencia de los días muy húmedos (R95p) (Mapa 4.2.3.e) es a reducción en
algunas estaciones de Pichincha y Cotopaxi, con valores entre -48 y -63
mm/década. Mientras que en tres estaciones de Pichincha: Izobamaba (M0003),
Inamhi-Iñaquito (M0024) y la Chorrera (M0335) se observan aumentos, con valores
entre 3 y 4,4 mm/década (figura 4.3.e).
Mapa 4.1.3.e: Días muy lluviosos. Las flechas se refieren a tendencias significativas
(p <0.05). El tamaño de la flecha es la magnitud de cambio.
69
Los días de precipitaciones extremas (R99p) (Mapa 4.2.3.f) presentan un
importante aumento en la estación Izobamba (M0003) ubicada en Pichincha con 17
mm/década. Por el contrario, en la misma provincia, pero en las estaciones
Inguincho (M0001), la Tola (M0002), y el Quinche-Pichincha (M0343) existe una
disminución de entre -17 a -24 mm/década (figura 4.3.f).
Mapa 4.1.3.f: Días con precipitación extrema. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
70
Los días con precipitación intensa (R10mm) (Mapa 4.2.3.g) indica el número de
días en un año en que la precipitación es mayor o igual a 10 mm. Una estación de
la provincia de Chimborazo muestra un incremento en la tendencia, se trata de la
estación Cebadas (M0395) con un valor de 2,7 días/década (figura 4.3.g).
Mapa 4.1.3.g. Días con Precipitación mayor a 10mm. Las flechas se refieren a
tendencias significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
71
Los días con precipitación muy intensa (R20mm) (Mapa 4.2.3.h) indica el número
de días en un año en que la precipitación es mayor o igual a 20 mm. Se observa
tendencia al incremento en dos estaciones de Chimborazo y Pichincha en un valor
de 0,7 a 3,3 días/década. Mientras que en la estación Apuela-Intag (M0318)
ubicada en Imbabura se observa una disminución de -1,2 días/década, de manera
similar la estación Pastocalle (M0371) en Cotopaxi. Pichincha también presenta una
estación con tendencia a la disminución, la estación el Quinche-Pichincha (M0343)
con un valor de -2 días/década (figura 4.3.h).
Mapa 4.1.3.h: Días con Precipitación mayor a 20mm. Las flechas se refieren a
tendencias significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
72
La máxima cantidad de días lluviosos consecutivos (CWD), (Mapa 4.2.3.i) muestra
un incremento en la provincia de Chimborazo específicamente en las estaciones
Cebadas (M0395), Compud (M0397) de 1,4 y 3,6 días/década respectivamente. En
la provincia de Bolívar también se evidencia un incremento en la estación de
Echeandía (M0383) de 4,4 días/década. Por su parte la provincia de Cotopaxi en la
estación el Corazón (M0123) se observa un aumento de 4 días/década, mientras
que en la estación Ramón Campaña (M0370) hay diminución de -5,3 días/década.
En la provincia de Tungurahua e Imbabura existe una tendencia a la diminución en
un valor de -1,5 días/década. Por último, la provincia de Pichincha presenta dos
estaciones con tendencias estadísticamente significantes, el Quinche-Pichincha
(M0343) con disminución de -0,7 días/década y por el contrario la estación
(Rumipamba-Pichincha) (M0353) con un aumento de 6,4 días/década (figura 4.3.i).
73
Mapa 4.1.3.i: Número de días lluviosos. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
74
El número de días secos consecutivos (CDD), (Mapa 4.2.3.j) siendo las estaciones
de las provincias de Pichincha e Imbabura las que presentan un incremento en la
tendencia entre 2,7 y 8,3 días/década. Únicamente 1 estación ubicada en Carchi
presenta disminución de -1,5 días/década para este índice (figura 4.3.j).
Mapa 4.1.3.j: Días secos consecutivos. Las flechas se refieren a tendencias
significativas (p <0.05). El tamaño de la flecha es la magnitud de cambio.
75
Fig
ura
4.3
: Ín
dice
s de
pre
cipi
taci
ón v
s la
altu
ra s
obr
e el
niv
el d
el m
ar.
-30
0
-20
0
-10
00
10
0
20
0
01
00
02
00
03
00
04
00
0
mm/década
Alt
ura
(m
snm
)
Pre
cip
itac
ión
an
ual
to
tal
(PR
CP
TOT) B
olí
var
Car
chi
Ch
imb
ora
zo
Co
top
axi
Imb
abu
ra
Pic
hin
cha
Tu
ngu
rah
ua
(a)
-2
-1.5-1
-0.50
0.51
1.52
01
00
02
00
03
00
04
00
0
mm-días/década
Alt
ura
(m
snm
)
Índ
ice
sim
ple
de
in
ten
sid
ad
dia
ria
(S
DII
)
Bo
lív
ar
Carc
hi
Ch
imb
ora
zo
Co
top
axi
Imb
ab
ura
Pic
hin
cha
Tu
ngu
rah
ua
(b)
-12
-10-8-6-4-202468
010
0020
0030
0040
00
mm/década
Alt
ura
(msn
m)
Prec
ipit
ació
n m
áxim
a en
1 d
ía (
Rx1
day) Bo
lívar
Carc
hi
Chim
bora
zo
Coto
paxi
Imba
bura
Pich
inch
a
Tung
urag
ua(c)
-25
-20
-15
-10-5051015
010
0020
0030
0040
00
mm/década
Alt
ura
(msn
m)
Pre
cip
itac
ión
máx
ima
en
5 d
ías
con
secu
tivo
s (R
x5d
ay)
Bo
livar
Car
chi
Ch
imb
ora
zo
Co
top
axi
Imba
bu
ra
Pic
hin
cha
Tun
gura
hua(d)
75
76
-80
-60
-40
-200
20
40
60
01
000
20
003
000
40
00
días/década
Alt
ura
(msn
m)
Día
s m
uy
hu
me
do
s (R
95
p)
Bo
líva
r
Ca
rch
i
Ch
imb
ora
zo
Co
top
axi
Imb
ab
ura
Pic
hin
cha
Tun
gura
hu
a
(e)
-80
-60
-40
-200
20
40
60
01
00
02
00
03
00
04
00
0
días/década
Alt
ura
(m
snm
)
Día
s e
xtr
em
ad
am
en
te h
um
ed
os
(R9
9p
) Bo
líva
r
Ca
rch
i
Ch
imb
ora
zo
Co
top
axi
Imb
ab
ura
Pic
hin
ch
a
Tu
ngu
rah
ua
(f)
-10-50510
010
0020
0030
0040
00
Días/década
Alt
ura
(msn
m)
Día
s co
n pr
ecip
itac
ión
may
or a
10m
m
(R10
mm
)Bo
lívar
Carc
hi
Chim
bora
zo
Coto
paxi
Imba
bura
Pich
inch
a
Tung
urah
ua(g)
-4-2024
01
00
02
00
03
00
04
00
0
Días/décadaA
ltu
ra (
msn
m)
Día
s co
n p
reci
pit
aci
ón
ma
yo
r a
20
mm
(R
20
mm
)B
olí
var
Ca
rch
i
Ch
imb
ora
zo
Co
top
axi
Imb
ab
ura
Pic
hin
cha
Tu
ngu
rah
ua
(h)
76
77
-6-4-202468
010
0020
0030
0040
00
Días/década
Alt
ura
(msn
m)
Núm
ero
de
días
húm
edo
s co
nsec
utiv
os
(C
WD
) Bo
lívar
Carc
hi
Chim
bora
zo
Coto
paxi
Imba
bura
Pich
inch
a
Tung
urah
ua
(i)
-8-6-4-20246810
010
0020
0030
0040
00
Días/década
Alt
ura
(msn
m)
Nú
me
ro d
e d
ías
seco
s co
nse
cuti
vos
(C
DD
)
Bo
lívar
Car
chi
Ch
imb
ora
zo
Co
top
axi
Imba
bu
ra
Pic
hin
cha
Tun
gura
hua
(j)
(a
) P
reci
pita
ción
an
ual t
otal
, (b)
índi
ce s
impl
e de
inte
nsid
ad d
iaria
, (c)
pre
cipi
taci
ón m
áxim
a en
1 d
ía, (
d) p
reci
pita
ció
n m
áxim
a
en 5
día
s co
nsec
utiv
os, (
e) d
ías
mu
y h
úmed
os, (
f) d
ías
extr
em
ada
men
te h
úm
edo
s, (
g) d
ías
con
prec
ipita
ción
ma
yor
a 10
mm
,
(h)
días
co
n pr
ecip
itaci
ón
ma
yor
a 2
0 m
m,
(i) n
úm
ero
de d
ías
hú
me
dos
con
secu
tivos
, (j)
nú
mer
o d
e dí
as s
ecos
con
secu
tivos
por
déca
da
de la
s 49
est
acio
nes
del
IN
AM
HI.
Los
sím
bol
os r
elle
nos
rep
rese
ntan
ten
den
cias
sig
nific
ativ
as (
p <
0.05
). E
l tip
o y
el c
olor
del
sím
bolo
se
refie
ren
a la
s 7
pro
vinc
ias
del á
rea
de
estu
dio.
Ela
bora
do
por:
And
rang
o (2
017)
77
78
4.2. DISCUSIÓN DE RESULTADOS
Las estaciones que están dentro de las provincias de Carchi, Chimborazo y
Tungurahua presentaron el 20% de datos diarios de temperatura mínima y máxima
faltantes, esto limitó el cálculo de varios índices. Los valores de los índices
calculados, así como la significancia estadística (valor-p) se presentan en tablas
separadas de temperatura mínima, máxima y precipitación en el Anexo 2, 3 y 4.
Diversos estudios se han realizado en el Ecuador desde el 2011 con el objetivo de
analizar las tendencias de las principales variables climatológicas y de esta manera
comprender la dinámica y evolución de los eventos climáticos extremos, a
continuación se presenta un análisis comparativo con varios de estos.
4.2.1. ANÁLISIS DE LOS ÍNDICES DE TEMPERATURA MÍNIMA
Al analizar el comportamiento de la temperatura media mínima anual, en general
se aprecia que ésta ha venido incrementándose en los últimos años (figura 4.4).
Esto también se indica en el análisis presentado por el INAMHI en la Tercera
Comunicación Nacional sobre el Cambio Climático, la cual muestra en promedio un
cambio positivo de 0,6°C (MAE, 2017). Así mismo se han evidenciado un
incremento general en toda América Latina (Samaniego et al., 2009 citado por
Serrano et al., 2012).
79
Figura 4.4: Promedio de la temperatura mínima promedio
4
5
6
7
8
9
10
11
12
13
1975 1985 1995 2005 2015
Tem
per
atu
ra º
C
Tiempo (años)
Bolívar
Carchi
Chimborazo
Cotopaxi
Imbabura
Pichincha
Tungurahua
Promedio de la Temperatura mínima
Elaborado por: Andrango (2017)
Al analizar la tendencia del valor medio anual de la temperatura mínima (índice
TMINmean) (Mapa 4.2.1.a). Se observa un incremento de 0,2 a 0,4 ºC/década en
las estaciones de Bolívar, Carchi, Chimborazo, Cotopaxi, Pichincha y Tungurahua
en esta última se evidencia un incremento importante de 0,69 ºC/década. Estos
valores en algunas provincias no concuerdan con los presentados en el estudio
Análisis de tendencias climáticas y eventos climáticos extremos para el Ecuador
presentado por Armenta (2016). En el análisis de Armenta (2016) se muestran
incrementos del 0,1 al 0,3 ºC/década, presentándose el mayor incremento en la
provincia de Pichincha, y no evidenciando cambio en las provincias de Cotopaxi y
Bolívar. Así como una disminución en la provincia de Chimborazo de -0,2
ºC/década. Los principales cambios con este estudio pueden deberse a la cantidad
de años analizados y al número de estaciones meteorológicas usadas. Con
respecto al rango diurno de temperatura (DTR), se observa tendencias a
disminución en dos provincias Cotopaxi y Tungurahua, con valores que van entre -
0.19 a -0,6 ºC/década. Mientras que en el estudio realizado por Armenta (2016)
muestra tendencia a disminución en las provincias de Carchi y Pichincha en un
valor de -0,3 ºC/década. Por el contrario, en una estación de la provincia de
Cotopaxi y una del Chimborazo muestra aumento de 0,3 ºC/década. Cuando se
80
analiza el porcentaje de noches frías (TN10p), se encuentra una similitud con el
estudio de Armenta (2016) con disminución del porcentaje de noches frías (1 y 3 %
noches frías/década). Sin embargo, existe una diferencia que en el presente estudio
en una estación de la provincia de Pichincha se observa una diminución importante
de 6% de noches frías/década. Por otra parte, los índices presentados por Muñoz
(2003) para la provincia de Pichincha presentan resultados muy similares, con
disminuciones de entre 2 y 6% en los valles interandinos. Como era de esperarse
la cantidad de noches cálidas (TN90p) ha aumentado en un valor de entre 3 a 9%
noches cálidas/década. Esto lo corrobora el estudio de Armenta (2016), el cual
presenta incrementos superiores al 3% días/década. Así como el estudio de Muñoz
(2013) que para Pichincha se observan incrementos mayores a 6% días/década. A
esto se suma el aporte de Serrano et al. (2012) en el que muestra que en la estación
Izobamba (M0003) existe un incremento de 6,8% días/ década. La temperatura
nocturna (TNN) mínima también ha incrementado en las estaciones de las
provincias de Pichincha y Tungurahua, en valores de hasta 1,2 ºC/década. Mientras
que en Armenta (2016) muestra un incremento en una estación de la provincia de
Carchi y dos de Pichincha superior a 0,3 ºC/década. Por otro lado, Muñoz (2013)
indica un incremento en Pichincha de entre 0,5 a 1,5 ºC/década, lo respalda los
resultados encontrados en el presente trabajo. En la temperatura nocturna máxima
(TNX) también se ve un incremento en varias estaciones del área de estudio
excepto la provincia de Chimborazo con valores de hasta 0,6 ºC/década. Por su
parte Armenta (2016) muestra un aumento en una estación de Pichincha de 0,3
ºC/década y una disminución de -0,2 ºC/década en la provincia de Chimborazo.
Contrariamente Serrano et al. (2012) indica un aumento de 0,3 ºC/década para la
estación de Izobamba (M0003) en Pichincha. Por último, el análisis de los días de
heladas (FD0) no muestra registros en casi toda el área de estudio. Sin embargo,
muestra una estación con tendencia significativa en la provincia del Carchi de -0,15
días/década. Cabe mencionar que solo en el estudio de CIIFEN (2014) se
analizaron los 27 índices de cambio climático, y el indicador de días de heladas no
mostró ninguna tendencia significativa.
81
Tab
la 4
.1:
Res
umen
de
com
para
ción
de í
ndic
es d
e te
mpe
ratu
ra m
ínim
a
Índ
ice
An
dra
ng
o (
2017
) A
rme
nta
(2
016
) S
err
an
o-V
ince
nti
(20
12
) M
uñ
oz
(20
13
)
V
alo
r d
e
cam
bio
P
rovi
nci
a
Va
lor
de
cam
bio
P
rovi
nci
a
Va
lor
de
ca
mb
io
Pro
vin
cia
Va
lor
de
ca
mb
io
Pro
vin
cia
TM
INm
ea
n
Incr
emen
to
de
0,2
a 0
,4
ºC/d
éca
da
Est
aci
on
es
de
Bo
líva
r,
Ca
rch
i, C
him
bo
razo
, C
oto
paxi
, P
ich
inch
a
y T
un
gu
rah
ua
Incr
emen
tos
de
l 0
,1
al
0,3
ºC
/dé
cad
a
Ma
yor
incr
em
ento
e
n
Pic
hin
cha
, si
n
cam
bio
e
n
Co
topa
xi y
Bo
líva
r
--
--
--
--
Dis
min
uci
ón
d
e
-0
,2 º
C/d
éca
da
La
p
rovi
nci
a
de
Ch
imb
ora
zo
--
--
--
--
DT
R
Dis
min
uci
ón
-0
.19
a
-0
,6
ºC/d
éca
da
En
la
s p
rovi
nci
as
de
C
oto
pa
xi
y T
un
gu
rah
ua
Aum
ento
d
e
0,3
ºC
/dé
cad
a
La
P
rovi
nci
a
de
Co
topa
xi
y u
na
e
stac
ión
d
e C
him
bo
razo
--
--
--
--
Dis
min
uci
ón
d
e
-0
,3 º
C/d
éca
da
En
C
arc
hi
y P
ich
inch
a
--
--
--
--
TN
10
p
Dis
min
uci
ón
d
e 1
%,
3 %
y
6
%
de
no
ches
fr
ías/
dé
cad
a
En
to
da
el á
rea
de
est
ud
io c
on
ma
yor
can
tida
d
en
Pic
hin
cha
Dis
min
uci
ón
de
1 y
3
%
n
oche
s fr
ías/
dé
cad
a
En
la
ma
yor
pa
rte
de
l áre
a d
e e
stu
dio
--
--
D
ism
inu
ció
n
de
2 y
6 %
P
ich
inch
a
TN
90
p
Aum
enta
do
de
3 a
9%
n
och
es
cálid
as/
déc
ad
a
To
da
el á
rea
de
e
stu
dio
Incr
emen
tos
supe
riore
s a
l 3%
d
ías/
déca
da
To
da
el á
rea
de
e
stu
dio
Incr
emen
to
de
6,8
%
día
s/ d
écad
a
Pic
hin
cha
, e
stac
ión
Iz
ob
amb
a
(M0
00
3)
Incr
emen
to
de
6%
d
ías/
déca
da
Pic
hin
cha
TN
N
Incr
emen
to
de
has
ta 1
,2
ºC/d
éca
da
En
las
est
aci
on
es
de
Pic
hin
cha
y
Tu
ng
ura
hu
a
Incr
emen
to
supe
rior
a 0
,3
ºC/d
éca
da
En
una
est
ació
n d
e
Ca
rch
i y d
os
de
P
ich
inch
a --
--
In
crem
ento
d
e 0
,5 a
1,5
ºC
/dé
cad
a P
ich
inch
a
81
82
Tab
la 4
.1:
Res
um
en d
e co
mpa
raci
ón d
e í
ndic
es (
cont
inua
ción)
Índ
ice
An
dra
ng
o (
2017
) A
rme
nta
(2
016
) S
err
an
o-V
ince
nti
(20
12
) M
uñ
oz
(20
13
)
V
alo
r d
e
cam
bio
P
rovi
nci
a
Va
lor
de
cam
bio
P
rovi
nci
a
Va
lor
de
cam
bio
P
rovi
nci
a
Va
lor
de
ca
mb
io
Pro
vin
cia
TN
X
Incr
emen
to
de
has
ta 0
,6
ºC/d
éca
da
En
va
rias
est
acio
ne
s de
l á
rea
de
est
udio
e
xce
pto
la
pro
vin
cia
de
C
him
bo
razo
Incr
emen
to d
e
0,3
ºC
/dé
cada
U
na
est
aci
ón
de
P
ich
inch
a A
umen
to d
e 0
,3
ºC/d
éca
da
Pic
hin
cha
, e
stac
ión
Iz
ob
amb
a
(M0
00
3)
--
--
Dis
min
uci
ón
de
-0
,2 º
C/d
éca
da
L
a p
rovi
nci
a d
e
Ch
imb
ora
zo
--
--
--
--
FD
0 D
ism
inu
ció
n
de
-0
,15
d
ías/
déca
da
Pro
vin
cia
de
C
arc
hi
--
--
--
--
--
--
Los
espa
cios
qu
e se
enc
uen
tra
n en
bla
nco
son
por
que
en e
l est
udi
o d
e ca
da
auto
r, n
o se
ha
anal
izad
o e
l índ
ice
con
el q
ue
se
real
iza
la c
om
para
ción
.
82
83
4.2.2. ANÁLISIS DE LOS ÍNDICES DE TEMPERATURA MÁXIMA
De manera similar al análisis de la temperatura mínima, se estudia primero el
comportamiento de la temperatura máxima media anual. En la figura 4.5 se observa
una tendencia creciente de la temperatura máxima en todas las provincias con
excepción de Cotopaxi. Una similar observación lo realiza el MAE (2017) en la
Tercera Comunicación Nacional Sobre el Cambio Climático, donde la región
interandina muestra un valor de cambio positivo de 1,6°C.
Figura 4.5: Promedio de la temperatura máxima
15
20
25
1975 1980 1985 1990 1995 2000 2005 2010 2015
Tem
per
atu
ra º
C
Tiempo (años)
Bolívar
Carchi
Chimborazo
Cotopaxi
Imbabura
Pichincha
Tungurahua
Promedio de la temperatura máxima
Elaborado por: Andrango (2017)
Al realizar el análisis de tendencia de la temperatura máxima (TMAXmean), se
observa un incremento de hasta 0,38 ºC/década en 6 provincias del área de estudio.
Mientras que en la provincia de Cotopaxi muestra una disminución de -0,2
ºC/década. En este mismo índice Armenta (2016) indica tendencias solo en la
provincia de Pichincha es dos EMC, una en disminución y otra en incremento en
cantidades que van desde -2 a 2 ºC/década. Es importante mencionar que el
porcentaje de similitud en relación a las estaciones meteorológicas usadas en el
estudio de Armenta (2016) es del 69%. Lo que indica que 11 de las 16 estaciones
usadas en este estudio coinciden con las estaciones usadas en el estudio de
Armenta (2016). Los días de verano (SU25) también muestran incrementos de
entre 7 y 10 días/década con excepción de la provincia de Cotopaxi que indica una
84
disminución de -5 días/década. En otros estudios no se ha realizado el análisis de
este índice. Los días frescos (TX10p) muestra un único incremento en la provincia
de Cotopaxi de 4% días/década, mientras que Pichincha y Bolívar indican
disminución de hasta 2% días/década. Por su parte Armenta (2016) no muestra
tendencias en este mismo índice. Mientras que Muñoz (2013) indica disminución
en Pichincha de entre -2 y -6 días/década. Por otro lado, para los días calurosos
(TX90p) existe un incremento en las provincias de Pichincha e Imbabura con un
valor de hasta 5 % días/década. Por lo contrario, en la provincia de Cotopaxi
disminuye el número de días calurosos por década en un 3%. En el estudio de
Muñoz (2013) se muestra un incremento de hasta 6% días/década en la provincia
de Pichincha, mientras que Armenta (2016) indica solo una estación de Pichincha
con disminución de 3% días/década. Con respecto a la temperatura mínima en el
día (TXN) este estudio muestra gran variabilidad en las tendencias significativas.
Se observan incrementos en Carchi, Chimborazo, Bolívar y una estación de
Cotopaxi (M0124) (0,3 a 0,6 ºC/década). Mientras que Tungurahua y una estación
de Cotopaxi (M0123) evidencia disminución de hasta -0,8ºC/década. Al realizar la
comparación con Armenta (2016) se observa que no existen tendencias
significativas en ninguna estación de las provincias estudiadas. Por su parte Muñoz
(2013) indica una tendencia al aumento en Pichincha de hasta 0,3ºC/década, por
otro lado, CIIFEN (2014) indica una tendencia a la disminución en una estación de
Imbabura (Otavalo M0105) con un valor de -0,6 ºC/década. El análisis de la
temperatura máxima en el día (TXX) muestra tendencia positiva en 5 provincias del
área de estudio con un valor de hasta 0,9 ºC/década mientras que Cotopaxi
evidencia disminución de -0,6ºC/década. En comparación con Armenta (2016) solo
presenta tendencia en la provincia de Pichincha de 0,3 ºC/década. Por su parte
CIIFEN (2014) muestra tendencia positiva en Carchi, Imbabura y Pichincha con un
valor de hasta 0,6ºC/década. Por último, el análisis de periodos cálidos (WSDI), el
resultado indica tendencia positiva solo en la provincia de Pichincha y mientras que
en la provincia de Cotopaxi hay una disminución, este índice no se ha analizado en
estudios anteriores, con excepción de CIIFEN (2014) en el que no indica tendencias
significativas.
85
Tab
la 4
.2:
Res
umen
de
com
para
ción
de
índi
ces
de t
em
pera
tura
máx
ima
Índ
ice
An
dra
ng
o (
2018
) A
rme
nta
(2
016
) M
uñ
oz
(20
13
) C
IIFE
N (
20
14)
V
alo
r d
e c
amb
io
Pro
vin
cia
Va
lor
de
cam
bio
P
rovi
nci
a
Va
lor
de
cam
bio
P
rovi
nci
a
Va
lor
de
cam
bio
P
rovi
nci
a
TM
AX
me
an
Incr
emen
to d
e
ha
sta
0,3
8
ºC/d
éca
da
Ca
rch
i, Im
babu
ra,
Pic
hin
cha
, T
un
gu
rah
ua
, B
olív
ar
y C
him
bo
razo
Incr
emen
to d
e 2
ºC
/dé
cad
a
Pro
vin
cia
d
e
Pic
hin
cha
(M
00
03
)
--
--
--
--
Dis
min
uci
ón
de
-0
,2 º
C/d
éca
da
Pro
vin
cia
de
C
oto
paxi
-2
ºC
/dé
cad
a P
rovi
nci
a
de
P
ich
inch
a --
--
--
--
SU
25
Incr
emen
to d
e
en
tre
7 y
10
d
ías/
déca
da
Ca
rch
i, Im
babu
ra,
Pic
hin
cha
, T
un
gu
rah
ua
, B
olív
ar
y C
him
bo
razo
--
--
--
--
--
--
Dis
min
uci
ón
de
-5
día
s/dé
cad
a
Pro
vin
cia
de
C
oto
paxi
--
--
--
--
--
--
TX
10
p
Incr
emen
to d
e
4%
día
s/dé
cada
P
rovi
nci
a d
e
Co
topa
xi
--
--
Dis
min
uci
ón
e
ntr
e -
2 y
-6
d
ías/
déca
da
Pro
vin
cia
d
e
Pic
hin
cha
--
--
Dis
min
uci
ón
de
h
ast
a 2
%
día
s/dé
cad
a
Pro
vin
cia
s d
e
Pic
hin
cha
y
Bo
líva
r
--
--
--
--
TX
90
p
Incr
emen
to d
e
ha
sta
5 %
d
ías/
déca
da
pro
vin
cia
s d
e
Pic
hin
cha
e
Imba
bura
D
ism
inu
ció
n d
e
3%
día
s/dé
cada
Pro
vin
cia
d
e
Pic
hin
cha
Incr
emen
to 6
%
día
s/dé
cad
a
Pro
vin
cia
d
e
Pic
hin
cha
--
--
Dis
min
uci
ón
3%
d
ías/
déca
da
Pro
vin
cia
de
C
oto
paxi
--
--
85
86
Tab
la 4
.2:
Res
um
en d
e co
mpa
raci
ón
de í
ndic
es d
e te
mpe
ratu
ra m
áxim
a (c
ontin
uac
ión)
Índ
ice
An
dra
ng
o (
2018
) A
rme
nta
(2
016
) M
uñ
oz
(20
13
) C
IIFE
N (
20
14)
V
alo
r d
e
cam
bio
P
rovi
nci
a
Va
lor
de
cam
bio
P
rovi
nci
a
Va
lor
de
ca
mb
io
Pro
vin
cia
Va
lor
de
ca
mb
io
Pro
vin
cia
TX
N)
Incr
emen
to d
e
0,3
a 0
,6
ºC/d
éca
da
Ca
rch
i, C
him
bo
razo
, B
olív
ar
y u
na
e
stac
ión
de
C
oto
paxi
(M
01
24
)
--
--
Aum
ento
de
0
,3ºC
/déc
ada
Pro
vin
cia
d
e
Pic
hin
cha
Dis
min
uci
ón
d
e -
0,6
ºC
/dé
cad
a
Un
a e
sta
ció
n
de
Imb
abu
ra
(Ota
valo
M
01
05
) D
ism
inu
ció
n d
e
ha
sta
-0
,8ºC
/déc
ada
Tu
ng
ura
hu
a y
una
e
stac
ión
de
C
oto
paxi
(M
01
23
)
--
--
TX
X
Incr
emen
to d
e
ha
sta
0,9
ºC
/dé
cad
a
Ca
rch
i, P
ich
inch
a,
Tu
ng
ura
hu
a y
C
him
bo
razo
A
umen
to d
e 0
,3
ºC/d
éca
da
Pro
vin
cia
d
e
Pic
hin
cha
--
--
Aum
ento
de
h
ast
a
0,6
ºC/d
écad
a
Ca
rch
i, Im
babu
ra y
P
ich
inch
a
Dis
min
uci
ón
de
-0
,6ºC
/dé
cada
P
rovi
nci
a d
e
Co
topa
xi
--
--
WS
DI
Incr
emen
to d
e
1.7
5
día
s/dé
cad
a
Pro
vin
cia
de
P
ich
inch
a
--
--
--
--
--
--
Dis
min
uci
ón
-1
.12
d
ías/
déca
da
Pro
vin
cia
de
C
oto
paxi
--
--
--
--
--
--
Los
espa
cios
qu
e se
enc
uen
tra
n en
bla
nco
son
por
que
en e
l est
udi
o d
e ca
da
auto
r, n
o se
ha
anal
izad
o e
l índ
ice
con
el q
ue
se
real
iza
la c
om
para
ción
.
86
87
4.2.3. ANÁLISIS DE ÍNDICES DE PRECIPITACIÓN
En cuanto al comportamiento en tendencias de precipitación, es difícil establecer
un patrón en el comportamiento en función de la altura, o la ubicación geográfica
de las estaciones. La Tercera Comunicación Nacional sobre el Cambio Climático
muestra en promedio que la región interandina experimenta una tendencia positiva
del valor de cambio de la precipitación del orden del 13% (MAE, 2017).
En el presente estudio la tendencia que muestra el valor de la precipitación anual
total (PRCPTOT) es variada, existen cambios positivos a diez años que oscilan
entre 46 mm y los 96 mm para las provincias de Tungurahua y Chimborazo, así
como cambios negativos de entre -49 y -110 mm/década en Pichincha, Imbabura y
una estación de Chimborazo. Al realizar la comparación con Armenta (2016) se
observa únicamente una tendencia negativa en Pichincha y Cotopaxi de entre -40
y -60mm/década. Por otro lado, Muñoz (2013) en los resultados muestra un
aumento en las estaciones de Pichincha de entre 25 y 75 mm/década. Mientras que
CIIFEN (2014) informa que en los resultados existe un incremento de entre 47 y 52
mm/década en las provincias de Pichincha e Imbabura. Con respecto al índice
intensidad simple (SDII) también se observa una tendencia variada, en la provincia
de Pichincha la mayoría de estaciones presentan tendencias significativas de entre
0,2 y 1,4 mm-día/década. El resultado lo respalda el estudio de Serrano-Vincenti et
al. (2012) en el que muestra que en la estación Izobamba hay un incremento de
0,27 mm-día/década. Por otra parte, CIIFEN (2014) aumento en Izobamba
provincia de Pichincha y disminución en el Ángel provincia de Carchi (-0,3mm-
día/década). En cuanto a la precipitación máxima en un día (RX1day) este estudio
muestra aumento en Chimborazo, Cotopaxi y una estación de Pichincha (M0003)
de hasta 3 mm/década, mientras que en la provincia de Pichincha disminuye hasta
-4 mm/década. Armenta (2016) afirma este resultado con aumento en la estación
de Izobamba (M0003) y una estación de Chimborazo con un valor de hasta 3
mm/década, de igual manera se observa en el estudio de Muñoz (2013) para la
provincia de Pichincha. La precipitación máxima en 5 días consecutivos (RX5day),
observa tendencias significativas pero variadas en las provincias de Pichincha y
88
Chimborazo con valores que van entre -9 mm/década hasta 10 mm/década.
Resultados similares muestran Armenta (2016) y Muñoz (2013) en la provincia de
Pichincha con valores que van desde -6 mm/década a 6 mm/década. En los días
muy húmedos (R95p) y días extremadamente húmedos (R99p). Muestran
tendencias variadas entre positivas y negativas en las estaciones de la provincia de
Pichincha con valores de entre -60 a 40 mm/década. Armenta (2016) no muestra
tendencias en el índice de días muy lluviosos, mientras que para los días
extremadamente lluviosos evidencia variación en la tendencia de -30 a 10
mm/década en las provincias de Pichincha y Chimborazo. Los días con
precipitación mayor a 10 mm (R10mm) de igual manera que los anteriores índices
muestran variabilidad en las tendencias principalmente en la provincia de Pichincha
y en una estación de las provincias de Imbabura, Chimborazo y Tungurahua de -5
a 5 días/década. De igual forma sucede en el índice de precipitación mayor a 20
mm (R20mm) con valores de -2 a 3 días/década. Hay que mencionar que en los
anteriores trabajos no se ha realizado el análisis de estos índices. Los días lluviosos
consecutivos (CWD) varían en un rango de -6 a 6 días/década en varias estaciones
de todas las provincias del área de estudio. Por último, el número de días secos
consecutivos (CDD) muestra una tendencia positiva en su mayoría en la provincia
de Pichincha con un valor de hasta 8 días/década. También se muestra tendencia
positiva en el estudio de Muñoz (2013) pero en menor cantidad de 2 días/década.
Por el contrario, en Armenta (2016) se muestra una disminución en todas las
provincias del área de estudio con un valor menor a -3 días/década.
89
Tab
la 4
.3:
Res
umen
de
com
para
ció
n d
e ín
dice
s de
pre
cipi
taci
ón
Índ
ice
An
dra
ng
o (
2018
) A
rme
nta
(2
016
) M
uñ
oz
(20
13
) C
IIFE
N (
20
14)
V
alo
r d
e
cam
bio
P
rovi
nci
a
Va
lor
de
ca
mb
io
Pro
vin
cia
Va
lor
de
ca
mb
io
Pro
vin
cia
Va
lor
de
ca
mb
io
Pro
vin
cia
PR
CP
TO
T
Incr
emen
to d
e
46
mm
y lo
s 9
6 m
m
En
las
pro
vin
cia
s d
e T
un
gura
hua
y
Ch
imb
ora
zo
Dim
inu
ció
n
de
en
tre
-4
0
y -
60m
m/d
éca
da
En
P
ich
inch
a y
C
oto
paxi
Incr
emen
to
en
tre
25
y 7
5
mm
/dé
cada
Pro
vin
cia
d
e
Pic
hin
cha
Incr
emen
to d
e
47
y 5
2
mm
/dé
cada
En
las
pro
vin
cia
s d
e
Pic
hin
cha
e
Imba
bura
D
ism
inu
ció
n -
49
y -
11
0
mm
/dé
cada
En
Pic
hin
cha
, Im
babu
ra y
un
a
est
ació
n d
e
Ch
imb
ora
zo
SD
II
Incr
emen
to 0
,2
y 1
,4 m
m-
día
/déc
ada
En
la m
ayo
ría
de
E
MC
de
Pic
hin
cha
y
un
a e
stac
ión
de
Im
babu
ra
--
--
--
--
Dis
min
uci
ón
-0
,3m
m-
día
/déc
ada
Est
aci
ón
el
Án
gel
pro
vin
cia
de
C
arc
hi
Dis
min
uci
ón
d
e h
asta
0.5
En
alg
un
as
est
acio
ne
s de
P
ich
inch
a,
Ch
imb
ora
zo,
Co
topa
xi y
Ca
rch
i
--
--
--
--
--
--
RX
1d
ay
Incr
emen
to d
e
ha
sta
3
mm
/dé
cada
Ch
imb
ora
zo,
Co
topa
xi y
un
a
est
ació
n d
e
Pic
hin
cha
(M
00
03
)
--
--
--
--
--
--
Dis
min
uci
ón
d
e -
4
mm
/dé
cada
.
En
la p
rovi
nci
a d
e
Pic
hin
cha
Incr
emen
to
de
has
ta 3
m
m/d
éca
da
En
la
est
ació
n d
e
Izo
bam
ba
(M
00
03
) P
ich
inch
a y
u
na
e
stac
ión
de
C
him
bo
razo
Incr
emen
to
de
2 a
6
mm
/dé
cada
Pro
vin
cia
d
e
Pic
hin
cha
--
--
89
90
Tab
la 4
.3:
Res
um
en d
e co
mpa
raci
ón d
e ín
dice
s de
pre
cipi
taci
ón (
cont
inua
ción
)
Índ
ice
An
dra
ng
o (
2017
) A
rme
nta
(2
016
) M
uñ
oz
(20
13
) C
IIFE
N (
20
14)
V
alo
r d
e
cam
bio
P
rovi
nci
a
Va
lor
de
ca
mb
io
Pro
vin
cia
Va
lor
de
ca
mb
io
Pro
vin
cia
Va
lor
de
ca
mb
io
Pro
vin
cia
RX
5d
ay
Ca
mb
io d
e
en
tre
-9
m
m/d
éca
da
h
ast
a 1
0
mm
/dé
cad
a
En
las
pro
vin
cia
s de
P
ichi
nch
a y
C
him
bo
razo
Ca
mb
io d
esd
e
-6 m
m/d
éca
da
a
6
m
m/d
éca
da
Pro
vin
cia
de
P
ichi
nch
a,
Coto
pa
xi y
T
un
gur
ah
ua
Incr
em
en
tos
ma
yore
s a
6
mm
/dé
cad
a
Pro
vin
cia
de
P
ichi
nch
a
--
--
R95
p
en
tre
-6
0 a
40
m
m/d
éca
da
P
rovi
nci
a d
e
Pic
hin
cha
sin
ten
de
nci
a --
In
cre
me
nto
de
2
5 a
75
m
m/d
éca
da
Pro
vin
cia
de
P
ichi
nch
a
--
--
R99
p
Ca
mb
io -
26 a
1
7 m
m/d
éca
da
P
rovi
nci
a d
e
Pic
hin
cha
Ca
mb
io d
e -
30
a 1
0
mm
/dé
cad
a
En
las
pro
vin
cia
s d
e P
ichi
nch
a y
C
him
bo
razo
Incr
em
en
to d
e
25
mm
/dé
cad
a
Pro
vin
cia
de
P
ichi
nch
a
--
--
R10
mm
C
am
bio
de
-5
a
5 d
ías/
dé
cad
a
En
la p
rovi
nci
a d
e
Pic
hin
cha
y e
n u
na
est
aci
ón
de
las
pro
vin
cia
s d
e Im
ba
bu
ra,
Chim
bo
razo
y
Tu
ng
ura
hu
a
--
--
--
--
--
--
R20
mm
C
am
bio
de
-2
a
3 d
ías/
dé
cad
a
En
la p
rovi
nci
a d
e
Pic
hin
cha
y e
n u
na
est
aci
ón
de
las
pro
vin
cia
s d
e Im
ba
bu
ra,
Chim
bo
razo
y
Tu
ng
ura
hu
a
--
--
--
--
--
--
90
91
Tab
la 4
.3:
Res
um
en d
e co
mpa
raci
ón d
e ín
dice
s de
pre
cipi
taci
ón (
cont
inua
ción
)
Índi
ce
And
ran
go (
201
7)
Arm
ent
a (2
016
) M
uño
z (2
013
) C
IIFE
N (
201
4)
V
alor
de
cam
bio
P
rovi
ncia
V
alor
de
cam
bio
P
rovi
ncia
V
alor
de
cam
bio
P
rovi
ncia
V
alor
de
cam
bio
P
rovi
ncia
CW
D
Ca
mbi
o de
-6
a 6
días
/déc
ada
Imba
bura
, P
ichi
ncha
, C
otop
axi,
Tun
gura
hua,
B
olív
ar y
C
him
bor
azo
--
--
--
--
--
--
CD
D
Incr
em
ento
de
has
ta 8
dí
as/d
éca
da
En
su m
ayo
ría
en la
pro
vinc
ia
de P
ichi
nch
a
Dis
min
ució
n de
-3
días
/déc
ada
.
Imba
bura
, P
ichi
ncha
, C
otop
axi,
Tun
gura
hua
y C
him
bor
azo
Incr
em
ento
de
2
días
/déc
ada
Pro
vinc
ia d
e P
ichi
ncha
--
--
Incr
em
ento
su
peri
or a
3
mm
/déc
ada
En
una
esta
ción
de
Pic
hinc
ha
--
--
--
--
Los
espa
cios
qu
e se
enc
uen
tra
n en
bla
nco
son
por
que
en
el e
stud
io d
e ca
da
auto
r, n
o se
ha
ana
liza
do e
l índ
ice
con
el q
ue
se
real
iza
la c
om
para
ción
.
91
92
CAPÍTULO V
5.1 CONCLUSIONES
Luego del control de calidad se trabajó con 50 estaciones meteorológicas con una
adecuada distribución geográfica, usando series de tiempo suficientemente largas
(precipitación 1965-2015 y temperatura 1975-2015), por lo tanto, los resultados son
más sólidos en lo que se refiere a tendencias en el largo plazo.
Se calcularon 24 índices de cambio climático recomendados por el Expert Team on
Climate Change Detection and Indices (ETCCDI) en las 50 estaciones
seleccionadas para el análisis, y se reportaron los resultados de 49 estaciones
debido a que la estación M0402 ubicada en la provincia de Chimborazo muestra
resultados muy elevados, por lo que ha sido excluida del análisis.
En el análisis de tendencias se usó el método de los mínimos cuadrados, el cual
está incorporado al software RClimdex. Posteriormente se aplicó el test de
tendencias Mann-Kendall a los índices que con la primera prueba arrojaron un
resultado estadísticamente positivo, obteniendo como respuesta una semejanza
importante en el resultado de las dos pruebas.
Al analizar las tendencias estadísticas de los datos históricos de las 49 estaciones
distribuidas en el área de estudio se puede concluir con un 95% de confianza que
hay cambios significativos en el comportamiento de la temperatura durante las
últimas dos décadas.
En la temperatura mínima, se encontró que los valores mínimos de temperatura
mínima están aumentando en una cantidad de entre 0,6 a 1,2 ºC/década para las
provincias de Pichincha y Tungurahua. Este resultado coincide en general con la
tendencia al incremento del número de noches cálidas y disminución del número
93
de noches frías. En la temperatura máxima, se observó que los valores mínimos de
temperatura máxima están incrementándose en un valor de entre 0.3 y 0.6
ºC/década para las provincias de Bolívar, Chimborazo, Carchi y una estación de
Cotopaxi (M0124) mientras que para una estación de Tungurahua (M0029) y
Cotopaxi (M0123) disminuye en una tasa de entre -0,3 y -0,7 ºC/década. El
resultado obtenido es consistente con las tendencias positivas y negativas para el
número de días fríos y el número de días cálidos.
En el análisis de los valores máximos de temperatura mínima y máxima, se hace
evidente que se está incrementando en un valor de entre 0,2 y 0,9 ºC/década para
cuatro provincias del área de estudio (Chimborazo, Pichincha, Carchi y
Tungurahua). Mientras que para Bolívar Imbabura y Cotopaxi no indican tendencias
positivas.
En los resultados de los índices de precipitación, se observa variabilidad de la
precipitación total, en las provincias de Chimborazo y Tungurahua un incremento
de hasta 96 mm/década. Mientras que en Imbabura y Pichincha una disminución
de hasta -78 mm/década. Las precipitaciones extremas están variando
principalmente en las estaciones de Pichincha, al igual que los índices de
precipitaciones muy extremas. Mientras que en Pichincha e Imbabura se
incrementó ligeramente el número de días secos consecutivos.
94
RECOMENDACIONES
Es recomendable actualizar las series de datos para garantizar que son de la
calidad adecuada, que no presentan discontinuidades producto de la no
homogeneidad y otras características que son necesarias en el estudio de
variabilidad climática caso contrario los análisis de las series históricas de registros
de las estaciones meteorológicas se traduce en resultados no significativos.
Los cambios en la frecuencia y severidad de eventos climáticos extremos tienen
efectos significativos en la naturaleza y la sociedad, por lo que es fundamental
continuar con el estudio, comprensión y monitoreo de eventos extremos con el
propósito de enfrentar sus impactos, a través de medidas de adaptación.
Se recomienda continuar trabajando con datos a resolución diaria y si es posible a
resolución horarios para que los eventos extremos cuya duración muchas veces es
infradiaria no queden visibilizados.
Para dar respuesta a los procesos físicos asociados a las tendencias encontradas,
es recomendable trabajar en equipos de investigación local que conozcan el área
de estudio.
95
REFERENCIAS
Alexandersson, H. (1986). A homogeneity test applied to precipitation
data. International Journal of Climatology, 6(6), 661-675.
Armenta, G; Villa, J y Jácome, P. (2016) Proyecciones Climáticas De
Precipitación Y Temperatura Para Ecuador, Bajo Distintos Escenarios De
Cambio Climático
Badii, M. H., Guillen, A., Cerna, E., Valenzuela, J., & Landeros, J. (2012). Análisis
de Regresión Lineal Simple para Predicción. Revista Daena (International
Journal of Good Conscience), 8(1).
Banco Central del Ecuador (2015). Cuentas Regionales- Indicadores
socioeconómico. Recuperado el 10 de abril de 2017 de:
https://www.bce.fin.ec/index.php/component/k2/item/293-cuentas-
provinciales/
Barros, J y Troncoso, A. (2010). Atlas Climatológico Del Ecuador (tesis de
pregrado). Escuela Politécnica Nacional
Benavides, H., Mayorga, R., & Hurtado, G. (2007). Análisis de índices de extremos
climáticos para Colombia usando el RCLIMDEX. Instituto de Hidrología,
Meteorología y Estudios Ambientales.
http://documentacion.ideam.gov.co/openbiblio/bvirtual/020661/NotaRclimde
xfinal.pdf
Cáceres, L., Núñez, A y Romero, R (2011). Segunda Comunicación Nacional sobre
Cambio Climático. Convención Marco de las Naciones Unidas, Cambio
Climático. Comité Nacional sobre el Clima. Recuperado el 10 de abril de
2017 del Ministerio del Ambiente
http://unfccc.int/resource/docs/natc/ecunc2.pdf
96
Cadier, É., Gornez, G., Calvez, R., y Rossel, F. (1994). Inundaciones y sequias en
el Ecuador. Recuperado el 20 de abril de 2017 de Horizon pleins textes
http://horizon.documentation.ird.fr/exl-doc/pleins_textes/divers10-
09/010006883.pdf
Calero, C., R. Maldonado and A. Molina. (2008). "Disaster Risk and Poverty in Latin
America: The Case of Ecuador", Background paper of the ISDR/RBLAC-
UNDP Project on Disaster Risk and Poverty in Latin America
Calles, L. Ulloa, J. López, V. (2013). El estado de conocimiento y avance de
investigación del impacto del cambio climático en páramos ecuatorianos.
Recuperado el 24 de abril de 2017 de:
https://es.scribd.com/document/315462222/Paramos-Ecuador
CEPAL, (2012). La economía del cambio climático en el Ecuador 2012. Recuperado
el 25 de abril de 2017 de:
repositorio.cepal.org/bitstream/handle/11362/35455/s2013300_es.pdf
CIIFEN (2014). Tendencia de Índices Climáticos para Ecuador, periodo 1965-2010.
Recuperado el 15 de abril de 2017:
http://suia.ambiente.gob.ec/documents/907429/1014888/11+Jos%C3%A9
%20Nieto+-+Tendencias+Clima.pdf/07f4950f-ad61-4131-b3af-
5c304a7364df
CIIFEN-INAMHI-INOCAR. (2007). Información climática de amenazas
hidrometeorológicas en las provincias costeras del Ecuador. Guayaquil.
Proyecto SARE-CAM. Recuperado el 15 de abril de 2017 de:
http://studylib.es/doc/4430488/informaci%C3%B3n-clim%C3%A1tica-de-
amenazas-hidrometeorol%C3%B3gicas-en-las
Constitución de la República del Ecuador (2008). Recuperado el 15 de abril de
2017 de:
http://pdba.georgetown.edu/Parties/Ecuador/Leyes/constitucion.pdf
97
Convención Marco de las Naciones Unidas sobre Cambio Climático [CMNUCC]
(1992). Recuperado el 20 de abril de 2017 de:
https://unfccc.int/resource/docs/convkp/convsp.pdf
DESINVENTAR.ORG (2017), Ecuador – Sistema de Información de Desastres y
Emergencias, Recuperado el 15 de abril de 2017 de:
https://online.desinventar.org/
Estrella, J. Manosalvas, R. Mariaca, J. Ribadenerira, M. (2005). Biodiversidad y
recursos genéticos: una guía para su uso y acceso en el Ecuador. Editorial
Abya Yala.
Expert Team on Climate Change Detection and Indices [ETCCDI] (2013). Climate
Change Indices. Recuperado el 20 de abril de 2017 de:
http://cccma.seos.uvic.ca/ETCCDI/index .shtml.
Global Climate Observing System [GCOS], (2016).The Global Observing System
for Climate: Implementation Needs. Recuperado el 10 de abril de 2017 de:
https://unfccc.int/files/science/workstreams/systematic_observation/applicat
ion/pdf/gcos_ip_10oct2016.pdf
González, S. H., & Acosta, J. H. C. (2013). Programas informáticos de uso libre y
su aplicación en la enseñanza de la estadística. Investigación
Operacional, 34(2), 166-175.
Hernandez, F. (2005). Análisis de la variabilidad climática de la costa
ecuatoriana. Acta Oceanogr. Pac, 2006, 13.
Hernández, R. C. (2014). Incidencia de las competencias municipales en el Cambio
Climático. Boletín CF+ S, (47/48), 7-73. Madrid –España
98
INEC (2002 – 2016) Encuesta de Superficie y Producción Agropecuaria Continua
(ESPAC), Recuperado el 15 de abril de 2017 de:
http://www.ecuadorencifras.gob.ec//vdatos/
Instituto Nacional de Meteorología e Hidrología [INAMHI] (2009). Fortalecimiento
del INAMHI en apoyo a la gestión integral del riesgo de desastres naturales
y cambio climático en Ecuador, proyecto CLIMBER-Ecuador. Recuperado
el 20 de abril de 2017 de:
http://www.cimhet.org/resumen_ejecutivo_cliber_ecuador_sep09.pdf
IPCC, I. P. (2013). Cambio Climático 2013: Bases físicas. Contribución del Grupo
de trabajo I al Quinto Informe de Evaluación del Grupo Intergubernamental
de Expertos sobre el Cambio Climático. Cambridge University Press.
Jarrin F. (2016) Análisis De Índices Climáticos A Partir De Datos Instrumentales
Meteorológicos Para Determinación De Cambio Climático En Las
Demarcaciones Hidrográficas Guayas Y Manabí (tesis de posgrado).
Escuela Superior Politécnica Del Litoral.
Karl T, Nicholls N, y Ghazi A. (1999). CLIVAR/GCOS/WMO Workshop on Indices
and Indicators for Climate Extremes - Workshop summary. Climatic Change,
42, 3-7
Kulkarni, A., & von Storch, H. (1995). Monte Carlo experiments on the effect of serial
correlation on the Mann-Kendall test of trend. Meteorologische
Zeitschrift, 4(2), 82-85.
Maturana, J., Bello, M., & Manley, M. (1997). Antecedentes históricos y descripción
del fenómeno El Niño, Oscilación del Sur. El Niño-La Niña, 2000, 13-27.
MAE-DECRETO No. 1815 (2009). Se Declara Como Política De Estado La
Adaptación Mitigación Al Cambio Climático. Recuperado el 15 de abril de
99
2017 de: http://proclima.cetesb.sp.gov.br/wp-
content/uploads/sites/28/2014/08/231109-110115DECRETO_N18151.pdf
Ministerio de Agricultura Ganadería Acuicultura y Pesca [MAGAP] (2016). La
política agropecuaria del Ecuador Hacia el desarrollo territorial rural
sostenible 2015-2025. Recuperado de:
servicios.agricultura.gob.ec/políticas/La Política Agropecuaria al 2025.pdf
Ministerio de coordinación de la productividad empleo y competitividad (2011).
Agendas para la Transformación Productiva Territorial. Recuperado el 10 de
abril de 2017 de: http://www.produccion.gob.ec/transformacion-productiva/
Ministerio del Ambiente del Ecuador [MAE] (2016). Primer Informe Bienal de
Actualización del Ecuador a la Convención Marco de las Naciones Unidas
sobre el Cambio Climático. Recuperado el 15 de abril de 2017 de:
https://unfccc.int/files/national_reports/non-
annex_i_parties/biennial_update_reports/application/pdf/ecubur1.pdf
Ministerio del Ambiente del Ecuador [MAE] (2017). Tercera Comunicación Nacional
sobre el Cambio Climático. Recuperado el 15 de abril de 2017 de:
http://www.ambiente.gob.ec/wp-
content/uploads/downloads/2017/10/TERCERA-COMUNICACION-BAJA-
septiembre-20171-ilovepdf-compressed1.pdf
Ministerio del Ambiente del Ecuador [MAE], (2010-2014). Planificación Estratégica
Ministerio Del Ambiente-Coordinación General De Planificación.
Recuperado el 15 de abril de 2017 de: http://www.ambiente.gob.ec/wp-
content/uploads/downloads/2012/08/Plan+Estrat%C3%A9gico+MAE.pdf
Ministerio del Ambiente del Ecuador [MAE], (2012). Estrategia Nacional de Cambio
Climático del Ecuador 2012-2025. Recuperado el 15 de abril de 2017 de:
http://extwprlegs1.fao.org/docs/pdf/ecu140074.pdf
100
Ministerio del Ambiente del Ecuador [MAE], (2012). Metodología para la
Representación Cartográfica de los Ecosistemas del Ecuador Continental.
Quito, Ecuador. Recuperado de: http://www.ambiente.gob.ec/wp-
content/uploads/downloads/2013/03/Documento_Metodologi%CC%81a_28
_05_2012_v2_1.pdf
Moutahir, H., Luis, M. D., Serrano Notivoli, R., Touhami, I., & Bellot, J. (2014).
Análisis de los eventos climáticos extremos en la provincia de Alicante,
sureste de España. Publicaciones de la Asociación Española de
Climatología. Serie A; 9.
Muñoz, A, (2013). Análisis Estadístico Con Climdex De Índice Climáticos para las
Provincias de Pichincha y Napo. Recuperado el 15 de abril de 2017:
http://www.ambiente.gob.ec/wp-
content/uploads/downloads/2014/07/Informe_Final_ClimDex_2013.pdf
Muñoz, A., C. Recalde, J. Cadena, A. Núñez, J. Díaz y R. Mejía, (2010). Análisis
Estadístico con F-Cllimdex para Ecuador. Recuperado el 15 de abril de 2017
del MAE: http://www.ambiente.gob.ec/wp-
content/uploads/downloads/2014/07/Informe_ClimDex-_2010.pdf
Organización Mundial Metereologica (2011). Guía de prácticas climatológicas
OMM-Nº 100. Recuperado el 10 de abril de 2017 de:
https://library.wmo.int/pmb_ged/wmo_100_es.pdf
Organización panamericana de la salud [OPS] (2013). Salud en las Américas
“ECUADOR”. Recuperado el 15 de abril de 2017 de
http://www.paho.org/salud-en-las-americas-
2012/index.php?id=40&option=com_content
Palacios-Estrada, M. Massa-Sánchez, P. Martínez-Fernández, V. (2017), Cambio
Climático Y Contaminación Ambiental Como Generadores De Crisis
101
Alimentaria En La América Andina: Un Análisis Empírico Para Ecuador.
Revista Investigación Operacional, 62, 07-15.
Plan Nacional del buen Vivir (2009-2013). Consejo Nacional de Planificación-Plan
Nacional de Desarrollo. Recuperado el 15 de abril de 2017 de:
http://www.planificacion.gob.ec/plan-nacional-para-el-buen-vivir-2009-
2013/
Pourrut, P. (1983). Los climas del Ecuador: fundamentos explicativos. CEDIG
Documentos de Investigación, 4, 8-40.
Pourrut, P. (1995). El agua en el Ecuador. Clima, precipitaciones, escorrentía.
Quito, Ecuador. Corporación editora nacional.
Quintero M. Carvajal Y. y Aldunce P. (2012). Adaptación a la variabilidad y el cambio
climático: intersecciones con la gestión del riesgo. Revista Luna Azul, 34,
257-271.
RAM, (2002). Revista del Aficionado a la Meteorología, La zona de convergencia
intertropical, ZCIT, presenta una estructura más compleja y duradera.
Recuperado el 10 de abril de 2017 de
http://ram.tiempo.com/numero6/pdf/itczdoble.pdf
Santos J. (2004). RClimDex (1.0) Manual del Usuario. Recuperado el 10 de abril de
2017 de: Climate Research Branch Environment Canada.
http://css.escwa.org.lb/sdpd/1802/m6.pdf
Secretaría de Gestión de Riesgos [SGR] (2014). Programa De Prevención Y
Mitigación Para Reducir El Riesgo Por Diferentes Amenazas. Recuperado el
24 de abril de 2017 de: http://www.gestionderiesgos.gob.ec/wp-
content/uploads/downloads/2015/04/ProyectoPrevencion.pdf
102
Serrano-Vincenti, S., Zuleta, D., Moscoso, V., Jácome, P., Palacios, E., & Villacís,
M. (2012). Análisis estadístico de datos meteorológicos mensuales y diarios
para la determinación de variabilidad climática y cambio climático en el
Distrito Metropolitano de Quito. LA GRANJA. Revista de Ciencias de la
Vida, 16(2).
Serrano, J. (2010). Regionalización Espacial de Series Climáticas Mensuales caso
de estudio Cuenca del Río Guallabamba (tesis de pregrado). Escuela
Politécnica Nacional, Quito, Ecuador.
SO HYBAM, (2003), Presentación del software Hydraccess. Recuperado el 10 de
abril de 2017 de: http://www.ore-
hybam.org/index.php/eng/Software/Hydraccess
Vázquez, J. (2010). Guía para el Cálculo y uso de Índices de Cambio Climático en
México, Recuperado el 10 de abril de 2017 de Climatic Research Unit.
School of Environmental Sciences:
http://www.inecc.gob.mx/descargas/cclimatico/Guia_Indices_CC-2010.pdf
Vea, P. E., Duran, M. P., & Aguilar, E. (2012). Tendencias recientes e índices de
cambio climático de la temperatura y la precipitación en Andorra, Pirineos
(1935-2008). Pirineos, 167, 87-106.
Wang, X. L., & Feng, y. (2010). RHtestsV3 user manual. Climate Research Division.
Atmospheric Science and Technology Directorate. Science and Technology
Branch, Environment Canada, 24.
Winckell, A. (1982). Relieve y geomorfología del Ecuador. CEDIG Documentos de
Investigación 3-19
Zhang, X., & Yang, F. (2004). RClimDex (1.0) user manual. Climate Research
Branch Environment Canada, 22.
103
Zhang, X., Alexander, L., Hegerl, G. C., Jones, P., Tank, A. K., Peterson, T. C., y
Zwiers, F. W. (2011). Indices for monitoring changes in extremes based on
daily temperature and precipitation data. Wiley Interdisciplinary Reviews:
Climate Change, 2(6), 851-870
105
ANEXO 1. Forma de cálculo de los índices de cambio climático recomendados
por el ETCCDI.
Ø Tn10p
Sea ijTn la temperatura mínima diaria en el día i en el periodo j y sea 10inTn el
día calendario del percentil 10th centrado en una ventana de 5 días. El porcentaje
del tiempo es determinado, donde:
10ij inTn Tn<
Ø Tn90p
Sea ijTn la temperatura mínima diaria en el día i en el periodo j y sea 90inTn el
día calendario del percentil 90th centrado en una ventana de 5 días .El porcentaje
del tiempo es determinado, donde:
90ij inTn Tn>
Ø TNx
Sea kjTn la temperatura mínima diaria en el mes k , periodo j . La máxima
temperatura mínima diaria cada mes es entonces:
max( )kj kjTNx Tn=
Ø TNn
Sea kjTn la temperatura mínima diaria en el mes k , periodo j . La mínima
temperatura mínima diaria en cada mes es entonces:
106
min( )kj kjTNn Tn=
Ø CSDI*
Sea ijTn la temperatura mínima diaria en el día i en el periodo j y sea 10inTx el
día calendario del percentil 10th centrado en una ventana de 5 días. Entonces el
número de días por periodo es sumado donde, en intervalos de por lo menos 6 días
consecutivos:
10ij inTn Tn<
Ø DTR
Sean ijTx y ijTn las temperaturas diarias máximas y mínimas respectivamente
en el día i en el periodo j . Si I representa el número de días en j , entonces:
( )1
I
ij ij
ij
Tx Tn
DTRI
=
-
=å
Ø FD0
Sea ijTn la temperatura mínima diaria en el día i en el periodo j . Cuente el
número de días cuando:
0ijTn C< °
Ø TR20
Sea ijTn la temperatura mínima diaria en el día i en el periodo j . Cuenta el
número de días cuando:
107
20ijTn C> °
Ø Tx10p
Sea ijTx la temperatura máxima diaria en el día i en el periodo j y sea
10inTx el día calendario del percentil 10th centrado en una ventana de 5 días.
El porcentaje del tiempo es determinado, donde:
10ij inTx Tx<
Ø Tx90p
Sea ijTx la temperatura máxima diaria en el día i en el periodo j y sea 90inTx
el día calendario del percentil 90th centrado en una ventana de 5 días. El porcentaje
del tiempo es determinado, donde:
90ij inTx Tx>
Ø WSDI*
Sea ijTx la temperatura máxima diaria en el día i en el periodo j y sea 90inTx el
día calendario del percentil 90th centrado en una ventana de 5 días. Entonces el
número de días por periodo es sumado en intervalos de por lo menos 6 días
consecutivos:
90ij inTx Tx>
Ø SU25
Sea ijTx la temperatura máxima diaria en el día i periodo j . Cuenta el número
de días cuando:
108
25ijTx C> °
Ø RX1day
Sea ijRR el total diario de precipitación en el día i en el periodo j . Entonces los
valores máximos de 1 día para el periodo j son:
1 max( )j ijRx day RR=
Ø Rx5day
Sea kjRR la cantidad de precipitación para el intervalo de cinco días terminando en
k , periodo j . Entonces los valores máximos de 5-días para el periodo j son:
5 max( )j kjRx day RR=
Ø SDII
Sea wjRR la cantidad diaria de precipitación en días húmedos, ( 1 )w RR mm³ en
el periodo j . Si W representa el número de días lluviosos en j , entonces:
1
W
w
wj
j
RRSDII
W
==
å
Ø R10
Sea ijRR la cantidad diaria de precipitación en el día i en el periodo j . Cuenta
el número de días donde:
10ijRR mm³
109
Ø R20
Sea ijRR la cantidad diaria de precipitación en el día i en el periodo j . Cuenta
el número de días donde:
20ijRR mm³
Ø CDD*
Sea ijRR la cantidad diaria de precipitación en el día i en el periodo j . Cuenta el mayor número de días consecutivos donde:
1ijRR mm<
Ø CWD*
Sea ijRR la cantidad diaria de precipitación en el día i en el periodo j . Cuenta
el mayor número de días consecutivos donde:
1ijRR mm³
Ø R95pTOT
Sea wjRR la cantidad diaria de precipitación en un día húmedo ( 1.0 )w RR mm³
en el periodo j y sea 95wnRR el percentil 95th de precipitación en los días lluviosos.
Si W representa el número de días lluviosos en el periodo, entonces:
W
w=1
95 where 95j wj wj wnR p RR RR RR= >å
110
Ø R99p
Sea wjRR la cantidad diaria de precipitación en un día húmedo ( 1.0 )w RR mm³ en
el periodo j y sea 99wnRR el percentil 99th de precipitación en los días lluviosos.
Si W representa el número de días lluviosos en el periodo, entonces:
W
w=1
99 where 99j wj wj wnR p RR RR RR= >å
Ø PRCPTOT
Sea ijRR la cantidad diaria de precipitación en el día i en el periodo j . Si I
representa el número de días en j , entonces
1
I
j ij
i
PRCPTOT RR=
=å
111
AN
EX
O 2
. V
alo
res
de
los
índ
ices
de
prec
ipita
ción
par
a la
s e
stac
ione
s de
l áre
a d
e es
tudi
o.
Pro
vin
cia
Lati
tud
Lo
ngi
tud
A
ltu
ra
Esta
ció
n
rx
1d
ay
valo
r-p
rx5
day
V
alo
r-p
sdii
Val
or-
p
r1
0m
m
Val
or-
p
r2
0m
m
Val
or-
p
Bo
lívar
-1
.98
-79
.06
23
30
M
01
30
-0.2
04
0.2
78
-0
.15
4 0
.72
9
0.0
21
0.2
02
0
.03
3 0
.76
2
0.0
46
0.3
89
-1.4
3 -7
9.2
9 3
08
M
03
83
-0.7
97
0.0
81
-1
.23
5 0
.29
7
-0.1
51
0.1
65
-0
.18
0.6
25
-0
.20
8 0
.43
-1.4
0 -7
9.0
2 3
60
0
M0
38
5
-0
.66
5 0
.08
6
-1.0
09
0.2
53
0
.02
9 0
.26
8
0.0
25
0.9
47
-0
.04
6 0
.61
Car
chi
0.6
3
-77
.94
30
00
M
01
02
-0.0
24
0.8
82
-0
.28
6 0
.43
3
0.0
09
0.4
53
0
.08
0
.43
5
0.0
25
0.5
32
0.6
0
-77
.82
28
60
M
01
03
-0.0
17
0.9
02
0
.19
6 0
.39
3
-0.0
09
0.3
08
0
.05
7 0
.53
9
0.0
28
0.4
97
0.8
0
-77
.86
34
18
M
03
08
0.1
08
0.6
26
-0
.45
7 0
.14
-0.0
27
0.0
26
-0
.19
5 0
.26
2
-0.0
09
0.8
55
Ch
imb
ora
zo
-1.7
2 -7
8.6
6 2
85
0
M0
13
3
-0
.21
0.3
57
-0
.63
1 0
.13
6
-0.0
2 0
.44
3
-0.1
93
0.2
58
-0
.08
6 0
.18
6
-2.2
8 -7
8.9
2 2
17
7
M0
13
6
-0
.01
1 0
.93
5
0.1
75
0.4
06
0
.00
9 0
.40
1
0.1
04
0.0
8
0
.02
6 0
.23
3
-2.0
0 -7
8.9
7 1
52
3
M0
39
1
0
.40
9 0
.17
6
0.2
4
0.6
22
0
.03
8 0
.05
8
0.1
87
0.2
4
0
.03
8 0
.67
2
-1.9
1 -7
8.6
4 2
93
0
M0
39
5
0
.28
4 0
.01
1
0.6
69
0.0
02
0
.00
7 0
.61
3
0.2
72
0.0
03
0
.07
2 0
.02
-2.3
4 -7
8.9
4 2
40
2
M0
39
7
0
.31
3 0
.03
6
0.0
84
0.7
31
-0
.00
4 0
.77
1
0.0
4
0.7
58
0
.01
7 0
.78
9
-2.2
8 -7
8.7
7 3
17
8
M0
39
9
-0
.08
5 0
.53
2
-0.3
41
0.3
25
-0
.01
7 0
.50
9
-0.0
36
0.7
98
-0
.07
6 0
.24
-1.9
4 -7
9.0
0 1
45
2
M0
40
2
1
.23
0
.00
7
1.8
16
0.0
27
0
.13
9 0
.00
6
1.3
55
0
0
.32
3 0
.03
9
-2.2
0 -7
8.8
5 2
26
7
M0
40
3
0
.01
2 0
.94
1
0.1
67
0.7
27
0
.01
4 0
.42
3
0.1
61
0.1
93
0
.00
4 0
.92
3
-1.7
7 -7
8.9
9 2
80
0
M0
40
4
0
.08
5 0
.58
8
0.0
8
0.8
77
0
.00
6 0
.85
0.1
66
0.6
45
-0
.01
9 0
.92
9
-2.2
3 -7
8.8
1 2
43
8
M0
40
5
-0
.04
5 0
.75
8
-0.3
2 0
.18
7
-0.0
33
0.0
03
-0
.06
6 0
.44
6
-0.0
17
0.4
23
-1.6
1 -7
8.6
4 2
62
0
M0
40
8
-0
.28
0.1
39
-0
.60
5 0
.02
7
0.0
33
0.0
83
-0
.07
6 0
.38
8
-0.0
04
0.9
18
Co
top
axi
-1.0
2 -7
8.5
9 2
68
5
M0
00
4
-0
.04
2 0
.73
4
0.0
22
0.9
17
-0
.00
4 0
.66
2
0.0
63
0.3
5
-0
.01
8 0
.50
4
-1.1
3 -7
9.0
8 1
47
1
M0
12
3
-0
.92
8 0
.05
9
-2.2
37
0.1
4
-0
.15
7 0
.08
2
-0.3
62
0.1
8
-0
.31
8 0
.18
2
-0.9
2 -7
9.2
5 2
15
M
01
24
0.5
49
0.1
39
0
.18
1 0
.80
4
0.0
1
0.7
49
-0
.09
5 0
.55
5
-0.0
5 0
.69
7
-0.7
0 -7
8.8
9 2
88
0
M0
36
3
-0
.12
6 0
.38
1
-0.1
26
0.4
98
0
.01
0
.23
2
0.1
44
0.1
6
0
.02
4 0
.42
3
-1.0
7 -7
8.7
0 3
17
5
M0
36
9
0
.14
8 0
.02
3
-0.0
34
0.8
57
0
.00
1 0
.95
3
0.0
22
0.7
7
0
.03
6 0
.22
6
-1.1
2 -7
9.0
9 1
46
2
M0
37
0
0
.13
9 0
.59
8
-0.0
57
0.9
06
0
.02
2 0
.30
6
-0.1
9 0
.39
5
-0.0
31
0.8
13
-0.7
2 -7
8.6
3 3
07
4
M0
37
1
-0
.83
4 0
.14
3
-2.0
27
0.1
46
-0
.04
4 0
.02
8
-0.2
39
0.0
75
-0
.12
1 0
.01
1
111
112
Pro
vin
cia
Lati
tud
Lo
ngi
tud
A
ltu
ra
Esta
ció
n
rx
1d
ay
valo
r-p
rx5
day
V
alo
r-p
sdii
Val
or-
p
r1
0m
m
Val
or-
p
r2
0m
m
Val
or-
p
Imb
abu
ra
0.2
4
-78
.25
25
50
M
01
05
0.1
69
0.3
69
0
.03
8 0
.92
0.0
16
0.2
98
0
.00
2 0
.99
2
0.0
61
0.2
96
0.5
2
-78
.21
23
35
M
01
07
0.1
4
0.5
92
0
.97
7 0
.07
4
-0.0
27
0.2
3
0
.02
7 0
.86
3
-0.0
8 0
.18
4
0.5
0
-78
.19
23
40
M
03
12
0.5
88
0.0
96
0
.36
3 0
.32
4
0.0
12
0.2
4
-0
.09
8 0
.19
5
0.0
06
0.8
39
0.4
3
-78
.01
18
80
M
03
14
-0.1
82
0.1
4
-0
.35
1 0
.09
6
0.0
06
0.6
05
-0
.06
7 0
.15
8
-0.0
25
0.2
06
0.3
6
-78
.51
16
20
M
03
18
-0.1
56
0.3
22
-0
.59
8 0
.07
2
-0.0
12
0.4
53
-0
.35
7 0
.00
6
-0.1
23
0.0
7
0.3
0
-77
.91
22
30
M
03
24
-0.0
33
0.8
62
0
.24
9 0
.31
8
0.0
86
0.0
05
0
.06
6 0
.44
0.0
32
0.5
94
0.2
3
-78
.63
19
50
M
03
25
-0.0
21
0.9
44
-0
.66
9 0
.34
8
-0.0
32
0.2
96
-0
.48
3 0
.07
-0.2
62
0.0
98
0.3
5
-78
.27
26
00
M
03
28
-0.0
98
0.5
86
-0
.00
3 0
.99
3
0.0
15
0.5
49
-0
.08
2 0
.68
1
-0.0
12
0.8
98
Pic
hin
cha
0.2
6
-78
.40
31
40
M
00
01
-0.3
06
0.0
56
-0
.54
8 0
.10
6
-0.0
22
0.1
75
-0
.22
6 0
.17
-0.1
23
0.2
03
-0.2
3 -7
8.3
7 2
48
0
M0
00
2
-0
.34
8 0
.04
3
-0.3
82
0.2
99
-0
.02
1 0
.24
6
-0.2
83
0.1
24
-0
.13
3 0
.21
6
-0.3
7 -7
8.5
5 3
05
8
M0
00
3
0
.27
4 0
.01
0.2
41
0.1
46
0
.02
3 0
0.0
24
0.8
21
0
.09
5 0
.01
9
0.1
5
-78
.05
31
20
M
00
23
-0.4
82
0.1
86
-0
.40
2 0
.44
9
0.0
02
0.9
23
0
.05
2 0
.78
4
-0.0
07
0.9
27
-0.1
7 -7
8.4
8 2
78
9
M0
02
4
-0
.10
9 0
.45
8
0.5
94
0.0
08
0
.02
9 0
.00
2
0.1
16
0.3
58
0
.07
3 0
.18
8
-0.2
0 -7
8.5
4 3
16
5
M0
33
5
0
.25
4 0
.18
8
1.0
83
0.0
33
0
.13
8 0
0.5
48
0.0
2
0
.32
5 0
.00
4
0.0
7
-78
.68
15
80
M
03
39
0.0
92
0.6
89
0
.35
2 0
.41
7
0.0
17
0.3
98
-0
.26
3 0
.33
3
0.0
04
0.9
76
-0.1
0 -7
8.3
0 2
60
5
M0
34
3
-0
.42
9 0
.00
4
-0.8
56
0
-0
.05
3 0
.00
1
-0.5
59
0
-0
.19
9 0
-0.1
0 -7
8.4
2 2
64
5
M0
34
5
0
.03
9 0
.73
7
0.2
4
0.3
31
-0
.01
8 0
.30
4
-0.1
22
0.1
02
0
.00
9 0
.77
7
-0.1
6 -7
8.3
2 2
60
0
M0
34
6
-0
.22
4 0
.04
8
-0.4
99
0.0
7
-0
.03
6 0
.00
3
-0.2
05
0.0
21
-0
.02
2 0
.52
4
-0.4
3 -7
8.4
2 2
94
0
M0
35
3
-0
.25
5 0
.10
6
0.5
39
0.1
78
-0
.04
2 0
.15
3
0.4
22
0.2
41
0
.15
0
.41
3
-0.0
7 -7
8.5
7 2
71
0
M0
36
1
0
.01
1 0
.96
9
0.6
94
0.1
36
0
.04
8 0
.00
3
0.2
73
0.0
13
0
.01
4 0
.79
Tun
gura
hu
a
-1.3
9 -7
8.4
2 1
69
5
M0
02
9
-0
.22
4 0
.48
5
-0.1
91
0.5
57
0
.00
3 0
.74
0.1
1
0.2
29
0
.05
3 0
.26
1
-1.1
7 -7
8.5
6 2
79
3
M0
12
7
-0
.41
9 0
.09
-0.8
11
0.0
18
-0
.03
4 0
.11
7
-0.3
36
0.0
73
-0
.1
0.1
96
-1.3
5 -7
8.6
2 2
91
0
M0
12
8
0
.20
8 0
.50
9
0.1
82
0.5
57
0
.01
6 0
.10
8
0.0
63
0.3
73
0
.03
2 0
.23
4
-1.3
0 -7
8.7
3 3
31
4
M0
37
6
0
.06
0
.57
1
-0.1
97
0.2
62
-0
.01
7 0
.13
6
0.2
31
0.0
18
0
.03
4 0
.24
4
-1.3
5 -7
8.6
7 3
26
6
M0
37
7
0
.48
2 0
.13
6
0.9
7
0.1
98
0
.03
1 0
.06
7
0.1
7
0.0
83
0
.07
0
.23
8
-1.3
9 -7
8.5
3 2
88
0
M0
38
0
0
.45
4 0
.25
8
0.1
88
0.7
24
-0
.01
1 0
.71
7
0.0
06
0.9
65
0
.01
1 0
.92
112
113
Pro
vin
cia
Lati
tud
Lo
ngi
tud
A
ltu
ra
Esta
ció
n
cd
d
Val
or-
p
cw
d
Val
or-
p
r9
5p
V
alo
r-p
r99
p
Val
or-
p
p
rcp
tot
Val
or-
p
Bo
lívar
-1
.98
-79
.06
23
30
M
01
30
0.3
01
0.3
16
-0
.03
9 0
.68
9
0.7
32
0.5
83
-0
.41
3 0
.57
1
-0.8
55
0.7
5
-1.4
3 -7
9.2
9 3
08
M
03
83
-0.0
86
0.8
19
0
.43
9 0
.00
2
-9.3
76
0.3
23
-6
.82
0.2
25
-1
0.1
02
0.5
29
-1.4
0 -7
9.0
2 3
60
0
M0
38
5
0
.36
2 0
.37
5
0.1
0
.61
-3.0
36
0.2
55
-2
.09
3 0
.23
5
-1.1
12
0.8
63
Car
chi
0.6
3
-77
.94
30
00
M
01
02
-0.1
52
0.0
17
-0
.04
0.4
15
1
.18
7 0
.29
0.6
85
0.3
22
2
.02
9 0
.38
6
0.6
0
-77
.82
28
60
M
01
03
-0.0
96
0.1
42
0
.01
4 0
.71
5
0.3
47
0.7
48
0
.00
5 0
.99
3
1.3
89
0.5
12
0.8
0
-77
.86
34
18
M
03
08
-0.0
06
0.9
57
-0
.11
8 0
.11
7
0.8
85
0.5
42
0
.08
7 0
.91
8
-3.0
03
0.3
72
Ch
imb
ora
zo
-1.7
2 -7
8.6
6 2
85
0
M0
13
3
0
.09
6 0
.69
4
-0.0
07
0.8
65
-2
.47
4 0
.18
2
-0.9
08
0.3
44
-6
.63
3 0
.08
6
-2.2
8 -7
8.9
2 2
17
7
M0
13
6
-0
.06
3 0
.87
6
0.0
88
0.1
26
0
.92
2 0
.22
5
-0.1
95
0.6
58
3
.13
7 0
.09
8
-2.0
0 -7
8.9
7 1
52
3
M0
39
1
0
.37
0
.36
0.1
55
0.0
7
1
.82
8 0
.40
3
0.3
93
0.7
5
2
.99
0
.47
5
-1.9
1 -7
8.6
4 2
93
0
M0
39
5
-0
.66
7 0
.05
0.1
41
0.0
32
2
.36
7 0
.00
7
1.2
07
0.0
68
9
.67
4 0
-2.3
4 -7
8.9
4 2
40
2
M0
39
7
0
.09
7 0
.74
5
0.3
64
0.0
18
0
.93
8 0
.58
7
1.2
25
0.1
02
2
.08
5 0
.50
3
-2.2
8 -7
8.7
7 3
17
8
M0
39
9
-0
.21
7 0
.57
8
-0.0
64
0.2
98
-2
.06
8 0
.20
6
-0.2
97
0.6
65
-0
.96
0.7
43
-1.9
4 -7
9.0
0 1
45
2
M0
40
2
-0
.55
8 0
.37
5
1.1
74
0
1
0.6
21
0.0
1
5
.64
6 0
.00
1
37
.32
5 0
-2.2
0 -7
8.8
5 2
26
7
M0
40
3
-0
.24
8 0
.48
4
0.1
42
0.1
67
0
.22
9 0
.90
5
-0.8
86
0.4
08
6
.07
8 0
.08
1
-1.7
7 -7
8.9
9 2
80
0
M0
40
4
-0
.24
0.5
47
0
.09
6 0
.49
8
-1.9
91
0.6
34
-0
.15
8 0
.90
1
3.0
3
0.7
14
-2.2
3 -7
8.8
1 2
43
8
M0
40
5
-0
.53
6 0
.07
7
0.0
2
0.6
87
-0
.60
3 0
.52
2
-0.1
87
0.7
07
-2
.15
3 0
.33
5
-1.6
1 -7
8.6
4 2
62
0
M0
40
8
0
.34
5 0
.23
4
-0.0
47
0.0
58
-0
.84
3 0
.35
5
-0.6
23
0.2
07
-4
.94
9 0
.01
1
Co
top
axi
-1.0
2 -7
8.5
9 2
68
5
M0
00
4
-0
.01
9 0
.86
6
-0.0
01
0.9
72
-0
.08
9 0
.91
8
-0.3
62
0.4
02
1
.35
2 0
.4
-1.1
3 -7
9.0
8 1
47
1
M0
12
3
-0
.24
7 0
.11
5
0.3
96
0.0
09
-2
6.5
28
0.1
28
-1
4.2
68
0.1
7
-2
5.6
15
0.1
7
-0.9
2 -7
9.2
5 2
15
M
01
24
-0.0
13
0.9
16
-0
.05
0.4
72
5
.52
8 0
.23
5
4.0
82
0.0
91
2
.10
4 0
.78
7
-0.7
0 -7
8.8
9 2
88
0
M0
36
3
0
.06
5 0
.61
6
-0.0
17
0.7
59
0
.41
6 0
.60
8
-0.3
25
0.4
69
2
.26
4 0
.31
2
-1.0
7 -7
8.7
0 3
17
5
M0
36
9
-0
.08
9 0
.65
3
-0.0
87
0.0
92
1
.01
2 0
.24
0.4
48
0.2
0.4
9
0.7
95
-1.1
2 -7
9.0
9 1
46
2
M0
37
0
0
.17
2 0
.16
2
-0.5
32
0.0
42
3
.31
9 0
.35
7
1.7
86
0.2
99
-3
.32
5 0
.62
4
-0.7
2 -7
8.6
3 3
07
4
M0
37
1
0
.04
9 0
.77
7
0.0
51
0.5
18
-6
.25
4 0
.03
6
-3.9
45
0.1
13
-6
.34
1 0
.16
6
113
114
Pro
vin
cia
Lati
tud
Lo
ngi
tud
A
ltu
ra
Esta
ció
n
cd
d
Val
or-
p
cw
d
Val
or-
p
r9
5p
V
alo
r-p
r99
p
Val
or-
p
p
rcp
tot
Val
or-
p
Imb
abu
ra
0.2
4
-78
.25
25
50
M
01
05
0.0
51
0.8
54
0
.06
0
.31
6
1.6
38
0.2
22
0
.63
5 0
.44
8
-1.3
08
0.7
33
0.5
2
-78
.21
23
35
M
01
07
-0.2
78
0.6
56
0
.16
0
.1
-0
.92
4 0
.57
1
0
1
3
.44
5 0
.36
2
0.5
0
-78
.19
23
40
M
03
12
0.2
03
0.1
84
-0
.05
0.1
11
1
.51
3 0
.07
7
1.2
02
0.0
58
-1
.02
3 0
.58
0.4
3
-78
.01
18
80
M
03
14
0.2
71
0.0
34
-0
.01
5 0
.36
9
-0.8
2 0
.12
3
-0.6
39
0.1
1
-1
.01
7 0
.33
6
0.3
6
-78
.51
16
20
M
03
18
0.1
3
0.3
95
-0
.08
9 0
.09
1
-2.6
54
0.1
97
-1
.20
7 0
.29
5
-7.8
71
0.0
36
0.3
0
-77
.91
22
30
M
03
24
0.0
95
0.2
15
-0
.11
3 0
.01
7
0.1
92
0.8
67
0
.14
7 0
.81
5
-2.2
49
0.2
86
0.2
3
-78
.63
19
50
M
03
25
0.0
28
0.9
23
-0
.06
0.5
32
-1
.58
8 0
.74
0.9
02
0.6
58
-1
1.3
43
0.1
38
0.3
5
-78
.27
26
00
M
03
28
0.2
3
0.3
53
-0
.01
4 0
.79
3
0.7
55
0.6
9
0
.52
3 0
.48
2
-2.2
2 0
.65
4
Pic
hin
cha
0.2
6
-78
.40
31
40
M
00
01
-0.0
58
0.7
75
-0
.04
6 0
.43
8
-4.7
91
0.0
21
-2
.62
3 0
.01
8
-6.7
59
0.1
18
-0.2
3 -7
8.3
7 2
48
0
M0
00
2
-0
.09
1 0
.68
7
-0.0
38
0.5
62
-4
.35
6 0
.05
4
-2.3
97
0.0
34
-8
.13
9 0
.09
-0.3
7 -7
8.5
5 3
05
8
M0
00
3
0
.12
1 0
.09
9
0.0
39
0.3
7
2
.98
6 0
.00
1
1.7
14
0.0
01
1
.58
8 0
.51
1
0.1
5
-78
.05
31
20
M
00
23
-0.4
92
0.0
92
-0
.00
6 0
.92
5
-0.7
11
0.7
35
-0
.59
7 0
.55
-1.8
14
0.7
15
-0.1
7 -7
8.4
8 2
78
9
M0
02
4
0
.19
7 0
.39
3
0.0
34
0.6
03
2
.38
3 0
.03
6
-0.5
64
0.4
07
1
.55
9 0
.61
5
-0.2
0 -7
8.5
4 3
16
5
M0
33
5
0
.82
7 0
.01
5
0.0
21
0.7
45
4
.44
2 0
.04
2
0.4
33
0.5
55
6
.63
8 0
.15
8
0.0
7
-78
.68
15
80
M
03
39
0.2
11
0.0
07
-0
.12
0.4
22
2
.15
2 0
.38
8
0.1
55
0.9
09
-5
.00
4 0
.43
5
-0.1
0 -7
8.3
0 2
60
5
M0
34
3
0
.56
1 0
.11
2
-0.0
77
0.0
35
-5
.92
9 0
-1.6
84
0.0
01
-1
1.0
28
0
-0.1
0 -7
8.4
2 2
64
5
M0
34
5
0
.30
6 0
.23
1
0.0
3
0.1
93
-0
.04
2 0
.95
2
0.4
02
0.3
64
-0
.91
2 0
.55
6
-0.1
6 -7
8.3
2 2
60
0
M0
34
6
0
.05
6 0
.78
2
0.0
15
0.6
74
-0
.78
1 0
.32
1
-0.4
83
0.3
45
-3
.43
2 0
.08
2
-0.4
3 -7
8.4
2 2
94
0
M0
35
3
0
.31
7 0
.13
2
0.6
42
0.0
01
2
.12
7 0
.46
6
0.3
46
0.7
39
1
4.8
15
0.0
88
-0.0
7 -7
8.5
7 2
71
0
M0
36
1
0
.73
0
.04
5
0.1
02
0.2
06
0
.00
6 0
.99
7
-0.6
49
0.5
22
4
.11
7 0
.17
5
Tun
gura
hu
a
-1.3
9 -7
8.4
2 1
69
5
M0
02
9
-0
.10
7 0
.14
9
-0.0
35
0.4
05
0
.67
3 0
.68
1
-0.0
86
0.9
31
0
.68
9 0
.74
-1.1
7 -7
8.5
6 2
79
3
M0
12
7
0
.19
1 0
.57
1
-0.0
13
0.8
45
-3
.9
0.1
09
-1
.89
7 0
.14
3
-6.4
42
0.1
62
-1.3
5 -7
8.6
2 2
91
0
M0
12
8
-0
.04
6 0
.66
2
0.0
4
0.2
16
1
.62
6 0
.10
9
0.9
57
0.1
84
3
.30
7 0
.07
8
-1.3
0 -7
8.7
3 3
31
4
M0
37
6
-0
.17
4 0
.05
4
0.0
61
0.1
28
1
.22
4 0
.24
6
0.1
41
0.8
04
4
.61
3 0
.01
8
-1.3
5 -7
8.6
7 3
26
6
M0
37
7
0
.04
6 0
.45
3
0.0
14
0.5
6
3
.82
8 0
.18
2
2.7
13
0.2
12
4
.38
6 0
.16
3
-1.3
9 -7
8.5
3 2
88
0
M0
38
0
-0
.11
3 0
.27
1
-0.1
7 0
.00
3
0.9
12
0.8
53
0
.19
6 0
.95
6
-2.7
77
0.5
52
114
115
AN
EX
O 3
. V
alo
res
de
los
índ
ices
de
tem
pera
tura
máx
ima
para
las
est
acio
nes
del
áre
a de
est
udi
o.
Pro
vin
cia
Lati
tud
Lo
ngi
tud
A
ltu
ra
Esta
ció
n
TM
AX
mea
n
Val
or-
p
su
25
Val
or-
p
tx
x V
alo
r-p
B
olív
ar
-1.9
8 -7
9.0
6 2
33
0
M0
13
0
0
.02
0
.00
5
-0.0
07
0.5
7
0
.02
4 0
.31
3
Car
chi
0.6
3
-77
.94
30
00
M
01
02
0.0
27
0
0
.00
2 0
.27
7
0.0
65
0
0.6
0
-77
.82
28
60
M
01
03
0.0
24
0.0
15
0
.00
1 0
.70
5
0.0
25
0.3
24
Ch
imb
ora
zo
-1.7
2 -7
8.6
6 2
85
0
M0
13
3
0
.03
3 0
1.0
23
0
0
.06
9 0
.00
1
-2.2
8 -7
8.9
2 2
17
7
M0
13
6
0
.03
6 0
0.0
2
0.0
79
0
.06
3 0
.02
Co
top
axi
-1.0
2 -7
8.5
9 2
68
5
M0
00
4
-0
.02
2 0
.00
4
-0.5
53
0
-0
.06
0
-1.1
3 -7
9.0
8 1
47
1
M0
12
3
-0
.02
5 0
.00
7
-0.0
25
0.6
43
0
.01
9 0
.63
-0.9
2 -7
9.2
5 2
15
M
01
24
0.0
05
0.7
56
0
.50
4 0
.24
-0.0
16
0.4
2
Imb
abu
ra
0.2
4
-78
.25
25
50
M
01
05
0.0
14
0.0
03
-0
.00
2 0
.67
4
0.0
09
0.5
22
0.5
2
-78
.21
23
35
M
01
07
0.0
1
0.0
74
0
.19
6 0
.01
8
0.0
04
0.8
02
Pic
hin
cha
0.2
6
-78
.40
31
40
M
00
01
0.0
24
0
0
N
aN
0
.05
5 0
-0.2
3 -7
8.3
7 2
48
0
M0
00
2
0
.02
0
.00
1
0
NaN
0.0
52
0.0
01
-0.3
7 -7
8.5
5 3
05
8
M0
00
3
0
.01
6 0
0
NaN
0.0
18
0.0
14
-0.1
7 -7
8.4
8 2
78
9
M0
02
4
0
.03
8 0
0.7
36
0
0
.09
4 0
Tun
gura
hu
a -1
.39
-78
.42
16
95
M
00
29
0.0
27
0
1
.92
2 0
0.0
42
0.0
01
-1.3
5 -7
8.6
2 2
91
0
M0
12
8
0
.00
6 0
.23
3
0.0
09
0.0
99
0
.04
8 0
.04
9
115
116
Pro
vin
cia
Lati
tud
Lo
ngi
tud
A
ltu
ra
Esta
ció
n
Tx
n
Val
or-
p
tx
10
p
Val
or-
p
tx
90
p
Val
or-
p
w
sdi
Val
or-
p
Bo
livar
-1
.98
-79
.06
23
30
M
01
30
0.0
27
0.0
2
-0
.42
3 0
0.0
51
0.6
25
-0
.25
8 0
.17
9
Car
chi
0.6
3
-77
.94
30
00
M
01
02
-0.0
2 0
.21
- -
-
-
- -
0.6
0
-77
.82
28
60
M
01
03
0.0
58
0.0
05
-
-
- -
-
-
Ch
imb
ora
zo
-1.7
2 -7
8.6
6 2
85
0
M0
13
3
-0
.01
3 0
.45
9
- -
-
-
- -
-2.2
8 -7
8.9
2 2
17
7
M0
13
6
0
.04
8 0
- -
-
-
- -
Co
top
axi
-1.0
2 -7
8.5
9 2
68
5
M0
00
4
0
.01
2 0
.57
1
0.0
34
0.6
03
-0
.33
6 0
-0.1
12
0.0
25
-1.1
3 -7
9.0
8 1
47
1
M0
12
3
-0
.07
3 0
.00
1
0.4
73
0.0
01
-0
.13
0.3
21
-0
.09
0.4
69
-0.9
2 -7
9.2
5 2
15
M
01
24
0.0
36
0.0
34
-
-
- -
-
-
Imb
abu
ra
0.2
4
-78
.25
25
50
M
01
05
-0.0
04
0.7
45
-0
.16
9 0
.06
0.2
0
.00
4
0.0
25
0.3
72
0.5
2
-78
.21
23
35
M
01
07
0.0
04
0.8
01
-0
.10
1 0
.24
4
0.2
36
0.0
26
0
.06
1 0
.18
1
Pic
hin
cha
0.2
6
-78
.40
31
40
M
00
01
0.0
05
0.6
87
-0
.13
2 0
.09
0.4
65
0
0
.17
5 0
.04
1
-0.2
3 -7
8.3
7 2
48
0
M0
00
2
-0
.00
8 0
.63
2
-0.0
41
0.5
6
0
.47
3 0
0.2
16
0.0
49
-0.3
7 -7
8.5
5 3
05
8
M0
00
3
0
.00
9 0
.45
5
-0.1
05
0.0
25
0
.21
6 0
.00
1
0.0
67
0.0
64
-0.1
7 -7
8.4
8 2
78
9
M0
02
4
-0
.02
7 0
.16
7
-0.2
23
0.0
29
0
.54
6 0
0.3
48
0.0
01
Tun
gura
hu
a -1
.39
-78
.42
16
95
M
00
29
-0.0
31
0.0
41
-
-
- -
-
-
-1.3
5 -7
8.6
2 2
91
0
M0
12
8
0
.03
1 0
.13
6
- -
-
-
- -
116
117
AN
EX
O 4
. V
alo
res
de
los
índ
ices
de
tem
pera
tura
mín
ima
par
a la
s e
sta
cion
es d
el á
rea
de e
stu
dio.
Pro
vin
cia
Lati
tud
Lo
ngi
tud
A
ltu
ra
Esta
ció
n
TM
INm
ean
V
alo
r-p
tr2
0
Val
or-
p
fd
0
Val
or-
p
tn
x V
alo
r-p
B
olív
ar
-1.9
8 -7
9.0
6 2
33
0
M0
13
0
0
.02
4 0
0
NaN
0
NaN
0.0
26
0.0
02
Car
chi
0.6
3
-77
.94
30
00
M
01
02
0.0
06
0.6
32
0
N
aN
0
N
aN
0
.01
3 0
.23
9
0.6
0
-77
.82
28
60
M
01
03
0.0
3
0
0
N
aN
-0
.01
5 0
.02
2
0.0
53
0
Ch
imb
ora
zo
-1.7
2 -7
8.6
6 2
85
0
M0
13
3
0
.02
5 0
0
NaN
0
NaN
0.0
15
0.0
78
-2.2
8 -7
8.9
2 2
17
7
M0
13
6
0
.01
7 0
.00
2
0
NaN
0
NaN
0
0.9
84
Co
top
axi
-1.0
2 -7
8.5
9 2
68
5
M0
00
4
0
.04
1 0
0
NaN
0.0
11
0.6
32
0
.06
0
-1.1
3 -7
9.0
8 1
47
1
M0
12
3
0
.01
6 0
.03
8
0
NaN
0
NaN
0.0
3
0
-0.9
2 -7
9.2
5 2
15
M
01
24
0.0
16
0.5
14
0
.44
1 0
.79
3
0
NaN
-0.0
01
0.9
25
Imb
abu
ra
0.2
4
-78
.25
25
50
M
01
05
0.0
05
0.5
71
0
N
aN
-0
.00
4 0
.09
9
0.0
41
0
0.5
2
-78
.21
23
35
M
01
07
0.0
08
0.1
08
0
N
aN
0
N
aN
0
.01
1 0
.42
4
Pic
hin
cha
0.2
6
-78
.40
31
40
M
00
01
0.0
18
0.0
58
0
N
aN
0
N
aN
0
.00
7 0
.4
-0.2
3 -7
8.3
7 2
48
0
M0
00
2
0
.02
0
.04
4
0
NaN
0
NaN
0.0
1
0.2
61
-0.3
7 -7
8.5
5 3
05
8
M0
00
3
0
.02
4 0
0
NaN
-0.0
1 0
.38
3
0.0
24
0
-0.1
7 -7
8.4
8 2
78
9
M0
02
4
0
.03
1 0
0
NaN
0
NaN
0.0
34
0.0
04
Tun
gura
hu
a -1
.39
-78
.42
16
95
M
00
29
0.0
69
0.0
09
0
N
aN
-0
.00
3 0
.44
5
0.0
41
0.0
08
-1.3
5 -7
8.6
2 2
91
0
M0
12
8
0
.02
3 0
0
NaN
-0.0
3 0
.29
5
-0.0
16
0.3
42
117
118
Pro
vin
cia
Lati
tud
Lo
ngi
tud
A
ltu
ra
Esta
ció
n
tn
n
Val
or-
p
d
tr
Val
or-
p
tn
10
p
Val
or-
p
tn
90
p
Val
or-
p
cs
di
Val
or-
p
Bo
lívar
-1
.98
-79
.06
23
30
M
01
30
0.0
32
0.0
9
-0
0
.64
6
-0.3
53
0.0
04
0
.45
5 0
-0.6
9 0
.01
2
Car
chi
0.6
3
-77
.94
30
00
M
01
02
0.0
01
0.9
64
0
.02
9 0
.11
- -
-
-
- -
0.6
0
-77
.82
28
60
M
01
03
0.0
36
0.0
64
-0
.01
0.6
24
-
-
- -
-
-
Ch
imb
ora
zo
-1.7
2 -7
8.6
6 2
85
0
M0
13
3
0
.00
7 0
.71
6
0.0
07
0.3
31
-
-
- -
-
-
-2.2
8 -7
8.9
2 2
17
7
M0
13
6
0
.03
6 0
.10
1
0.0
11
0.3
42
-
-
- -
-
-
Co
top
axi
-1.0
2 -7
8.5
9 2
68
5
M0
00
4
0
.01
5 0
.49
9
-0.0
7 0
-0.0
94
0.0
39
0
.91
4 0
0.0
06
0.8
82
-1.1
3 -7
9.0
8 1
47
1
M0
12
3
-0
.03
0.1
84
-0
.04
0
-0
.18
6 0
.20
4
0.3
38
0.1
08
-0
.06
0.4
59
-0.9
2 -7
9.2
5 2
15
M
01
24
0.0
53
0.2
75
0
.00
2 0
.87
1
- -
-
-
- -
Imb
abu
ra
0.2
4
-78
.25
25
50
M
01
05
-0.0
18
0.2
21
0
.00
9 0
.33
6
0.1
58
0.0
91
0
.27
4 0
.00
1
0.1
24
0.5
22
0.5
2
-78
.21
23
35
M
01
07
-0.0
23
0.1
58
0
.00
2 0
.81
1
-0.2
15
0.0
58
0
.24
2 0
.14
1
0.0
18
0.6
93
Pic
hin
cha
0.2
6
-78
.40
31
40
M
00
01
0.0
28
0.0
68
0
0
.96
6
-0.2
93
0.1
51
0
.21
4 0
.10
8
-0.4
89
0.1
67
-0.2
3 -7
8.3
7 2
48
0
M0
00
2
0
.02
7 0
.10
5
-0
0.8
41
-0
.33
5 0
.12
0.2
29
0.1
05
-0
.54
4 0
.10
3
-0.3
7 -7
8.5
5 3
05
8
M0
00
3
0
.01
5 0
.17
5
-0.0
1 0
.18
9
-0.2
17
0
0
.34
6 0
-0.0
71
0.0
29
-0.1
7 -7
8.4
8 2
78
9
M0
02
4
0
.07
9 0
0.0
06
0.3
43
-0
.53
7 0
0.3
64
0
-0
.45
3 0
.00
4
Tun
gura
hu
a -1
.39
-78
.42
16
95
M
00
29
0.1
22
0.0
01
-0
.03
0.0
73
-
-
- -
-
-
-1.3
5 -7
8.6
2 2
91
0
M0
12
8
0
.06
7 0
.01
-0.0
2 0
.00
9
- -
-
-
- -
118
119
ANEXO 5. Tendencias significativas de mínimos cuadrados vs el test Mann-
Kendall.
Provincia Estación Índices Tendencias
mínimos cuadrados
Tendencias del test
Mann-Kendall
Carchi M0130
TMAXmean 0.02 0.016
TMINmean 0.024 0.019
txn 0.027 0.025
tnx 0.026 0.023
M0383 cwd 0.439 0.401
Imbabura
M0102
TMAXmean 0.027 0.026
txx 0.065 0.063
cdd -0.152 -0.16
M0103
TMAXmean 0.024 0.023
TMINmean 0.03 0.025
fd0 -0.015 0
txn 0.058 0.047
tnx 0.053 0.044
M0308 sdii -0.027 -0.021
Chimborazo
M0133
TMAXmean 0.033 0.028
TMINmean 0.025 0.022
su25 1.023 0.909
txx 0.069 0.057
M0136
TMAXmean 0.036 0.033
TMINmean 0.017 0.017
txx 0.063 0.065
txn 0.048 0.044
M0395
rx1day 0.284 0.233
rx5day 0.669 0.68
r10mm 0.272 0.257
r20mm 0.072 0.045
cwd 0.141 0.136
r95p 2.367 1.4
r99p 1.207 1.18
prcptot 9.674 8.686
M0397 rx1day 0.313 0.25
cwd 0.364 0.241
120
Provincia Estación Índices Tendencias
mínimos cuadrados
Tendencias del test
Mann-Kendall
Chimborazo
M0402
rx1day 1.23 1.275
rx5day 1.816 1.859
sdii 0.139 0.148
r10mm 1.355 1.39
r20mm 0.323 0.35
cwd 1.174 0.916
r95p 10.621 11.732
r99p 5.646 5.057
prcptot 37.325 37.468
M0405 sdii -0.033 -0.028
M0408 prcptot -4.949 -4.708
Cotopaxi
M0004
TMAXmean -0.022 -0.021
TMINmean 0.041 0.039
su25 -0.553 -0.429
txx -0.06 -0.056
tnx 0.06 0.056
dtr -0.068 -0.069
tx90p -0.336 -0.31
tn10p -0.094 -0.061
tn90p 0.914 0.776
wsdi -0.112 -0.098
M0123
TMAXmean -0.025 -0.025
TMINmean 0.016 0.01
txn -0.073 -0.055
tnx 0.03 0.025
dtr -0.038 -0.036
cwd 0.396 0.408
M0124 txn 0.034 0.029
M0363
TMAXmean 0.046 0.045
su25 0.636 0.619
txx 0.024 0.022
txn 0.07 0.069
dtr 0.043 0.039
M0369 rx1day 0.148 0.19
M0370 cwd -0.532 -0.5
M0371
sdii -0.044 -0.022
r20mm -0.121 -0.095
r95p -6.254 -2.753
121
Provincia Estación Índices Tendencias
mínimos cuadrados
Tendencias del test
Mann-Kendall
Imbabura
M0105
TMAXmean 0.014 0.02
tnx 0.041 0.038
tx90p 0.2 0.206
tn90p 0.274 0.313
tx10p -0.169 -0.08
M0107 su25 0.196 0.182
tx90p 0.236 0.169
M0314 cdd 0.271 0.235
M0318
r10mm -0.357 -0.316
r20mm -0.123 -0.093
prcptot -7.871 -6.623
M0324 sdii 0.086 0.091
cwd -0.113 -0.127
Pichincha
M0001
TMAXmean 0.024 0.021
txx 0.055 0.049
r95p -4.791 -4.621
r99p -2.623 -2.54
tx90p 0.465 0.451
wsdi 0.175 0.152
M0002
TMAXmean 0.02 0.02
TMINmean 0.027 0.03
txx 0.052 0.051
rx1day -0.348 -0.325
r99p 0.034 0.034
tx90p 0.473 0.46
wsdi 0.216 0.215
M0003
TMAXmean 0.016 0.017
TMINmean 0.024 0.03
txx 0.094 0.092
tnx 0.034 0.022
tnn 0.079 0.05
rx5day 0.594 0.675
sdii 0.029 0.033
r95p 2.383 2.759
122
Provincia Estación Índices Tendencias
mínimos cuadrados
Tendencias del test
Mann-Kendall
Pichincha
M0335
rx5day 1.083 0.965
sdii 0.138 0.123
r10mm 0.548 0.435
r20mm 0.325 0.308
cdd 0.827 0.857
r95p 4.442 4.175
M0339 cdd 0.211 0.217
M0346
rx1day -0.224 -0.23
rx5day -0.499 -0.394
sdii -0.036 -0.044
r10mm -0.205 -0.24
M0353 cwd 0.642 0.192
M0361
sdii 0.048 0.046
r10mm 0.273 0.278
cdd 0.73 0.25
Tungurahua
M0029
TMAXmean 0.027 0.032
su25 1.922 1.86
txx 0.042 0.043
txn -0.031 -0.02
tnx 0.041 0.032
tnn 0.122 0.067
M0127 rx5day -0.811 -0.609
M0128
TMINmean 0.023 0.021
txx 0.048 0.025
tnn 0.067 0.042
dtr -0.019 -0.02
M0376 r10mm 0.231 0.231
prcptot 4.613 4.522
M0380 cwd -0.17 -0.136
123
ANEXO 6. Análisis de tendencias mediante mínimos cuadrados ejecutado por
el software RClimdex.
Promedio de la temperatura mínima
Rango diurno de temperatura