ESCUELA POLITÉCNICA NACIONALbibdigital.epn.edu.ec/bitstream/15000/19388/1/CD-8773.pdf · ETCCDI: Expertos en Detección e Índices de Cambio Climático GEI: Gases de Efecto Invernadero

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

[email protected]

DIRECTOR: ING. XAVIER EDUARDO ZAPATA RÍOS., MSc., PhD

[email protected]

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)


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)


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


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%


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


1.373.976 habitantes

Tasa de desempleo 3,3 %

Tasa de subempleo 33,6 %

Pobreza por ingreso 9,4 %

Remesas $ 369`543 000


Indicadores socioeconómicos de la provincia de Cotopaxi

Analfabetismo 15,1 %

27


Indicadores socioeconómicos de la provincia de Cotopaxi



236.050 habitantes




Remesas $ 18`804 000

Actividades productivas Primero actividades manufactureras segundo actividades agropecuarias.

Indicadores socioeconómicos de la provincia de Tungurahua




300.785 habitantes



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




91.263 habitantes




Remesas $ 2`661 000

Valor agregado bruto 530.820 miles de dólares

Actividades productivas Primero actividades agropecuarias.

28


Indicadores socioeconómicos de la provincia de Chimborazo




259.067 habitantes




Remesas $ 58`344 000

Valor agregado bruto 1.808.975 miles de dólares


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)


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)


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


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


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)


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


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


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


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


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.


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


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


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


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


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


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


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


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.


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


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


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


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


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


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


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


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


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


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


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

104

ANEXOS

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


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


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


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*


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


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



su25 1.023 0.909

txx 0.069 0.057

M0136



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


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


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


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


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


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


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


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


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


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

124

Noches frías

Noches calidad

125

Temperatura mínima nocturna

Temperatura máxima nocturna

126

Días de helada

Valor promedio de temperatura máxima

127

Días de verano

Días frescos

128

Días cálidos

Temperatura mínima en el día

129

Temperatura máxima en el día

Duración de periodos cálidos

130

Precipitación total

Índice de intensidad simple

131

Precipitación máxima en un día

Precipitación máxima en 5 días consecutivos

132

Días muy lluviosos

Días extremadamente lluviosos

133

Días con precipitación mayor a 10mm

Días con precipitación mayor a 20mm

134

Mayor número de días lluviosos

Días secos consecutivos

Documents

ESCUELA POLITÉCNICA NACIONALbibdigital.epn.edu.ec/bitstream/15000/19388/1/CD-8773.pdf · ETCCDI: Expertos en Detección e Índices de Cambio Climático GEI: Gases de Efecto Invernadero