Huamani MF

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 196

Universidad Nacional Mayor de San Marcos

Universidad del Perú. Decana de América


Facultad de Ciencias Físicas
Escuela Profesional de Ingeniería Mecánica de Fluidos

Análisis de precipitación del periodo de 1981-2014


mediante la metodología de Downscaling de
precipitación en la UH-Yauli para realizar
predicciones climáticas futuras

MONOGRAFÍA TÉCNICA

Para optar el Título Profesional de Ingeniero Mecánico de Fluidos

AUTOR
Federico HUAMANI MAYHUIRE

Lima, Perú

2022
Reconocimiento - No Comercial - Compartir Igual - Sin restricciones adicionales

https://creativecommons.org/licenses/by-nc-sa/4.0/
Usted puede distribuir, remezclar, retocar, y crear a partir del documento original de modo no
comercial, siempre y cuando se dé crédito al autor del documento y se licencien las nuevas
creaciones bajo las mismas condiciones. No se permite aplicar términos legales o medidas
tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita esta licencia.
Referencia bibliográfica

Huamani, F. (2022). Análisis de precipitación del periodo de 1981-2014 mediante la


metodología de Downscaling de precipitación en la UH-Yauli para realizar
predicciones climáticas futuras. [Monografía técnica de pregrado, Universidad
Nacional Mayor de San Marcos, Facultad de Ciencias Físicas, Escuela Profesional
de Ingeniería Mecánica de Fluidos]. Repositorio institucional Cybertesis UNMSM.
Metadatos complementarios

Datos de autor
Nombres y apellidos Federico Huamani Mayhuire
Tipo de documento de identidad DNI
Número de documento de identidad 46049338
URL de ORCID https://orcid.org/0000-0002-8587-0683

Datos del jurado


Presidente del jurado
Mario Alberto García Pérez
Nombres y apellidos

Tipo de documento DNI


Número de documento de identidad 07930910
Miembro del jurado 1
Nombres y apellidos Juan Miguel de la Torre Ostos
Tipo de documento DNI
Número de documento de identidad 09634918
Miembro del jurado 2
Nombres y apellidos Rubén Mogrovejo Gutiérrez
Tipo de documento DNI
Número de documento de identidad 10623893
Datos de investigación
Línea de investigación A.2.5.2 Recursos Hídricos

Grupo de investigación No aplica

Agencia de financiamiento PROPIA


País: Perú
Departamento: Junín
Provincia: Yauli
Ubicación geográfica de la
Distrito: Yauli
investigación
Latitud: -11.649508
Longitud: -76.081266

Año o rango de años en que se


2022
realizó la investigación

Oceanografía, Hidrología, Recursos hídricos


https://purl.org/pe-repo/ocde/ford#1.05.11
URL de disciplinas OCDE
Agricultura
https://purl.org/pe-repo/ocde/ford#4.01.01
Universidad Nacional Mayor de San Marcos
(Universidad del PERÚ, Decana de América)
FACULTAD DE CIENCIAS FÍSICAS
XIII CAP DE LA ESCUELA PROFESIONAL DE INGENIERÍA MECÁNICA DE FLUIDOS

ACTA DE SUSTENTACIÓN VIRTUAL DE LA MONOGRAFÍA TÉCNICA PARA OPTAR EL


TITULO PROFESIONAL DE INGENIERO MECANICO DE FLUIDOS, MODALIDAD DE
TITULACIÓN M-3 – POR SUFICIENCIA PROFESIONAL
Siendo las 9:00 a.m. del día sábado 24 de setiembre de 2022, en la Sala de Sesión Virtual de la Facultad de
Ciencias Físicas, bajo la presidencia del Mg. Ing. MARIO ALBERTO GARCÍA PÉREZ y con la asistencia
de los miembros Mg. Ing. JUAN MIGUEL DE LA TORRE OSTOS y el Mg. Ing. RUBÉN ESAÚ
MOGROVEJO GUTIÉRREZ, se dio inicio a la Sesión Pública Virtual de Sustentación de la Monografía
Técnica para optar el Título Profesional de Ingeniero Mecánico de Fluidos, mediante la Modalidad de
Titulación M-3 Por Suficiencia Profesional, del Bachiller:

FEDERICO HUAMANI MAYHUIRE

El Presidente del Jurado Examinador dio lectura del Resumen del Expediente, e invitó al Bachiller
FEDERICO HUAMANI MAYHUIRE, a realizar la Exposición del trabajo de la Monografía Técnica
titulada “ANÁLISIS DE PRECIPITACIÓN DEL PERIODO DE 1981-2014 MEDIANTE LA
METODOLOGÍA DE DOWNSCALING DE PRECIPITACIÓN EN LA UH-YAULI PARA REALIZAR
PREDICCIONES CLIMÁTICAS FUTURAS”.
Concluida la exposición del candidato y luego de las preguntas de rigor por parte del Jurado Examinador,
el Presidente invitó al Bachiller a abandonar momentáneamente la sala de sesión para dar paso a la
deliberación y calificación por parte del Jurado. Se procedió a promediar la nota final del curso de
actualización y la nota de la sustentación para obtener la calificación final.
Al término de la deliberación del Jurado, se invitó al candidato a regresar a la sala de sesión para dar lectura
a la calificación final obtenida por el Bachiller, la misma que fue:
Quince ( 15)
El Presidente del Jurado Mg. Ing. MARIO ALBERTO GARCÍA PÉREZ, a nombre de la Nación y de la
Universidad Nacional Mayor de San Marcos, declaró al Bachiller FEDERICO HUAMANI MAYHUIRE
Ingeniero Mecánico de Fluidos.
Siendo las 10:00 horas, del mismo día, se levantó la sesión.

Mg. Ing. MARIO ALBERTO GA


GARCÍAA PÉREZ Mg. Ing. U AN
NMMIGUEL DE LA TORRE OSTOS
PRESIDENTE DEL JURADO MIEMBRO DEL JURADO
MIE

Mg. Ing. RUBÉN


BÉN ESAÚ MOGROV
MOGROVEJO
EJO GU
GUTIÉRREZ
MIEMBRO DEL JURADO

Firmado digitalmente por LOZANO


BARTRA Whualkuer Enrique FAU
20148092282 soft
Motivo: Soy el autor del documento
Fecha: 07.10.2022 10:09:33 -05:00

DR. WHUALKUER ENRIQUE LOZANO BARTRA


VICEDECANO ACADÉMICO FCF

Datos de la plataforma virtual institucional del acto de sustentación:


https://us06web.zoom.us/j/83284801237?pwd=WjhyRVpvQVZISmMxa1JNeCt4aEtidz09
ID: ID de reunión: 832 8480 1237
Código de acceso: 098578
Grabación archivada en el siguiente enlace:
https://drive.google.com/file/d/1ew0k7DohOuRbk2YJEjust2hJCx75Y6NC/view?usp=sharing

Ciudad Universitaria, Pabellón de Ciencias Físicas, Ca. Germán Amézaga N° 375. Lima, 1
Teléfono: 619-7000 anexo 3806 E-mail: epimf.fcf@unmsm.edu.pe
Anexo 1
Informe de evaluación de Originalidad

1. Facultad de Ciencias Físicas


2. Escuela/Unidad de Posgrado
Escuela Profesional de Ingeniería Mecánica de Fluidos
3. Autoridad Académica que emite el informe de originalidad
El Director de la EPIMF
4. Apellidos y nombres de la autoridad académica
Sarango Julca Douglas Donal
5. Operador del programa Informático de similitudes
Dr. Ing. Douglas Sarango Julca
6. Documento evaluado (1)
ANÁLI“I“ DE PRECIPITACIÓN DEL PERIODO DE 1981 -2014 MEDIANTE LA METODOLOGÍA DE DOWNSCALING
DE PRECIPITACIÓN EN LA UH-YAULI PARA REALIZAR PREDICCIONES CLIMÁTICAS FUTURA“
7. Autor del documento (2)
FEDERICO HUAMANI MAYHUIRE
8. Fecha de recepción del documento 14/09/22
9. Fecha de aplicación del programa informático de similitudes 17/09/22
10. Software utilizado
• Turnitin (X)
• Ithenticate
• Otro (especificar)
11. Configuración del programa detector de similitudes
• Excluye textos entrecomillados
• Incluye Bibliografía
• Excluye cadenas menores a 40 palabras
12. Porcentaje de similitudes según programa detector de similitudes3
5%
13. Fuentes originales de las similitudes encontradas4
14. Observaciones
Ninguna
15. Calificación de originalidad
• Documento cumple criterios de originalidad, sin observaciones (X)
• Documento cumple criterios de originalidad, con observaciones
• Documento no cumple criterios de originalidad
16. Fecha del Informe 10 /10 /22

Firmado digitalmente por SARANGO


JULCA Douglas Donal FAU
20148092282 soft
Motivo: Soy el autor del documento
Fecha: 11.10.2022 08:22:30 -05:00

DR. ING. Douglas Sarango Julca


DIRECTOR ( e ) DE LA EPIMF
1 Otro (especificar) Monografía Técnica Modalidad de Titulación M-3
Suficiencia Profesional
2 Apellidos y Nombres completos
3 En letras y números
4 Indicarlas en orden decreciente y su respectivo porcentaje
ii

Dedicatoria

El trabajo siguiente, lo dedico de manera honrosa a mis padres Flora y Giraldo y a mis

hermanos, quienes estuvieron en los malos y buenos momentos y por enseñarme los buenos

modales de la vida, que fueron, son y serán la base para la culminación de mis proyectos.
iii

Agradecimientos

Agradezco en primer lugar al creador por darme una vida y permitir trazarme esta meta

muy anhelada.

A la Universidad Nacional Mayor de San Marcos, por permitirme se parte de esta

prestigiosa casa de estudios y será huella imborrable en mi vida.

A cada uno de mis profesores de la carrera de Ingeniería Mecánica de Fluidos, quienes

me enseñaron a forjar nuevos conocimientos y poder tener nueva armadura como conocimiento,

que son y serán la base de mi profesionalismo.


iv

DEDICATORIA -----------------------------------------------------------------------------------II

AGRADECIMIENTOS ------------------------------------------------------------------------ III

RESUMEN ----------------------------------------------------------------------------------------- 1

CAPÍTULO 1 - GENERALIDADES ---------------------------------------------------------- 2

1.1 INTRODUCCIÓN ----------------------------------------------------------------------------- 2

1.2 IMPORTANCIA DEL TEMA ------------------------------------------------------------------ 4

1.3 PROBLEMA PARA SOLUCIONAR ----------------------------------------------------------- 4

1.4 JUSTIFICACIÓN DEL TEMA ----------------------------------------------------------------- 5

1.5 PROPUESTA DE SOLUCIÓN ----------------------------------------------------------------- 6

1.6 LIMITACIONES DEL TRABAJO ------------------------------------------------------------- 6

1.7 OBJETIVOS ---------------------------------------------------------------------------------- 7

1.7.1 Objetivo General --------------------------------------------------------------------- 7

1.7.2 Objetivos Específicos ---------------------------------------------------------------- 7

CAPÍTULO 2 - MARCO TEORICO --------------------------------------------------------- 8

2.1 ANTECEDENTES DE ESTUDIOS ------------------------------------------------------------ 8

2.2 CICLO HIDROLÓGICO ---------------------------------------------------------------------- 9

2.3 CUENCA HIDROGRÁFICA ----------------------------------------------------------------- 10

2.3.1 Precipitación ------------------------------------------------------------------------ 11

2.4 ASPECTOS CLIMÁTICOS ------------------------------------------------------------------- 11

2.4.1 Clima y Tiempo --------------------------------------------------------------------- 11

2.5 CAMBIO CLIMÁTICO ---------------------------------------------------------------------- 11


v

2.6 PROYECCIONES DE ESCENARIOS DE MODELOS CLIMÁTICOS ------------------------- 16

2.7 MODELOS CLIMÁTICOS GLOBALES ------------------------------------------------------ 19

2.8 REDUCCIÓN DE ESCALA (DOWNSCALING) ---------------------------------------------- 21

2.9 PRODUCTO GRILLADO PISCO ------------------------------------------------------------- 22

2.10 METODOS DE DOWNSCALING --------------------------------------------------------- 23

2.10.1 Downscaling Estadístico ----------------------------------------------------------- 24

CAPÍTULO 3 - PROCESO METODOLÓGICO ------------------------------------------ 25

3.1 ÁREA DE ESTUDIO ------------------------------------------------------------------------- 25

3.2 METODOLOGÍA UTILIZADA --------------------------------------------------------------- 27

3.3 PRE-PROCESO DE DATOS DE ENTRADA ------------------------------------------------- 29

3.3.1 Mapeo de Cuantiles ---------------------------------------------------------------- 29

3.3.2 Parámetros de Transformación --------------------------------------------------- 31

3.3.3 Aplicación Mapeo de Cuantiles --------------------------------------------------- 32

3.4 MÉTRICAS ESTADÍSTICAS ---------------------------------------------------------------- 33

3.4.1 Coeficiente de Eficiencia Nash – Sutcliffe --------------------------------------- 33

3.4.2 Coeficiente de Determinación (R2) ----------------------------------------------- 34

3.4.3 Error Cuadrático Medio ----------------------------------------------------------- 34

3.5 IDENTIFICACIÓN DE CAMBIO CLIMÁTICO ----------------------------------------------- 35

3.5.1 Método Delta ------------------------------------------------------------------------ 35

3.5.2 Estacionalidad de los Datos ------------------------------------------------------- 36

3.5.3 Anomalías Climáticas -------------------------------------------------------------- 36

3.6 VARIABILIDAD CLIMÁTICA --------------------------------------------------------------- 37

CAPÍTULO 4 - RESULTADOS Y DISCUSIÓN ------------------------------------------ 38


vi

4.1 ANÁLISIS DE RESULTADOS DE MAPEO DE CUANTILES - PERIODO DE 1981 - 2014 - 38

4.2 ANÁLISIS DE CAMBIO CLIMÁTICO ------------------------------------------------------- 49

4.2.1 Evaluación de Estacionalidad ---------------------------------------------------- 49

4.2.2 Cuantificación de Anomalías ------------------------------------------------------ 58

4.2.3 Evaluación de Variabilidad Climática ------------------------------------------- 72

CONCLUSIONES-------------------------------------------------------------------------------- 89

RECOMENDACIONES ------------------------------------------------------------------------ 91

BIBLIOGRAFÍA --------------------------------------------------------------------------------- 93

ANEXOS ------------------------------------------------------------------------------------------- 97
vii

CONTENIDO DE FIGURAS

Figura 1 Esquema General del Ciclo del Agua. ............................................................................ 10

Figura 2 Cambio de Temperatura por Años Comparados con la Influencia Antropogénica y

Natural. .......................................................................................................................................... 13

Figura 3 Evaluación de los Cambios Observados en Precipitaciones Fuertes Producto de la

Intervención del Hombre en el Mundo Entero .............................................................................. 14

Figura 4 Evaluación de los Cambios Observados en Precipitaciones Fuertes Producto de la

Intervención del Hombre en el Mundo .......................................................................................... 15

Figura 5 Emisiones Anuales Futuras de Co2 ................................................................................ 17

Figura 6 Variación de Temperaturas Globales para Diferentes Emisiones de GEI (CO2) ........... 18

Figura 7 Variación de Temperaturas Globales para Diferentes Emisiones de GEI (CO2) ........... 19

Figura 8 Base de datos de Estaciones Utilizadas para el Producto PISCO ................................... 23

Figura 9 Área de Estudio - Unidad hidrográfica Yauli ................................................................. 26

Figura10 Esquema General de la Metodología Utilizada .............................................................. 28

Figura 11 Representación Conceptual de Mapeo de Cuantiles de la CDF de Precipitación

Observada y Modelada. ................................................................................................................. 30

Figura 12 Distribución Espacial Temporal de la Precipitación Observada (Pisco) y Modelada

GCM-2 (MRI-ESM2). ................................................................................................................... 43

Figura 13 Datos Crudos de Modelos de Circulación Global Periodo 1981-2014 – Unidad

hidrográfica Yauli .......................................................................................................................... 45

Figura 14 Datos Crudos de Modelos de Circulación Global Periodo 1981-2014 – Unidad

hidrográfica Yauli .......................................................................................................................... 46


viii

Figura 15 Datos del Proceso de Downscaling de Modelos de Circulación Global Periodo 1981-

2014 – Unidad hidrográfica Yauli ................................................................................................. 47

Figura 16 Valores Simulados del Proceso de Downscaling para los Gcm (1981 – 2099) ............ 48

Figura 17 Estacionalidad por Periodos del GCM-1 (CNRM-CM6-1) .......................................... 50

Figura 18 Estacionalidad por Periodos del GCM-2(MRI-ESM2) ................................................. 51

Figura 19 Estacionalidad por Periodos del GCM 3 (CAMS-CSN ................................................ 52

Figura 20 Estacionalidad por Periodos del GCM 4 (CESM2) ...................................................... 53

Figura 21 Estacionalidad por Periodos del GCM 5 (INM-CM5-0)............................................... 54

Figura 22 Estacionalidad por Periodos del GCM 6 - (KACE-1-0-G) ........................................... 55

Figura 23 Estacionalidad por Periodos GCM 7 (CMCC-ESM2 ................................................... 56

Figura 24 Estacionalidad por Periodos GCM 8 (GFDL-ES4) ....................................................... 57

Figura 25 Anomalías de la Precipitación GCM 1 (CNRM-CM6-1) - Unidad Hidrográfica Yauli

....................................................................................................................................................... 59

Figura 26 Anomalías de la Precipitación GCM-2 - (MRI-ESM2) – Unidad hidrográfica Yauli .. 60

Figura 27 Variación Porcentual de la Precipitación GCM 3 (CAMS-CSN) - Unidad hidrográfica

Yauli .............................................................................................................................................. 62

Figura 28 Variación Porcentual de la Precipitación GCM 4 (CESM2 - Unidad hidrográfica

Yauli) ............................................................................................................................................. 64

Figura 29 Variación Porcentual de la Precipitación GCM 5 (INM-CM5-0) - Unidad hidrográfica

Yauli .............................................................................................................................................. 65

Figura 30 Variación Porcentual de la Precipitación GCM 6 - (KACE-1-0-G) - Unidad

hidrográfica Yauli .......................................................................................................................... 67

Figura 31 Variación Porcentual de la Precipitación GCM 7 (CMCC-ESM2) .............................. 68

Figura 32 Variación Porcentual de la Precipitación GCM 8 (GFDL-ES4) ................................... 70


ix

Figura 33 Variabilidad de la Precipitación Unidad Hidrográfica Yauli GCM-1 (CNRM-CM6-1)

y GCM-2 (MRI-ESM2) ................................................................................................................. 73

Figura 34 Variabilidad de la Precipitación en la Unidad Hidrográfica Yauli GCM-3 (CAMS-

CSN) y GCM-4 (CESM2) ............................................................................................................. 75

Figura 35 Variabilidad de la Precipitación Unidad Hidrográfica Yauli GCM-5 (INM-CM5-0) y

GCM-6 (KACE-1-0-G) ................................................................................................................. 77

Figura 36 Variabilidad de la Precipitación Unidad Hidrográfica Yauli GCM-7 (CMCC-ESM2) y

GCM-8 (GFDL-ES4)..................................................................................................................... 79

Figura 37 Variabilidad de la Precipitación en los Tres Periodos de Análisis................................ 88


x

CONTENIDO DE TABLAS

Tabla 1 Resolución de los Modelos de Circulación Global .......................................................... 20

Tabla 2 Comparación de Indicadores Estadísticos para Datos Observados (Pisco) y Modelados

GCM en el Periodo de 1981-2014. ................................................................................................ 41

Tabla 3 Periodos de Análisis de la Estacionalidad de Precipitación ............................................. 49

Tabla 4 Promedio de Anomalías del GCM-1 Periodo de 2001-2099............................................ 60

Tabla 5 Promedio de Anomalías del GCM-2 Periodo de 2001-2099............................................ 61

Tabla 6 Promedio de Anomalías del GCM-3 Periodo de 2001-2099............................................ 63

Tabla 7 Promedio de Anomalías del GCM-4 Periodo de 2001-2099............................................ 65

Tabla 8 Promedio de Anomalías del GCM-5 Periodo de 2001-2099............................................ 66

Tabla 9 Promedio de Anomalías del GCM-6 Periodo de 2001-2099............................................ 68

Tabla 10 Promedio de Anomalías del GCM-7 Periodo de 2001-2099 ......................................... 69

Tabla 11 Promedio de Anomalías del GCM-8 Periodo de 2001-2099 ......................................... 71

Tabla 12 Resumen del promedio de anomalías Unidad Hidrográfica Yauli – 1981-2099............ 72

Tabla 13 Resumen de variabilidad de Precipitaciones ´por Periodos del Análisis de Variabilidad

(mm) .............................................................................................................................................. 87
1
Resumen

El trabajo siguiente tiene como objetivo realizar una reducción de escala de

precipitaciones en la unidad hidrográfica (UH) Yauli, en el periodo de 1981-2014; con fines de

realizar predicciones futuras al año 2099 en la variable precipitación; para ello, se utilizó datos

de los modelos de circulación global de los diferentes países; tomados del escenario del

“Proyecto de Interpolación de Modelos Acoplados - Fase 6” (CIMP-6), también, se utilizó los

datos del producto grillado de Peruvian Interpolated data of the SENAMHI’s Climatological and

hydrological Observations (PISCO) como datos observados.

Para lograr los objetivos se utilizó el método de mapeo de cuantiles, con la ayuda del

programa R-Studio; para la eliminación de sesgos que presentan los datos de los modelos de

circulación global (GCM); por su parte, para el ver la calidad de los datos se aplicó métricas

estadísticas a los datos obtenidos del proceso de reducción de escala (downscaling); luego, se

realizó el análisis de estacionalidad en el periodo base (1981-2014) a los datos de los modelos de

circulación global; posteriormente se corroboró la similitud con los datos observados (PISCO).

Asimismo, se analizó las anomalías de los modelos de circulación global a lo largo del periodo

de 2020 - 2099, seguidamente, se cuantificó las variaciones de las precipitaciones para cada

(GCM), y se tomó como base el periodo de 1981-2014.

Los resultados obtenidos indicaron que hay variación al aumento de precipitaciones al

año 2099, con anomalías y eventos extremos; además, hay GCM que muestran sequías,

principalmente en los meses secos.


2
CAPÍTULO 1 - GENERALIDADES

1.1 Introducción

El cambio climático, a nivel mundial, causa bastante preocupación debido a que en las

últimas décadas se presentaron a menudo: eventos extremos, sequías de larga duración,

inundaciones constantes, deglaciación, entre otros. Según el sexto informe del “Grupo

intergubernamental de Expertos sobre Cambio Climático” (IPPC, 2022) “El cambio climático

está intensificando el ciclo hidrológico, a causa de ello hay fuertes intensidades en las

precipitaciones, eventos extremos asociadas a inundaciones; además, en ciertas regiones se

presencia sequías, asimismo, indica que los patrones de precipitaciones están cambiando, con un

aumento de las precipitaciones en las latitudes y por el contrario disminución en las zonas

subtropicales”. Por otro lado, Lui et al., (2020) indica que “los eventos extremos presentan

tendencias de aumento en cuanto a las frecuencias”; a su vez Cáceres (2011) indica que los

eventos extremos “causan muchas veces pérdidas humanas, económicas y ambientales”.

El país no es ajeno al efecto del cambio climático, según Senamhi (2020) “se produjeron

catorce (14) eventos extremos, los cuales están registrados como lluvias intensas, sequías, olas

de calor y frio”. En el año 2017, el Perú sufrió un devastador evento extremo de precipitación

cuyas consecuencias fueron numerosas pérdidas humanas y económicas. En ese sentido, es de

vital importancia la implementación de estudios de cambio climático en las cuencas del país para

determinar sus efectos a futuro y proponer planes de contingencia en las zonas más vulnerables.

Uno de los parámetros de mayor importancia en el fenómeno del cambio climático es el

de la precipitación, cuyo estudio para determinar su comportamiento futuro ha sido desarrollado

por múltiples investigaciones, en donde se determinaron diversas metodologías mediante


3
modelos de circulación global a escala local para poder estimar su predicción más acertada, este

procedimiento puede arrojar resultados incoherentes si es que no se utiliza la información de

entrada (precipitación) valida y confiable.

Para lograr las predicciones de cambio climático se utilizan los datos de modelos de

circulación global de los diferentes países; los cuales sirven para predecir diferentes escenarios

de cambio climático, sin embargo, esta información se encuentra a nivel global, lo que limita su

aplicación a nivel local; por tal razón, se realizan metodologías para lograr una reducción de

escala denominadas “downscaling”

En la presente monografía se realizó la evaluación de cambio climático en la unidad

hidrográfica Yauli; con la aplicación del método de reducción de escala de la precipitación,

también conocido como downscaling, obtenido con modelos de circulación global (GCM). A su

vez, la información base de la precipitación se obtuvo a partir de datos del producto PISCO. Luego,

se realizó el control de calidad a los datos de los modelos de circulación global para, finalmente,

determinar la tasa de cambio de precipitaciones al escenario futuro (2099).

Los principales pasos en la aplicación de la metodología empleada fueron: 1) se realizó la

reducción de escala y se observó la calidad de los datos de los modelos de circulación global,

comparado con los datos observados del producto PISCO; 2) el producto se contrasto con métricas

estadísticas para ver la calidad y confiabilidad de los GCM; 3) finalmente, se realizaron las

predicciones de las tasas de cambio a futuro.


4
1.2 Importancia del Tema

La ocurrencia de eventos extremos, el cual es, el efecto de cambio climático fue tomado

con mucha preocupación a nivel mundial, debido a los cambios en los patrones de precipitaciones

y otras variables, que causan inundaciones en ciertas zonas y sequías en otras, con consecuencias

negativas como: pérdidas humanas, ambientales y económicas; por consiguiente, cambios de

hábitos comunes de la humanidad. El presente trabajo beneficiará a los pobladores aledañas de la

UH Yauli, debido que se dio a conocer el fenómeno de cambio climático, para lo cual, el estado

promulgará normas, leyes y políticas estrictas relacionado ante la ocurrencia del fenómeno;

además, a los investigadores, profesionales, estudiantes; yaqué, se dio a conocer la metodología

para predecir la variabilidad climática futura.

Por otro lado, el ámbito de desempeño laboral de los ingenieros mecánicos de fluidos

(IMFs) es diverso, entre los principales son: hidrología, hidráulica, sistemas contraincendios,

drenaje y otros. Es así que, en los últimos años la participación de los IMFs en la rama de la

hidrología e hidráulica fue vertical y con alta capacidad de competitividad, bajo esa directriz, este

trabajo reflejará que los IMFs están preparados para realizar proyectos de cambio climático.

1.3 Problema para Solucionar

El área de estudio es una zona en donde se desarrolla la actividad minera hace más de 50

años, en esta unidad hidrográfica se encuentran distribuidos componentes mineros (botaderos,

relaveras, bocaminas, pasivos mineros, etc), clasificados como alto riesgo ante eventuales

incrementos de precipitación, cuya posible falla traería consecuencias catastróficas en los aspectos

ambientales, económicos y sociales.


5
Por ello, el trabajo se enfocó en cuantificar los aumentos y disminuciones de las

precipitaciones a un escenario futuro (2099), es decir, ¿habrá cambio climático relacionado con

precipitación a largo plazo? Esta pregunta se responderá al término del presente trabajo, a la luz

de los resultados obtenidos.

Por otro lado, se pretende dar a conocer la utilización de datos gratuitos, como son datos

de los modelos de circulación global y el producto PISCO, los mismos que validaran el aumento

y/o disminución de precipitaciones; de esta forma recomendar políticas de prevención y minimizar

los riesgos que traería un posible aumento de las precipitaciones.

1.4 Justificación del Tema

El aumento de las precipitaciones en todo el mundo es significativo y es causante de

desastres en algunas zonas, por tal motivo, la comunidad científica se ha preguntado del por qué

estos fenómenos extremos, no solo en precipitación, sino, principalmente en temperatura. El

IPPC (2022) en su informe indica “que los eventos extremos de precipitación se deben al cambio

climático”, muchos de estos eventos extremos ocasionan pérdidas en diferentes rubros,

asimismo, diversas investigaciones utilizaron el método de downscaling para predecir el cambio

climático con datos de los modelos de circulación global.

De lo señalado anteriormente, el Perú no es ajeno a los cambios que se producen. En ese

sentido, este trabajo se enfocó en evaluar el cambio climático en precipitación en la UH Yauli

(zona en donde existentes componentes mineros), con la metodología de downscaling. Los

resultados del presente trabajo permitirán lo siguiente: primero, que los responsables de los

componentes mineros tomen en cuenta en sus estudios ingenieriles los cambios de precipitación

a largo plazo con estándares altos en seguridad de presas; segundo, indicar a las autoridades que
6
promuevan políticas estrictas en minería y su cumplimiento, con acciones de mitigación desde

ya, de lo contrario una posible falla traería pérdidas ambientales, económicas y sociales.

1.5 Propuesta de Solución

Para responder la pregunta formulada ¿realmente habrá cambio climático relacionado con

la precipitación en la UH Yauli?, se recurrió a los datos de los modelos de circulación global del

escenario CIPM-6; que se encuentran disponibles virtualmente y de libre descarga; a los cuales

se realizó la reducción de escala en la unidad hidrográfica del Yauli; luego, los datos modelados

fueron comparados con los datos del producto PISCO. Seguidamente, se evaluó la calidad de los

datos; y, posteriormente, la evaluación de la variación de precipitaciones en periodos de 30 años.

Finalmente se cuantificó la variación de las precipitaciones gráfica y cuantitativamente.

1.6 Limitaciones del Trabajo

El presente trabajo solo se enfocó en el análisis de la variable de precipitación, con fines

de predicción a largo plazo; es decir, al año 2099. Asimismo, por falta de datos de estaciones

pluviométricas, se utilizó el producto satelital grillado PISCO. Se debe tener cuenta que esta

información no fue validada debido a que es un producto generado por Senamhi basado en la

información de la red de estaciones pluviométricas con medición en tierra.


7
1.7 Objetivos

1.7.1 Objetivo General

Analizar la precipitación del periodo 1981- 2014 en la unidad hidrográfica de Yauli, con

modelos de circulación global basada en la metodología de Downscaling (reducción de escala),

para predecir condiciones climáticas de precipitación al año 2099.

1.7.2 Objetivos Específicos

• Aplicar la metodología Downscaling en precipitaciones en el periodo 1981-2014 con


datos de modelos de circulación global, para realizar predicciones climáticas futuras en la
unidad hidrográfica de Yauli.
• Cuantificar las predicciones climáticas futuras de las precipitaciones de los modelos de
circulación global en el periodo de 1981-2099, en la unidad hidrográfica Yauli.
• Analizar la variabilidad de las predicciones climáticas al año 2099 en la variable
precipitación de los modelos de circulación global, en la unidad hidrográfica Yauli.
8
CAPÍTULO 2 - MARCO TEORICO

2.1 Antecedentes de Estudios

El cambio climático está estudiado en diferentes rubros, a nivel mundial como a nivel

local, (Godmundsson et al, 2012) realizó corrección de sesgos de los modelos de circulación

global para modelación hidrológica, donde concluye que los métodos de mejor habilidad son las

transformaciones no paramétricas.

Por su parte, según Quito (2015) desarrolló un comparativo de reducción de escala entre

los métodos estadístico y dinámico; concluye que, el método estadístico presenta mejores

predicciones en el proceso de downscaling, donde también utiliza el método de mapeo de

cuantiles; además, (Quito, 2015) indica que hay incrementos de precipitaciones en el periodo

futuro, es decir, al año 2050.

Asimismo, a nivel local realizaron estudios de cambio climático en diferentes rubros,

Carrera (2019) realizó la “influencia de cambio climático en los cultivos en el departamento de

Apurímac”, donde concluye que, al año 2050 el cambio climático, “impactará con aumento de

temperaturas y escases de precipitaciones”.

Por otro lado, (Rocca, 2020) en su trabajo “diagnóstico de la actividad acuícola frente al

cambio climático”, concluye que las precipitaciones serán intensas y disminución de

temperaturas afectarán la actividad.

Bajo los estudios pasados referidos, el presente trabajo se enfocó en realizar el proceso de

reducción de escala en la UH Yauli, en donde se utilizó el método de downscaling estadístico,


9
con fines de pronósticos de cambios en precipitaciones a largo plazo, con datos de modelos de

circulación global.

2.2 Ciclo Hidrológico

Se denomina ciclo hidrológico al “proceso natural de evaporación, condensación,

precipitación, detención y escurrimiento superficial; infiltración, penetración del agua en el suelo

y en los acuíferos, escurrimientos fluviales e interacciones entre esos componentes” (Righetto,

1998).

Para su mejor entendimiento, el ciclo se inicia con la evaporación de grandes volúmenes

de agua de océanos, los cuales son transportados con movimiento de masas de aire hacia los

diferentes continentes, el cual ocurre bajo distintas condiciones meteorológicas, las nubes son

formados a través del vapor condesado y estos se forman al final en precipitación. (Francisco,

1999). Esta última ocurre sobre la superficie de la tierra los cuales se forman en diferentes

formas, la mayor parte de la precipitación se queda en la superficie los cuales regresan a la

atmosfera mediante el proceso de evaporación y transpiración de plantas. Asimismo, una parte se

convierte en escorrentía sobre el suelo formando ríos, a su vez parte ello se infiltra a las capas

inferiores del suelo, de esta manera recarga los niveles freáticos subterráneos, en la Figura 1 se

muestra el proceso antes explicado.


10
Figura 1

Esquema General del Ciclo del Agua.

Nota: en la figura se muestra el comportamiento del ciclo general del agua, en sus diferentes estados, el cual fue

tomado de “United States Geological Survey” (USGS, 2020)

2.3 Cuenca Hidrográfica

Según (Francisco, 1999) una “cuenca hidrográfica es un área de la superficie terrestre

donde caen las lluvias y convergen por el sistema de corrientes a un punto de salida”. Asimismo,

(Silveira, 2013) menciona que la cuenca hidrográfica es el componente fundamental en el ciclo

hidrológico, el cual compone de escurrimiento e infiltración, el cual se define por un divisor de

aguas provenientes de la precipitación a través de los desniveles de los terrenos que direccionan

los flujos de las áreas altas hacías las bajas.


11
2.3.1 Precipitación

La precitación es toda agua que se encuentra en la “atmosfera que alcanza a la tierra en

forma de granizo, lluvia, roció, neblina, la diferencia entre ellos es el estado en el cual se

encuentran” (Bertoni & Tucci, 1993).

2.4 Aspectos Climáticos

2.4.1 Clima y Tiempo

La variable clima, según (Conde, 2006); es el resultado de la interacción de los océano,

atmosfera, hielo y nieve, asimismo, indica que el clima es estado más frecuente de la

atmosfera de un lugar en específico, quiere decir, es la cuantificación de las variables

meteorológicas a nivel estadístico en un periodo determinado. Pp.28.

Además, la (OMM, 2013) describe al “clima como un todo, es decir, analiza e incluye las

variaciones y parámetros estadísticos, dichos parámetros pueden ser medidos en periodos largos

que pueden ser meses, años y décadas, el mismo que permitirá conocer la variabilidad del

tiempo”. Además (Gianuchi et al., 2015), indican, que el “tiempo es la variable medida en un

instante el estado de la atmosfera en periodos cortos”

2.5 Cambio Climático

Según, el panel intergubernamental de cambio climático (IPPC,2022) menciona que el

cambio climático es:

importante variación estadística en el estado medio del clima o en su variabilidad, que

|persiste durante un período prolongado (normalmente decenios o incluso más). El


12
cambio climático se puede deber a procesos naturales internos o a cambios del

forzamiento externo, o bien a cambios persistentes antropogénicos en la composición de

la atmósfera o en el uso de las tierras.

Las investigaciones en los años pasados recientes, el concepto de cambio climático tomó

bastante preocupación en la comunidad científica y por ende en el planeta, ya que numerosos

estudios indican que el “cambio climático es un fenómeno que ocurre de forma real en nuestro

planeta” (Gitay et al., 2002). Asimismo, (Quito, 2015) indica que “durante los últimos cincuenta

años del pasado siglo, el planeta sufrió cambios en el régimen hidrológico y tendencias al

aumento de temperatura en diferentes partes del mundo”, ello evidencio aun con más fuerza el

concepto de cambio climático y su interés en estudiar en diferentes zonas a nivel mundial.

El informe del IPPC (2021), afirma que en las últimas cuatro décadas se registraron la

atmosfera más cálidas que las anteriores al año 1850, esta evidencia es claro entre los años 2000

– 2020 donde la temperatura aumento en 1.09 °C con rangos extremos de 0.95 y 1.20 °C

mientras en los años 1850-1900 el aumento se estimó en 0.99 °C con valores mínimos y

máximos de 0.84 y 1.10 °C respectivamente (IPCC, 2021), asimismo, indican que el mayor

calentamiento en la tierra se dio en el año de 2003 al 2012 con aumento de + 0.19 °C, estas

comparaciones son resumidos del informe del (IPCC, 2021). Entonces los cambios de aumentos

de temperatura son mayormente causados por la intervención del hombre en valores estimados

de 0.80 a 1.3 °C, en la Figura 2 se puede ver la variación de la temperatura con escenario de

intervención antropogénica y natural.

Por otro lado, en el informe del (IPCC, 2021) indica que la precipitación promedio a

nivel mundial aumento desde los años 1950, con tasas de cambio considerables desde el año de
13
1980 con una confianza media, estos aumentos se registraron desde mediados del siglo XX, estos

efectos se dieron por el aumento del Co2 o conocidos como gases de efecto invernadero

(IPCC,2021).

Según (IPCC, 2021), las coincidencias de cambios en el clima a nivel mundial son claras,

tales como retroceso de los glaciares donde el hielo marino disminuyo alrededor de 40% en

entres los años 2010 - 2019 y con relación a un 10% entre los años de 1979 a 1988, así mismo, el

espejo de la superficie marina global entre 0 a 700 m aumento, dando por hecho que la

intervención del hombre es el causante de este, ya que es el principal agente de emisión de gases

de efecto invernadero.

Figura 2

Cambio de Temperatura por Años Comparados con la Influencia Antropogénica y Natural.

Nota: Tomado de Grupo Intergubernamental de Expertos sobre Cambio Climático (IPPC);2021, Representación de

cambio de temperatura con influencia Antropogénica Comparada con cambio naturales.


14
La variable precipitación no es ajeno a los cambios que se están dando, y la intervención

del hombre afectó los fenómenos climáticos y meteorológicos en la mayoría de las regiones del

mundo, las evidencias son precipitaciones extremas, olas de calor (IPCC,2021).

Asimismo, “las precipitaciones son más intensas desde los años de 1950 en adelante,

aumentando en frecuencia e intensidad, la coincidencia del aumento de temperatura es también

aumento de precipitaciones en algunas zonas del mundo, pero también, sequías en otras zonas”

(IPPC, 2021, pág. 41), las evidencias son consistentes que el cambio climático está afectando los

patrones de las variables climáticas y esto es causado por el hombre, como también

naturalmente. En la Figura 3 se muestra la variación de precipitaciones a nivel global, donde los

aumentos se ven claramente (color verde)

Figura 3

Evaluación de los Cambios Observados en Precipitaciones Fuertes Producto de la Intervención

del Hombre en el Mundo Entero

Nota: Tomado de Grupo Intergubernamental de Expertos sobre Cambio Climático (IPPC);2021. Evaluación de

Cambio de Precipitaciones en las Regiones del Mundo, donde el Color verde indica aumento de medio a elevado, color blanco a

rayas indica cambio bajo y color gris indica datos con literatura limitada.
15
Los investigadores mencionan que la precipitación, ha sufrido cambios fuertes en la

estacionalidad, sin embargo, estos cambios se evidenciaron de acuerdo con la ubicación terrestre,

es así que (Gitay et al, 2002) afirma que:

Gran parte del hemisferio norte ha sufrido estos cambios en aumentos de precipitación

los cuales se registraron de 5 a 10%, sin embargo, hay regiones donde también se

observaron disminuciones de las precipitaciones, este último se evidencia en las zonas

subtropicales en valores estimados de 3%; además, el mismo autor predice aumentos o

disminuciones de precipitaciones en al menos de 5 a 20% en zonas puntuales, es decir, a

escalas regionales.

Figura 4

Evaluación de los Cambios Observados en Precipitaciones Fuertes Producto de la Intervención

del Hombre en el Mundo

Fuente: Gitay et al. 2002


16
Según la Figura 3, los resultados de los hexágonos muestran, precipitaciones intensas que

provienen de los cambios de precipitaciones registradas de uno a cinco días, los cuales se

realizaron con estudios regionales y globales, donde el color verde indica aumentos de

precitaciones intensas en valores observados.

En los andes, los efectos de cambio climático no son ajenos ver Figura 4, según (Herzog

et al., 2012) afirma que “los ecosistemas de los andes son diversos y alimentan de servicios

ambientales a numerosos seres humanos los cuales están sufriendo cambio”.

Según las tendencias mostradas en la ver Figura 4, los ecosistemas de las diferentes áreas

del mundo estarán afectos debido al cambio climático que está sufriendo, y entre ellas se

encuentra los andes, (Bates et al., 2008).

Razones y evidencias sobran para poder indicar que el fenómeno de cambio climático es

notorio, lo cual ocasionó grandes cambios en los sistemas naturales, aumento acelerado de

temperaturas y efectos preocupantes como es el derretimiento de los glaciares, aumentos de nivel

del mar y sequías en algunas zonas.

2.6 Proyecciones de Escenarios de Modelos Climáticos

Son representaciones en el clima de la tierra a futuro, los cuales están relaciones con los

valores climatológicos registrados a nivel global, y se utilizan ampliamente para poder relacionar

el cambio climático causado por efectos antropogénicos. Cabe precisar que los escenarios

cumplen la función de representar el clima a futuro, más no son pronósticos climáticos. Estas

proyecciones fueron construidas para diferentes escenarios de emisión de gases de efecto

invernadero, los cuales fueron catalogadas como emisiones bajas, intermedias y altas.
17
Según el IPCC (2021), el escenario bajo de emisiones GEI y CO2 es el SSP1-1.9 y SSP1-

2.6 los cuales representan cero emisión de GEI, estos escenarios son los pronósticos del mejor

escenario al 2050; así mismo, por el acelerado emisión de los mismos existen otros escenarios

como SSP3-7.0 y SSP5-8.5 los cuales son escenarios altos, es decir, proyecciones hasta a

mediados del siglo presente, consideró emisiones de GEI actuales, por otro lado, las emisiones

intermedias de CO2 es el escenario SSP2-4.5 este último representa los niveles actuales de

emisión GEI .

Se debe precisar que los escenarios fueron construidos por supuestos niveles

socioeconómicos, lo cual toma en cuenta bajo ciertas concentraciones de GEI, la concentración

de estos causará los cambios de precipitaciones y temperaturas, el cual. ocasiona un cambio

climático.

Figura 5

Emisiones Anuales Futuras de Co2

Nota: Tomado de, Grupo Intergubernamental de Expertos sobre el Cambio Climático, 2021, dende se muestran los escenarios

de las emisiones de gases de efecto invernadero; además, de otros gases.


18
Figura 6

Variación de Temperaturas Globales para Diferentes Emisiones de GEI (CO2)

Nota: Tomado de, Grupo Intergubernamental de Expertos sobre el Cambio Climático, 2021, donde se muestra la

variación de temperatura a partir de las diferentes emisiones de gases de efecto invernadero.

Las proyecciones de los cinco escenarios muestran las trayectorias de emisión de dióxido

de carbono CO2 a nivel global desde el 2015 al 2100, asimismo, los subconjuntos de gases

generadores de CO2 los cuales son considerados en los escenarios (CH4, MtCH4/año), óxido

nitroso (N2O, MtN2O/año, gráfico de la derecha central) y dióxido de azufre (SO2, MtSO2/año).

Los resultados del proyecto de interpolación de modelos acoplados (CMIP6) descritos

anteriormente son valores estudiadas nivel mundial, ya que, estos representan mejor los procesos

físicos, biológicos y también tienen mayor resolución, del mismo modo, muestran predicciones

más reales, cabe precisar también que los modelos del CIMP6 tienen amplio rango de

sensibilidad que los valores mostrados en el proyecto de interpolación de modelos acoplados –

Fase 5 (CMIP5).
19
Figura 7

Variación de Temperaturas Globales para Diferentes Emisiones de GEI (CO2)

Nota: Tomado de, Grupo Intergubernamental de Expertos sobre el Cambio Climático, 2021, cambio de temperatura a

largo plazo (2021-2100) en función a los escenarios de emisión de gases de efecto invernadero.

2.7 Modelos Climáticos Globales

Lo modelos climáticos globales conocidos como (GCM) son herramientas

tridimensionales donde ejecutan complejas ecuaciones matemáticas y/o procesos del sistema

global, estos son principalmente datos de clima los cuales procesan en diferentes tiempos, vale

decir, en pasado, presente y futuro; los valores de los modelos actuales tienen alta resolución

espacial en comparación a los modelos pasados, quiere decir que, la evolución de los modelos

predice mejores valores.

Comprender el cambio climático del futuro es necesario, sin embargo, para ello es

necesario comprender primero los sucesos del pasado y presente de la variable precipitación; con
20
buena calidad de información, por lo que los resultados serán confiables, por consiguiente, las

proyecciones de cambio climático indican comportamientos reales.

Los modelos climáticos globales actualmente tienen resoluciones de 100 a 200 km de

cuadricula, los cuales solo pueden usar a nivel de escala internacional (IPPC), sin embrago,

mediante una reducción de escala se puede disponer de estos datos (GCM) a nivel de una cuenca.

En el presente trabajo se obtuvo datos de los modelos de circulación global de los diferentes

países, los cuales se detallan a continuación:

Tabla 1

Resolución de los Modelos de Circulación Global

Resolución
Nombre del GCM País
Horizontal
CNRM-CM6-1 Francia 1°x1°
MRI-ESM2 Japón 0.5°x0.5°
CAMS-CSN China 0.5°x0.5°
CESM2 Usa 1°x1°
INM-CM5-0 Rusia 0.5°x0.5°
KACE-1-0-G Corea del sur 2°x2°
CMCC-ESM2 Italia 2°x2°
GLDL-ES4 Usa 1° X1°

Fuente: Climate Change service, Copernicus, ECMWF

En el trabajo siguiente, se utilizó ocho (8) modelos de circulación global (GCM), de los

diferentes países, como se muestran en la Tabla 1; donde la resolución horizontal de los modelos

varia des de 0.5 ° hasta 2°, donde 1° es equivalente a 100 km aproximadamente, asimismo, el

escenario de emisión empleado es de SSP5-8.5 correspondiente a proyecciones del CMIP6.


21
Según (K. Abdo, 2008) los GCM a nivel “continental permite un buen desempeño y

buena eficiencia en las predicciones climáticas a nivel de cuenca o local”, por ello, será

necesario reducir la escala de los datos (Downscaling), con información de datos observados en

el área de interés, este proceso se aplica a los datos de los modelos de circulación global.

2.8 Reducción de Escala (Downscaling)

Es una técnica mediante el cual permite deducir datos de alta resolución a través de datos

de bajas resolución a una determina zona de interés, estas variables climáticas pueden ser

temperatura y precipitación. Según (Von storch et al., 1993) definió “reducir con alta precisión

información disponible de grandes escalas a una escala local” estas formas de trabajo se

denominan Downscaling.

Diversos estudios emplean los “métodos de downscaling para predicción de cambio

climático, denominados estadístico y dinámico” (Fowler et al., 2007), en el trabajo siguiente se

empleó el método estadístico.

Con el método estadístico se realizaron diversos estudios; (Godmudsson et al., 2012)

realizó en noruega con las trasformaciones estadísticas el procesamiento de los datos, para ello

utilizó 82 estaciones de precipitación donde el método de transformaciones no paramétricas tiene

la mejor habilidad en la corrección de sesgos de los datos de GCM, sin embargo, concluye que

no hay técnica confiable para predicción de cambio climático, ya que, diversas técnicas predicen

resultados diferentes. Asimismo, diversos autores mencionan que “se ha investigado diferentes

métodos de procesamiento, el objetivo fue de estimar datos confiables en precipitación

observada, dadas por los modelos de RCM” (Ines y Hansen, 2006; Engen-Skaugen, 2007;
22
Schmidli et al., 2007; Dosio Paruolo, 2011; Themeßl et al., 2011; Turco et al., 2011; Chen et al.,

2011b; Teutschbein y Seibert, 2012).

Por otro lado, en el país de Nepal (Manish Shrestha, et al., 2017) realizaron técnicas de

corrección de sesgo utilizando el método estadístico, donde se comparó la habilidad del modelo

lineal y un modelo complejo (Mapeo de cuantiles) con fines de respuesta al modelo hidrológico,

donde ambos modelos predijeron con alta eficiencia la respuesta hidrológica y corrección de

sesgo; los resultados finales indicaron que, no se observaron diferencias significativas en entre

los dos métodos analizados.

En el presente trabajo se aplicó el método de mapeo de cuantiles con reducción de escala,

a los datos de precipitación de los modelos de circulación global, y como datos observados, se

utilizó los datos de precipitación del producto grillado PISCO en el periodo de 1981-2014.

2.9 Producto Grillado Pisco

PISCO, es una base de datos de diversas variables climáticas dentro de ellas, la

precipitación en forma diría y mensual, son productos con alta resolución espacial 5.5 km, los

datos se encuentran desde enero de 1981 hasta diciembre del 2016, los cuales fueron generados

por el SENAMHI.

Este producto utiliza como covariable el producto CHIRPS (Climate Hazards Group

Infrared Precipitation with Stations por sus siglas en inglés), el producto TRMM-2A25 y la

información observada de la red de estaciones pluviométricas del SENAMHI. “La red de

estaciones meteorológicas seleccionadas para la generación de datos PISCOpv2.1 está

conformada por 443 estaciones a nivel nacional, las cuales han sido sometidas a un riguroso
23
control de calidad y pueden ser consideradas como homogéneas y consistentes” (Aybar at al.,

2017). En la figura siguiente se observa la red de estaciones utilizadas para la generación del

producto PISCO.

Figura 8

Base de datos de Estaciones Utilizadas para el Producto PISCO

Nota: tomado de Dirección de Hidrografía e Investigación (SENAMHI), 2017, donde se muestra las distribuciones de estaciones

con los cuales se validó el producto PISCO

2.10 Metodos de Downscaling

Para conocer los procesos de variabilidad climática, no es adecuado emplear los datos

crudos de los GCM, ya que, no representan adecuadamente las variables climáticas, por ello, es

necesario hacer reducción de escala a los modelos de circulación global.


24
Basándonos en revisión de referencias bibliográficas, los métodos de downscaling que se

conocen son dos, downscaling estadístico y dinámico. En el presente trabajo se realizó con el

método estadístico.

La razón por el cual no se utilizó el método dinámico, es por la limitación que presenta,

como es el alto costo computacional, a su vez, según (Ochoa y Ana, 2013) “el downscaling

dinámico presentan información tomando en cuenta procesos físicos, lo cual no ocurre con el

estadístico”.

2.10.1 Downscaling Estadístico

Este método se basa en la forma de las variables empíricas de un modelo a gran escala al

cual se denomina (predictora) y son datos provenientes de los GCM; y otras variables locales

observados ubicadas en el lugar de interés llamados (predictores) en este caso precipitación. Los

datos se ajustan a la base de datos observados y luego se proyecta localmente para su posterior

proyección a futuro de los modelos GCM el cual es su principal limitación, ya que, para realizar

la proyección debe ser estacional (Wilby, 2014). Se ilustra con la siguiente ecuación:

= � (1)

Donde: R = Predictando (Precipitación, temperatura),

F = función determinista o estocástica que relaciona a predictando y predictor (Lineal, no

lineal),

X= Predictor (presión atmosférica a nivel del mar, humedad específica, precipitación)


25
CAPÍTULO 3 - PROCESO METODOLÓGICO

3.1 Área de Estudio

Territorialmente la unidad hidrográfica Yauli se ubica en el departamento de Junín, la

cual abarca la provincia del mismo nombre, la extensión total se encuentra entre las cotas 3950 y

5600 msnm, ubicada como centro del área de estudio en las coordenadas geográficas UTM

WGC84-18S:

• Este: 382138

• Norte: 8711978

Asimismo, hidrográficamente se ubica dentro de las cuencas siguientes:

• Norte: limita con la cuenca del río Pucayacu

• Sur: limita con la cuenca del río Huari

• Este: limita con río Mantaro

• Oeste: con la divisoria de la cuenca del Rímac

La unidad hidrográfica en estudio (Yauli), es afluente por la margen derecha de la cuenca

del Mantaro, sus aguas drenan a la cuenca de amazonas y tiene un área de drenaje de 691.1 km2

y un perímetro de 160 km.

En la cuenca en estudio se realiza actividad minera, donde actualmente se ubican 5 presas

de relaves con una vida útil de 15 hasta 50 años, los mismos que tienen alto potencial de falla ante

un aumento de precipitaciones. Debido a ello, se dio a conocer la variabilidad de la precipitación

en el futuro lejano y los efectos que podría traer el aumento de las precipitaciones en los
26
componentes, ya que, la ocurrencia de los mismos generaría daños catastróficos; sociales y

ambientales, debido que aguas debajo se ubican poblaciones urbanas.

La unidad hidrográfica Yauli fue estudiada por diferentes empresas que se dedican a la

actividad minera, según caracterización hidrológica (SRK-2020), la precipitación total anual

promedio asciende a 911.7 mm, la precipitación máxima anual asciende a 1203.4 mm y la mínima

anual a 479 mm. En la Figura 9 se muestra la ubicación de la UH Yauli.

Figura 9

Área de Estudio - Unidad hidrográfica Yauli

Fuente: Elaboración propia


27
3.2 Metodología Utilizada

Para realizar predicciones de la variabilidad climática de precipitación en la zona de

estudio, se utilizó los datos climatológicos de precipitación de ocho (8) modelos de circulación

global (GCM), descargados en forma areal del CIMIP 6 y del escenario SSP5-8.5; estos modelos

se analizaron mediante la reducción de escala (downscaling) y se aplicó el método de cuantil

mapping, luego, se validó en el periodo base 1981-2014. El proceso realizado, tomó como datos

observados el producto grillado PISCO en el periodo de 1981-2014; el objetivo del método es

realizar la corrección de sesgos de cada uno de los modelos de circulación global, luego, dichos

datos se validaron mediante métricas estadísticas para ver el desempeño de cada uno de ellos. Una

vez validada la data de reducción de escala, se realizó tres pasos importantes, como primer paso:

se analizó la estacionalidad de los datos en cada uno de los modelos de circulación global, para lo

cual, se discretizó los datos en 6 periodos para ver el comportamiento en cada uno de ellos; como

segundo paso, se cuantificó las anomalías en los mismos periodos (6), y finalmente se analizó la

variabilidad de precipitaciones en los periodos de 2020-2060 y 2061-2099. Cabe precisar que, la

variabilidad se obtuvo mediante el método de delta para cuantificar incrementos y disminuciones.

Para su mejor entendimiento, en La Figura10, se presenta la metodología que se aplicó en el

siguiente trabajo.
28
Figura10

Esquema General de la Metodología Utilizada

Downscaling de Precipitación UH- del Yauli

- CNRM-CM6-1 (Francia)
- MRI-ESM2 (Japón)
- CAMS-CSN (China)
Descarga de Modelos de
- CESM2 (USA)
circulación global (GCM)
- INM-CM5-0 –Rusia
- KACE-1-0-G (Korea del Sur)
- CMCC-EDM2 (Italia)
Downscaling estadístico - GFDL-ES4 (Usa)

Cuantil Mapping
GCM (1981-2099) - CMIP6 (SSP5-8.5)
(Corrección de sesgos 1981-2014)

(observados = Históricos)
Datos observados 1981-2014 (PISCO)

Objetivo general

Indicadores Estacionalidad, anomalías y


Objetivos específicos
estadísticos análisis de variabilidad

Predicciones climáticas
Fuente: Elaboración propia
29
3.3 Pre-Proceso de Datos de Entrada

Investigaciones pasadas, mencionan que los modelos regionales se encuentran sesgadas

(Godmundsson, 2012), esto nos indica que los datos de los GCM no son precisos en las

predicciones a largo plazo como datos crudos, sin embargo, las proyecciones se realizaron con

reducción de escala; para lograr tal fin, Gudmundsson empleo la técnica de Quantile Mapping el

mismo que fue usado en el trabajo siguiente; el método fue enfocado en ajustar la distribución de

los datos modelados, a la distribución de los datos de la estación observada, es decir, los datos del

producto PISCO, este proceso se realizó en el periodo donde se tiene datos observados (1981-

2014).

Así mismo, luego del proceso de downscaling de los ocho GCM, se realizó la confiablidad

de los datos a través de técnicas estadísticas como: Nash Sutcliff, coeficiente de determinación y

error cuadrático medio, para asegurar el nivel de mejora de los datos proyectados, el cual garantizó

que las proyecciones realizadas tienen alto grado de confiabilidad.

3.3.1 Mapeo de Cuantiles

Método que se emplea para obtener una función h que se basa en la variable Pm el cual

mapea los datos, de forma tal que su función de distribución sea similar la función de la data

observada Po, luego de obtener los datos mediante downscaling, con lo cual se obtiene datos

semejantes a los datos observados (Godmundsson et al., 2012).

=ℎ (2)

Donde:

: � � � , ℎ: � � � � � : � � �
30
Según (Gudmundson, et al, 2012) en sus investigaciones nos da conocer tres métodos

para seguir la metodología de mapeo de cuantiles: “transformaciones derivadas de distribución,

transformaciones paramétricas y trasformaciones no paramétricas cada uno con ciertas

ventajas favorables”.

El mapeo de cuantiles se basa en la función de densidad de probabilidad completa (CDF),

donde los valores extremos estén representados de manera adecuada, en donde se corrige las

formas de distribución de probabilidad de los modelados, es decir, que los datos de los GCM

sean igual a la observada.

Figura 11

Representación Conceptual de Mapeo de Cuantiles de la CDF de Precipitación Observada y

Modelada.

Fuente: (Bum, Hyun & Han, 2022)


31
3.3.2 Parámetros de Transformación

Los cuantiles son generados usando ecuaciones de transformación, estos son los siguientes:

̂ = (3)

̂ = + (4)

̂ = �
(5)

̂ = _ − �
(6)

̂ = + 1− − −� /�
(7)

Donde:

̂ :� � , ̂ :� �

, , , = � �ó

Los variables mostradas anteriormente depende fundamentalmente de las datos observados

y modelados, luego de obtener los mencionados, se podrá aplicar con cualquier fórmula empírica

mostrada.

Los métodos mencionados, fueron aplicados en diversas investigaciones donde

(Gudmundson, et al, 2012) mostró la habilidad de todos los métodos, donde concluye que la

aplicación de mapeo de cuantiles tenía mejores estimaciones con el método de transformaciones

no paramétricas, luego, la función de transformación paramétrica, sin embargo, en los diferentes

estudios realizados los métodos no son sustanciales, pero, el método de transformación no

paramétrica tiene amplia ventaja , ya que, estas tienen la ventaja adicional de aplicar el método sin
32
ninguna restricción sobre la distribución de los datos, por ende, son los sugeridos en la aplicación

de corrección de sesgo estadístico.

En base a lo anterior, en el presente trabajo se aplicó el método de transformaciones no

paramétricas aplicado a la ecuación (3), es decir, de forma lineal con 4 escenarios pluviométricos

distribuidos en periodos trimestrales de la forma siguiente:

Muestra 1: diciembre, enero, febrero,

Muestra 2: marzo, abril mayo

Muestra 3: junio julio y agosto

Muestra 4: setiembre, octubre y noviembre

3.3.3 Aplicación Mapeo de Cuantiles

La aplicación del método en mención (Quantile mapping) fue utilizado en estudios pasados

dando resultados confiables (Godmundsson et al., 2012), según las referencias, en el presente

trabajo se utilizó el método indicado y con la ayuda del programa R-Studio, el cual es un software

de libre acceso y fácil instalación.

Luego, se procedió a aplicar los datos descargados del producto grillado PISCO en el

periodo de 1981-2014 en escenarios pluviómetros del año hidrológico separados trimestralmente

ubicados meses lluviosos y meses secos, es decir, de acuerdo a los meses de alta y baja

precipitación; para el presente trabajo los trimestres fueron: trimestre 1: diciembre, enero febrero,

trimestre 2: marzo, abril y mayo, trimestre 3: junio, julio agosto, y el último trimestre setiembre,

octubre, noviembre. En la mejora de los GCM se tomó en cuenta el periodo de data observada
33
(1981-2014), esta aplicación se realizó en los diferentes modelos de circulación global y en el

periodo de análisis indicado, donde se obtuvo datos a escala local.

Los datos finales modelados (downscaling) y los datos del producto PISCO, se sometieron

a pruebas estadísticas en el periodo de 1981-2014, con la finalidad de ver la calidad de los datos,

y finalmente se interpretó los datos obtenidos en los periodos de 1920-1960 y 1961-2099.

3.4 Métricas Estadísticas

Las métricas se aplicaron para ver el desempeño de los datos obtenidos a través de la

reducción de escala, luego, se evaluó la calidad en función a los valores resultantes de las

métricas estadísticas aplicadas; los cuales se describe continuación.

3.4.1 Coeficiente de Eficiencia Nash – Sutcliffe

Este índice estadístico se utiliza para comprobar la habilidad de predicción que tienen los

modelos hidrológicos, el cual se define como:

∑�= �− �
=1−∑ (8)
�= �−

Donde: P: Valores pronosticados

Omed: media de las observaciones

O: Valores observados

Los resultados de los valores del NSE:

• 1 indica una similitud perfecta entre datos observados y modelados.


34
• 0 datos son semejantes a la media de los datos observados

• < 0: la media de los datos observados realiza mejores predicciones que los

modelados.

Fuente: McCuen, RH; Knight, Z; Cortador, AG (2006)

3.4.2 Coeficiente de Determinación (R2)

Indica el mejor ajuste logrado con el modelo observado en relación con los valores

modelados, en este caso será la precipitación, donde el mejor ajuste se aproxima a la unidad.

� � ,
= (9)
√��� �√���

Donde: P: valores pronosticados, O: valores observados

3.4.3 Error Cuadrático Medio

Mide el ajuste en una regresión lineal, valores pequeños nos indican menores errores., el

cual está dado por siguiente expresión:

= ∑�= �� − �� (10)

Donde: P: valores pronosticados

O: valores observados
35
3.5 Identificación de Cambio Climático

Obtenidos los valores de los modelos de circulación global, con el método de mapeo de

cuantiles, se evaluó los resultados obtenidos mediante gráficos, tablas e histogramas para ver el

comportamiento del producto final.

Para ello, se analizó la estacionalidad de los datos observados y modelados en el periodo

1981-2014, en donde excluyeron los datos modelados del escenario futuro; posteriormente, para

ver la variabilidad de las precitaciones se realizó histogramas en el periodo pasado, futuro

cercano y largo plazo en síes periodos, donde se apreció el incremento y disminuciones de las

precitaciones. Asimismo, para ver la variabilidad se realizó comparaciones por cuartiles en 3

periodos de análisis.

3.5.1 Método Delta

El método fue utilizado en predicciones climáticas (Quito, 2015) y (Exbrayat et al, 2014),

el cual consiste en la adicción de la diferencia de los valores del periodo futuro y presente, a los

valores observados en periodo presente. Se expresa de siguiente manera:

− �
∆ = (11)

� = ∗ 1+∆ (12)

Donde:

∆ : cambio del valor de la precipitación �: precipitación modelada futura

: precipitación modelada futura �: precipitación futura


36
: precipitación modelada futura

El presente, tiene la finalidad de analizar las anomalías de las precipitaciones promedios

expresadas en porcentajes de disminución o aumentos, para cada uno de los modelos de

circulación global, los cuales se realizaron en 6 periodos, asimismo, la variación de la

precipitación se realizó en el periodo de 1981- 2099; para ello, se tomó como base los datos

modelados en el periodo de 1981-2000

3.5.2 Estacionalidad de los Datos

Para el presente análisis, se realizó mediante gráficos de promedios multianuales, con

datos aplicados a síes periodos distribuidos en el horizonte del estudio; los gráficos muestran el

comportamiento de los GCM; lo cual, tomó datos observados en el periodo base (1981-2014), se

debe mencionar que, el análisis es cualitativo de la estacionalidad de datos modelados.

Los gráficos muestran la habilidad de representar los periodos secos y húmedos de la

precipitación en los modelos de circulación global.

3.5.3 Anomalías Climáticas

Las anomalías se analizaron con los resultados del método de delta; mediante gráficos de

barras en donde se muestra la variación de la precipitación promedio en los periodos de análisis,

dicho análisis tomó en cuenta los datos del periodo base modelado, y se realizó para los ocho

modelos de circulación global.


37
3.6 Variabilidad Climática

Para el presente análisis, se realizó gráficos de diagrama de cajas, para describir los

resultados; para tal fin, el periodo de análisis se dividió en tres periodos, el primer periodo

comprende el periodo base, es decir, 1981-2014, el segundo periodo comprende de 2020-2060 y

el tercer periodo 2061- 2099, en donde se visualizó la variabilidad de las precipitaciones.

Estos gráficos serán de mucha utilidad, ya qué, permite observar la variación de la

precipitación a lo largo de periodo en análisis a una misma escala, asimismo, nos permitió

observar los valores de precipitaciones máximos y mínimos y los cuartiles 1, 2 y 3 los de los 8

modelos de circulación global, mediante diagrama de cajas.


38
CAPÍTULO 4 - RESULTADOS Y DISCUSIÓN

4.1 Análisis de Resultados de Mapeo de Cuantiles - Periodo de 1981 - 2014

Para predicción de cambio climático, la calidad de información base y datos modelados

es de suma importancia; en ese sentido, se analizó los resultados del proceso de downscaling en

el orden siguiente: primero, se sometió a métricas estadísticas los ocho modelos de circulación

global y posteriormente, se evaluó la estacionalidad en el periodo base 1981-2014; luego, se

realizó el análisis de anomalías y variabilidad al escenario futuro, es decir, al año 2099.

Las incertidumbres de la información en este tipo de estudios son recurrentes, ya que, los

modelos pueden generar datos modelados incoherentes. El mejor escenario es que las salidas de

proceso de downscaling de los GCM sean iguales a los datos observados, pero, esto no ocurre

usualmente, por lo que se sometió a métricas estadísticas los datos modelados para evaluar el

grado de habilidad de cada uno de los datos de los GCM, en el periodo donde se cuenta con

información observada. A continuación, se muestra las métricas estadísticas analizadas como

son: error cuadrático medio (MSE), eficiencia Nash – Sutcliffe (NSE) y coeficiente de

determinación (R2).
41
Tabla 2

Comparación de Indicadores Estadísticos para Datos Observados (Pisco) y Modelados GCM en

el Periodo de 1981-2014.

GCM-1 GCM-2 GCM-3 GCM-5 GCM-6 GCM-7 GCM-8


(CNRM- (MRI- (CNRM- GCM-4 (INM- (KACE- (CMCC- (GFDL-
Indicadores CM6-1) ESM2) CM6-1) (CESM2) CM5-0) 1-0-G) ESM2) ES4)
Error cuadrático medio
MSE-
Datos 4874230.2 27142658.6 8464873.0 4094231.4 12241462.2 5166074.9 8030135.7 4444191.9
crudos
MSE -
Datos 3.6 0.1 11.3 4.3 17.9 3.2 18.1 2.4
modelados
Nash – Sutcliffe
NSE-Datos
-3.14 -2.38 -7.24 -4.83 -13.15 -5.07 -7.05 -3.31
crudos
NSE - Datos
0.33 0.31 0.42 0.34 0.4 0.37 0.41 0.38
modelados
Coeficiente de determinación
R2 -Datos
0.7 0.68 0.6 0.67 0.75 0.56 0.7 0.72
crudos
R2- Datos
0.52 0.44 0.53 0.46 0.49 0.51 0.54 0.53
modelados

Fuente: Elaboración propia

Donde: MSE: Error cuadrático medio; NSE: Coeficiente de Eficiencia de Nash-Sutcliffe

y NSE: Coeficiente de Eficiencia de Nash-Sutcliffe


42

La Tabla 2 muestra las métricas estadísticas aplicados a la serie de datos de los modelos

de circulación global, para lo cual, se consideró como data real la información de PISCO, a su

vez, los datos del proceso de downscaling como datos modelados.

El error cuadrático medio, mide el cuadrado de los errores, donde el valor óptimo de cero. En el

caso del presente trabajo, la Tabla 2 muestra los resultados estadísticos de los datos crudos y

modelados. Donde los valores estadísticos de los datos crudos son altos con relación a los datos

modelados, lo cual, indica que los datos crudos no tienen buen desempeño, sin embargo, los

estadísticos de datos modelados son menores, con menor y mayor de 0.1 (GCM-2) y 18.1

(GCM-7) respectivamente. Los valores estadísticos modelados son menores a los estadísticos

crudos, entonces, el desempeño de los valores modelados es confiable.

El coeficiente de Nash-Sutclife en los datos crudos presenta valores menores a cero, pero,

los datos modelados entregan valores positivos y cercanos a 1, con valor mínimo y máximo de

0.31 y 0.42 respectivamente, lo cual precisa que, los modelos entregan buena eficiencia.

Asimismo, el modelo que presentó mejor eficiencia es el GCM-5 (INM-CM5-0) con un valor de

0.40 y, por su parte, el valor mínimo es de 0.31 correspondiente al GCM-2 (MRI-ESM2).

Los resultados que se obtuvieron en la Tabla 2 muestran valores cercanos a uno, lo cual

indica buena eficiencia de los datos modelados.

En relación con el coeficiente de determinación (R2), se observó que los datos crudos

presentan valores entre 56% y 75%, este último para el GCM-5 (INM-CM5-0), por otro lado, los

datos modelados entregan valores por encima de 44 %, el máximo valor es de 54% para el

GCM-7 (CMCC-ESM2). Este parámetro, mide la “relación lineal entre valores observados y

modelados” (Quito, 2015, p.51), para el presente caso no es ajeno el análisis, sin embargo, se
43

aprecia que los valores modelados entregan valores bajos comparados con los datos crudos;

asimismo, (Quito, 2015, p.51) indica que “los resultados entregados por este indicador se deben

analizar visualmente para ver la distribución de la lluvia durante el periodo de validación”, en

el presente estudio, la Figura 12 muestra los resultados de reducción de escala en tres valores; los

datos crudos (rojo), datos modelados (azul) y datos observados (negro), donde indica que los

valores modelados y los datos observados presentan distribución espacial similar. La en mención

corresponde al GCM-2; en el anexo 3 se muestran los mismos resultados para los ocho modelos

de circulación global, con el mismo comportamiento.

Figura 12

Distribución Espacial Temporal de la Precipitación Observada (Pisco) y Modelada GCM-2

(MRI-ESM2).

Fuente: Elaboración propia


44

La Figura 13 muestra los datos crudos de los GCM en el periodo de análisis (1981-2099),

donde indica que los valores crudos presentan valores altos con relación a los datos observados;

asimismo, en la Figura 14 se aprecia las diferencias con mayor detalle en el periodo de 1981-

2014.

Por otro lado, la Figura 15 muestra los resultados de la reducción de escala de

precipitaciones en el periodo de 1981-2014, donde aprecia que los valores modelados presentan

un patrón similar a la data observada, es decir, con buena estacionalidad.

Finalmente, la Figura 16 muestra la distribución de precipitaciones de las salidas del

proceso downscaling en el periodo de 1981-2099, donde se aprecia que, el periodo base presenta

buena estacionalidad en los datos modelados, sin embargo, a partir del año 2014 algunos

modelos muestran anomalías, vale decir, eventos extremos. Asimismo, a lo largo del periodo de

análisis se observó aumento de precipitaciones en el horizonte 2099, cabe señalar que la mayoría

de los modelos de circulación global, muestran el mismo comportamiento.


45

Figura 13

Datos Crudos de Modelos de Circulación Global Periodo 1981-2014 – Unidad hidrográfica Yauli

Fuente: Elaboración propia


46

Figura 14

Datos Crudos de Modelos de Circulación Global Periodo 1981-2014 – Unidad hidrográfica Yauli

Fuente: Elaboración propia


47

Figura 15

Datos del Proceso de Downscaling de Modelos de Circulación Global Periodo 1981-2014 – Unidad hidrográfica Yauli

Fuente: Elaboración propia


48

Figura 16

Valores Simulados del Proceso de Downscaling para los Gcm (1981 – 2099)

Fuente: Elaboración propia


49

4.2 Análisis de Cambio Climático

Para el presente análisis, se tomó como información base, los datos de precipitación de

PISCO, descargados en la grilla correspondiente a la unidad hidrográfica Yauli, y para determinar

el cambio climático se procedió con la evaluación de la estacionalidad de los datos de los GCM,

luego, se avaluó las anomalías y finalmente la variabilidad climática.

4.2.1 Evaluación de Estacionalidad

Para la evaluación de la estacionalidad de los GCM; el periodo de análisis (1981-2099) se

dividió en 6 periodos; donde se cuantificó las variaciones y comportamientos de las

precipitaciones; a su vez, se realizó las comparaciones de aumentos y disminuciones de los 8

modelos de circulación global.

La Tabla 3 muestra los periodos donde se realizó el análisis de la estacionalidad.

Tabla 3

Periodos de Análisis de la Estacionalidad de Precipitación

Periodo Años

Periodo 1 1981-2000

Periodo 2 2001-2020

Periodo 3 2021-2040

Periodo 4 2041-2060

Periodo 5 2061-2080

Periodo 6 2081-2099

Fuente: Elaboración propia


50

Figura 17

Estacionalidad por Periodos del GCM-1 (CNRM-CM6-1)

GCM-1 (CNRM-CM6-1)
300.00

250.00

200.00
Preciitación (mm)

150.00

100.00

50.00

0.00

Periodo 1 (1980-2000) Promedio Periodo 2 (2001-2020) Promedio


Periodo 3 (2021-2040) Promedio Periodo 4 (2041-2060) Promedio
Periodo 5 (2061-2080) Promedio Periodo 6 (2081-2099) Promedio
Pisco (1981-2014)

Fuente: Elaboración propia

Análisis de Resultados de la Estacionalidad GCM-1 (CNRM-CM6-1)

La Figura 17 muestra los resultados el desempeño del modelo GCM-1, en donde se

aprecia que las precipitaciones en los meses de agosto abril tiene un comportamiento al aumento

en cada periodo; dicho comportamiento es similar a los datos de PISCO, por otro lado, en los

meses mayo a julio presenta precipitaciones menores a las observadas (Pisco). Además, los

resultados muestran que en los meses marzo-mayo, los valores en el escenario futuro presentan

precipitaciones bajas con relación a los datos de PISCO. Finalmente se puede apreciar que hay

aumentos al periodo futuro analizado.


51

Figura 18

Estacionalidad por Periodos del GCM-2(MRI-ESM2)

GCM-2 (MRI-ESM2)
250.00

200.00
Preciitación (mm)

150.00

100.00

50.00

0.00

Periodo 1 (1980-2000) Promedio Periodo 2 (2001-2020) Promedio Periodo 3 (2021-2040) Promedio


Periodo 4 (2041-2060) Promedio Periodo 5 (2061-2080) Promedio Periodo 6 (2081-2099) Promedio
Pisco (1981-2014)

Fuente: Elaboración propia

Análisis de Resultados de la Estacionalidad GCM-2 (MRI-ESM2)

La distribución de precipitaciones del GCM-2 (Figura 18), se aprecia que, en los primeros

cuatro meses del año, los datos del proceso de downscaling muestran precipitaciones menores a

lo observado, por lo tanto, el modelo subestima los datos de precipitación, a su vez, en los meses

agosto-diciembre, se observó que el modelo sobrestima los datos de precipitación en

comparación con los datos de pisco. En síntesis, las precipitaciones aumentan durante los

periodos de análisis.
52

Figura 19

Estacionalidad por Periodos del GCM 3 (CAMS-CSN

GCM 3 (CAMS-CSN)
250.00

200.00
Preciitación (mm)

150.00

100.00

50.00

0.00

Periodo 1 (1980-2000) Promedio Periodo 2 (2001-2020) Promedio


Periodo 3 (2021-2040) Promedio Periodo 4 (2041-2060) Promedio
Periodo 5 (2061-2080) Promedio Periodo 6 (2081-2099) Promedio
Pisco (1981-2014)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-3 (CAMS-CSN)

En relación a los resultados del GCM-3 (Figura 19), las precipitaciones entre los meses

agosto febrero sobreestiman en relación en el periodo base (1981-2014), asimismo, en los meses

indicados se apreció aumento de precipitación en los periodos identificados, por otro lado, en los

meses de marzo – abril se aprecia que las precipitaciones del GCM-3 subestima, ya que, los

valores de los datos observados son mayores en los síes periodos; además, en los meses secos se

aprecia la estacionalidad de las precipitaciones con valores bajos, tal como indica el grafico.

Finalmente, del grafico analizado, en el periodo futuro las precipitaciones tienden al aumento,

con cierta estacionalidad en los meses secos.


53

Figura 20

Estacionalidad por Periodos del GCM 4 (CESM2)

GCM 4 (CESM2)
250.00

200.00
Preciitación (mm)

150.00

100.00

50.00

0.00

Periodo 1 (1980-2000) Promedio Periodo 2 (2001-2020) Promedio Periodo 3 (2021-2040) Promedio


Periodo 4 (2041-2060) Promedio Periodo 5 (2061-2080) Promedio Periodo 6 (2081-2099) Promedio
Pisco (1981-2014)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-4 (CESM2)

En relación a los resultados del GCM-4 - CESM2 (Figura 20), en los meses de agosto –

diciembre, se aprecia sobrestimación de las precipitaciones en relación a los datos observados,

por su parte, en los meses enero – mayo, las precipitaciones modeladas son menores a las

observadas, y en los meses de agosto-diciembre presenta variación al aumento con valores que

superan los datos observados. Finalmente, se observó tendencia al aumento de las precipitaciones

en los periodos identificados, a excepción del periodo 3 en el mes de febrero, donde las

precipitaciones son bajas en comparación con los datos observados antecedente y precedente.
54

Figura 21

Estacionalidad por Periodos del GCM 5 (INM-CM5-0)

GCM 5 (INM-CM5-0)
180.00
160.00
140.00
Preciitación (mm)

120.00
100.00
80.00
60.00
40.00
20.00
0.00

Periodo 1 (1980-2000) Promedio Periodo 2 (2001-2020) Promedio


Periodo 3 (2021-2040) Promedio Periodo 4 (2041-2060) Promedio
Periodo 5 (2061-2080) Promedio Periodo 6 (2081-2099) Promedio
Pisco(81981-2014)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-5 (INM-CM5-0)

En relación con los resultados del modelo GCM-5 (Figura 21), las precipitaciones en los

meses julio – diciembre son sobrestimados; asimismo, presentó disminución de estos en los

meses de enero-mayo; y en los meses de marzo, abril y julio, mantienen cierta estacionalidad.

Además, presentó tendencia a la disminución de las precitaciones en los 6 periodos de análisis.

Por su parte, las precipitaciones en el periodo final (6) son bajas con relación a los otros periodos

iniciales. Finalmente, indica que las precipitaciones son más intensas en los periodos iniciales,

pero, tiene al aumento en el horizonte futuro.


55

Figura 22

Estacionalidad por Periodos del GCM 6 - (KACE-1-0-G)

GCM 6 - (KACE-1-0-G)
250.00

200.00
Preciitación (mm)

150.00

100.00

50.00

0.00

Periodo 1 (1980-2000) Promedio Periodo 2 (2001-2020) Promedio


Periodo 3 (2021-2040) Promedio Periodo 4 (2041-2060) Promedio
Periodo 5 (2061-2080) Promedio Periodo 6 (2081-2099) Promedio
Pisco (1981-2014)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-6 (KACE-1-0-G)

Las salidas del GCM-6-(KACE-1-0-G), presentó sobrestimación de en los meses de

agosto a febrero, y en los meses de marzo y mayo, las precipitaciones del modelo entregaron

subestimaciones, es decir, precitaciones muy por debajo de los datos observados. Asimismo, y en

el mes de junio, se aprecia cierta estacionalidad sin aumento ni disminuciones en las

precipitaciones modeladas. En general las precipitaciones tienden al aumento como se aprecia en

la Figura 22.
56

Figura 23

Estacionalidad por Periodos GCM 7 (CMCC-ESM2

GCM 7 (CMCC-ESM2)
250.00

200.00
Preciitación (mm)

150.00

100.00

50.00

0.00

Periodo 1 (1980-2000) Promedio Periodo 2 (2001-2020) Promedio


Periodo 3 (2021-2040) Promedio Periodo 4 (2041-2060) Promedio
Periodo 5 (2061-2080) Promedio Periodo 6 (2081-2099) Promedio
Pisco (1981-2014)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-7 (CMCC-ESM2)

Respecto al GCM-7 (CMCC-ESM2), en los meses de julio - diciembre sobrestiman las

precitaciones en relación con los datos observados (pisco); del mismo modo, entre los meses julio

- setiembre se aprecia, una disminución de las precipitaciones en los primeros 2 periodos

iniciales, sin embargo, en el mes de febrero presentó disminución en el periodo 3 y 5 con relación

con el periodo antecesor (ver Figura 23). De manera general de los resultados obtenidos, indican

que las precipitaciones tienden al aumento.


57

Figura 24

Estacionalidad por Periodos GCM 8 (GFDL-ES4)

GCM 8 (GFDL-ES4)
200.00
180.00
160.00
140.00
Preciitacion (mm)

120.00
100.00
80.00
60.00
40.00
20.00
0.00

Periodo 1 (1980-2000) Promedio Periodo 2 (2001-2020) Promedio


Periodo 3 (2021-2040) Promedio Periodo 4 (2041-2060) Promedio
Periodo 5 (2061-2080) Promedio Periodo 6 (2081-2099) Promedio
Pisco(1981-2014)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-8 (GFDL-ES4)

Los resultados del GCM-8 (Figura 24), indica que en los meses de julio-noviembre

sobrestiman los valores de precipitación con relación al periodo base, con algunas excepciones de

aumentos en los meses de octubre y noviembre, en el periodo 3 y 2 respectivamente. En el mes

de enero se aprecia un comportamiento variable, con disminuciones en el periodo 2

correspondiente al mes de febrero. En general el modelo indica aumento en precipitaciones en el

horizonte de análisis.
58

4.2.1.1 Resultados del Análisis

De manera general, según los resultados analizados, todos los modelos de circulación

global muestran aumento de precipitaciones en el horizonte futuro (2099), con algunas anomalías

de precipitaciones altas, y sequías en algunos meses. Cabe mencionar que algunos modelos

indican que hay ligeros aumentos y otros con altos valores en cada periodo análisis.

De manera preliminar, en los ocho modelos de circulación global analizados, hay cambio

en patrón de precipitaciones, es decir, hay cambio climático.

4.2.2 Cuantificación de Anomalías

La identificación de anomalías se realizó en los mismos periodos de análisis, sin embargo,

se precisa que el periodo 1 (1981-2000), es el periodo de comparación; periodo 2 (2001-2020),

periodo 3 (2021-2040), periodo 4 (2041-2060), periodo 5 (2061-2080) y periodo 6 (2081-2099).

En la presente se cuantificó, el aumento o disminución de precipitaciones en porcentajes,

tomó en cuenta como datos base, las salidas de los datos modelados en el periodo de (1981-

2014).

Asimismo, se muestra el promedio de los aumentos y disminuciones en porcentajes de

cambio, en cada modelo de circulación global. Posterior a ello, en los resultados analizados se

observó que hay cambio al aumento en las precipitaciones. A continuación, se muestra los

resultados y gráficos de cada uno de los datos de los modelos de circulación global.
59

Figura 25

Anomalías de la Precipitación GCM 1 (CNRM-CM6-1) - Unidad Hidrográfica Yauli

GCM 1 (CNRM-CM6-1)
120.00%

100.00%

80.00%

60.00%

40.00%

20.00%

0.00%

-20.00%

-40.00%

-60.00%

Periodo 2 (2001-2020) Periodo 3 (2021-2040) Periodo 4 (2041-2060)


Periodo 5 (2061-2080) Periodo 6 (2081-2099)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-1 (CNRM-CM6-1)

Para el GCM-1, se observó que hay incrementos de 101 % para el mes de diciembre en el

periodo 6, y para los meses de enero y marzo se registraron incrementos de 60% y 85% en el

periodo final; por su parte, se observó valores negativos en los meses de junio a noviembre;

además, el mismo comportamiento se repitió en el mes de abril con valores de -37%, lo cual

indica presencia de sequías los tres periodos iniciales. También se observó que, entre los meses

de diciembre – mayo, a excepción de abril las precitaciones tienden al aumento, en el orden de

70%, tal como indica la Figura 25.


60

Tabla 4

Promedio de Anomalías del GCM-1 Periodo de 2001-2099

Meses Promedio
Enero 33%
Febrero 30%
Marzo 23%
Abril -14%
Mayo 48%
Junio -6%
Julio -23%
Agosto -5%
Setiembre -6%
Octubre 1%
Noviembre 4%
Diciembre 47%

Fuente: Elaboración propia

En cuanto a las anomalías, el promedio máximo que presentaron en los meses diciembre y

mayo fue de 47% y 48 % respectivamente, y entre los meses junio a setiembre entregó valores

negativos, con valor mínimo de -23% en el mes de julio. Además, en la Tabla 4, se muestra el

resumen de promedio de precipitaciones a lo largo del periodo en análisis, asimismo en el anexo

4: se adjunta el análisis de las variaciones de las anomalías de cada periodo, y para modelo de

circulación global.

Figura 26

Anomalías de la Precipitación GCM-2 - (MRI-ESM2) – Unidad hidrográfica Yauli


61

(GCM-2(MRI-ESM2)
100.00%

80.00%

60.00%

40.00%

20.00%

0.00%

-20.00%

-40.00%

-60.00%
Periodo 2 (2001-2020) Periodo 3 (2021-2040) Periodo 4 (2041-2060)
Periodo 5 (2061-2080) Periodo 6 (2081-2099)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-2 (MRI-ESM2)

Los valores de anomalías para el GCM-2, la Figura 27 mustra valores por encima de 40%

entre los meses setiembre – mayo en el periodo 6 (2081-2099); además, los resultados indican

aumentos positivos a lo largo de los periodos identificados, por otro lado, en los meses junio-julio

la variación es negativa con valores de hasta -30%.

Por su parte, el promedio de anomalías en los periodos analizados asciende a 39% y 35%

en los meses de marzo y noviembre respectivamente; además, muestran valores negativos en los

meses de junio y julio con -9% y -15% respectivamente, tal como se muestra en Tabla 5. En

general, el modelo indica aumentos significativos en la mayoría de los meses.

Tabla 5

Promedio de Anomalías del GCM-2 Periodo de 2001-2099


62

Meses Promedio
Enero 29%
Febrero 22%
Marzo 39%
Abril 26%
Mayo 24%
Junio -9%
Julio -15%
Agosto 14%
Setiembre 19%
Octubre 29%
Noviembre 35%
Diciembre 14%

Fuente: Elaboración propia

Figura 27

Variación Porcentual de la Precipitación GCM 3 (CAMS-CSN) - Unidad hidrográfica Yauli

GCM 3 (CAMS-CSN)
120.00%

100.00%

80.00%

60.00%

40.00%

20.00%

0.00%

-20.00%

Periodo 2 (2001-2020) Periodo 3 (2021-2040) Periodo 4 (2041-2060)


Periodo 5 (2061-2080) Periodo 6 (2081-2099)

Fuente: Elaboración propia


63

Análisis de resultados de la estacionalidad GCM-3 (CAMS-CSN)

Para el GCM-3, en los meses enero-junio se apreció incrementos de precipitaciones por

encima de 100%, el máximo ocurrió en el mes de abril, notándose con mayor frecuencia en el

último periodo, es decir, al horizonte año 2099 (ver Figura 27). Por el contrario, en los meses

agosto diciembre indicaron incrementos menores a 40%, y en el mes de julio se apreció periodos

secos al igual que el mes de noviembre. Por otro lado, el promedio a lo largo del periodo total

(1981-2099) presenta un incremento del 42% en el mes de marzo, a su vez, valores de 7% en los

meses de julio y noviembre. Entonces de manera general, se indica que hay incremento de

precipitaciones en el horizonte futuro.

Tabla 6

Promedio de Anomalías del GCM-3 Periodo de 2001-2099

Meses Promedio
Enero 23%
Febrero 30%
Marzo 42%
Abril 26%
Mayo 39%
Junio 33%
Julio 7%
Agosto 23%
Setiembre 21%
Octubre 14%
Noviembre 7%
Diciembre 17%

Fuente: Elaboración propia


64

Figura 28

Variación Porcentual de la Precipitación GCM 4 (CESM2 - Unidad hidrográfica Yauli)

GCM 4 (CESM2)
500.00%

400.00%

300.00%

200.00%

100.00%

0.00%

-100.00%

Periodo 2 (2001-2020) Periodo 3 (2021-2040) Periodo 4 (2041-2060)


Periodo 5 (2061-2080) Periodo 6 (2081-2099)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-4 (CESM2)

En los resultados de anomalías del GCM-4, se apreció incrementos ligeros en la mayoría

de los meses, con valores de incremento de 429% en el mes de mayo y 105% en el mes de junio;

los cual indica la ocurrencia de eventos extremos, asimismo, en los meses secos se apreció

valores negativos, dando lugar a meses con tendencia a sequías (ver Figura 28).

Por otro lado, los promedios estimados, indicaron incrementos positivos en la mayoría de

los meses, con un valor máximo de 157% en el mes de mayo; a su vez, valores negativos en los

meses de julio, agosto y octubre, con -12%, -11% y -2 % respectivamente, tal como se aprecia en

la Tabla 7. En general, se indica que hay aumentos de precipitaciones con presencia de sequías en

los meses secos.


65

Tabla 7

Promedio de Anomalías del GCM-4 Periodo de 2001-2099

Meses Promedio
Enero 29%
Febrero 11%
Marzo 10%
Abril 25%
Mayo 157%
Junio 46%
Julio -12%
Agosto -11%
Setiembre 8%
Octubre -2%
Noviembre 34%
Diciembre 30%

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-5 (INM-CM5-0)

La Figura 29 muestra los resultados del GCM-5, donde indica periodos secos entre los

meses octubre- abril, a su vez, incrementos de precipitaciones en los meses secos, es decir, entre

los meses junio - setiembre. Según valores obtenidos, el modelo no representa adecuadamente los

periodos húmedos y secos, ya que, los resultados muestran precipitaciones nulas en periodos

húmedos y altas precipitaciones en los meses secos, lo cual, contradice el comportamiento

hidrológico del área de estudio.

Figura 29

Variación Porcentual de la Precipitación GCM 5 (INM-CM5-0) - Unidad hidrográfica Yauli


66

GCM 5 (INM-CM5-0)
100.00%

80.00%

60.00%

40.00%

20.00%

0.00%

-20.00%

-40.00%

Periodo 2 (2001-2020) Periodo 3 (2021-2040) Periodo 4 (2041-2060)


Periodo 5 (2061-2080) Periodo 6 (2081-2099)

Fuente: Elaboración propia

Tabla 8

Promedio de Anomalías del GCM-5 Periodo de 2001-2099

Meses Promedio
Enero -7%
Febrero -11%
Marzo -10%
Abril -6%
Mayo 4%
Junio 19%
Julio 40%
Agosto 19%
Setiembre 10%
Octubre 1%
Noviembre 4%
Diciembre -6%

Fuente: Elaboración propia


67

Figura 30

Variación Porcentual de la Precipitación GCM 6 - (KACE-1-0-G) - Unidad hidrográfica Yauli

GCM 6 - (KACE-1-0-G)
100.00%

80.00%

60.00%

40.00%

20.00%

0.00%

-20.00%

-40.00%

Periodo 2 (2001-2020) Periodo 3 (2021-2040) Periodo 4 (2041-2060)


Periodo 5 (2061-2080) Periodo 6 (2081-2099)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-6 (KACE-1-0-G)

La Figura 30 muestra los resultados del GCM-6, donde se aprecia incrementos de

precipitación en los periodos finales, con incrementos por encima de 40 % en los meses de enero

- marzo, asimismo, se aprecia que los incrementos máximos se producen en los meses de julio y

octubre con valores de 80% y 88% respectivamente.

A su vez, los promedios totales indicaron incrementos en la mayoría de los meses, con un

valor máximo promedio de 52% en el mes de octubre y un valor mínimo de 2% en el mes de

noviembre, por otro lado, en el mes de abril indicó un valor negativo de -2%, tal como muestra la

Tabla 9.
68

Tabla 9

Promedio de Anomalías del GCM-6 Periodo de 2001-2099

Meses Promedio
Enero 10%
Febrero 19%
Marzo 19%
Abril -2%
Mayo 12%
Junio 16%
Julio 43%
Agosto 19%
Setiembre 21%
Octubre 52%
Noviembre 2%
Diciembre 9%

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-7 (CMCC-ESM2)

La Figura 31 corresponde a los resultados de GCM-7, en donde se aprecia que hay

incrementos de precipitaciones por encima de 40% entre los meses noviembre – mayo, sin

embargo, en los meses de abril y mayo en los 3 primeros periodos indica valores negativos.

Asimismo, el incremento es progresivo en los otros periodos, por otro lado, en los meses secos se

aprecia ausencia de precipitaciones entre los meses julio y octubre, esto indicaría presencia e

sequías (ver Figura 31).

Figura 31

Variación Porcentual de la Precipitación GCM 7 (CMCC-ESM2)


69

GCM 7 (CMCC-ESM2)
120.00%
100.00%
80.00%
60.00%
40.00%
20.00%
0.00%
-20.00%
-40.00%
-60.00%

Periodo 2 (2001-2020) Periodo 3 (2021-2040) Periodo 4 (2041-2060)


Periodo 5 (2061-2080) Periodo 6 (2081-2099)

Fuente: Elaboración propia

En el promedio total, se aprecia que los incrementos alcanzaron valores positivos en la

mayoría de los meses, el valor máximo y mínimo es de 45% y 5% en los meses de marzo y

octubre respectivamente. Asu vez, en los meses secos como julio, agosto y setiembre alcanzaron

valores negativos de -18% y -7 %, tal como muestra la Tabla 10.

Tabla 10

Promedio de Anomalías del GCM-7 Periodo de 2001-2099

Meses Promedio
Enero 20%
Febrero 34%
Marzo 45%
Abril 12%
Mayo 12%
Junio 13%
Julio -18%
Agosto -18%
70

Meses Promedio
Setiembre -7%
Octubre 5%
Noviembre 35%
Diciembre 24%

Fuente: Elaboración propia

Figura 32

Variación Porcentual de la Precipitación GCM 8 (GFDL-ES4)

GCM 8 (GFDL-ES4)
40.00%

20.00%

0.00%

-20.00%

-40.00%

-60.00%

-80.00%

-100.00%

Periodo 2 (2001-2020) Periodo 3 (2021-2040) Periodo 4 (2041-2060)


Periodo 5 (2061-2080) Periodo 6 (2081-2099)

Fuente: Elaboración propia

Análisis de resultados de la estacionalidad GCM-8 (GFDL-ES4)

Las salidas del GCM-8, indica un comportamiento de ligeros incrementos en los meses de

enero – marzo; y pronostica periodos secos en los meses de abril – octubre, dando en las salidas

valores negativos de hasta -80%. Asimismo, en los meses de noviembre y diciembre presentan

comportamientos secos en los periodos iniciales (ver Figura 32). Por otro lado, los promedios a lo
71

largo del periodo en estudio (1981-2099) indica valores negativos de hasta -46%, esto implicaría

meses secos, con precipitaciones nulas o sequías.

Tabla 11

Promedio de Anomalías del GCM-8 Periodo de 2001-2099

Meses Promedio
Enero 2%
Febrero 7%
Marzo 17%
Abril -13%
Mayo -18%
Junio -46%
Julio -58%
Agosto -43%
Setiembre -12%
Octubre -1%
Noviembre -1%
Diciembre 2%

Fuente: Elaboración propia

4.2.2.1 Resultados de la Discusión

De los resultados analizados en los GCM, se apreció que hay aumento de precipitaciones

en los periodos de análisis, es decir, cambios al incremento en las precipitaciones en el horizonte

futuro (2099), sin embargo, también se apreció que hay meses secos; con presencia de sequía en

los meses mayo a setiembre, dicho comportamiento muestra la mayoría de los modelos de

circulación global.
72

Finalmente, en la Tabla 12 se presenta el resumen de los promedios de precipitación al

largo del periodo en análisis (1981-2099), donde indica que las precipitaciones aumentan en

valores significativos, por otro lado, en los mese secos presenta ausencia de estos (precipitación).

Tabla 12

Resumen del promedio de anomalías Unidad Hidrográfica Yauli – 1981-2099

Meses GCM-1 GCM-2 GCM-3 GCM-4 GCM-5 GCM-6 GCM-7 GCM-8


Enero 60% 32% 34% 36% -12% 28% 22% 12%
Febrero 42% 31% 27% 26% -11% 33% 54% 12%
Marzo 43% 63% 35% 34% -2% 20% 61% 14%
Abril 13% 25% 53% 56% -12% 11% 38% -25%
Mayo 33% 22% 33% 265% 0% 29% 31% -14%
Junio -5% 1% 48% 99% 28% 16% 26% -62%
Julio -22% -13% -4% 23% 48% 49% -5% -71%
Agosto -7% 13% 29% 5% 12% 26% -26% -58%
Setiembre 3% 35% 22% 13% 6% 32% -8% -12%
Octubre 12% 40% 14% 9% 3% 48% 7% -4%
Noviembre 28% 50% 16% 21% -1% 14% 37% -6%
Diciembre 68% 26% 29% 21% -11% 27% 44% 2%

Fuente: Elaboración propia

4.2.3 Evaluación de Variabilidad Climática

Para el análisis de variabilidad de la precipitación, se dividió en tres periodos diferentes el

periodo total; en estos periodos, se realizó la comparación de incremento o disminución de los

datos a una misma escala, dichas comparaciones se realizaron en los valores máximos, mínimos,

los cuartiles 1, 2 y 3; este análisis para cada modelo de circulación global y los periodos fueron

tomados de la siguiente manera:


73

• Periodo 1 (1981-2020)

• Periodo 2 (2021-2060)

• Periodo 3 (2061-2099)

Para ver la variación de la precipitación, se realizó en periodos largos, en este caso se

analizó en 3 periodos lejanos de 38 años cada uno.

Nota: Asimismo, en los gráficos del análisis de variabilidad mostrados en adelante, los

gráficos son de 2 modelos de circulación global por hoja, los cuales se describieron, en función a

los resultados de cada uno de los modelos.


73

Figura 33

Variabilidad de la Precipitación Unidad Hidrográfica Yauli GCM-1 (CNRM-CM6-1) y GCM-2 (MRI-ESM2)

Fuente: Elaboración propia


74

Análisis de resultados modelo de circulación global GCM-1 (CNRM-CM-1)

El comportamiento de la variabilidad de precipitaciones mostradas para el GCM-1, indicó

en el diagrama de cajas bigotes cortas, los cual indica que los datos en el primer periodo (1981-

2020) son homogéneo, en comparación de los dos periodos posteriores.

Asimismo, la Figura 33 muestra la variación de la precipitación una misma escala, donde,

se aprecia aumento de precipitaciones en los últimos periodos, ya que, los valores máximos en el

primer periodo se valores por debajo de 250 mm, en el periodo 2 (2021-2060) se aprecia valores

máximos por encima de 250 mm, a su vez, en el periodo 3 (2061-2099) registró valores máximos

de 422.70 mm. Por otro lado, en los meses secos se aprecia precipitaciones menores a 50 mm

(ver Figura 33).

Análisis de resultados modelo de circulación global (GCM-2-MRI-ESM2)

La variación que presenta en el periodo 1981-2020, muestra valores máximos por encima

de 200 mm y en el periodo 2 (2021-2060) presento bigotes alargadas especialmente en el mes de

febrero; lo cual indica alta dispersión de los valores. Asimismo, en el periodo 3, se aprecia

bigotes largos en los meses setiembre marzo (ver Figura 33).

La Figura 33 fila 2 muestra, en el primer periodo un valor máximo de 219 mm para el

mes de noviembre, y para el periodo 2 un valor máximo de 316 mm en el mes de febrero; por su

parte, el periodo 3 indica 369 mm. Asimismo en los periodos 1 y 2 en los meses húmedos

registraron valores promedios a 200 mm y en los meses secos se apreció homogeneidad con bajas

precipitaciones. Finalmente, en el periodo 3 los valores de precipitación en promedio son de 250

mm en los meses húmedos.


75

Figura 34

Variabilidad de la Precipitación en la Unidad Hidrográfica Yauli GCM-3 (CAMS-CSN) y GCM-4 (CESM2)

Fuente: Elaboración propia


76

Análisis de resultados modelo de circulación global (GCM-3- CAMS-CSN)

En el periodo 1 muestra una homogeneidad en los valores con precipitaciones máximos

menores a 250 mm en los meses lluviosos, y en los meses secos valores de 35 mm en promedio;

en el periodo 2 muestra alta dispersión de los datos con bigotes largas de las cajas en los meses

noviembre marzo, el mismo comportamiento se aprecia en periodo 3 (ver Figura 34).

Se realizó el análisis, en una misma escala en los tres periodos, donde se aprecia un

aumento precitaciones, ya que, en el periodo 2 los valores máximos entregados en los meses de

noviembre – febrero se encuentran por encima de 200 mm; con valor máximo de 380 mm en el

mes de enero, y el periodo 3 un valor máximo de 421 mm correspondiente al mes de enero.

Análisis de resultados modelo de circulación global GCM-4 - (CESM2)

Para el caso del periodo 1, se aprecia homogeneidad en los valores de precipitaciones en

los meses húmedos, principalmente entre octubre – marzo, y en el periodo 2 registró alta

variabilidad en los meses indicados. Asimismo, en el periodo 3 la variabilidad es notoria en los

meses noviembre – marzo con valores mayores a 300 mm; a su vez, en los meses secos con

valores de 50 mm a 100 mm (ver Figura 34).

Los valores máximos registrados en el periodo 1 es de 220 mm; y en el periodo 2 de 350

mm en el mes de enero; y 337 mm en el mes de diciembre. En relación con el periodo 3, muestra

un valor máximo de 451 mm en el mes de enero, y en los meses secos valores entre 46.3 mm y

121 mm; lo cual indica que hay aumentos de precipitaciones a lo largo del periodo en análisis.
77

Figura 35

Variabilidad de la Precipitación Unidad Hidrográfica Yauli GCM-5 (INM-CM5-0) y GCM-6 (KACE-1-0-G)

Fuente: Elaboración propia


78

Análisis de resultados modelo de circulación global GCM 5 (INM-CM5-0)

La Figura 35 muestra los valores del GCM-5, donde el primer periodo presenta menor

dispersión, sin embargo, en el mes de julio y noviembre presenta variabilidad notoria, porque, los

bigotes de las cajas son alargadas. Para el periodo dos, presentó homogeneidad en los datos: pero,

en los meses julio y noviembre indica cierta variabilidad; dicho comportamiento también ocurre

en el periodo tres.

La precipitación máxima registrada entre los tres periodos es de 219 mm para el mes de

diciembre, correspondiente al primer periodo; y para el periodo 2 valores similares al del periodo

1, lo cual indica que hay cierta homogeneidad en los dos periodos, sin embargo, en el periodo tres

registraron aumentos con bigotes alargas los diagramas de cajas (ver Figura 35).

Análisis de resultados modelo de circulación global GCM 6 - (KACE-1-0-G)

La Figura 35 muestra homogeneidad en los datos en los periodos 1 y 2, con valores de

hasta 150 mm en promedio en los meses húmedos, pero, para el periodo 2 en los meses setiembre

– diciembre muestra variabilidad con bigotes alargadas. Por otro lado, el periodo tres registró

dispersión en las precipitaciones, este comportamiento en los meses lluviosos, los cual alcanzó un

valor máximo de 400 mm.

En relación con los valores máximos, en el primer periodo no superó valores de 220 mm,

sin embargo, en el periodo dos alcanzó valores de 250 mm para el mes de enero y registró valores

promedios de 200 mm en los meses húmedos. Por su parte, el periodo tres registró valores por

encima de 300 mm, con valores máximos de 397 y 332 mm para los meses de enero y febrero

respectivamente. (ver Figura 35 fila 2).


79

Figura 36

Variabilidad de la Precipitación Unidad Hidrográfica Yauli GCM-7 (CMCC-ESM2) y GCM-8 (GFDL-ES4)

Fuente: Elaboración propia


86

Análisis de resultados modelo de circulación global GCM 7 (CMCC-ESM2)

La Figura 36 fila 1 corresponde a los valores de GCM-7, donde presentó homogeneidad

de los datos para el periodo 1, por su parte, para los periodos siguientes muestra mayor dispersión

de las precipitaciones, los cual indica, mayor variabilidad en especial en los meses octubre –

marzo.

Las precipitaciones máximas registradas en los periodos 1, 2 y 3 son de 219, 289 y 349

mm respectivamente, dichos valores indica la variabilidad en las precipitaciones, pero, también

registró valores bajos en los meses secos.

Análisis de resultados modelo de circulación global GCM 8 (GFDL-ES4)

El comportamiento de las precipitaciones en el periodo 1 muestra homogeneidad, con

menor dispersión de los datos; por otro lado, en los periodos dos y tres, muestra variabilidad

notoria en especial en los meses lluviosos, es decir, en los meses de enero y febrero, con bigotes

alargadas en los diagramas de cajas. A lo largo del periodo total, se observó que hay variabilidad

de las precipitaciones con una tendencia al aumento, ya que, las precipitaciones máximas

alcanzadas en el periodo 1, 2 y 3 son de 219, 352 y 348 mm respectivamente.

Resultados del análisis

De los resultados analizados en los datos de los ocho GCM, se apreció que hay

variabilidad de precipitaciones, pero también, ausencia de precipitaciones en los meses secos, es

decir, probables sequías. Por consiguiente, hay cambio al aumento en el patrón de precipitación a

lo largo del periodo futuro (2099).


87

Asimismo, la Tabla 13 muestra el resultado del comportamiento de variabilidad de los

modelos de circulación global, en donde los promedios ascienden en forma creciente con valores

de 71.20 mm, 77.71 mm y 89.37 mm para los periodos 1, 2 y 3 respectivamente; lo cual indica

que habría cambio climático en precipitación.

Tabla 13

Resumen de variabilidad de Precipitaciones ´por Periodos del Análisis de Variabilidad (mm)

GCM- GCM- GCM- GCM- GCM- GCM- GCM- GCM-


Periodos PROMEDIO
1 2 3 4 5 6 7 8

Periodo 1
70.76 71.28 72.03 71.62 70.89 70.94 71.39 70.65 71.20
(1981-2020)

Periodo 2
79.05 81.28 82.79 81.03 69.28 77.09 82.26 68.86 77.71
(2021-2060)

Periodo 3
101.04 99.51 93.42 93.16 67.95 93.92 95.79 70.16 89.37
(2061-2099)

Fuente: Elaboración propia

Asimismo, la Figura 37 muestra el comportamiento de la precipitación al horizonte futuro (2099),

donde indica que las precipitaciones tienden al aumento progresivamente en los periodos

identificados, con ocurrencia de eventos extremos a lo largo del periodo en análisis, por lo cual,

hay variabilidad positiva en precipitaciones, por ende, habría cambio climático.


88

Figura 37

Variabilidad de la Precipitación en los Tres Periodos de Análisis

Fuente: Elaboración propia


89

CONCLUSIONES

• Se aplicó la metodología Downscaling en precipitaciones con datos mensuales del

producto PISCO en el periodo 1981-2014 y datos de modelos de circulación global,

los más importante del proceso es corregir los sesgos de los modelos de circulación

global con el mapeo de cuantiles, porque nos ayudó a generar datos similares a los

datos observados del producto PISCO, el resultado se observa en la Figura 15.

Se utilizaron los datos de los modelos de circulación global en las predicciones de

precipitaciones futuras, en donde se aplicó métricas estadísticas para ver el

desempeño de estos. Se obtuvieron valores estadísticos aceptables: con valores

máximos en el rango de 0.1 - 18.1 en el error cuadrático medio, eficiencia de Nash

entre 0.31 – 0.42 y coeficiente de determinación entre 0.44 – 0.54.

• Se cuantificaron las proyecciones climáticas futuras de las precipitaciones en los

modelos de circulación global en el periodo de 1981-2099, en donde se obtuvo

aumento de precipitaciones en los meses húmedos y precipitaciones nulas en los

meses secos, es decir, presencia de sequías. Este comportamiento se observó en la

mayoría de los modelos de circulación global (ver Tabla 12). Los resultados

relevantes se detallan:

- En la cuantificación de anomalías al escenario futuro (2099), se observó incremento

de precipitaciones de hasta 68% en los meses húmedos, y en los meses secos indica

precipitaciones nulas con valores negativos de hasta -71% (GCM-8).

- Por otro lado, el GCM-5 indica aumento de precipitaciones en los meses secos y

ausencia de lluvias en los meses húmedos; sin embargo, el modelo indicado no

representa el comportamiento hidrológico.


90

• Se analizó la variabilidad en las predicciones climáticas de precipitación al año

2099; lo relevante del análisis es, determinar la tasa de cambio en las

precipitaciones a través de periodos largos distribuidos de la siguiente manera:

periodo 1 (1981-2020), periodo 2 (2021-2060) y el periodo 3 (2061-2099), según

los resultados de la Tabla 13 indica que los promedios de los modelos de circulación

global en los periodos 1, 2 y 3 muestran valores de 71.20 mm, 77.7 mm y 89.37 mm

de precipitación respetivamente.

Lo cual indica aumento en las precipitaciones proyectadas al escenario 2099; es

decir, se produciría un cambio climático debido a estas variaciones de precipitación.

• El presente trabajo, se enfocó en el análisis de precipitaciones como problema de

cambio climático, asimismo, se dio a conocer el uso de datos de precipitación de los

GCM, los cuales se encuentran de forma gratuita y su aplicación es a nivel

ingeniería, ya que, los modelos presentan alta resolución y, por ende, los datos son

más precisos y confiables. A la pregunta formulada ¿hay cambio climático en

precipitación a largo plazo?; los resultados indicaron que los promedios en periodos

analizados tienden al aumento (ver Tabla 13); además, el análisis de anomalías

muestra que la tasa de cambio en precipitaciones es positiva en todos los meses, y

sequías en meses secos (ver Tabla 12 ); asimismo, se presentan eventos extremos en

algunos años (ver Figura 37 ); lo cual indica, que habrá variabilidad positiva en el

comportamiento de las precipitaciones; es decir, habría cambio climático en

precipitación.
91

RECOMENDACIONES

1. En el presente trabajo, se tomaron como datos observados del producto PISCO, ya

que, en el área de estudio, solo existe estacion con periodo de registro de 10 años,

sin embargo, en futuras investigaciones similares se recomienda validar los datos

del producto PISCO con una estación de por lo menos de 20 años de registro y

realizar el downscaling en forma puntual con las estaciones existentes, asimismo,

se recomienda realizar estudios de erosión hídrica en la cuenca, ante posibles

cambios en los patrones de precipitación

2. De los expuesto anteriormente, el principal motivo por lo que no se utilizó una

estación pluviométrica en el presente trabajó, es la escases de información en un

periodo representativo; en el anexo 4 se muestra una comparación de los datos de

precipitación de la estación pluviométrica Yasc-1 (2008-2020), PISCO (1981-

2014) y los GCM (1981-2020), donde muestra claramente la escases datos en un

periodo representativo (figura 4.1.2), el registro de información (Yasc-1) es de 10

años de forma completa, con falta de registros en algunos meses, principalmente

en los años 2008, 2009, 2014, 2017 (ver figura 4.9.1 anexo 4). Asimismo, se

observa que hay buena estacionalidad de los datos con la estación Yasc-1 con

relación a los datos de PISCO y GCM. El coeficiente de determinación entre los

datos de Pisco y Yasc-1 es de 0.54 (ver anexo 4) y eficiencia de Nash – Sutclife de

0.15 en el periodo común (2008-2014).

3. En futuras investigaciones se recomienda aplicar modelos de regionalización en la

predicción de cambio climático tales como: NCAR-PCM, Echam5, CSIRO-Mk2,

HadCM3, CCSR/NIES, R30 y CGCM2, aplicados a sistemas agrícolas, forestales

para comprender su adaptación, por otro lado, a sistemas acuícolas en el océano


92

Asimismo, Al aplicar estas metodologías los estadísticos o parámetros de

evaluación, deben ser extraídos de revistas científicas de categoría Q-1

4. En la presente, se realizó el proceso de reducción de escala en la variable

precipitación con el método de downscaling estadístico, en futuras investigaciones

se recomienda utilizar el método de downscaling dinámico y comparar los

resultados de ambos métodos.

5. Se recomienda realizar estudios de cambio en los patrones de cobertura vegetal y

su impacto a largo plazo, asimismo, estudios de gestión integral de recursos

hídricos.

6. Se recomienda realizar estudios de mitigación y adaptación al cambio climático en

las cuencas altoandinas; además, investigaciones en materia de sequías.

7. En el presente trabajo se realizó las predicciones en la variable precipitación, para

futuras investigaciones se recomienda realizar para la variable temperatura.

8. Asimismo, se recomienda tomar políticas de prevención de parte del estado, para

estudios de minería, de manera tal que las leyes sean estrictas y supervisadas para

su cumplimiento.
93

BIBLIOGRAFÍA

Aybar, C., Lavado-Casimiro, Huerta, A, & Fernández, C. (2017). Uso del Producto Grillado

“PISCO” de precipitación en Estudios, Investigaciones y Sistemas Operacionales de

Monitoreo y Pronóstico Hidrometeorológico.

Bates, Bryson, kundzewicz, Wu, Shaohong, Palutitof, & Jean. (2008). El Cambio Climático y los

Recursos Hídricos, por Sistemas y Sectores.

Bertoni, & Tucci. (1993). Ciência e aplicação, N° 3, UFRGS/ABRH, Porto Alegre.

Cáceres, D. (2011). Segunda Comunicación Nacional.

CARRERA, G. A. (2019). EVALUACIÓN DE LA INFLUENCIA DEL CAMBIO CLIMÁTICO.

Lima.

Chen, C., Haerter, J.O, Hagemann, S, & Piani,C. (2011). the contribution of statistical bias

correction to the uncertainty in the projected hydrological cycle, Geophys.

Conde, C. (2006). Mexico y el cambio climatico Global. Mexico.

Dosio, A. a. (2011). Bias correction of the ENSEMBLES high-resolution climate change.

Engen, S. (2007). Refinement of dynamically downscaled precipitation.

Exbrayat, J.-F. B. (2014). Addressing sources of uncertainty in runoff projections for a data

scarce catchment in the Ecuadorian Andes.

Fowler, H., Blenkinsop, & Tebaldi. (2007). Linking climate change modelling to impacts studies:

recent advances in downscaling techniques for hydrological modeling.


94

Francisco, A. M. (1999). Fiundamentos de Hidrologia de Superficie.

Gianuchi, Samaniego, & Campozano. (2015).

Gitay, Habiba, Suarez, Avelino, Watson, & Robert T. (2002). Cambio Climático y Biodiversidad,

Documento técnico V del IPCC.

Godmundsson, J. B. (2012). Downscaling RCM precipitation to the station scale using statiscal

Transformations - a comparison of methods.

Herzog, Sebastian K, Martínez, Jorgensen, Peter M, & Tiessen Holm. (2012). Cambio Climático

y Biodiversidad en los Andes Tropicales.

Ines, V and Hansen, & J.W. (2006). Bias correction of daily GCM rainfall for crop simulation

studies, Agr. Forest Meteorol 138, 44–53.

Intercomparison of joint bias correction methods for precipitation and flow from a hydrological

perspective. (2022).

IPPC. (2022). Sexto informe de evaluación del IPPC.

IPPC, I. (2021). Repercusión en la Seguridad Nacional.

J. F. Exbrayat, W. B. (2014). Addressing sources of uncertainty in runoff.

K. Abdo, T. R. (2008). Assessment of Climate Chance Impacts on the Hydrology of Gilgel

Abbay Catchment in Lake Tana Basin, Ethiopia.

Kue Bum Kim a, H.-H. K. (2022). Intercomparison of joint bias correction methods for

precipitation and flow from a hydrological perspective. Jorunal of Hydrology, 15.


95

Lui, J., Du, J., Yang, & Wang. (2020). Evaluating extreme precipitation estimations based on the

GPM IMERG products over the Yangtze River Basin, China.

Manish Shrestha, a., Suwash, Chandra, Acharyaa , & Pallav Kumar . (2017). Bias correction of

climate models for hydrological modelling – are simple methods still useful.

McCuen, R., Knight, Z., & Cortador, A. (2006). Evaluation of the Nash-Sutcliffe Efficiency.

Ochoa-Sanchez, & Ana Elizabeth. (2012). Desarrollo de herramientas computacionales para

downscaling de resultados de modelos de circulación.

Ochoa-Sánchez, A. E. (2013). Desarrollo de herramientas computacionales para downscaling de

resultados de modelos de circulación global y para pronóstico de caudales a tiempo real.

Proyector SENESCYT PIC.

OMM, O. M. (2013).

Quito, J. C. (2015). ANÁLISIS COMPARATIVO DE DOWNSCALING ESTADÍSTICO Y

DINÁMICO EN LAS CUENCAS DE LOS RÍOS PAUTE Y JUBONES.

Righetto. (1998).

Rocca, A. M. (2020). DIAGNÓSTICO DE VULNERABILIDAD DE LA ACTIVIDAD. Lima.

Rojas, R., Feven, L, Dosio, A, & Bavera, D. (2011). Improving pan-European hydrological

simulation of extreme events through statistical bias correction of RCM-driven climate

simulations.

Schmidli, J. F. (2007). Downscaling from GCM precipitation: a benchmark.


96

Schmidli, J., Frei,C, & P.L. (2007). Downscaling from.

Senamhi. (2020). STATE OF THE GLOBAL CLIMATE 2020.

Silveira. (2013).

Storch, V., H., Zorita E, & Cubasch. (1993). Downscaling of Global Climate Change Estimates

to Regional Scales.

Survey), U. (. (2020). https://ecologia.facilisimo.com/que-es-el-ciclo-del-agua-esquema-y-

explicacion_2438686.html.

Teutschbein, C. (2012). Bias correction of regional climate model simulations for hydrological

climate-change impact studies.

Themeßl, M. J. (2011). Empirical-statistical downscaling and error cor25.

Themeßl, M., Gobiet, A, & Heinrich, G. (2012). Empirical-statistical downscaling and error

correction of regional climate models and its impact on the climate change signal,

Climatic Change.

THM, K. A., & Gieske, A. R. (2008). Assessment of Climate Chance Impacts on the Hydrology

of Gilgrl Abbay Catcment in Lake Tana Basin, Etiopía.

Turco, M., Quintana-Segú,P, Llasat, M.C, Herrera,S, & Gutierrez,J.M. (2011). Testing MOS

precipitation downscaling for ENSEMBLES regional climate models over Spain.

Von Storch, H. Z. (1933). Downscaling of Global Climate Change.

Wilby. (2014).
97

ANEXOS

ANEXO 1: Códigos de descarga base de datos de precipitación pisco y modelos de circulación


global y aplicación de Quantile Mapping

EXTRACCIÓN DE PRECIPITACIÓN ÁREAL DE LA BASE DE DATOS PISCO

## Leer puntos de estaciones de datos PISCO de prec a partir de

# puntos de estaciones que están almacenados en un archivo *.csv

# Autores: Adrian Huerta & Waldo Lavado

rm(list=ls())

setwd("C:/Users/Federico Huamani/Desktop/Shape_Yauli/02 Extras por areas")

install.packages("rgdal")

#install.packages("raster")

library(ncdf4) # library(raster)

library(raster)

Pisco.prec.brick <- brick("PISCOpm2_1.nc")# leer netcdf con brick

Pisco.prec.brick # Enero de 1981 hasta dic 2014

nlayers(Pisco.prec.brick)

spplot(Pisco.prec.brick[[1:4]]) #

# Extraer los valores prec. promedio areal para el Mantaro


98

###Leemos el shape de mantaro

library(rgdal)

cuenca.wgs <- readOGR(dsn=".", layer="mantaro")

plot(cuenca.wgs)

pp.cuenca.mensual <- extract(Pisco.prec.brick, cuenca.wgs, fun=mean)

row.names(pp.cuenca.mensual) <- cuenca.wgs@data$NOMB_UH_N4

View(pp.cuenca.mensual)

range(pp.cuenca.mensual)

plot(pp.cuenca.mensual[1,], type="l", col="blue", ylim=c(0,250), ylab="Prec. [mm]",

xlab = "Meses", main="Prec. prom areal - Yauli [mm]")

write.csv(t(pp.cuenca.mensual),'Mantaro.csv')
99

EXTRACCIÓN DE PRECIPITACIÓN ÁREAL DE LA BASE DE DATOS DE LOS

MODELOS DE CIRCULACIÓN GLOBAL

# Ejercicio de extracción de datos de GCM

# Modelo GCM-5 (INM-CM5-0), datos descargados del portal cds climate

#https://cds.climate.copernicus.eu/

# cuenca del Yauli

# -11.32 a -11.47 // -75.85 a -76.9

# elaborado por Waldo Lavado Casimiro wlavado@lamolina.edu.pe

rm(list=ls())

setwd("C:/Users/Federico Huamani/Desktop/GCM_area_punto")

install.packages("ncdf4")

install.packages("raster")

install.packages("rgdal")

library(ncdf4) # library(raster)

library(raster)

##Información del netcdf


100

nc_data <- nc_open('pr_Amon_INM-CM5-0_historical_r1i1p1f1_gr1_19810116-

20141216_v20190610.nc')

# Save the print(nc) dump to a text file

sink('pr_Amon_MRI_1981-2014_metadata.txt')

print(nc_data)

sink()

# unidad está en kg m-2 s-1 para transformar a mm/mes se debe multiplicar *86400*30

Pr_presente <- brick("pr_Amon_INM-CM5-0_historical_r1i1p1f1_gr1_19810116-

20141216_v20190610.nc")# 1981-2014

Pr_presente <- Pr_presente*86400*30 # Enero de 1981 hasta dic 2016

nlayers(Pr_presente)

spplot(Pr_presente[[1:4]]) #

# Extraer los valores prec. promedio areal para el Yauli

###Leemos el shape de Yauli

library(rgdal)
101

cuenca.wgs <- readOGR(dsn=".", layer="Yauli")

plot(cuenca.wgs)

pr_his_cuenca <- extract(Pr_presente, cuenca.wgs, fun=mean)

row.names(pr_his_cuenca) <- cuenca.wgs@data$NOMB_UH_N4

View(pr_his_cuenca)

range(pr_his_cuenca)

plot(pr_his_cuenca[1,], type="l", col="blue", ylim=c(30,1000), ylab="Prec. [mm]",

xlab = "Meses", main="Prec. prom areal - Yauli [mm]")

## Ahora leemos del futuro

Pr_futuro <- brick("pr_Amon_INM-CM5-0_ssp585_r1i1p1f1_gr1_20150116-

20991216_v20190724.nc")# 1981-2014

Pr_futuro <- Pr_futuro*86400*30 # Enero de 1981 hasta dic 2016

nlayers(Pr_futuro)

spplot(Pr_futuro[[1:4]]) #

# Extraer los valores prec. promedio areal para el Yauli

###Leemos el shape de Yauli

#library(rgdal)
102

#cuenca.wgs <- readOGR(dsn=".", layer="Yauli")

#plot(cuenca.wgs)

pr_fut_cuenca <- extract(Pr_futuro, cuenca.wgs, fun=mean)

row.names(pr_fut_cuenca) <- cuenca.wgs@data$NOMB_UH_N4

View(pr_fut_cuenca)

range(pr_fut_cuenca)

plot(pr_fut_cuenca[1,], type="l", col="blue", ylim=c(30,1000), ylab="Prec. [mm]",

xlab = "Meses", main="Prec. prom areal - Yauli [mm]")

Todo_pr<-c(pr_his_cuenca,pr_fut_cuenca)

ss<-seq(as.Date("1981/1/1"), as.Date("2099/12/1"), "months")

#plot(ss,Todo_pr)

library(ggplot2)

toolik_df <- data.frame(mes= ss, pr=Todo_pr)

p<-ggplot(data=toolik_df, aes(x=mes, y=pr, group=1)) +

geom_line(color = "#FC4E07", size = 0.6) + # make this a line plot

ggtitle("Datos del modelo FIO 1981-2099") + # Set title

theme_bw() # use the black and white theme


103

p + scale_x_date(date_labels = "%b/%Y", date_breaks= "20 years")

#plot(ss, Todo_pr,type="l")

write.csv((Todo_pr),'Yauli_INM-CM5.csv')

#Extraer del punto -11 y -75

M_lon <- -76.101

M_lat <- -11.705

M_seriesP <- extract(Pr_presente, SpatialPoints(cbind(M_lon,M_lat)),

method='simple')

M_seriesF <- extract(Pr_futuro, SpatialPoints(cbind(M_lon,M_lat)),

method='simple')

Mpunto<-c(M_seriesP,M_seriesF)

toolik_df <- data.frame(mes= ss, pr=Mpunto)

p<-ggplot(data=toolik_df, aes(x=mes, y=pr, group=1)) +

geom_line(color = "#FC4E07", size = 0.6) + # make this a line plot

ggtitle("Datos del modelo INM-CM5 1981-2099 punto") + # Set title

theme_bw() # use the black and white theme

p + scale_x_date(date_labels = "%b/%Y", date_breaks= "20 years")


104

#plot(ss,Todo_pr,type="l")

write.csv((Todo_pr),'Yauli_puntoGCM.csv')

EXTRACCIÓN DE PRECIPITACIÓN ÁREAL DE LA BASE DE DATOS PISCO

#***************************************************"

DOWNSCALLING POR LA METODOLOGIA DE QUANTILE MAPPING

Revisar el articulo: Technical Note: Downscaling RCM precipitation

to the station scale using statistical transformations - a comparison of methods

L. Gudmundsson et al. (2012)

La corrección se realiza cada tres meses, el código está realizado para la

información a nivel mensual

Adaptado por:@autor: Kevin Arnold Traverso"

# INSTALAR Y CARGAR LOS PAQUETES NECESARIOS

setwd('C:/Users/Federico Huamani/Desktop/-Downscaling/10 CuantilMapping')

getwd()

ls()

rm(list=ls())

#install.packages(c("qmap", "zoo", "latticeExtra"))


105

# CARGAR LAS LIBRERIAS

library(qmap)

library(zoo)

library(latticeExtra)

# CARGANDO LOS ARCHIVOS NECESARIOS

# observación histórica PISCO

OBS_hist <- read.zoo("Pisco_1981_2014 - copia.csv", header = TRUE, sep = ",",

format = "%Y-%m-%d")

# observación del modelo GCM

GCM_model <- read.zoo("05 GCM_1981_2100.csv", header = TRUE, sep = ",",

format = "%Y-%m-%d")

# Ajustando la serie hasta diciembre 2014

GCM_hist <- window(GCM_model, end = "2016-12-01")

data_at <- cbind(OBS_hist, GCM_model)

data_wt <- cbind(OBS_hist, GCM_hist)

# GRAFICANDO LAS SERIES DE TIEMPO

plot(data_at, plot.type = "single", col = c(1, 2), lwd = 1,


106

main = c("OBS vs GCM_05 Yauli_INM-CM5-0 (RUSIA)"), ylab = "pp (mm/mes)",

xlab = "years")

plot(data_wt, plot.type = "single", col = c(1, 2), lwd = 1,

main = c("OBS vs GCM_05 Yauli_INM-CM5-0 (RUSIA)"), ylab = "pp (mm/mes)",

xlab = "years")

# months(time(data_wt)) correr y luego cambiar de acuerdo al nombre de los meses

plot(data_wt[months(time(data_wt)) %in% c("Diciembre","Enero","Febrero")],

plot.type = "single", col = c(1, 2), lwd = 1, type='p',

main = c("OBS vs GCM_05 Yauli_INM-CM5-0 (RUSIA)"), ylab = "pp (mm/mes)",

xlab = "years")

# GRAFICANDO SCATTERPLOT

plot(GCM_hist~OBS_hist, coredata(data_wt), col = c(1,2))

plot(GCM_hist~OBS_hist,

coredata(data_wt[months(time(data_wt)) %in%

c("Diciembre", "Enero", "Febrero")]), col = c(1,2))

# GRAFICANDO ECDF

ecdfplot(~ OBS_hist + GCM_hist, data = data.frame(data_wt),


107

lwd = 2, col = c(1, 2))

ecdfplot(~ OBS_hist + GCM_hist,

data = data.frame(data_wt[months(time(data_wt)) %in%

c("Diciembre", "Enero", "Febrero")]),

lwd = 2, col = c(1, 2))

# SEASONAL QUANTILE EMPIRICAL MAPPING

data_wt$gcm_dowscaled <- data_wt$GCM_hist

seasons_by_year <- list(c("Diciembre","Enero","Febrero"),

c("Marzo","Abril","Mayo"),

c("Junio","Julio","Agosto"),

c("Setiembre","Octubre","Noviembre"))

seasonal_qm_fit_model <- list()

## función de quantil maping 0.1 es a corrección, es lineal

for(i in 1:4) {

obs_sl <- data_wt[months(time(data_wt)) %in% seasons_by_year[[i]]]$OBS_hist

mod_sl <- data_wt[months(time(data_wt)) %in% seasons_by_year[[i]]]$GCM_hist

#MODEL, read!: L. Gudmundsson et al. (2012)


108

qm_fit <- fitQmapQUANT(obs = coredata(obs_sl),

coredata(mod_sl),

qstep = 0.01,

nboot = 1,

wet.day = TRUE,

type = "linear")

mod_sl_qmapped <- doQmapQUANT(coredata(mod_sl), qm_fit, type = "linear")

data_wt$gcm_dowscaled[ months(time(data_wt)) %in%

seasons_by_year[[i]]] <- mod_sl_qmapped

seasonal_qm_fit_model[[i]] <- qm_fit

# GRAFICANDO

plot(data_wt, plot.type = "single", col = c(1, 2, 4), lwd = 2,

main = c("OBS vs GCM vs GCM downscaled_05 Yauli_INM-CM5-0 (RUSIA)"),

xlab = "Years", ylab = "pp (mm/mes)")

plot(data_wt[months(time(data_wt)) %in% c("Diciembre",

"Enero",
109

"Febrero")],

plot.type = "single", col = c(1, 2, 4), lwd = 2, type = "p",

main = c("OBS vs GCM vs GCM downscaled 05 Yauli_INM-CM5-0 (RUSIA)"),

xlab = "Years", ylab = "pp (mm/mes)")

plot(gcm_dowscaled~OBS_hist, coredata(data_wt), col = c(4,1))

plot(gcm_dowscaled~OBS_hist, coredata(data_wt[months(time(data_wt)) %in%

c("Diciembre",

"Enero",

"Febrero")]),

col = c(4,1))

ecdfplot(~ OBS_hist + GCM_hist + gcm_dowscaled, data = data.frame(data_wt),

lwd = 3, col = c(1, 2, 4))

ecdfplot(~ OBS_hist + GCM_hist + gcm_dowscaled,

data = data.frame(data_wt[months(time(data_wt)) %in%

c("Diciembre","Enero","Febrero")]),

lwd = 3, col = c(1, 2, 4))

ecdfplot(~ OBS_hist + gcm_dowscaled, data = data.frame(data_wt),


110

lwd = 3, col = c(1, 2, 4))

# INTERPOLANDO LA INFORMACION

data_at$GCM_downscaled <- data_at$GCM_model

for(i in 1:4) {

mod_sl <- data_at[months(time(data_at)) %in% seasons_by_year[[i]]]$GCM_model

mod_sl_qmapped <- doQmapQUANT(coredata(mod_sl), seasonal_qm_fit_model[[i]],

type = "linear")

data_at$GCM_downscaled[ months(time(data_at)) %in% seasons_by_year[[i]]] <-

mod_sl_qmapped

# verificar la nueva tabla y el grafico

View(data_at)

plot(data_at, plot.type = "single", col = c(1, 2, 4), lwd = 1,

main = c("OBS vs GCM VS GCM DOWNSCALED_05 Yauli_INM-CM5-0

(RUSIA)"),

ylab = "pp (mm/mes)", xlab = "years")

#SALVAR LOS DATOS AJUSTADOS PARA GCM


111

write.zoo(data_at[,3], file = "05GCM_DOWNSCALED_1981_2099_RCP85.csv", sep =

",")

print("El proceso se ha completado satisfactoriamente!")


112

ANEXO 2: Salidas de proceso de donwscaling de los ocho (8) modelos de circulación

global

Proceso de Downscaling - Modelo de Circulación Globa l - CNRM-CM6-1


Datos Crudos

Datos Crudos

Datos Observados
113

Datos Crudos

Datos Observados
114

Reducción de escala Modelo de circulación Global 1- CNRM-CM6-1

Datos Crudos

Datos Modelados

Datos observados
115

Datos Crudos

Datos Modelados

Datos observados
116

Proceso de Downscaling - Modelo de Circulación Global 2 - MRI-ESM2


Datos Crudos

Datos Crudos

Datos Observados
117

Datos Crudos

Datos Observados
118

Reducción de escala Modelo de circulación Global 2 - MRI-ESM2

Datos Crudos

Datos Modelados

Datos observados
119

Datos Crudos

Datos Modelados

Datos observados
120

Proceso de Downscaling Modelo de Circulación Global 3 - CAMS-CSN


Datos Crudos

Datos Crudos

Datos Observados
121

Datos Crudos

Datos Observados
122

Reducción de escala Modelo de circulación Global 3GCM-3 - CAMS-CSN

Datos Crudos

Datos Modelados

Datos observados
123

Datos Crudos

Datos Modelados

Datos observados
124

Proceso de Downscaling Modelo de Circulación Global 4 - CESM2


Datos Crudos

Datos Crudos

Datos Observados
125

Datos Crudos

Datos Observados
126

Reducción de escala Modelo de circulación Global 4 - CESM2

Datos Crudos

Datos Modelados

Datos observados
127

Datos Crudos

Datos Modelados

Datos observados
128

Proceso de Downscaling - Modelo de Circulación Global 5 - INM-CM5-0


Datos Crudos

Datos Crudos

Datos Observados
129

Datos Crudos

Datos Observados
130

Reducción de escala Modelo de circulación Global 5 - INM-CM5-0

Datos Crudos

Datos Modelados

Datos observados
131

Datos Crudos

Datos Modelados

Datos observados
132

Proceso de Downscaling - Modelo de Circulación Global 6 - KACE-1-0-G


Datos Crudos

Datos Crudos

Datos Observados
133

Datos Crudos

Datos Observados
134

Reducción de escala Modelo de circulación Global 6 - KACE-1-0-G

Datos Crudos

Datos Modelados

Datos observados
135

Datos Crudos

Datos Modelados

Datos observados
136

Proceso de Downscaling Modelo de Circulación Global 7 - CMCC-ESM2


Datos Crudos

Datos Crudos

Datos Observados
137

Datos Crudos

Datos Observados
138

Reducción de escala Modelo de circulación Global 7 - CMCC-ESM2

Datos
DatosCrudos
Crudos
Datos
DatosModelados
Modelados
Datos observados
139

Datos Crudos

Datos Modelados

Datos observados
140

Proceso de Downscaling - Modelo de Circulación Global 8 - GFDL-ES4


Datos Crudos

Datos Crudos

Datos Observados
141

Datos Crudos

Datos Observados
142

Reducción de escala Modelo de circulación Global 8 - GFDL-ES4

Datos Crudos

Datos Modelados
143

Datos Crudos

Datos Modelados

Datos observados
144

Anexo 3: análisis de anomalías y variabilidad de precipitación de los ocho modelos de

circulación global
145

4.1 Modelo de circulación global 1 (GCM-1)- CNRM-CM6-1

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
1981 212.7 149.5 51.0 16.5 10.7 0.7 25.7 38.6 68.9 98.2 141.0 161.1 974.6
1982 134.7 98.5 25.3 17.2 3.8 5.3 20.5 22.4 56.1 72.2 60.0 154.7 670.8
1983 135.6 162.2 81.0 26.3 2.5 17.1 19.5 56.3 38.3 73.1 204.3 135.3 951.6
1984 146.3 124.8 72.9 53.3 5.7 10.6 11.9 35.6 63.8 93.2 90.4 84.9 793.5
1985 139.9 116.0 79.7 34.3 4.2 7.2 4.6 105.6 30.9 95.4 117.9 157.0 892.8
1986 160.0 171.7 64.9 54.7 6.4 15.5 12.0 21.6 90.8 84.2 167.8 172.9 1022.5
1987 101.1 160.7 73.2 55.5 8.1 11.9 19.5 28.3 101.8 68.6 202.6 100.3 931.7
1988 132.2 133.9 69.2 15.3 5.4 7.4 31.8 34.0 36.7 126.0 98.3 95.6 785.8
1989 144.3 137.8 67.1 46.5 0.9 27.8 26.7 48.6 81.5 53.7 95.2 117.2 847.5
1990 166.6 165.3 52.0 14.0 1.6 4.0 42.5 80.1 65.2 31.6 201.4 161.4 985.8
1991 101.5 213.2 84.6 20.3 9.3 25.4 4.6 47.0 50.2 100.3 154.9 122.2 933.7
1992 152.6 199.7 28.7 34.2 4.8 9.2 20.3 17.9 43.9 105.1 128.7 146.3 891.4
1993 186.9 90.6 78.2 14.8 1.8 5.7 20.7 72.9 133.3 85.1 139.7 125.6 955.3
1994 126.7 95.3 23.4 18.5 8.0 3.7 18.0 32.8 52.3 103.1 71.0 130.1 682.9
1995 183.5 97.6 45.3 30.5 4.9 2.6 15.8 33.4 58.8 108.2 84.8 136.8 802.2
1996 126.1 167.8 24.7 12.2 9.4 3.0 21.6 24.8 65.9 57.1 123.0 107.7 743.4
1997 173.2 131.4 40.4 44.7 3.1 2.6 3.2 46.6 44.6 60.7 94.2 88.1 732.9
1998 142.1 120.5 113.5 10.3 2.6 6.8 13.0 42.7 62.8 78.2 73.6 63.5 729.5
1999 162.1 151.9 36.1 4.2 0.6 5.0 16.3 29.8 46.2 90.0 98.9 155.9 797.0
2000 215.5 108.8 70.1 9.7 2.1 11.7 33.8 45.6 56.2 117.6 113.2 154.3 938.6
2001 134.3 143.4 66.8 33.4 14.8 1.3 13.5 27.6 21.3 83.5 91.3 132.6 763.9
2002 138.6 157.4 42.0 3.9 5.1 16.9 10.3 18.7 78.8 106.3 103.8 140.0 821.8
2003 115.4 135.9 32.3 23.6 7.3 4.7 14.4 23.9 41.9 65.2 99.8 134.1 698.7
2004 126.6 108.2 84.3 7.5 2.1 8.6 16.4 71.1 57.9 81.1 38.1 158.0 759.9
2005 164.5 179.3 91.1 56.2 12.9 10.3 18.5 38.4 22.4 70.6 53.2 171.8 889.1
2006 130.1 178.1 88.4 48.5 2.9 11.0 12.1 19.5 54.5 107.0 92.7 158.4 903.3
2007 216.7 192.0 23.5 16.0 10.6 5.8 1.4 17.7 20.4 38.6 153.8 90.8 787.3
2008 125.8 139.4 76.9 29.9 3.3 10.4 15.1 30.2 46.6 82.5 80.9 178.9 820.0
2009 177.6 185.4 81.4 27.8 8.4 5.0 10.3 59.1 77.6 39.2 120.4 128.5 920.7
2010 115.6 147.0 39.7 15.6 14.2 6.8 7.4 46.7 77.7 79.4 134.5 125.1 809.7
2011 181.5 157.0 71.4 8.0 6.6 6.1 22.0 59.5 53.2 93.0 95.5 217.6 971.6
2012 219.0 182.0 87.7 20.2 3.3 14.6 22.7 28.5 67.3 76.9 156.7 198.0 1076.7
2013 218.7 154.1 34.5 35.3 3.5 13.2 10.0 51.7 34.6 81.3 98.1 140.5 875.6
2014 171.2 144.3 34.6 20.5 5.5 0.9 32.7 26.6 55.3 37.5 156.1 89.2 774.4
2015 191.2 177.6 68.6 24.7 8.3 4.8 8.8 30.6 40.1 67.5 162.4 175.1 959.8
2016 185.1 97.0 42.8 4.4 3.9 6.9 12.9 52.1 81.0 109.0 102.1 130.1 827.3
2017 127.4 151.3 58.3 18.5 1.6 5.4 25.7 73.4 93.5 103.9 46.4 103.1 808.5
2018 92.8 104.2 42.2 17.7 4.6 14.2 14.8 75.7 82.8 96.0 61.0 84.5 690.6
146

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2019 125.9 151.9 39.3 15.4 2.0 2.8 14.8 21.6 132.2 116.9 138.6 116.9 878.5
2020 130.2 137.3 58.3 15.4 11.7 25.6 40.4 24.5 48.5 53.9 130.5 185.4 861.7
2021 97.3 118.3 31.8 15.4 6.8 9.3 10.8 21.8 75.2 120.1 125.3 130.5 762.5
2022 125.8 77.0 109.7 20.4 10.0 9.4 8.1 84.2 58.9 93.5 130.3 159.2 886.4
2023 187.7 154.1 20.2 8.0 3.5 8.3 36.4 29.9 31.9 91.2 64.0 135.4 770.5
2024 142.9 162.8 88.0 5.3 6.6 4.1 20.1 41.9 40.2 83.4 140.0 123.4 858.8
2025 172.7 164.2 87.6 19.4 12.6 19.7 3.2 50.5 44.3 129.9 47.1 156.7 908.0
2026 234.3 182.6 78.6 19.7 4.4 10.7 24.4 111.1 26.3 33.3 90.8 164.8 981.0
2027 166.4 153.9 41.1 15.8 10.3 12.4 14.4 30.8 46.7 77.6 133.1 87.4 790.0
2028 200.0 185.1 34.0 5.1 5.0 9.3 13.8 44.6 42.2 92.7 130.0 130.1 891.7
2029 154.7 179.3 57.7 6.5 8.0 4.8 16.4 38.3 67.4 91.8 134.2 130.2 889.3
2030 130.2 132.7 89.4 20.0 16.4 5.0 10.5 40.7 52.1 56.0 84.7 95.4 733.1
2031 132.5 179.2 25.3 24.7 2.6 5.5 20.2 54.5 56.9 122.8 164.6 185.1 973.9
2032 117.0 134.8 70.0 18.7 7.3 13.0 20.2 46.7 21.8 116.5 141.0 167.8 874.9
2033 173.1 154.1 39.6 19.9 3.9 0.0 13.2 77.3 56.0 58.2 97.9 213.1 906.5
2034 219.0 189.6 80.7 15.3 4.8 8.3 11.3 60.7 80.5 79.7 83.4 183.4 1016.6
2035 134.4 230.1 54.4 22.5 3.4 5.9 18.5 58.1 22.8 78.3 165.3 172.8 966.6
2036 260.3 172.7 110.3 15.4 3.1 5.6 15.4 36.8 80.5 77.9 93.5 129.9 1001.4
2037 217.8 186.7 68.6 4.5 0.8 1.6 6.6 36.2 59.3 25.7 140.4 131.0 879.2
2038 208.7 185.6 42.4 20.8 8.3 7.3 11.9 18.6 30.9 56.0 154.6 223.9 969.1
2039 125.9 185.0 96.5 15.9 8.3 9.1 9.3 18.6 69.0 48.6 80.1 202.4 868.7
2040 187.4 140.5 47.0 43.7 4.8 23.9 14.8 18.5 83.6 65.9 60.8 252.4 943.5
2041 232.6 191.6 53.1 24.3 14.9 5.7 10.4 80.0 59.7 59.2 121.3 165.3 1018.1
2042 95.2 179.2 79.2 25.1 4.1 12.7 37.0 25.3 84.2 66.2 164.6 158.5 931.3
2043 216.1 220.5 69.3 30.1 9.9 12.1 13.1 52.6 58.4 63.7 167.4 227.5 1140.7
2044 201.1 96.7 85.2 37.6 12.6 8.3 18.2 37.7 58.9 113.3 154.5 125.9 950.1
2045 199.0 151.1 106.8 18.4 4.9 5.4 14.8 40.2 55.4 78.8 105.6 239.6 1020.0
2046 134.3 109.7 19.8 24.0 0.9 4.1 25.6 38.3 56.2 147.8 153.1 165.1 878.9
2047 250.7 191.0 39.3 15.5 2.7 9.4 9.0 24.9 30.9 120.3 82.5 106.0 882.1
2048 154.5 228.4 52.2 20.2 3.1 8.3 5.0 18.9 121.1 59.2 175.4 232.9 1079.1
2049 187.7 180.2 70.6 19.8 8.3 26.1 17.8 75.9 38.5 56.2 81.8 126.1 888.8
2050 229.4 227.6 55.6 25.3 1.0 0.9 12.3 37.4 44.8 83.7 101.2 198.4 1017.8
2051 200.0 198.2 54.2 24.8 3.2 0.7 5.8 96.6 66.9 79.2 133.6 221.6 1084.8
2052 225.3 179.2 109.4 4.6 0.9 16.4 15.2 20.4 51.4 79.2 142.6 234.0 1078.6
2053 269.9 230.0 53.0 24.6 2.8 14.9 1.0 58.2 26.1 58.4 154.6 156.6 1050.1
2054 238.5 173.5 61.2 17.6 9.8 5.8 12.2 59.1 93.5 124.7 172.7 246.7 1215.3
2055 140.4 150.5 73.2 46.6 14.9 3.4 10.9 39.6 52.8 101.1 200.2 226.9 1060.4
2056 196.3 192.6 30.0 4.2 2.6 10.7 12.2 21.8 78.8 67.0 48.4 161.5 826.2
2057 61.2 191.4 41.2 39.2 4.8 9.3 19.6 25.7 77.1 66.8 165.5 161.6 863.4
147

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2058 187.9 219.9 133.8 34.0 10.7 6.8 19.9 121.7 62.1 67.1 148.6 156.7 1169.3
2059 258.3 113.5 41.8 38.3 15.3 10.9 25.5 43.4 52.8 83.0 95.8 166.2 944.9
2060 200.2 237.1 46.6 24.8 4.0 9.3 8.3 18.8 38.5 132.3 156.7 95.5 972.1
2061 259.2 181.6 104.2 29.6 4.9 11.9 34.1 18.1 78.1 137.1 214.5 161.7 1234.9
2062 238.2 167.8 70.5 19.1 3.6 0.7 0.9 18.8 30.8 75.5 188.9 241.4 1056.3
2063 166.1 162.9 43.8 15.9 7.4 3.4 10.7 36.2 47.4 116.1 136.8 232.7 979.3
2064 128.0 172.4 86.5 29.7 10.3 18.3 4.7 18.8 28.7 46.8 57.7 84.3 686.3
2065 296.6 208.1 53.6 24.8 6.8 9.3 9.2 18.7 69.4 59.9 130.8 284.6 1171.8
2066 294.6 79.7 97.5 25.0 10.2 0.8 9.4 56.2 20.7 99.7 59.3 201.8 954.8
2067 172.8 180.9 47.4 15.4 9.3 10.6 19.4 58.7 52.4 81.4 87.7 292.2 1028.2
2068 283.1 256.5 88.0 24.0 15.3 20.6 13.4 58.9 105.5 78.7 124.9 246.5 1315.6
2069 274.8 276.1 84.0 47.8 1.6 19.3 19.5 47.9 81.3 100.4 126.2 244.8 1323.7
2070 349.9 208.8 82.9 34.3 5.6 5.4 19.9 59.2 79.3 90.3 144.3 271.5 1351.4
2071 341.3 205.7 123.8 42.3 3.0 14.9 9.3 38.2 74.8 92.4 187.9 241.3 1374.9
2072 264.7 229.5 99.5 24.8 5.6 4.7 15.3 21.3 80.8 133.2 72.9 238.2 1190.7
2073 252.1 155.5 88.7 23.2 15.5 3.9 5.8 83.2 68.2 89.3 267.0 254.2 1306.5
2074 239.2 240.1 89.0 25.2 8.3 2.9 10.7 0.0 59.1 91.4 161.7 229.3 1156.7
2075 215.8 140.8 70.1 23.5 6.5 12.2 12.2 54.4 79.3 78.2 171.8 169.5 1034.2
2076 344.8 136.7 149.0 19.5 6.6 2.6 20.5 70.4 34.6 133.3 214.8 233.0 1365.8
2077 225.4 179.6 34.5 15.4 4.0 3.8 19.3 21.6 105.3 78.4 115.9 298.1 1101.3
2078 60.4 179.1 31.2 35.8 7.3 4.0 21.6 78.2 71.1 84.0 134.0 312.2 1018.9
2079 245.9 91.1 72.4 34.2 12.9 4.3 3.2 18.5 37.6 82.7 164.1 156.5 923.5
2080 130.4 179.2 148.5 19.9 3.1 15.5 17.8 22.0 80.8 72.7 239.2 168.8 1098.0
2081 136.5 276.9 137.1 24.2 7.2 1.6 38.5 76.7 92.3 66.1 142.5 230.5 1230.2
2082 142.5 316.4 96.2 40.1 12.1 5.9 12.8 56.0 78.5 183.1 95.9 222.9 1262.4
2083 300.4 232.3 108.1 25.7 25.5 11.1 23.0 18.4 91.0 111.0 161.6 263.5 1371.5
2084 226.7 293.5 42.8 18.5 8.3 3.9 13.0 39.4 106.1 96.2 188.5 285.4 1322.3
2085 313.2 216.4 85.1 35.5 15.4 17.8 10.2 18.4 69.6 66.0 117.2 279.4 1244.0
2086 285.5 135.3 98.4 19.9 5.8 2.9 13.6 48.1 60.0 93.6 100.3 330.3 1193.7
2087 284.0 240.1 83.8 20.0 17.4 9.3 12.7 20.9 30.9 109.1 125.7 301.9 1255.9
2088 297.9 281.0 87.8 47.4 2.7 2.8 7.3 56.1 56.2 76.5 317.7 342.6 1575.9
2089 265.1 204.8 51.0 4.1 0.9 16.6 7.1 33.4 45.6 129.0 142.0 217.1 1116.6
2090 273.1 205.1 162.8 39.4 0.9 13.2 12.2 0.0 56.1 168.9 169.8 161.4 1262.8
2091 225.6 225.2 126.1 61.5 13.4 21.2 11.3 20.3 84.0 78.7 49.0 276.7 1192.9
2092 314.8 201.0 67.8 22.0 8.2 15.9 12.3 52.5 59.0 79.6 182.6 261.4 1277.1
2093 241.4 191.6 104.1 7.0 9.3 10.4 10.6 21.8 48.1 108.9 96.4 175.7 1025.4
2094 350.1 322.6 54.2 30.3 9.3 0.9 12.6 21.0 79.9 132.3 126.0 300.4 1439.5
2095 340.0 181.4 80.9 70.4 3.1 4.1 30.9 0.0 31.0 63.5 267.1 400.7 1473.1
2096 422.7 328.8 107.9 22.4 8.3 4.8 1.9 0.0 81.3 91.1 172.0 154.7 1395.8
148

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2097 232.4 321.2 103.4 20.2 1.6 1.1 15.2 38.5 47.6 56.3 172.9 276.9 1287.3
2098 352.2 349.6 38.6 73.0 6.6 5.0 2.9 52.5 56.1 70.5 149.8 173.4 1330.2
2099 358.0 194.3 154.1 31.1 0.9 10.7 5.5 56.4 56.1 75.7 170.8 1113.6

Promedio 197.9 177.3 70.2 24.8 6.7 8.7 15.4 41.6 60.6 86.3 130.4 181.3 1001.1
Máxima 422.7 349.6 162.8 73.0 25.5 27.8 42.5 121.7 133.3 183.1 317.7 400.7 2260.5
Mínima 60.4 77.0 19.8 3.9 0.6 0.0 0.9 0.0 20.4 25.7 38.1 63.5 310.5
D.Estándar 71.8 54.0 31.2 14.0 4.5 6.1 8.6 23.3 23.3 27.6 49.3 65.6 379.4

4.8.1 Análisis de anomalías en síes periodos (CNRM-CM6-1)

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodos Pisco 147.3 152.5 146.6 64.1 20.6 9.0 8.2 14.2 34.2 72.4 74.8 112.3
Promedio 152.2 139.9 59.1 26.7 4.8 9.2 19.1 43.2 62.4 85.1 123.1 128.6
Máxima 215.5 213.2 113.5 55.5 10.7 27.8 42.5 105.6 133.3 126.0 204.3 172.9
Periodo 1 Mínima 101.1 90.6 23.4 4.2 0.6 0.7 3.2 17.9 30.9 31.6 60.0 63.5
Promedio 154.4 151.1 58.2 22.1 6.6 8.8 16.2 39.9 59.4 79.5 105.8 142.9
Máxima 219.0 192.0 91.1 56.2 14.8 25.6 40.4 75.7 132.2 116.9 162.4 217.6
Periodo 2 Mínima 92.8 97.0 23.5 3.9 1.6 0.9 1.4 17.7 20.4 37.5 38.1 84.5
Promedio 169.4 163.4 63.6 16.9 6.5 8.7 15.0 46.0 52.3 79.9 113.1 158.8
Máxima 260.3 230.1 110.3 43.7 16.4 23.9 36.4 111.1 83.6 129.9 165.3 252.4
Periodo 3 Mínima 97.3 77.0 20.2 4.5 0.8 0.0 3.2 18.5 21.8 25.7 47.1 87.4
Promedio 193.9 183.1 63.8 25.0 6.6 9.1 14.7 46.8 60.4 85.3 136.3 178.6
Máxima 269.9 237.1 133.8 46.6 15.3 26.1 37.0 121.7 121.1 147.8 200.2 246.7
Periodo 4 Mínima 61.2 96.7 19.8 4.2 0.9 0.7 1.0 18.8 26.1 56.2 48.4 95.5
Promedio 239.2 181.6 83.3 26.5 7.4 8.5 13.8 40.0 64.3 91.1 150.0 228.1
Máxima 349.9 276.1 149.0 47.8 15.5 20.6 34.1 83.2 105.5 137.1 267.0 312.2
Periodo 5 Mínima 60.4 79.7 31.2 15.4 1.6 0.7 0.9 0.0 20.7 46.8 57.7 84.3
Promedio 282.2 248.3 94.2 32.2 8.3 8.4 13.3 33.2 64.7 97.7 155.2 258.6
Máxima 422.7 349.6 162.8 73.0 25.5 21.2 38.5 76.7 106.1 183.1 317.7 400.7
Periodo 6 Mínima 136.5 135.3 38.6 4.1 0.9 0.9 1.9 0.0 30.9 56.3 49.0 154.7
149

4.8.2 Variación porcentual de precipitación respecto al periodo 1981-2000

Periodos Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodo 3
-9% 7% 22% 8% 2% 1% -39% -19% -6% -4% 11% 5%
(2021-2040)
Periodo 3
1% -3% 1% -13% -33% -46% -45% -32% -11% 7% -7% -2%
(2021-2040)
Periodo 4
1% -3% 1% -13% -33% -46% -45% -32% -11% 7% -7% -2%
(2041-2060)
Periodo 5
8% 14% 32% -11% -18% -66% -70% -60% -7% -4% 1% 14%
(2061-2080)
Periodo 6
8% 20% 28% -35% -8% -71% -92% -73% -23% -11% -2% -6%
(2081-2099)
Promedio 2% 7% 17% -13% -18% -46% -58% -43% -12% -1% -1% 2%

4.8.3. Variabilidad de la precipitación en tres periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Promedio 153.3 145.5 58.6 24.4 5.7 9.0 17.7 41.5 60.9 82.3 114.4 135.7
Periodo Máxima 219.0 213.2 113.5 56.2 14.8 27.8 42.5 105.6 133.3 126.0 204.3 217.6
1 Mínima 92.8 90.6 23.4 3.9 0.6 0.7 1.4 17.7 20.4 31.6 38.1 63.5
(1981- Q1 127.2 123.7 39.6 15.2 2.8 4.8 12.0 26.2 44.4 68.4 91.0 114.6
2020) Q3 178.6 165.9 77.3 33.6 8.1 11.8 21.7 51.8 77.6 101.0 140.0 158.1
Mediana 143.2 148.2 61.6 19.4 4.8 6.8 16.0 34.8 56.1 83.0 103.0 134.7
Promedio 181.7 173.3 63.7 20.9 6.6 8.9 14.8 46.4 56.4 82.6 124.7 168.7
Máxima 269.9 237.1 133.8 46.6 16.4 26.1 37.0 121.7 121.1 147.8 200.2 252.4
Periodo Mínima 61.2 77.0 19.8 4.2 0.8 0.0 1.0 18.5 21.8 25.7 47.1 87.4
2 Q1 138.9 153.2 41.7 15.5 3.2 5.5 10.5 25.6 41.7 62.5 92.8 130.4
(2021- Q3 218.1 191.5 81.8 24.8 9.8 10.7 18.8 58.1 67.8 95.4 154.6 205.1
2060) Mediana 187.8 179.3 56.7 20.0 4.8 8.3 13.5 39.9 56.1 79.0 133.3 163.2
Promedio 260.1 214.1 88.6 29.3 7.8 8.4 13.6 36.7 64.5 94.3 152.5 242.6
Máxima 422.7 349.6 162.8 73.0 25.5 21.2 38.5 83.2 106.1 183.1 317.7 400.7
Periodo Mínima 60.4 79.7 31.2 4.1 0.9 0.7 0.9 0.0 20.7 46.8 49.0 84.3
3 Q1 226.2 179.2 68.9 20.0 3.8 3.6 9.3 18.8 47.9 76.1 121.1 205.6
(2061- Q3 306.8 248.3 104.2 34.9 9.7 12.7 18.5 56.1 80.3 109.0 177.8 283.3
2099) Mediana 265.1 205.1 87.8 24.8 7.2 5.4 12.3 36.2 68.2 89.3 144.3 243.1
150

4.2 Modelo de Circulación global 2 (GCM-2)- MRI-ESM2

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
1981 101.1 109.0 52.0 18.5 4.6 10.5 30.4 38.6 38.2 56.2 115.4 173.1 747.6
1982 90.6 160.4 40.6 10.8 3.7 6.1 11.6 20.8 71.0 133.3 144.9 138.8 832.6
1983 129.5 113.4 30.2 15.6 1.4 10.3 15.4 46.7 33.4 62.0 95.9 134.7 688.7
1984 146.4 66.5 71.9 15.3 7.3 5.5 25.6 22.0 79.5 59.0 89.0 181.3 769.3
1985 130.5 163.2 90.3 28.4 10.3 39.0 32.9 38.1 45.9 124.4 104.0 219.0 1025.9
1986 166.6 154.1 68.0 21.1 6.5 8.8 15.8 22.4 101.4 79.9 84.3 156.4 885.3
1987 101.5 147.3 42.0 24.8 9.4 3.0 29.1 34.7 46.6 47.5 139.9 95.3 721.2
1988 126.0 117.3 54.6 14.9 2.5 6.8 11.9 21.6 78.2 103.3 128.1 142.8 808.0
1989 61.4 162.6 87.6 26.4 3.8 10.7 14.7 51.7 38.5 81.1 82.2 170.7 791.5
1990 155.8 142.1 70.2 20.3 1.7 8.3 42.5 56.0 58.4 68.0 140.3 202.6 966.2
1991 141.4 97.0 84.3 16.7 1.6 5.1 14.4 19.1 41.7 91.8 95.4 154.7 763.4
1992 162.6 99.2 88.1 4.2 5.0 4.8 13.5 46.7 90.3 54.6 74.1 90.7 734.0
1993 156.3 137.7 93.5 12.2 10.0 3.3 17.8 39.8 95.2 73.4 152.6 161.5 953.4
1994 154.3 191.6 84.9 28.4 3.2 2.6 16.4 39.8 76.9 107.2 172.4 218.5 1096.2
1995 115.7 168.3 55.4 8.6 5.0 5.6 18.9 21.3 64.7 81.4 98.5 88.1 731.5
1996 135.6 73.2 48.7 8.9 4.8 13.2 8.2 30.9 68.0 70.3 157.4 198.1 817.2
1997 139.8 213.2 66.1 34.6 5.8 0.9 5.8 30.8 26.4 83.6 118.9 106.3 832.1
1998 136.7 185.2 35.4 5.8 4.3 3.9 8.6 24.8 56.2 72.3 118.4 175.1 826.6
1999 92.0 135.8 81.5 33.3 3.5 8.3 16.9 53.2 67.0 90.9 97.1 133.8 813.5
2000 62.3 179.3 53.2 25.1 7.2 3.1 20.0 27.7 55.4 65.8 164.5 99.4 762.9
2001 167.5 182.1 80.3 39.5 2.7 15.0 21.2 28.9 70.4 100.2 172.6 201.2 1081.6
2002 161.8 157.4 95.3 14.0 12.9 4.0 12.5 35.8 42.7 52.3 38.1 85.6 712.4
2003 102.5 149.9 72.9 34.3 3.2 10.3 11.9 44.7 66.1 77.5 216.5 129.5 919.5
2004 184.5 178.8 76.2 15.6 12.1 25.5 26.6 17.7 34.2 108.4 117.1 186.8 983.5
2005 134.4 152.8 58.4 34.5 2.6 7.9 14.2 47.7 29.8 105.6 139.9 179.1 907.1
2006 125.9 171.7 46.7 20.1 5.0 7.3 17.6 52.1 30.3 105.1 112.6 214.9 909.2
2007 184.9 133.5 118.8 24.6 1.4 4.7 14.8 31.1 72.9 118.1 158.8 217.9 1081.6
2008 126.5 132.0 69.6 4.6 0.8 5.4 19.0 36.6 84.3 108.7 123.2 127.1 837.8
2009 91.7 157.0 97.4 32.6 0.6 10.6 22.7 44.0 93.5 77.9 157.9 214.6 1000.5
2010 190.0 139.4 42.9 30.2 16.3 9.3 6.6 50.8 105.7 82.5 71.4 100.3 845.4
2011 98.9 105.3 43.6 34.2 5.4 6.9 21.9 28.1 60.7 58.8 134.0 135.3 733.1
2012 153.8 79.7 67.6 17.7 2.8 2.1 20.1 18.4 45.5 56.4 125.7 160.3 750.2
2013 122.5 144.3 78.5 23.5 4.6 2.4 9.2 24.3 100.2 80.9 177.3 131.2 898.7
2014 134.3 177.5 37.7 23.6 12.0 10.4 21.7 32.8 38.7 81.5 160.7 57.2 788.2
2015 202.6 197.4 52.0 23.4 0.9 6.6 20.4 18.4 84.2 78.8 124.9 143.0 952.6
2016 154.7 127.9 45.5 3.9 13.0 7.9 10.8 53.3 60.2 63.8 94.4 164.5 800.0
2017 127.1 135.2 38.0 15.4 3.1 5.3 22.6 33.4 56.2 81.5 57.1 155.6 730.6
2018 90.5 155.0 89.6 42.0 3.9 15.6 30.9 19.6 58.8 116.0 127.8 166.0 915.7
151

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2019 135.1 110.2 88.3 20.2 3.5 15.7 9.0 81.2 42.6 83.3 118.7 126.1 833.7
2020 154.7 166.6 72.9 34.8 16.1 1.9 15.6 22.2 73.5 120.9 101.6 183.1 964.0
2021 134.4 88.6 69.4 8.8 6.1 3.1 13.7 29.9 53.1 105.9 156.7 165.5 835.3
2022 101.6 190.8 90.3 15.6 9.7 7.1 15.7 32.6 53.3 54.5 130.2 48.2 749.6
2023 76.5 163.3 44.8 15.6 2.5 5.4 32.0 34.1 59.0 102.6 102.4 202.5 840.8
2024 136.1 189.9 87.0 25.3 4.7 7.1 19.8 56.1 83.3 116.6 137.4 152.7 1016.0
2025 128.5 136.4 96.8 34.0 9.3 3.4 24.3 32.8 33.3 92.5 210.2 84.7 886.2
2026 134.7 134.0 112.5 26.4 3.1 5.5 15.3 55.7 65.0 97.9 216.4 183.1 1049.4
2027 213.3 83.4 55.3 4.1 7.1 7.5 10.6 44.1 65.6 91.7 179.0 156.9 918.5
2028 116.9 90.7 90.2 4.3 3.5 5.5 15.9 33.7 46.2 70.4 139.3 99.0 715.5
2029 125.5 161.1 89.9 25.7 3.6 3.7 15.3 42.9 38.5 76.1 99.1 130.1 811.4
2030 176.7 55.9 42.1 5.3 8.5 7.2 20.4 33.2 53.8 56.7 84.8 175.0 719.7
2031 95.6 155.2 88.5 11.3 3.4 2.3 7.4 17.8 71.3 72.4 84.6 219.0 828.7
2032 218.9 316.5 43.3 9.2 15.5 3.1 13.0 33.2 56.1 93.2 203.5 139.7 1145.4
2033 155.2 180.7 34.4 20.2 4.8 11.8 15.3 30.8 53.7 114.0 158.7 217.6 997.3
2034 161.9 158.1 68.3 20.3 3.2 5.4 13.1 93.3 78.7 105.6 54.0 84.8 846.7
2035 180.5 136.2 101.0 20.7 9.3 5.7 8.1 29.3 81.8 94.6 119.4 164.5 951.2
2036 126.2 166.5 65.3 26.4 1.5 1.5 6.9 18.3 58.8 110.1 164.9 155.7 901.9
2037 154.6 164.5 68.7 25.3 8.6 2.5 1.5 24.5 78.5 83.4 97.0 147.6 856.6
2038 182.8 195.7 61.2 20.3 5.8 1.6 22.7 72.0 95.7 112.3 198.9 227.4 1196.4
2039 219.0 168.2 113.5 16.1 2.1 2.3 15.6 28.1 93.6 105.1 192.0 173.0 1128.5
2040 156.8 299.2 134.5 25.1 4.7 5.8 11.0 39.3 81.5 105.5 161.9 157.1 1182.5
2041 153.5 216.3 89.9 5.3 3.6 11.7 12.9 48.2 122.1 94.6 171.5 218.0 1147.6
2042 196.9 135.0 134.0 30.5 4.3 3.6 15.1 38.2 63.7 86.6 162.0 139.4 1009.1
2043 209.1 154.1 79.9 10.9 7.6 0.9 7.0 71.9 73.9 105.6 131.7 163.7 1016.2
2044 134.2 164.1 129.0 30.4 2.3 4.8 7.3 24.0 101.2 109.4 157.2 154.2 1018.2
2045 202.1 179.3 69.8 32.6 9.3 1.0 13.7 46.6 53.9 132.7 154.0 113.2 1008.2
2046 76.0 179.8 130.8 25.9 5.7 11.7 15.9 36.1 71.9 66.2 119.0 84.7 823.8
2047 98.4 144.0 55.5 10.7 10.7 15.1 44.7 21.0 56.3 43.5 153.8 134.0 787.8
2048 134.0 179.3 71.9 35.4 21.6 11.6 30.7 24.5 56.0 193.2 85.0 161.1 1004.4
2049 160.8 166.1 135.1 25.0 9.0 2.6 12.9 21.6 58.2 93.2 98.9 169.9 953.4
2050 217.1 144.0 112.3 4.1 1.1 13.7 15.3 46.6 77.2 105.4 91.4 90.0 918.1
2051 183.9 179.3 179.2 20.6 7.0 10.4 13.0 33.3 74.6 70.7 176.4 218.6 1167.1
2052 134.3 296.3 46.0 33.9 4.7 4.9 10.5 29.0 56.1 171.2 134.0 201.6 1122.6
2053 218.8 183.1 87.9 20.4 5.4 5.8 13.1 56.2 78.7 130.0 144.9 157.7 1101.9
2054 180.4 137.2 113.1 15.3 9.5 15.5 2.8 0.0 72.9 122.4 117.0 117.2 903.3
2055 216.4 195.1 81.6 12.3 10.3 3.5 20.3 29.0 95.4 56.2 154.3 95.2 969.6
2056 116.8 159.9 52.0 34.5 8.5 1.0 14.8 31.0 90.6 93.8 218.8 218.6 1040.2
2057 195.9 175.5 83.6 34.2 10.7 5.0 9.2 43.3 121.5 132.0 217.0 157.8 1185.8
152

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2058 126.3 250.6 88.6 20.1 19.9 10.6 23.3 22.2 108.7 81.6 154.3 202.0 1108.3
2059 130.4 138.8 107.2 15.3 3.5 9.3 15.7 27.5 71.4 126.9 218.6 189.1 1053.5
2060 173.9 164.7 88.4 13.3 3.2 5.4 3.2 38.9 113.3 72.9 218.5 201.8 1097.6
2061 163.8 159.9 189.0 20.2 3.0 3.4 6.9 33.3 95.8 81.2 161.8 63.8 982.3
2062 135.6 135.5 115.1 34.3 1.6 16.2 15.8 56.2 63.6 109.0 129.5 218.8 1031.0
2063 128.3 178.6 133.6 13.3 10.5 9.1 15.7 34.1 111.5 93.1 140.4 207.9 1076.2
2064 129.9 155.5 84.0 20.0 6.8 4.2 15.1 38.7 70.9 132.5 183.5 218.5 1059.7
2065 176.6 277.1 66.5 34.4 3.4 3.3 30.2 43.1 67.5 123.0 219.0 98.5 1142.6
2066 95.4 136.1 78.1 25.6 12.0 10.5 15.0 0.0 77.2 88.0 120.5 97.3 755.8
2067 217.4 179.8 113.6 13.3 2.6 12.0 16.0 41.0 46.6 93.3 206.5 214.4 1156.5
2068 219.0 311.3 83.6 34.3 1.1 8.8 21.6 48.2 110.0 105.6 160.8 137.6 1241.8
2069 176.8 237.9 160.2 54.8 5.0 6.5 15.2 56.2 81.4 182.1 217.3 248.6 1441.9
2070 218.7 135.8 77.3 34.7 5.4 9.3 22.6 67.6 51.8 77.3 214.9 98.4 1013.7
2071 217.5 348.8 88.5 18.8 16.5 4.5 9.8 22.3 109.8 123.9 154.7 217.5 1332.6
2072 121.7 164.2 136.0 7.3 8.7 9.3 15.5 70.8 54.1 123.5 218.5 173.0 1102.4
2073 157.6 180.1 46.2 25.0 3.8 61.3 11.9 22.3 46.7 110.1 218.4 219.0 1102.5
2074 139.0 88.5 82.1 19.8 11.5 4.8 10.6 43.6 110.7 176.2 98.6 261.1 1046.5
2075 202.3 173.0 58.8 29.0 4.3 7.1 32.8 46.7 92.8 101.8 201.1 218.9 1168.7
2076 169.2 166.2 149.5 54.7 8.1 15.5 10.5 46.6 128.0 170.8 218.5 208.9 1346.3
2077 153.3 233.1 204.1 25.0 5.8 2.2 20.5 44.5 28.5 83.5 154.0 218.7 1173.2
2078 218.9 268.0 66.5 20.3 5.6 1.0 5.0 31.4 93.3 72.9 176.4 201.5 1160.8
2079 139.5 148.7 134.0 34.2 1.5 15.4 9.1 41.9 105.2 121.8 219.0 212.8 1183.2
2080 235.3 177.5 68.4 26.1 9.3 4.0 10.6 38.6 73.4 109.7 183.0 219.0 1154.8
2081 219.0 205.8 88.1 30.1 4.0 13.5 29.7 32.0 58.8 97.1 219.0 239.1 1236.1
2082 156.7 120.3 84.0 31.0 4.8 3.4 16.2 17.8 78.6 81.3 154.5 152.7 901.3
2083 197.0 293.1 190.4 35.5 6.4 2.5 15.0 64.3 106.6 132.3 290.9 217.6 1551.7
2084 153.2 193.2 47.0 10.0 10.6 3.1 16.2 60.1 82.2 115.6 202.5 219.0 1112.7
2085 218.4 193.8 113.6 34.4 16.3 5.5 9.1 52.9 93.2 128.4 84.7 218.9 1169.3
2086 219.0 173.2 67.0 71.8 10.4 1.2 8.8 30.3 93.7 105.3 173.6 210.7 1165.1
2087 216.4 250.5 165.4 31.8 1.5 0.0 15.5 31.6 92.7 164.6 173.1 344.4 1487.6
2088 218.9 223.7 68.2 34.3 3.1 6.1 10.1 48.8 129.5 120.1 165.6 174.6 1203.1
2089 180.8 89.5 134.8 34.4 9.3 7.4 3.2 29.4 120.7 131.8 369.0 219.0 1329.2
2090 229.6 134.0 112.5 4.4 13.4 6.1 23.0 32.9 48.1 118.4 190.7 218.9 1132.1
2091 95.5 204.1 200.8 54.8 11.2 15.5 7.1 58.7 93.7 131.7 166.3 246.2 1285.6
2092 265.0 221.0 167.0 11.5 3.1 10.6 20.3 29.3 81.8 164.1 127.5 218.4 1319.7
2093 160.1 162.5 134.7 42.4 7.1 8.4 14.4 18.6 46.7 224.3 234.5 219.1 1272.7
2094 218.7 262.2 154.1 20.3 6.2 25.9 21.8 46.7 69.7 129.0 201.7 148.6 1304.9
2095 134.8 120.6 110.9 30.0 10.6 15.0 4.7 37.6 171.0 105.9 158.1 202.5 1101.6
2096 154.8 298.2 83.2 13.3 16.1 5.7 22.7 24.3 104.1 81.4 212.2 265.0 1281.1
153

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2097 217.6 173.4 113.2 30.2 0.7 1.0 29.9 56.0 58.3 107.1 218.6 218.5 1224.5
2098 217.5 179.1 68.8 25.6 3.4 5.5 9.9 58.1 133.0 247.4 296.6 152.7 1397.6
2099 219.0 223.0 199.6 34.5 3.2 6.6 30.8 32.5 84.8 116.2 271.6 1221.7

Promedio 157.3 169.1 89.1 23.4 6.4 7.8 16.3 37.5 73.7 101.6 154.5 169.8 1005.0
Máxima 265.0 348.8 204.1 71.8 21.6 61.3 44.7 93.3 171.0 247.4 369.0 344.4 1551.7
Mínima 61.4 55.9 30.2 3.9 0.6 0.0 1.5 0.0 26.4 43.5 38.1 48.2 688.7
D.Estándar 43.5 54.0 39.1 11.9 4.4 7.5 8.0 15.4 26.2 34.2 53.6 51.2 192.6

4.2.1 Análisis de anomalías en síes periodos (MRI-ESM2)

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodos Pisco 147.3 152.5 146.6 64.1 20.6 9.0 8.2 14.2 34.2 72.4 74.8 112.3
Promedio 125.3 140.8 64.9 18.7 5.1 8.0 18.5 34.3 61.7 80.3 118.7 152.1
Máxima 166.6 213.2 93.5 34.6 10.3 39.0 42.5 56.0 101.4 133.3 172.4 219.0
Periodo 1 Mínima 61.4 66.5 30.2 4.2 1.4 0.9 5.8 19.1 26.4 47.5 74.1 88.1
Promedio 142.2 147.7 68.6 24.4 6.2 8.7 17.5 36.1 62.5 87.9 126.5 154.0
Máxima 202.6 197.4 118.8 42.0 16.3 25.5 30.9 81.2 105.7 120.9 216.5 217.9
Periodo 2 Mínima 90.5 79.7 37.7 3.9 0.6 1.9 6.6 17.7 29.8 52.3 38.1 57.2
Promedio 149.8 161.7 77.8 18.0 5.9 4.9 14.9 39.1 65.0 93.0 144.5 154.2
Máxima 219.0 316.5 134.5 34.0 15.5 11.8 32.0 93.3 95.7 116.6 216.4 227.4
Periodo 3 Mínima 76.5 55.9 34.4 4.1 1.5 1.5 1.5 17.8 33.3 54.5 54.0 48.2
Promedio 163.0 177.1 96.8 21.5 7.9 7.4 15.1 34.4 80.9 104.4 153.9 159.4
Máxima 218.8 296.3 179.2 35.4 21.6 15.5 44.7 71.9 122.1 193.2 218.8 218.6
Periodo 4 Mínima 76.0 135.0 46.0 4.1 1.1 0.9 2.8 0.0 53.9 43.5 85.0 84.7
Promedio 170.8 192.8 106.8 27.3 6.3 10.4 15.5 41.4 80.9 114.0 179.8 187.7
Máxima 235.3 348.8 204.1 54.8 16.5 61.3 32.8 70.8 128.0 182.1 219.0 261.1
Periodo 5 Mínima 95.4 88.5 46.2 7.3 1.1 1.0 5.0 0.0 28.5 72.9 98.6 63.8
Promedio 194.3 195.8 121.2 30.5 7.4 7.5 16.2 40.1 92.0 131.7 205.8 215.9
Máxima 265.0 298.2 200.8 71.8 16.3 25.9 30.8 64.3 171.0 247.4 369.0 344.4
Periodo 6 Mínima 95.5 89.5 47.0 4.4 0.7 0.0 3.2 17.8 46.7 81.3 84.7 148.6
154

4.2.2 Variación porcentual de precipitación respecto al periodo 1981-2000

Periodos Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic

Periodo 2
13% 5% 6% 31% 21% 10% -6% 5% 1% 9% 7% 1%
(2001-2020)

Periodo 3
20% 15% 20% -4% 15% -39% -20% 14% 6% 16% 22% 1%
(2021-2040)
Periodo 4
20% 15% 20% -4% 15% -39% -20% 14% 6% 16% 22% 1%
(2041-2060)
Periodo 5
36% 37% 64% 46% 24% 31% -16% 20% 31% 42% 52% 23%
(2061-2080)
Periodo 6
55% 39% 87% 63% 46% -6% -12% 17% 49% 64% 73% 42%
(2081-2099)
Promedio 29% 22% 39% 26% 24% -9% -15% 14% 19% 29% 35% 14%

4.2.3. Variabilidad de la precipitación en tres periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Promedio 133.8 144.3 66.8 21.6 5.6 8.4 18.0 35.2 62.1 84.1 122.6 153.0
Periodo Máxima 202.6 213.2 118.8 42.0 16.3 39.0 42.5 81.2 105.7 133.3 216.5 219.0
1 Mínima 61.4 66.5 30.2 3.9 0.6 0.9 5.8 17.7 26.4 47.5 38.1 57.2
(1981- Q1 112.4 125.2 48.2 15.2 2.8 4.6 12.3 22.4 42.7 67.4 96.8 128.9
2020) Q3 155.0 167.0 84.5 28.8 7.2 10.4 21.7 45.2 77.3 103.7 146.8 181.8
Mediana 134.8 148.6 68.8 20.7 4.5 6.8 16.7 33.1 60.4 81.3 121.0 156.0
Promedio 156.4 169.4 87.3 19.8 6.9 6.1 15.0 36.8 73.0 98.7 149.2 156.8
Máxima 219.0 316.5 179.2 35.4 21.6 15.5 44.7 93.3 122.1 193.2 218.8 227.4
Periodo Mínima 76.0 55.9 34.4 4.1 1.1 0.9 1.5 0.0 33.3 43.5 54.0 48.2
2 Q1 127.9 142.7 67.6 12.1 3.5 3.1 10.6 27.9 56.1 80.3 118.5 133.0
(2021- Q3 186.9 181.3 108.5 26.0 9.3 8.0 15.9 43.5 82.2 110.6 177.1 192.2
2060) Mediana 154.9 164.6 88.2 20.3 5.8 5.4 14.2 33.2 71.6 96.3 154.2 157.8
Promedio 182.2 194.3 113.8 28.9 6.9 9.0 15.9 40.7 86.3 122.6 192.5 201.1
Máxima 265.0 348.8 204.1 71.8 16.5 61.3 32.8 70.8 171.0 247.4 369.0 344.4
Periodo Mínima 95.4 88.5 46.2 4.4 0.7 0.0 3.2 0.0 28.5 72.9 84.7 63.8
3 Q1 153.2 157.7 77.7 20.1 3.3 3.7 10.0 31.5 65.6 99.5 159.5 181.3
(2061- Q3 218.7 228.4 142.8 34.4 10.4 10.5 21.0 50.8 105.9 131.7 218.5 219.0
2099) Mediana 180.8 179.1 112.5 30.0 5.8 6.5 15.2 41.0 84.8 116.2 190.7 218.0
155

4.3 Modelo de ciruclacion global 3 (GCM-3)- CAMS-CSN

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
1981 154.8 106.6 40.7 23.5 10.4 2.1 5.6 31.4 59.1 78.9 134.5 126.3 774.0
1982 181.2 128.9 55.0 7.8 14.7 4.5 19.1 28.3 53.7 81.1 95.1 142.0 811.4
1983 103.9 86.9 61.4 10.6 10.3 9.1 3.3 20.6 93.5 133.3 121.8 187.0 841.7
1984 176.6 162.4 58.9 22.6 11.9 4.3 2.5 23.7 42.7 71.3 154.1 140.1 871.1
1985 162.1 76.9 39.5 25.3 7.3 5.8 4.7 58.9 86.7 78.4 101.1 129.9 776.4
1986 135.7 196.2 44.7 7.5 12.9 3.2 3.8 19.7 70.5 81.5 108.6 139.8 824.1
1987 172.6 118.9 72.3 16.5 5.0 7.7 12.0 35.5 79.4 58.1 89.3 140.4 807.7
1988 217.2 179.2 50.6 20.2 10.2 8.3 13.2 21.6 56.0 65.6 85.1 89.9 817.2
1989 180.5 165.7 54.7 38.0 16.9 16.4 20.5 45.6 49.4 91.4 63.0 166.9 909.0
1990 139.7 159.6 53.3 24.6 13.5 9.4 2.4 30.7 52.1 72.2 102.4 134.4 794.2
1991 201.6 115.8 84.8 24.8 11.9 3.5 10.6 17.7 33.4 72.9 164.6 125.2 867.0
1992 132.5 92.6 69.3 14.0 21.8 6.6 4.8 40.0 55.7 56.2 120.4 90.8 704.8
1993 185.2 149.0 34.2 15.7 5.9 1.1 14.8 34.2 36.9 105.6 157.5 115.7 855.8
1994 183.1 133.6 78.6 42.9 8.2 1.6 3.2 30.9 81.3 96.4 94.8 145.0 899.6
1995 134.7 99.1 95.5 9.3 12.7 1.0 10.7 29.0 54.4 105.1 135.3 117.4 804.2
1996 174.5 144.2 47.2 28.7 1.6 1.7 5.8 18.6 22.1 106.6 58.7 171.4 781.2
1997 215.9 137.7 68.7 12.2 9.0 19.9 0.6 27.6 80.9 30.2 91.9 166.6 861.2
1998 212.0 156.1 34.5 41.5 14.2 12.9 4.8 65.1 47.1 67.7 80.7 162.4 899.1
1999 172.4 143.4 88.8 34.6 32.6 14.4 27.5 46.6 73.5 103.2 154.7 50.2 941.8
2000 219.0 167.0 110.2 4.2 11.7 8.5 2.8 46.7 52.3 76.9 130.2 91.7 921.3
2001 216.8 213.2 97.0 21.3 3.9 12.1 11.3 38.1 63.4 52.0 136.4 153.9 1019.4
2002 156.4 182.4 82.8 30.0 31.1 6.7 6.8 38.6 44.7 77.3 125.6 134.1 916.4
2003 195.5 179.1 66.7 23.6 16.3 15.3 3.0 39.8 38.4 68.5 143.6 132.5 922.4
2004 161.0 147.9 132.2 14.7 7.2 6.4 0.9 49.5 77.9 106.3 38.1 159.7 901.9
2005 147.2 159.7 70.2 19.3 9.3 15.4 6.9 21.3 56.9 68.9 129.0 99.0 803.2
2006 126.0 171.7 67.2 3.9 8.3 0.8 10.6 38.2 29.6 83.6 125.9 161.4 827.1
2007 197.6 190.5 31.4 20.1 15.8 4.0 3.7 22.4 66.7 113.5 95.8 128.5 890.1
2008 156.0 139.4 97.4 4.7 18.1 22.7 21.9 41.7 79.9 96.7 111.5 98.4 888.3
2009 201.9 176.6 52.0 25.6 20.1 4.7 5.0 38.7 63.7 82.5 95.5 88.2 854.5
2010 153.4 113.4 89.9 15.6 2.6 2.5 5.1 34.3 101.4 46.3 99.2 96.7 760.3
2011 115.5 84.5 45.1 27.9 25.6 10.3 18.6 56.2 66.4 89.6 71.4 117.4 728.6
2012 126.7 186.0 33.8 34.3 26.7 10.0 2.7 33.0 91.9 100.7 84.5 101.4 831.7
2013 141.9 72.9 78.5 17.2 5.4 7.4 20.6 24.9 42.8 108.3 158.8 156.2 834.9
2014 218.5 135.4 73.2 15.3 4.9 8.0 25.3 26.3 60.7 129.1 123.3 157.6 977.7
2015 206.4 154.1 30.7 47.7 5.4 3.1 42.5 53.0 46.7 84.1 100.4 79.3 853.4
156

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2016 173.3 152.0 80.7 35.3 36.3 17.0 5.4 18.2 59.3 110.1 139.2 93.6 920.3
2017 125.2 184.1 154.1 29.7 5.1 0.9 6.4 56.6 81.7 108.5 97.2 188.2 1037.7
2018 162.7 165.5 119.8 32.2 25.6 3.1 10.3 58.5 58.0 101.5 115.1 216.5 1068.9
2019 167.7 94.8 122.8 8.8 3.7 7.3 8.6 0.0 73.3 107.6 140.0 126.9 861.6
2020 234.0 171.5 52.4 4.2 6.3 0.9 6.8 44.3 99.8 102.4 95.4 97.6 915.5
2021 274.4 178.0 98.1 20.8 29.0 6.8 14.2 28.9 57.4 105.6 102.5 184.3 1099.9
2022 183.3 140.3 135.9 34.6 13.2 30.5 3.1 56.2 69.2 99.7 127.6 92.5 986.0
2023 200.5 182.2 80.7 18.0 6.6 3.0 4.0 62.2 69.1 58.2 102.1 153.4 939.9
2024 298.7 154.1 66.5 34.6 18.4 5.8 6.8 56.1 93.4 100.8 109.6 161.4 1106.3
2025 130.3 202.3 66.9 15.3 6.6 5.6 13.1 38.5 71.6 46.7 90.8 179.4 867.0
2026 218.6 154.1 69.4 19.7 4.8 1.3 1.5 29.1 88.0 73.2 71.9 166.7 898.4
2027 184.4 162.6 138.4 34.4 22.8 20.0 8.8 57.4 56.2 70.7 157.8 202.8 1116.3
2028 236.5 231.9 53.7 20.3 20.3 5.0 2.8 18.0 46.6 70.7 85.4 160.4 951.8
2029 187.8 136.0 70.3 41.6 32.4 14.7 12.0 47.5 58.0 102.1 81.3 187.8 971.5
2030 243.6 179.1 137.1 34.4 10.9 3.3 13.3 44.6 63.1 79.0 115.8 178.2 1102.3
2031 204.8 177.7 17.2 8.9 15.1 10.2 10.3 31.0 63.3 107.9 138.4 101.7 886.5
2032 187.4 113.7 128.9 23.5 13.3 0.8 8.3 30.6 63.2 95.8 115.1 183.7 964.4
2033 246.2 178.0 160.9 34.4 10.6 3.6 5.2 18.0 79.3 81.3 101.7 82.3 1001.4
2034 224.6 199.8 48.5 15.3 20.5 4.0 21.4 38.4 77.4 101.7 164.6 154.2 1070.2
2035 201.7 207.1 90.5 3.9 12.4 1.5 3.7 18.1 83.6 106.3 88.0 114.9 931.5
2036 189.1 138.2 34.8 4.2 32.9 3.9 2.6 60.8 74.6 73.1 201.4 184.1 999.6
2037 246.9 243.6 68.7 19.8 18.6 6.5 0.8 46.6 66.4 57.9 161.6 99.6 1037.1
2038 183.9 177.9 68.2 4.0 33.4 15.4 5.6 25.5 38.7 99.7 109.9 98.4 860.6
2039 231.9 194.5 69.4 23.5 20.4 10.6 13.3 19.1 57.8 65.3 0.0 118.1 823.8
2040 215.9 202.9 69.5 4.0 17.2 1.7 1.7 28.0 83.6 98.7 71.0 174.8 968.8
2041 255.5 181.1 66.5 52.0 4.2 1.3 3.8 19.2 70.5 107.9 59.9 206.0 1028.0
2042 219.0 175.5 137.6 21.6 3.3 2.6 3.4 46.6 56.3 83.4 121.0 133.7 1004.1
2043 165.4 80.4 35.0 23.9 13.2 15.2 10.3 18.3 52.5 77.7 113.3 240.2 845.5
2044 252.8 180.0 90.8 34.5 10.3 6.9 3.1 18.0 56.5 105.4 58.1 200.3 1016.6
2045 183.4 179.0 137.8 23.2 20.4 11.9 13.0 38.9 25.3 62.6 166.7 84.9 947.1
2046 208.4 175.2 52.4 52.7 20.3 5.2 3.0 30.8 77.5 105.3 0.0 125.4 856.3
2047 281.3 161.2 80.8 19.5 17.7 10.5 10.1 17.9 77.6 81.6 117.5 218.7 1094.4
2048 257.1 197.9 152.8 35.5 25.5 15.3 3.4 38.8 46.8 89.0 133.9 132.0 1128.1
2049 230.7 179.3 33.1 16.3 34.6 1.4 10.3 44.7 76.7 107.3 186.4 226.1 1147.0
2050 380.8 203.1 90.6 17.7 6.8 1.6 10.7 56.1 64.1 78.6 151.6 82.4 1144.0
2051 167.9 121.9 101.3 66.8 4.9 8.3 1.9 46.6 69.4 65.9 118.9 185.6 959.3
2052 234.2 197.1 87.1 10.1 5.1 5.5 2.7 44.9 38.6 65.1 95.4 188.1 973.8
2053 198.5 151.4 119.1 34.3 25.6 12.0 19.0 46.7 82.1 78.0 63.0 217.5 1047.2
2054 218.6 197.8 81.1 17.5 13.8 6.6 6.8 30.7 105.7 100.3 95.4 212.5 1086.9
157

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2055 187.1 154.1 122.0 16.6 19.6 3.1 13.4 32.0 39.0 111.1 127.9 121.5 947.4
2056 127.5 175.8 53.5 15.3 12.9 5.5 25.7 46.7 74.3 105.9 98.2 183.7 924.9
2057 207.5 178.7 122.7 17.1 5.1 3.8 15.7 18.2 65.1 100.4 103.3 0.0 837.5
2058 186.8 178.5 43.1 17.6 37.2 2.9 5.0 70.6 58.3 99.2 98.8 176.1 974.2
2059 221.9 229.9 159.2 32.1 14.9 25.9 6.4 30.9 103.1 107.9 64.7 162.7 1159.4
2060 173.3 177.9 90.6 32.3 36.3 5.0 2.6 46.7 70.6 102.4 158.5 139.6 1035.9
2061 189.5 141.5 90.2 0.0 26.0 13.6 0.8 37.0 77.8 72.2 94.4 135.4 878.3
2062 266.8 139.8 81.0 36.4 14.5 6.3 4.6 17.8 56.3 105.2 145.4 127.3 1001.4
2063 241.0 205.7 94.7 41.6 12.1 3.2 13.2 47.3 75.8 98.1 163.0 115.0 1110.8
2064 189.2 211.4 44.2 33.5 8.7 5.2 2.6 57.5 99.0 108.8 215.9 144.8 1120.8
2065 215.9 178.2 154.1 9.6 32.3 26.0 7.0 62.4 106.2 104.0 101.0 218.8 1215.4
2066 381.5 201.8 52.1 34.5 14.3 5.6 10.3 44.6 56.0 105.8 95.4 140.3 1142.1
2067 200.6 178.0 93.7 34.3 12.1 7.4 10.3 35.4 69.2 110.5 166.2 100.4 1018.1
2068 168.3 137.5 66.8 20.2 14.4 11.9 14.8 31.0 65.1 105.1 154.7 140.0 929.8
2069 274.2 194.0 94.4 26.8 26.2 14.2 4.9 63.3 47.9 107.7 187.9 125.9 1167.3
2070 161.7 106.2 90.3 34.4 13.4 11.9 13.6 29.6 76.3 82.5 130.0 161.1 911.0
2071 217.2 168.8 80.7 26.6 3.9 12.9 12.9 46.5 93.3 140.0 132.8 169.9 1105.6
2072 244.1 161.4 73.2 18.1 32.6 11.9 16.7 44.4 46.7 197.6 92.0 247.0 1185.7
2073 217.6 177.9 75.2 34.2 24.0 20.4 10.5 18.2 53.7 93.6 176.6 218.9 1120.9
2074 236.3 203.7 42.8 34.4 26.5 8.0 20.2 56.4 73.5 94.7 127.6 242.9 1167.1
2075 205.1 175.9 73.9 18.3 25.6 6.0 8.4 53.6 42.1 100.2 186.4 185.2 1080.6
2076 207.8 240.4 111.0 39.6 11.9 3.2 0.8 30.4 102.3 110.7 156.6 239.8 1254.5
2077 215.0 237.7 161.5 16.1 20.2 12.9 10.7 82.4 104.4 103.7 57.9 119.9 1142.4
2078 270.5 178.9 13.7 25.8 26.3 4.5 2.9 31.4 73.0 67.3 187.1 184.2 1065.5
2079 201.6 94.3 40.0 26.6 4.7 6.3 6.8 74.9 115.9 105.5 134.1 176.7 987.3
2080 217.7 143.3 41.4 23.2 15.3 20.3 10.6 52.3 105.8 93.3 0.0 157.6 880.9
2081 276.2 157.7 138.2 24.8 15.6 17.7 3.6 31.1 77.6 107.0 124.4 129.2 1102.9
2082 215.2 207.4 180.2 20.1 5.0 26.1 3.1 56.3 78.3 74.3 165.7 219.0 1250.5
2083 217.1 192.3 149.0 74.6 25.6 20.2 20.5 39.7 36.9 60.7 95.5 91.2 1023.3
2084 238.0 240.9 81.1 15.8 25.6 16.7 5.8 56.2 99.6 72.8 205.2 163.0 1220.8
2085 219.0 200.3 179.2 28.9 31.6 26.5 2.4 30.7 106.1 99.4 187.6 160.8 1272.6
2086 203.3 215.3 93.5 20.3 20.3 4.1 12.9 63.0 77.6 103.4 92.0 134.9 1040.6
2087 178.1 139.7 113.7 45.0 27.3 14.3 4.7 56.3 103.4 99.3 162.2 206.4 1150.5
2088 200.1 226.7 69.8 34.2 7.3 8.5 25.6 32.7 44.7 126.2 122.6 218.9 1117.3
2089 202.6 172.8 152.5 31.5 20.4 6.9 20.3 67.0 77.6 82.4 162.8 187.3 1184.0
2090 268.7 221.1 79.3 91.3 13.3 3.9 6.6 58.9 105.7 141.3 124.7 115.0 1229.8
2091 275.8 201.3 85.0 76.9 20.4 10.3 4.1 46.8 64.0 105.9 0.0 278.9 1169.4
2092 421.2 265.1 83.2 35.0 8.6 25.6 2.0 20.7 56.6 108.2 118.6 180.5 1325.2
2093 160.5 215.5 154.1 34.6 6.9 13.7 16.3 30.4 73.5 120.1 218.6 156.7 1200.8
158

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2094 201.4 178.3 73.3 28.6 5.0 10.3 6.9 45.9 65.9 103.8 82.5 197.3 999.3
2095 240.7 178.2 154.1 41.6 6.6 3.4 10.4 46.7 78.2 63.6 98.2 198.9 1120.8
2096 200.3 199.9 103.2 32.2 5.5 8.0 3.1 73.2 107.6 81.2 164.5 204.3 1183.1
2097 363.6 186.5 125.2 40.8 12.7 16.9 20.4 56.4 107.8 99.8 95.4 188.1 1313.6
2098 290.7 206.4 79.9 69.5 21.9 16.2 13.2 44.4 73.5 107.2 185.8 122.5 1231.1
2099 122.6 178.8 87.3 79.7 32.9 5.0 20.2 71.4 70.5 100.8 158.7 928.0

Promedio 205.9 168.8 84.9 26.8 15.9 9.0 9.3 39.9 68.9 92.1 118.2 152.0 990.5
Máxima 421.2 265.1 180.2 91.3 37.2 30.5 42.5 82.4 115.9 197.6 218.6 278.9 1325.2
Mínima 103.9 72.9 13.7 0.0 1.6 0.8 0.6 0.0 22.1 30.2 0.0 0.0 704.8
D.Estándar 53.2 38.6 37.7 16.2 9.3 6.8 7.2 15.8 20.5 22.4 43.3 46.5 141.5

4.3.1 Análisis de anomalías en síes periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodos Pisco 147.3 152.5 146.6 64.1 20.6 9.0 8.2 14.2 34.2 72.4 74.8 112.3
Promedio 172.7 136.0 62.2 21.2 12.1 7.1 8.6 33.6 59.0 81.6 112.2 131.7
Máxima 219.0 196.2 110.2 42.9 32.6 19.9 27.5 65.1 93.5 133.3 164.6 187.0
Periodo 1 Mínima 103.9 76.9 34.2 4.2 1.6 1.0 0.6 17.7 22.1 30.2 58.7 50.2
Promedio 169.2 153.7 78.9 21.6 13.9 7.9 11.1 36.7 65.2 91.9 111.3 129.4
Máxima 234.0 213.2 154.1 47.7 36.3 22.7 42.5 58.5 101.4 129.1 158.8 216.5
Periodo 2 Mínima 115.5 72.9 30.7 3.9 2.6 0.8 0.9 0.0 29.6 46.3 38.1 79.3
Promedio 214.5 177.7 83.7 20.8 18.0 7.7 7.6 37.7 68.0 84.7 109.8 148.9
Máxima 298.7 243.6 160.9 41.6 33.4 30.5 21.4 62.2 93.4 107.9 201.4 202.8
Periodo 3 Mínima 130.3 113.7 17.2 3.9 4.8 0.8 0.8 18.0 38.7 46.7 0.0 82.3
Promedio 217.9 173.8 92.9 27.8 16.6 7.5 8.5 37.2 65.5 91.8 106.6 161.9
Máxima 380.8 229.9 159.2 66.8 37.2 25.9 25.7 70.6 105.7 111.1 186.4 240.2
Periodo 4 Mínima 127.5 80.4 33.1 10.1 3.3 1.3 1.9 17.9 25.3 62.6 0.0 0.0
Promedio 226.1 173.8 78.7 26.7 18.2 10.6 9.1 45.8 77.0 105.3 135.2 167.6
Máxima 381.5 240.4 161.5 41.6 32.6 26.0 20.2 82.4 115.9 197.6 215.9 247.0
Periodo 5 Mínima 161.7 94.3 13.7 0.0 3.9 3.2 0.8 17.8 42.1 67.3 0.0 100.4
Promedio 236.6 199.2 114.8 43.4 16.5 13.4 10.6 48.8 79.2 97.8 135.0 175.2
Máxima 421.2 265.1 180.2 91.3 32.9 26.5 25.6 73.2 107.8 141.3 218.6 278.9
Periodo 6 Mínima 122.6 139.7 69.8 15.8 5.0 3.4 2.0 20.7 36.9 60.7 0.0 91.2
159

4.3.2 Variación porcentual de precipitación respecto al periodo 1981-2000

Periodos Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodo 2
-2% 13% 27% 2% 14% 12% 29% 9% 10% 13% -1% -2%
(2001-2020)
Periodo 3
24% 31% 35% -2% 48% 9% -12% 12% 15% 4% -2% 13%
(2021-2040)
Periodo 4
24% 31% 35% -2% 48% 9% -12% 12% 15% 4% -2% 13%
(2041-2060)
Periodo 5
31% 28% 27% 26% 50% 49% 6% 36% 30% 29% 21% 27%
(2061-2080)
Periodo 6
37% 46% 85% 105% 36% 88% 23% 45% 34% 20% 20% 33%
(2081-2099)
Promedio 23% 30% 42% 26% 39% 33% 7% 23% 21% 14% 7% 17%

4.3.3. Variabilidad de la precipitación en tres periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Promedio 171.0 144.9 70.5 21.4 13.0 7.5 9.9 35.1 62.1 86.8 111.7 130.5
Periodo Máxima 234.0 213.2 154.1 47.7 36.3 22.7 42.5 65.1 101.4 133.3 164.6 216.5
1 Mínima 103.9 72.9 30.7 3.9 1.6 0.8 0.6 0.0 22.1 30.2 38.1 50.2
(1981- Q1 145.9 118.1 49.7 13.5 6.2 3.1 3.8 24.6 48.8 72.0 95.0 98.9
2020) Q3 198.6 171.6 85.8 29.0 16.5 10.1 12.3 44.6 78.3 105.2 134.7 156.5
Mediana 172.5 150.5 68.0 20.8 11.0 6.6 6.6 34.2 59.2 83.8 110.1 131.2
Promedio 216.2 175.7 88.3 24.3 17.3 7.6 8.1 37.4 66.8 88.2 108.2 155.4
Máxima 380.8 243.6 160.9 66.8 37.2 30.5 25.7 70.6 105.7 111.1 201.4 240.2
Periodo Mínima 127.5 80.4 17.2 3.9 3.3 0.8 0.8 17.9 25.3 46.7 0.0 0.0
2 Q1 187.0 159.4 66.5 16.5 10.5 3.1 3.1 27.4 57.1 73.2 87.3 120.7
(2021- Q3 238.3 197.3 122.2 34.4 21.1 10.5 12.2 46.7 77.4 103.2 129.4 186.2
2060) Mediana 212.1 178.3 80.9 20.6 16.1 5.5 6.6 38.4 67.8 97.2 106.4 164.7
Promedio 231.2 186.2 96.3 34.9 17.4 12.0 9.9 47.3 78.1 101.6 135.1 171.2
Máxima 421.2 265.1 180.2 91.3 32.9 26.5 25.6 82.4 115.9 197.6 218.6 278.9
Periodo Mínima 122.6 94.3 13.7 0.0 3.9 3.2 0.8 17.8 36.9 60.7 0.0 91.2
3 Q1 201.0 170.8 73.6 24.0 10.3 6.1 4.4 32.0 64.5 93.5 96.8 135.0
(2061- Q3 255.4 206.9 119.4 38.0 25.6 16.5 13.4 56.9 100.9 107.5 166.0 202.9
2099) Mediana 217.1 186.5 87.3 33.5 15.3 11.9 10.3 46.7 76.3 103.7 134.1 166.5
160

4.4 Modelo de circulación global 4 (GCM-4)- CESM2

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
1981 202.3 177.6 52.0 19.0 3.7 1.9 26.7 39.9 65.2 79.4 38.1 140.2 846.1
1982 91.6 85.0 50.1 10.8 19.3 20.3 32.2 52.3 56.2 103.4 154.8 117.2 793.3
1983 152.4 194.6 58.7 15.1 10.0 7.4 26.8 31.2 47.1 81.2 95.8 95.1 815.4
1984 71.6 179.3 171.7 9.3 1.5 6.6 19.6 24.9 63.8 105.1 119.4 114.9 887.6
1985 98.2 116.4 68.9 42.0 3.5 4.9 8.0 26.2 70.4 115.6 99.3 139.6 792.9
1986 126.0 131.4 40.8 12.3 16.8 14.8 9.3 34.2 78.7 75.2 98.3 62.7 700.5
1987 80.8 121.6 97.2 32.5 5.4 6.5 14.4 21.3 45.4 88.0 90.9 177.7 781.7
1988 100.4 92.7 44.8 28.8 3.1 12.1 16.3 19.2 56.0 91.4 92.4 74.1 631.5
1989 172.9 143.5 72.9 3.9 2.4 6.9 2.5 29.2 38.5 78.0 134.7 159.3 844.6
1990 215.8 159.4 70.1 21.7 4.9 5.0 13.2 39.2 59.2 81.5 139.3 127.6 937.0
1991 90.1 154.1 67.0 34.3 4.3 3.9 25.7 30.9 68.1 107.3 130.2 85.2 801.0
1992 179.6 167.1 45.4 39.5 10.1 5.8 21.9 44.0 38.9 80.4 101.1 142.3 876.2
1993 157.5 137.8 69.6 24.6 15.4 2.1 38.2 34.7 53.8 109.7 135.3 88.1 866.8
1994 157.5 150.5 112.2 23.5 1.0 9.3 4.0 42.7 49.7 101.7 125.1 201.5 978.7
1995 125.9 181.7 95.2 4.5 5.1 5.7 10.6 29.6 77.6 133.3 161.8 159.4 990.5
1996 187.4 107.5 80.8 5.6 8.5 14.7 11.9 17.7 59.3 126.1 101.6 55.6 776.6
1997 156.7 73.2 54.8 25.3 10.3 3.2 32.0 37.6 48.8 89.0 89.3 94.5 714.6
1998 123.2 99.3 78.4 28.0 4.7 4.7 11.6 38.2 46.6 57.9 95.4 168.0 756.0
1999 184.9 154.7 125.8 29.8 15.4 7.5 22.7 35.0 51.9 84.1 84.6 154.3 950.8
2000 108.5 150.2 66.7 15.7 15.7 11.0 13.7 38.6 69.5 106.2 216.2 169.2 981.2
2001 166.5 134.5 60.9 23.6 8.4 2.9 10.4 44.5 52.1 83.2 144.7 113.7 845.3
2002 116.1 76.5 86.8 34.3 10.5 5.4 21.6 33.4 72.2 81.3 127.0 125.6 790.9
2003 218.5 110.3 42.8 26.5 2.6 5.0 3.5 33.1 58.7 98.5 206.8 134.1 940.3
2004 154.7 213.2 82.6 8.1 4.4 6.6 10.3 24.2 65.8 105.6 156.2 209.7 1041.3
2005 189.9 179.0 55.0 14.0 7.2 7.3 20.7 18.1 46.3 66.0 121.8 155.7 880.9
2006 136.3 192.9 46.4 30.6 12.9 17.8 20.4 41.7 73.5 57.7 183.2 144.5 958.0
2007 151.0 79.2 97.0 20.2 10.7 2.6 25.4 21.6 63.3 107.6 140.1 219.0 937.6
2008 162.7 159.8 52.1 4.2 3.8 0.6 0.9 18.7 46.7 93.6 128.9 217.9 889.9
2009 126.6 49.8 36.5 15.3 9.3 17.6 42.5 30.8 55.9 94.2 103.5 198.0 779.9
2010 132.4 135.4 84.1 15.6 12.9 3.2 1.2 27.8 66.8 80.6 135.6 134.3 829.9
2011 181.9 162.8 88.3 34.5 8.9 6.0 6.8 28.1 53.2 71.8 174.5 139.8 956.5
2012 58.5 139.4 35.4 17.8 12.9 4.8 16.4 21.1 67.9 78.1 161.4 160.8 774.5
2013 98.9 147.6 71.4 22.6 13.7 2.6 0.8 30.2 60.7 72.9 130.0 102.4 753.9
2014 172.2 143.8 90.6 20.2 8.2 1.6 18.7 36.9 46.7 100.4 118.2 134.7 892.3
2015 173.0 163.8 33.3 24.8 3.0 5.7 5.5 22.4 53.9 82.5 141.4 164.5 873.7
2016 132.5 183.3 34.6 16.6 8.2 12.0 11.9 22.0 56.2 91.8 153.9 128.8 851.9
2017 153.2 136.9 82.3 34.4 11.9 8.4 12.9 40.7 44.0 72.6 152.6 201.9 951.8
2018 199.2 137.6 66.6 30.5 10.3 10.3 22.2 31.1 59.7 81.5 125.0 103.8 877.9
161

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2019 95.5 145.6 67.8 23.9 7.4 10.3 6.1 44.7 60.0 68.9 199.7 155.8 885.7
2020 161.8 158.6 77.7 4.8 1.3 3.2 2.6 18.2 59.5 73.2 200.0 179.6 940.6
2021 134.4 154.1 88.3 19.0 3.7 5.1 10.6 18.3 46.2 73.0 183.5 129.9 866.1
2022 202.4 96.1 86.8 7.8 6.0 7.9 12.4 34.6 56.2 94.8 160.1 198.5 963.5
2023 172.5 111.5 68.9 30.2 9.0 4.3 2.7 22.4 70.4 82.6 163.1 205.7 943.2
2024 96.0 192.4 40.3 38.7 21.7 4.7 52.9 18.3 56.3 109.7 183.1 134.4 948.6
2025 146.0 89.5 96.6 9.5 9.2 21.6 21.6 23.2 59.2 125.6 140.0 144.8 886.9
2026 193.0 113.3 113.6 16.5 3.2 8.8 5.6 18.2 83.8 84.6 187.7 165.1 993.4
2027 205.0 140.8 36.9 26.3 34.7 18.2 16.3 0.0 70.8 105.3 162.3 205.0 1021.4
2028 279.2 159.8 68.3 17.8 11.7 9.6 5.3 18.0 63.0 105.5 201.9 200.7 1140.8
2029 203.9 78.9 88.5 8.6 8.4 11.6 10.6 34.5 60.0 87.6 145.6 172.1 910.4
2030 172.7 139.8 89.1 34.4 28.0 12.2 7.3 38.3 56.4 83.7 161.7 187.2 1010.8
2031 98.3 123.0 117.4 33.8 11.9 5.3 12.9 30.8 67.1 93.1 101.5 84.7 779.9
2032 176.0 187.3 82.4 4.0 3.5 2.6 6.7 17.9 42.2 93.7 162.3 202.3 980.8
2033 104.0 156.5 95.3 32.2 13.4 1.1 9.6 45.4 58.8 80.9 85.0 123.8 806.1
2034 174.9 109.9 67.7 15.3 3.1 2.8 3.1 0.0 55.3 80.2 134.4 204.5 851.2
2035 156.6 142.1 41.2 11.2 4.7 0.9 13.2 22.4 58.8 107.9 95.2 125.1 779.3
2036 218.3 66.9 84.2 25.3 45.7 8.4 4.0 43.1 46.7 62.5 97.8 156.0 858.9
2037 198.7 88.7 80.8 25.1 8.0 19.8 17.3 38.2 72.3 85.6 167.5 63.4 865.4
2038 166.5 173.9 80.2 7.9 5.0 14.4 6.2 29.5 62.4 119.6 145.1 142.5 953.2
2039 216.6 89.4 67.8 34.2 30.6 10.3 26.8 38.4 45.1 93.7 154.6 219.0 1026.4
2040 117.5 168.2 119.0 16.1 6.6 8.5 12.0 17.8 54.8 105.6 139.7 159.0 924.7
2041 156.1 160.3 148.4 8.8 12.9 9.2 22.3 0.0 83.9 171.2 172.5 156.5 1102.1
2042 172.8 160.2 88.8 43.3 9.7 1.1 9.9 29.1 51.9 100.7 161.8 142.5 971.7
2043 218.5 154.5 42.2 32.5 8.0 9.0 12.9 33.9 80.4 78.9 97.3 124.0 892.1
2044 162.9 208.0 149.6 30.2 9.3 8.3 12.7 46.7 64.2 110.0 205.1 157.7 1164.8
2045 218.5 183.0 73.0 9.5 14.0 5.8 2.1 18.5 56.0 70.8 137.6 101.6 890.4
2046 184.0 157.8 68.8 67.1 11.9 9.1 1.6 42.6 68.3 102.4 63.6 156.3 933.3
2047 82.3 190.7 95.4 34.2 17.5 1.6 15.9 30.9 62.5 105.2 192.4 136.9 965.5
2048 167.5 142.5 87.2 5.0 5.0 10.3 10.4 18.2 72.6 88.1 175.6 338.0 1120.2
2049 96.1 185.2 68.7 11.9 10.1 7.4 10.3 38.5 59.0 105.4 156.5 277.0 1025.9
2050 145.8 131.7 68.4 10.0 9.7 3.1 17.1 33.9 56.2 100.3 160.7 172.9 909.9
2051 349.6 161.6 150.0 30.5 20.8 11.4 18.9 44.7 66.7 114.2 185.2 198.2 1351.9
2052 215.6 143.7 49.0 34.6 4.0 11.4 32.7 43.0 59.4 90.8 158.5 83.0 925.8
2053 139.5 52.0 147.8 43.2 22.0 7.1 30.0 21.5 84.0 81.0 175.4 58.7 862.3
2054 101.5 196.3 41.8 34.5 10.3 1.2 22.0 33.2 67.3 95.8 151.9 259.3 1015.1
2055 217.1 142.2 135.9 8.3 4.8 14.3 5.8 42.1 58.2 105.3 115.8 206.5 1056.4
2056 134.0 154.1 73.2 38.7 23.9 3.7 20.6 33.8 68.5 86.0 140.1 161.8 938.5
2057 140.0 190.2 112.9 31.6 29.8 2.8 18.8 43.3 64.3 91.5 155.4 167.0 1047.7
162

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2058 195.5 139.1 198.8 30.9 45.2 21.7 21.8 33.9 58.9 72.9 163.9 289.2 1271.9
2059 217.0 154.7 96.1 15.4 9.2 14.9 8.6 19.7 72.3 105.2 156.2 230.7 1100.1
2060 161.9 99.4 39.1 34.2 12.7 10.3 16.4 19.5 56.3 93.4 139.2 157.8 840.2
2061 167.1 145.3 69.9 34.2 30.0 8.1 27.1 44.6 79.4 105.5 149.1 95.7 956.1
2062 174.6 90.1 47.3 19.1 9.0 8.3 22.4 19.2 46.4 91.5 84.0 161.5 773.4
2063 162.0 149.2 67.1 30.2 16.3 23.5 38.3 38.7 58.8 80.6 76.5 200.6 941.8
2064 219.0 213.5 95.9 19.3 21.9 1.2 5.1 43.3 56.6 87.3 200.5 95.6 1059.2
2065 166.7 171.7 144.1 16.7 14.7 17.7 31.0 23.6 46.8 53.0 172.9 202.4 1061.4
2066 137.2 154.7 67.6 38.8 27.3 31.3 22.0 46.2 60.2 71.5 199.4 218.7 1074.9
2067 273.4 273.0 30.3 30.0 12.1 2.7 12.1 19.5 60.3 108.3 167.4 172.6 1161.6
2068 240.8 156.0 141.3 42.1 32.4 22.3 7.9 35.1 61.5 93.4 218.7 172.4 1224.1
2069 95.8 192.8 64.8 34.5 22.7 30.1 30.2 26.7 78.4 105.5 161.9 131.9 975.4
2070 219.0 205.0 40.0 25.0 17.3 8.2 4.4 36.8 67.1 121.4 162.5 201.6 1108.2
2071 224.9 155.0 87.9 34.6 46.7 10.8 15.6 17.9 59.1 105.4 219.0 217.5 1194.3
2072 221.3 212.1 96.2 7.3 15.8 10.5 20.4 32.4 59.9 108.7 199.8 185.0 1169.3
2073 161.5 154.1 77.7 25.1 52.9 4.7 8.6 22.7 72.3 139.7 231.9 140.0 1091.2
2074 157.9 211.5 47.1 38.3 21.7 12.1 25.6 39.3 51.2 101.8 139.9 123.4 969.7
2075 195.3 210.5 87.9 67.1 30.5 5.8 26.6 53.8 68.1 86.0 142.8 206.0 1180.3
2076 177.7 207.1 123.5 33.8 22.4 21.8 9.6 34.2 44.9 77.1 90.7 286.1 1129.1
2077 164.9 59.2 189.5 66.8 32.3 58.6 30.0 46.7 67.6 100.4 167.6 204.8 1188.5
2078 175.3 158.1 83.3 68.4 22.0 22.1 6.6 18.2 56.0 118.2 217.2 201.5 1146.9
2079 229.9 135.6 37.0 34.6 44.2 3.8 16.8 0.0 63.4 116.1 172.9 161.6 1015.8
2080 219.0 138.1 37.3 4.7 21.7 9.4 38.0 38.3 55.4 81.6 167.9 134.9 946.3
2081 294.0 157.5 95.3 33.8 8.3 17.5 22.4 44.8 69.8 91.1 116.9 206.0 1157.6
2082 163.0 254.2 144.9 86.6 16.3 4.7 8.8 19.5 58.7 95.3 113.9 86.8 1052.7
2083 218.5 187.8 73.0 38.7 8.0 7.9 18.6 29.1 82.0 101.1 235.9 105.0 1105.6
2084 146.0 206.9 205.7 33.3 11.7 19.0 4.8 29.0 78.8 119.3 158.4 138.1 1151.1
2085 205.9 154.9 33.3 23.5 11.7 9.3 46.3 46.7 70.5 80.8 134.4 172.7 990.0
2086 451.5 161.8 51.4 8.7 27.5 31.0 9.6 44.9 59.9 106.5 218.5 112.2 1283.5
2087 327.8 208.8 96.2 15.5 13.2 17.9 31.7 34.7 81.1 59.3 62.4 279.5 1228.0
2088 82.4 192.2 133.2 33.7 9.9 3.0 43.8 42.5 73.4 84.3 216.8 122.6 1037.7
2089 153.9 358.3 96.9 34.3 62.8 21.5 22.8 44.8 60.0 104.1 89.7 124.9 1174.1
2090 134.8 363.7 126.0 73.0 67.9 18.4 44.2 29.6 56.2 79.5 98.7 213.9 1305.8
2091 102.3 185.8 81.0 34.5 21.7 12.0 22.4 38.2 78.5 109.7 221.2 172.3 1079.7
2092 219.0 136.7 144.5 24.7 79.5 14.6 22.3 39.9 70.8 82.5 95.7 116.9 1047.2
2093 284.6 212.6 144.7 73.0 102.4 29.1 9.1 43.3 64.1 78.6 310.5 202.7 1554.7
2094 240.3 154.1 89.4 19.9 60.1 26.8 21.7 43.7 57.7 70.7 167.4 288.1 1239.9
2095 163.3 369.0 187.4 66.6 44.0 14.6 10.3 38.4 73.3 101.5 219.0 164.7 1452.0
2096 236.4 177.3 188.7 20.3 72.2 17.2 7.9 19.1 82.8 157.0 134.0 138.3 1251.2
163

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2097 173.9 39.2 96.8 17.0 56.0 31.2 10.3 19.3 79.6 108.7 135.1 144.8 911.9
2098 236.6 171.7 54.6 26.0 87.5 3.1 8.8 52.2 60.5 84.1 165.7 178.4 1129.3
2099 218.6 151.4 34.0 38.4 50.0 5.4 30.0 38.4 86.9 120.2 134.3 907.6

Promedio 172.3 155.9 84.7 26.8 18.6 10.5 16.7 31.3 61.9 94.0 148.9 160.4 980.7
Máxima 451.5 369.0 205.7 86.6 102.4 58.6 52.9 53.8 86.9 171.2 310.5 338.0 1554.7
Mínima 58.5 39.2 30.3 3.9 1.0 0.6 0.8 0.0 38.5 53.0 38.1 55.6 631.5
D.Estándar 58.7 53.7 39.2 16.1 18.9 8.6 11.0 11.3 10.8 19.0 43.6 52.3 160.1

4.4.1 Análisis de anomalías en síes periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodos Pisco 147.3 152.5 146.6 64.1 20.6 9.0 8.2 14.2 34.2 72.4 74.8 112.3
Promedio 139.2 138.9 76.2 21.3 8.1 7.7 18.1 33.3 57.2 94.7 115.2 126.3
Máxima 215.8 194.6 171.7 42.0 19.3 20.3 38.2 52.3 78.7 133.3 216.2 201.5
Periodo 1 Mínima 71.6 73.2 40.8 3.9 1.0 1.9 2.5 17.7 38.5 57.9 38.1 55.6
Promedio 149.1 142.5 64.6 21.1 8.4 6.7 13.0 29.5 58.1 83.1 150.2 156.2
Máxima 218.5 213.2 97.0 34.5 13.7 17.8 42.5 44.7 73.5 107.6 206.8 219.0
Periodo 2 Mínima 58.5 49.8 33.3 4.2 1.3 0.6 0.8 18.1 44.0 57.7 103.5 102.4
Promedio 171.6 129.1 80.7 20.7 13.4 8.9 12.9 25.5 59.3 93.8 148.6 161.2
Máxima 279.2 192.4 119.0 38.7 45.7 21.6 52.9 45.4 83.8 125.6 201.9 219.0
Periodo 3 Mínima 96.0 66.9 36.9 4.0 3.1 0.9 2.7 0.0 42.2 62.5 85.0 63.4
Promedio 173.8 155.4 96.8 27.7 14.5 8.2 15.5 31.4 65.5 98.5 153.2 178.8
Máxima 349.6 208.0 198.8 67.1 45.2 21.7 32.7 46.7 84.0 171.2 205.1 338.0
Periodo 4 Mínima 82.3 52.0 39.1 5.0 4.0 1.1 1.6 0.0 51.9 70.8 63.6 58.7
Promedio 189.2 169.6 81.8 33.5 25.7 15.6 19.9 31.9 60.7 97.6 167.1 175.7
Máxima 273.4 273.0 189.5 68.4 52.9 58.6 38.3 53.8 79.4 139.7 231.9 286.1
Periodo 5 Mínima 95.8 59.2 30.3 4.7 9.0 1.2 4.4 0.0 44.9 53.0 76.5 95.6
Promedio 213.3 202.3 109.3 36.9 42.7 16.0 20.8 36.7 70.8 96.5 159.4 164.9
Máxima 451.5 369.0 205.7 86.6 102.4 31.2 46.3 52.2 86.9 157.0 310.5 288.1
Periodo 6 Mínima 82.4 39.2 33.3 8.7 8.0 3.0 4.8 19.1 56.2 59.3 62.4 86.8
164

4.4.2 Variación porcentual de precipitación respecto al periodo 1981-2000

Periodos Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic

Periodo 2
7% 3% -15% -1% 5% -13% -28% -12% 2% -12% 30% 24%
(2001-2020)

Periodo 3
23% -7% 6% -3% 66% 15% -29% -24% 4% -1% 29% 28%
(2021-2040)
Periodo 4
23% -7% 6% -3% 66% 15% -29% -24% 4% -1% 29% 28%
(2041-2060)
Periodo 5
36% 22% 7% 57% 219% 103% 10% -4% 6% 3% 45% 39%
(2061-2080)
Periodo 6
53% 46% 44% 73% 430% 108% 15% 10% 24% 2% 38% 31%
(2081-2099)
Promedio 29% 11% 10% 25% 157% 46% -12% -11% 8% -2% 34% 30%

4.4.3. Variabilidad de la precipitación en tres periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Promedio 144.1 140.7 70.4 21.2 8.2 7.2 15.5 31.4 57.7 88.9 132.7 141.3
Periodo Máxima 218.5 213.2 171.7 42.0 19.3 20.3 42.5 52.3 78.7 133.3 216.2 219.0
1 Mínima 58.5 49.8 33.3 3.9 1.0 0.6 0.8 17.7 38.5 57.7 38.1 55.6
(1981- Q1 114.2 120.3 51.5 14.8 4.1 3.7 7.7 23.7 49.5 78.1 101.4 114.6
2020) Q3 172.9 163.1 83.0 29.1 11.0 9.6 22.0 38.3 65.3 102.1 154.1 165.4
Mediana 152.8 144.7 68.3 22.2 8.3 5.9 13.4 31.0 57.5 83.7 130.1 140.0
Promedio 172.7 142.2 88.7 24.2 14.0 8.6 14.2 28.4 62.4 96.1 150.9 170.0
Máxima 349.6 208.0 198.8 67.1 45.7 21.7 52.9 46.7 84.0 171.2 205.1 338.0
Periodo Mínima 82.3 52.0 36.9 4.0 3.1 0.9 1.6 0.0 42.2 62.5 63.6 58.7
2 Q1 139.9 112.9 68.4 10.9 6.5 4.1 7.2 18.4 56.3 84.4 139.6 136.2
(2021- Q3 204.2 163.2 100.7 34.2 18.3 11.4 18.9 38.3 68.3 105.3 168.7 202.8
2060) Mediana 172.6 148.9 85.5 25.8 9.9 8.5 12.5 30.9 59.7 93.7 157.5 160.4
Promedio 200.9 185.6 95.2 35.2 34.0 15.8 20.4 34.2 65.6 97.1 163.4 170.6
Máxima 451.5 369.0 205.7 86.6 102.4 58.6 46.3 53.8 86.9 157.0 310.5 288.1
Periodo Mínima 82.4 39.2 30.3 4.7 8.0 1.2 4.4 0.0 44.9 53.0 62.4 86.8
3 Q1 162.5 154.1 59.7 21.9 16.1 8.0 9.4 25.2 58.8 82.1 134.2 132.7
(2061- Q3 227.4 209.6 129.6 38.5 48.3 21.9 28.5 43.5 73.4 108.5 208.6 202.6
2099) Mediana 195.3 171.7 87.9 33.8 22.7 14.6 21.7 38.2 63.4 100.4 165.7 172.4
165

4.5 Modelo de circulación global 5 (GCM-5)- INM-CM5-0

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
1981 215.6 145.9 81.7 19.8 3.2 1.1 13.2 36.0 78.0 100.2 90.9 153.8 939.5
1982 127.0 99.1 37.7 5.2 1.1 5.8 14.2 28.3 26.8 93.3 38.1 138.3 615.0
1983 155.2 134.3 47.1 19.7 2.5 5.0 12.0 52.1 55.6 133.3 185.2 102.5 904.6
1984 140.6 179.3 109.2 42.0 1.7 7.2 12.0 29.6 73.5 87.1 61.6 154.3 898.0
1985 99.1 135.4 70.2 32.6 5.4 3.1 18.6 38.5 34.2 95.8 65.2 159.4 757.4
1986 145.3 95.2 67.8 21.4 2.8 8.7 30.5 22.0 37.8 103.2 119.3 97.5 751.5
1987 142.5 168.0 68.0 16.8 2.4 6.3 20.3 43.9 75.3 101.5 63.1 170.4 878.7
1988 100.3 157.8 50.2 4.6 4.7 9.3 21.6 22.4 44.7 81.5 101.5 115.4 713.9
1989 135.7 171.7 78.4 22.7 2.1 5.6 42.5 24.0 52.3 59.1 129.4 152.6 876.1
1990 134.3 144.2 132.6 30.8 3.8 0.9 19.9 36.6 58.7 80.7 85.1 160.8 888.5
1991 174.4 213.2 55.5 14.0 2.7 10.3 16.3 34.5 46.6 80.2 101.1 139.9 888.8
1992 107.6 143.4 71.2 8.8 10.6 7.9 25.3 32.8 56.3 72.9 92.7 125.6 755.1
1993 125.0 160.5 89.9 17.1 10.4 5.5 15.1 20.3 92.0 82.5 99.2 219.0 936.4
1994 134.7 162.9 66.4 15.3 10.8 4.2 14.8 46.4 38.6 81.5 118.2 201.6 895.6
1995 211.0 181.9 43.2 25.2 3.9 10.7 18.1 30.6 68.1 78.2 162.4 117.0 950.3
1996 167.7 72.9 97.0 15.9 0.6 11.8 25.7 21.8 63.4 108.3 98.3 140.8 824.3
1997 181.6 173.0 44.4 8.9 5.4 12.6 20.8 33.4 56.7 91.4 126.0 139.7 894.1
1998 179.4 137.6 54.6 27.8 8.8 6.6 15.5 30.9 58.6 110.1 80.9 205.7 916.5
1999 198.0 150.0 94.7 34.5 10.0 3.7 12.1 20.0 69.1 53.1 129.6 164.5 939.3
2000 156.2 139.4 53.1 20.3 5.8 10.3 20.4 21.3 60.7 84.2 95.2 159.0 825.8
2001 143.0 154.1 69.6 26.4 2.6 3.3 14.7 28.8 42.5 67.9 103.5 126.5 783.1
2002 127.8 196.4 80.8 34.2 1.7 4.0 14.4 38.7 56.1 79.4 84.6 140.0 858.2
2003 176.8 178.8 79.5 24.6 3.0 10.5 19.3 51.1 71.0 83.5 132.6 123.0 953.6
2004 96.0 124.0 40.0 3.9 4.5 6.2 28.2 38.3 65.1 89.2 94.0 123.0 712.3
2005 218.7 107.7 66.4 12.2 5.1 6.8 17.3 18.5 39.9 77.4 134.5 161.8 866.2
2006 190.1 116.9 47.8 34.6 1.4 8.4 13.0 18.3 46.7 26.6 88.7 172.8 765.5
2007 154.7 112.9 86.6 29.9 7.3 6.6 26.5 42.7 53.8 100.1 91.1 158.1 870.3
2008 188.2 163.2 57.6 23.5 4.8 3.2 12.9 17.7 51.7 66.4 135.3 134.0 858.5
2009 136.8 121.2 73.2 24.8 3.5 7.3 13.3 39.2 72.2 130.3 183.2 147.1 952.2
2010 125.9 155.4 52.0 23.6 4.9 4.7 16.4 31.3 105.9 105.1 95.4 132.2 852.8
2011 172.4 86.1 76.6 28.8 8.2 11.9 16.9 45.5 56.2 78.5 75.6 157.3 814.0
2012 166.6 151.5 45.0 15.4 7.9 9.3 22.7 47.7 65.3 63.7 217.5 161.7 974.2
2013 154.9 97.6 39.9 14.8 10.3 5.0 36.7 46.7 66.9 111.4 88.1 173.2 845.5
2014 202.1 191.3 34.4 33.6 2.5 0.8 33.1 24.9 54.3 107.0 52.5 216.7 953.1
2015 130.5 185.2 35.2 4.3 4.8 7.0 22.0 47.7 81.2 105.6 90.6 156.6 870.5
2016 116.0 84.3 88.7 10.5 8.3 9.9 15.7 30.5 59.6 70.6 111.2 90.5 695.8
2017 140.3 69.4 66.7 19.1 11.8 10.3 17.9 37.1 66.9 113.5 56.3 123.2 732.4
2018 202.2 142.3 73.0 34.2 0.8 8.3 19.7 44.5 56.2 63.4 61.6 156.7 862.8
166

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2019 130.1 148.8 83.8 4.2 8.8 5.6 17.6 52.9 63.0 120.1 84.7 156.4 875.9
2020 166.4 132.6 68.9 0.0 4.5 10.0 44.9 36.2 79.2 122.7 123.3 90.0 878.7
2021 156.1 112.6 52.0 30.7 7.2 2.6 27.9 48.6 63.5 77.8 83.2 58.0 720.3
2022 154.1 116.9 66.6 26.8 0.9 5.8 13.7 22.1 59.2 79.2 55.9 139.4 740.6
2023 154.3 142.5 67.7 16.2 6.0 10.1 20.0 18.1 67.1 79.0 90.6 167.4 839.0
2024 128.0 128.6 55.0 29.9 9.1 9.3 16.7 22.7 73.5 94.9 156.1 125.8 849.4
2025 169.7 132.2 66.7 12.7 7.2 10.3 32.9 47.2 44.7 119.9 53.7 125.2 822.4
2026 124.2 189.0 45.4 19.6 3.7 9.3 21.8 39.8 72.0 81.3 140.1 185.5 931.5
2027 140.3 71.7 73.4 8.7 5.4 4.8 50.7 47.6 77.8 80.1 53.4 163.9 777.6
2028 95.4 139.8 79.2 16.1 7.5 10.7 20.4 23.9 34.2 93.5 63.6 216.6 800.7
2029 136.5 154.1 49.3 28.8 5.3 5.6 31.3 44.6 66.1 94.2 98.8 177.7 892.3
2030 180.1 90.5 66.8 25.9 5.2 7.2 16.6 21.4 55.1 82.7 193.2 217.4 962.0
2031 183.3 180.1 72.4 26.1 2.4 5.3 17.9 40.5 66.0 82.8 176.4 114.7 967.8
2032 82.3 124.5 103.1 25.0 4.7 2.6 15.8 52.3 40.0 83.1 88.8 119.1 741.2
2033 157.4 114.4 38.3 25.3 2.5 11.9 21.5 37.5 69.0 66.3 135.6 87.4 767.1
2034 122.4 148.1 68.8 20.0 3.4 4.2 25.7 52.7 59.1 67.0 113.3 215.0 899.8
2035 204.2 179.2 46.2 24.8 9.3 4.7 60.1 36.3 79.0 93.6 216.6 215.7 1169.5
2036 166.5 163.7 41.5 10.4 3.4 11.9 12.9 22.5 57.3 81.2 116.5 183.7 871.6
2037 122.7 152.6 69.8 16.3 5.0 9.3 48.2 39.5 41.3 66.2 82.4 117.0 770.2
2038 63.5 113.2 34.0 15.4 1.8 10.6 13.9 21.9 68.6 107.4 115.5 156.2 722.0
2039 109.5 115.1 72.0 8.0 6.3 8.9 21.7 48.1 73.2 119.3 80.9 156.1 819.2
2040 89.7 131.7 34.2 15.9 4.6 10.6 54.4 38.3 56.9 81.2 130.4 139.6 787.6
2041 126.7 130.1 42.1 29.8 7.2 4.2 56.4 31.7 61.9 56.2 84.6 215.8 846.8
2042 145.6 142.2 69.8 18.1 10.6 10.2 52.4 21.2 57.3 107.0 84.5 136.7 855.7
2043 128.9 191.9 72.9 10.9 1.6 10.2 19.0 21.3 56.3 93.7 215.2 178.5 1000.5
2044 135.4 84.4 43.2 17.5 10.2 7.9 46.4 33.9 58.7 106.8 130.3 143.4 818.0
2045 157.4 179.1 71.2 25.3 3.3 11.1 47.3 30.8 53.5 83.1 81.8 165.7 909.4
2046 156.2 139.4 47.2 0.0 5.3 13.2 21.6 20.9 66.1 32.8 116.9 123.8 743.4
2047 156.4 117.7 58.1 26.5 5.0 0.0 17.9 53.1 59.1 83.9 81.4 217.1 876.3
2048 156.1 185.2 97.3 29.9 10.2 10.3 32.5 52.0 62.2 79.4 73.1 122.7 910.9
2049 156.9 97.6 85.8 29.4 1.5 9.3 33.6 32.5 53.1 83.4 90.8 121.7 795.6
2050 84.8 72.6 71.4 9.9 5.6 9.3 33.3 44.9 78.7 79.6 80.6 156.6 727.0
2051 141.8 106.3 39.8 5.9 7.5 11.8 16.0 47.3 61.3 80.1 130.2 154.2 802.1
2052 212.1 150.4 55.0 8.5 8.8 5.3 21.6 46.7 35.7 81.2 170.8 119.9 916.1
2053 135.6 115.2 90.6 22.9 11.9 3.1 29.8 39.2 61.9 84.2 117.4 117.0 828.6
2054 161.7 90.6 54.6 8.1 0.0 12.9 30.7 49.3 69.0 107.4 0.0 124.4 708.8
2055 156.0 96.7 52.5 17.8 3.4 6.9 22.1 24.7 59.9 92.8 116.6 100.5 749.9
2056 95.2 111.7 90.2 25.1 2.7 11.4 21.5 39.4 53.4 78.9 0.0 201.3 730.7
2057 93.7 150.9 38.0 29.8 0.0 5.0 12.9 43.9 68.6 59.2 125.0 116.5 743.4
167

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2058 122.5 140.0 72.9 18.7 1.4 9.1 47.2 46.7 77.3 118.0 176.4 125.1 955.3
2059 140.1 131.4 67.4 15.6 4.6 10.6 18.4 34.0 63.6 105.2 92.0 122.1 804.9
2060 129.2 95.9 41.7 20.2 3.6 5.7 32.4 39.7 58.3 79.1 97.4 75.5 678.7
2061 83.2 160.4 90.7 18.1 2.6 4.7 31.8 44.6 56.4 89.1 157.1 186.7 925.2
2062 218.6 125.4 71.4 24.8 3.2 5.3 46.2 29.4 81.2 82.9 84.7 130.4 903.5
2063 143.2 95.8 24.8 7.9 5.0 11.9 36.7 32.0 56.3 109.3 172.2 150.4 845.4
2064 84.7 154.1 69.0 30.0 5.3 10.1 20.4 30.7 61.1 93.2 46.0 126.1 730.7
2065 214.4 126.4 56.0 13.8 10.3 10.1 30.8 62.3 80.8 96.4 74.3 159.5 935.0
2066 171.7 164.1 140.5 34.9 2.6 3.2 72.1 32.9 61.4 90.7 87.0 140.9 1002.1
2067 100.7 97.5 49.3 6.6 1.4 10.5 26.9 36.3 56.3 107.4 95.1 115.8 703.9
2068 186.6 152.4 115.0 25.1 11.2 1.5 21.6 39.7 71.1 112.1 102.2 124.7 963.3
2069 166.6 158.2 72.9 6.0 4.6 10.7 32.4 46.7 56.3 106.2 154.5 125.3 940.3
2070 123.3 140.8 52.1 26.2 5.6 3.3 20.5 39.4 48.6 84.1 153.8 95.5 793.2
2071 163.5 134.4 56.6 25.1 3.2 11.9 52.8 46.0 79.0 79.9 102.1 68.2 822.7
2072 139.4 112.7 34.8 8.3 3.2 5.7 42.6 38.2 58.9 79.7 0.0 61.1 584.6
2073 81.0 95.7 72.4 8.4 10.4 10.3 12.9 22.0 79.8 93.6 119.9 95.6 702.1
2074 172.9 113.3 66.7 4.5 0.0 12.1 50.2 52.9 70.3 105.7 59.5 144.3 852.2
2075 84.7 115.8 30.4 20.3 5.8 11.9 11.9 35.9 66.5 96.5 116.1 212.9 808.6
2076 140.4 144.1 73.0 24.8 3.3 10.1 42.2 44.0 69.2 107.0 98.6 116.9 873.5
2077 124.7 94.8 66.9 25.0 6.6 12.9 33.1 33.5 66.1 72.5 89.6 156.7 782.3
2078 153.8 108.9 46.8 35.2 5.0 5.4 30.7 34.5 56.1 109.5 123.3 89.5 798.8
2079 156.2 73.2 31.1 12.3 5.6 10.8 46.6 37.1 81.0 84.2 95.6 116.9 750.6
2080 95.7 103.0 66.7 5.0 0.9 12.9 26.2 33.0 62.3 94.9 58.1 129.5 688.3
2081 110.1 90.5 36.4 8.3 5.3 10.6 51.1 39.9 52.5 108.1 181.7 155.9 850.3
2082 125.1 142.3 115.5 23.6 7.3 10.7 20.5 44.1 106.5 79.4 115.5 109.5 900.1
2083 89.8 128.7 41.5 16.8 4.2 12.8 19.0 30.8 56.1 106.9 87.9 156.3 750.7
2084 172.1 127.1 89.3 0.0 8.1 3.0 21.3 33.9 59.3 56.3 116.8 200.2 887.6
2085 156.2 96.7 35.4 16.4 8.0 11.9 13.6 21.4 56.2 108.1 83.2 144.6 751.7
2086 139.9 132.9 64.3 25.6 6.1 7.9 31.6 31.0 53.7 81.2 95.5 95.8 765.6
2087 126.3 137.4 70.3 24.8 8.2 4.7 32.1 46.6 66.9 106.5 125.1 90.4 839.2
2088 125.3 132.3 97.6 24.7 0.0 7.9 19.0 37.1 57.6 107.3 95.5 95.8 800.2
2089 116.2 69.2 71.4 16.3 5.7 11.0 14.8 33.9 64.4 81.2 102.0 135.4 721.5
2090 116.6 90.5 111.7 30.5 5.3 10.6 19.7 33.9 54.6 116.6 67.8 125.3 783.1
2091 156.7 126.1 72.4 0.0 7.1 10.3 50.6 33.9 67.0 118.7 83.1 147.3 873.2
2092 179.4 179.0 67.1 25.5 1.5 10.6 14.6 46.6 56.2 86.8 82.6 54.6 804.7
2093 95.3 133.3 35.2 8.9 11.4 12.1 21.8 31.2 80.8 76.2 100.6 165.4 772.1
2094 109.4 164.8 67.8 6.4 0.9 12.0 40.2 48.4 81.0 81.1 198.4 125.2 935.4
2095 115.6 137.1 66.6 12.2 1.5 8.3 27.6 33.6 62.7 101.1 149.3 135.6 851.1
2096 180.5 151.2 73.2 16.1 11.2 3.8 22.0 51.7 47.8 113.8 90.8 125.4 887.5
168

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2097 124.9 147.7 68.6 26.2 1.4 11.6 36.9 57.3 61.6 79.4 76.0 84.7 776.2
2098 117.0 137.1 50.4 4.1 4.8 11.9 13.0 39.0 59.1 61.0 50.9 160.1 708.4
2099 125.1 110.3 83.5 25.7 5.6 2.6 22.6 38.7 56.1 90.2 48.9 609.1

Promedio 142.8 132.9 65.1 18.9 5.1 8.0 26.5 36.5 61.8 89.4 104.2 141.5 831.5
Máxima 218.7 213.2 140.5 42.0 11.9 13.2 72.1 62.3 106.5 133.3 217.5 219.0 1169.5
Mínima 63.5 69.2 24.8 0.0 0.0 0.0 11.9 17.7 26.8 26.6 0.0 54.6 584.6
D.Estándar 34.4 31.7 21.9 9.5 3.1 3.4 12.9 10.2 13.1 18.7 42.0 37.0 92.8

4.5.1 Análisis de anomalías en síes periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodos Pisco 151.6 148.3 70.7 20.2 4.9 6.8 19.4 31.3 57.3 88.9 102.2 150.9
Promedio 215.6 213.2 132.6 42.0 10.8 12.6 42.5 52.1 92.0 133.3 185.2 219.0
Máxima 99.1 72.9 37.7 4.6 0.6 0.9 12.0 20.0 26.8 53.1 38.1 97.5
Periodo 1 Mínima 157.0 136.0 63.3 20.1 5.3 6.9 21.2 36.9 62.7 89.1 105.2 145.0
Promedio 218.7 196.4 88.7 34.6 11.8 11.9 44.9 52.9 105.9 130.3 217.5 216.7
Máxima 96.0 69.4 34.4 0.0 0.8 0.8 12.9 17.7 39.9 26.6 52.5 90.0
Periodo 2 Mínima 137.0 135.0 60.1 20.1 5.1 7.8 27.2 36.3 61.2 86.5 112.3 154.1
Promedio 204.2 189.0 103.1 30.7 9.3 11.9 60.1 52.7 79.0 119.9 216.6 217.4
Máxima 63.5 71.7 34.0 8.0 0.9 2.6 12.9 18.1 34.2 66.2 53.4 58.0
Periodo 3 Mínima 139.6 126.4 63.1 18.5 5.2 8.4 30.6 37.7 60.8 84.6 103.3 141.9
Promedio 212.1 191.9 97.3 29.9 11.9 13.2 56.4 53.1 78.7 118.0 215.2 217.1
Máxima 84.8 72.6 38.0 0.0 0.0 0.0 12.9 20.9 35.7 32.8 0.0 75.5
Periodo 4 Mínima 140.3 123.5 64.4 18.1 4.8 8.8 34.4 38.6 65.9 94.7 99.5 127.3
Promedio 218.6 164.1 140.5 35.2 11.2 12.9 72.1 62.3 81.2 112.1 172.2 212.9
Máxima 81.0 73.2 24.8 4.5 0.0 1.5 11.9 22.0 48.6 72.5 0.0 61.1
Periodo 5 Mínima 130.6 128.1 69.4 16.4 5.5 9.2 25.9 38.6 63.2 92.6 102.7 128.2
Promedio 180.5 179.0 115.5 30.5 11.4 12.8 51.1 57.3 106.5 118.7 198.4 200.2
Máxima 89.8 69.2 35.2 0.0 0.0 2.6 13.0 21.4 47.8 56.3 48.9 54.6
Periodo 6 Mínima 151.6 148.3 70.7 20.2 4.9 6.8 19.4 31.3 57.3 88.9 102.2 150.9
169

4.5.2 Variación porcentual de precipitación respecto al periodo 1981-2000

Periodos Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodo 2
-
(2001- 3.6% -8.3% -0.2% 7.9% 1.8% 8.9% 18.0% 9.3% 0.2% 3.0% -3.9%
10.4%
2020)
Periodo 3
-
(2021- -9.6% -9.0% -0.2% 2.2% 14.1% 39.9% 15.9% 6.7% -2.7% 9.9% 2.1%
14.9%
2040)
Periodo 4
-
(2041- -9.6% -9.0% -0.2% 2.2% 14.1% 39.9% 15.9% 6.7% -2.7% 9.9% 2.1%
14.9%
2060)
Periodo 5
- - -
(2061- -7.5% -8.9% -2.9% 28.4% 77.1% 23.2% 15.0% 6.6% -2.6%
16.7% 10.1% 15.6%
2080)
Periodo 6
- - - -
(2081- -1.8% 10.4% 34.5% 33.2% 23.3% 10.1% 4.2% 0.5%
13.8% 13.6% 18.6% 15.0%
2099)
- -
Promedio -7.4% -5.8% 3.9% 18.6% 39.8% 19.3% 9.6% 1.1% 4.1% -6.1%
11.3% 10.2%

4.5.3. Variabilidad de la precipitación en tres periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Promedio 154.3 142.1 67.0 20.1 5.1 6.9 20.3 34.1 60.0 89.0 103.7 148.0
Periodo Máxima 218.7 213.2 132.6 42.0 11.8 12.6 44.9 52.9 105.9 133.3 217.5 219.0
1 Mínima 96.0 69.4 34.4 0.0 0.6 0.8 12.0 17.7 26.8 26.6 38.1 90.0
(1981- Q1 130.4 120.1 49.6 13.5 2.6 4.9 14.8 24.7 52.1 78.0 84.7 126.3
2020) Q3 177.5 164.4 79.8 28.0 8.0 9.4 22.2 43.0 68.4 105.2 124.0 161.0
Mediana 150.0 145.1 67.9 20.1 4.6 6.7 18.0 34.0 58.6 85.6 95.3 153.2
Promedio 138.3 130.7 61.6 19.3 5.1 8.1 28.9 37.0 61.0 85.6 107.8 148.0
Máxima 212.1 191.9 103.1 30.7 11.9 13.2 60.1 53.1 79.0 119.9 216.6 217.4
Periodo Mínima 63.5 71.7 34.0 0.0 0.0 0.0 12.9 18.1 34.2 32.8 0.0 58.0
2 Q1 122.7 112.4 46.0 14.7 3.1 5.3 18.3 24.5 56.7 79.1 81.7 121.3
(2021- Q3 156.6 150.5 72.1 25.9 7.2 10.6 33.3 46.9 68.6 93.9 130.3 177.9
2060) Mediana 140.2 130.7 66.6 19.1 5.0 9.3 21.9 39.3 61.6 82.7 98.1 139.5
Promedio 135.6 125.8 66.8 17.3 5.1 9.0 30.3 38.6 64.6 93.7 101.1 127.7
Máxima 218.6 179.0 140.5 35.2 11.4 12.9 72.1 62.3 106.5 118.7 198.4 212.9
Periodo Mínima 81.0 69.2 24.8 0.0 0.0 1.5 11.9 21.4 47.8 56.3 0.0 54.6
3 Q1 112.8 106.0 49.8 8.3 2.9 5.6 20.4 33.3 56.3 81.2 82.8 99.2
(2061- Q3 160.1 143.2 73.0 25.1 6.9 11.9 38.5 44.3 69.7 107.1 118.3 149.6
2099) Mediana 125.3 128.7 67.1 16.8 5.3 10.5 27.6 37.1 61.4 93.6 95.5 125.7
170

4.6 Modelo de circulación global 6 (GCM-6)- KACE-1-0-G

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
1981 171.6 155.2 73.0 7.8 1.6 8.2 36.9 71.9 73.5 80.7 101.1 154.7 936.2
1982 175.4 112.0 91.6 23.6 13.0 4.8 12.4 30.2 93.6 31.0 87.2 173.3 848.1
1983 217.8 102.2 95.3 24.8 10.0 15.7 10.3 22.4 58.0 78.4 94.4 134.4 863.6
1984 135.3 133.8 83.7 7.5 8.3 14.0 4.7 33.9 33.4 22.0 129.8 186.8 793.3
1985 216.6 144.3 69.3 3.9 10.7 5.4 19.1 40.1 108.0 35.1 126.0 183.8 962.2
1986 141.6 171.7 149.8 34.4 8.8 5.8 20.3 65.7 19.4 38.3 142.4 139.6 937.9
1987 100.4 99.4 117.1 43.7 10.3 8.6 4.9 77.0 30.8 102.3 154.2 124.9 873.5
1988 171.5 151.7 80.4 25.7 4.1 0.6 12.9 34.7 78.7 21.2 95.0 114.8 791.4
1989 134.2 192.2 78.4 20.2 2.4 10.3 10.6 53.8 52.3 91.2 97.2 114.0 857.0
1990 213.2 180.1 34.2 29.4 16.4 1.1 29.8 56.3 87.1 18.2 52.7 218.9 937.3
1991 164.5 139.4 90.1 25.3 11.9 1.5 14.8 56.2 103.3 27.5 122.6 136.9 893.9
1992 159.6 167.0 54.7 19.6 11.2 5.1 15.1 31.1 121.3 60.7 88.1 98.5 832.0
1993 123.9 76.1 56.0 14.0 2.6 8.3 11.9 67.0 46.5 122.1 127.1 98.9 754.4
1994 161.8 46.6 42.4 30.5 6.4 1.1 14.4 42.3 17.7 24.7 117.1 158.5 663.5
1995 179.1 110.8 55.7 27.4 6.9 16.3 19.9 56.1 82.5 49.8 117.8 134.4 856.6
1996 172.9 179.3 66.5 41.1 13.1 12.1 10.5 77.1 100.2 38.7 135.6 157.9 1005.1
1997 190.8 97.0 86.5 33.2 2.6 6.6 15.5 29.7 70.1 24.3 81.0 152.6 789.9
1998 202.3 66.0 50.7 15.5 5.9 3.0 9.4 81.3 63.0 66.3 95.4 116.5 775.3
1999 144.0 127.7 45.5 9.0 6.6 5.4 5.5 64.9 105.5 54.7 84.5 147.7 800.8
2000 157.2 119.4 35.1 15.3 17.9 16.7 21.7 72.7 28.6 18.5 38.1 166.5 708.0
2001 206.5 196.8 69.1 4.2 17.6 2.1 9.3 44.4 77.9 133.3 101.8 154.3 1017.3
2002 130.5 137.5 70.1 16.6 1.8 22.7 5.6 45.1 51.7 44.0 95.7 198.1 819.5
2003 99.6 154.1 73.2 34.6 4.0 25.7 30.0 42.7 20.8 32.8 90.4 101.5 709.5
2004 154.7 164.4 30.0 17.7 7.4 6.8 14.7 88.5 83.6 59.0 125.9 156.7 909.4
2005 163.0 185.9 97.1 38.1 12.0 3.2 3.5 53.1 26.4 92.3 70.4 131.0 876.1
2006 201.5 82.3 86.6 15.8 18.8 20.8 7.9 63.7 70.4 38.6 90.8 144.8 841.9
2007 134.7 135.9 147.5 24.7 0.7 2.9 2.5 37.0 39.2 58.8 140.1 125.6 849.6
2008 215.1 159.8 79.6 4.7 3.1 5.8 5.1 67.9 81.1 79.3 108.2 139.0 948.6
2009 185.6 67.2 47.9 19.9 13.6 20.4 32.6 48.0 46.7 72.9 140.2 91.6 786.7
2010 219.0 131.4 142.4 33.3 4.7 3.9 42.5 54.9 46.7 59.6 59.1 129.1 926.6
2011 156.0 213.2 71.2 22.6 7.9 4.5 5.0 37.1 105.1 80.4 161.1 181.5 1045.7
2012 126.4 53.3 88.4 34.5 11.7 3.8 25.5 38.5 106.2 94.8 74.7 119.0 776.9
2013 128.2 176.7 159.0 12.2 4.8 3.4 3.2 21.7 99.3 52.1 63.2 139.8 863.6
2014 167.8 22.3 42.2 15.1 0.9 2.6 7.3 47.6 46.6 84.2 161.5 89.3 687.4
2015 104.0 162.9 52.0 23.5 10.4 7.2 21.9 57.4 81.6 107.2 156.0 176.3 960.3
2016 132.6 179.0 38.5 11.8 3.7 9.1 26.6 68.0 109.9 28.3 93.1 126.4 827.0
2017 160.5 53.6 121.1 41.2 10.1 6.7 30.9 46.7 41.9 91.3 62.6 92.3 759.0
2018 133.1 99.1 71.6 23.5 7.2 3.1 10.7 67.7 90.8 46.0 98.2 134.1 784.9
171

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2019 159.5 139.1 53.2 6.9 2.1 0.8 32.8 78.1 108.5 92.7 117.7 155.3 946.8
2020 157.3 118.3 56.4 51.6 9.3 10.7 16.7 59.0 68.5 45.2 110.9 130.1 833.9
2021 161.9 96.5 69.4 16.4 5.3 2.2 20.5 73.1 58.7 53.2 70.2 116.2 743.5
2022 154.9 114.7 84.9 15.3 2.7 7.2 8.2 57.9 91.2 89.8 63.2 144.5 834.6
2023 161.3 129.3 80.0 16.8 12.9 14.9 19.5 36.3 94.5 40.2 91.4 134.4 831.3
2024 171.6 160.5 47.0 23.7 9.2 2.1 33.1 73.4 129.0 101.5 84.3 157.0 992.3
2025 180.5 148.7 88.8 20.4 9.9 1.2 19.7 68.1 47.2 106.2 115.5 218.0 1024.2
2026 154.8 74.1 77.7 27.0 3.6 10.2 22.0 80.3 89.4 56.3 91.6 134.0 820.9
2027 130.5 129.8 80.1 35.0 32.7 14.5 40.2 78.9 106.6 52.3 70.6 136.0 907.2
2028 160.9 161.0 92.5 20.3 20.5 5.4 16.3 70.1 31.5 40.1 124.8 124.9 868.3
2029 159.6 201.6 88.8 16.1 8.3 5.4 16.4 58.3 107.9 34.1 107.5 126.9 930.8
2030 172.6 114.9 45.7 0.0 0.0 10.4 12.9 46.7 81.1 68.2 161.7 104.1 818.3
2031 216.7 144.7 49.3 11.1 9.3 12.9 14.4 70.5 46.6 22.1 62.6 133.3 793.6
2032 99.8 136.2 130.9 3.9 2.6 0.7 5.0 79.7 91.1 41.8 90.9 150.7 833.3
2033 143.8 155.7 117.4 9.2 2.2 12.9 32.4 64.9 108.7 46.6 96.4 156.3 946.6
2034 201.8 133.7 87.8 34.3 1.1 11.0 30.9 80.5 59.2 64.5 88.2 214.5 1007.4
2035 215.2 162.9 95.8 12.2 33.9 9.3 25.6 100.6 70.8 68.5 64.0 181.6 1040.5
2036 217.1 162.4 133.6 17.5 10.6 9.1 19.2 21.9 83.2 105.9 72.1 89.8 942.5
2037 116.5 90.6 52.3 16.4 5.0 5.5 21.4 46.8 107.8 101.0 99.1 103.6 765.9
2038 156.9 154.1 54.7 15.3 2.3 9.7 21.8 49.9 31.0 93.7 116.4 140.6 846.4
2039 125.0 160.5 97.5 34.2 2.6 2.6 32.6 46.7 82.7 56.1 44.0 103.3 788.1
2040 156.8 111.7 53.8 16.4 7.5 13.1 17.0 83.5 65.3 46.5 63.7 125.5 760.7
2041 168.1 89.7 48.9 23.5 5.1 7.3 25.8 70.7 107.6 21.6 40.9 187.4 796.5
2042 127.2 90.4 68.8 29.4 9.4 1.4 10.3 63.5 70.7 18.5 51.6 134.8 676.1
2043 128.2 95.9 64.5 14.7 9.3 0.0 19.7 106.3 79.3 106.4 95.5 99.3 819.1
2044 92.3 151.0 87.0 18.1 2.2 8.3 19.6 30.3 52.2 83.3 92.6 158.7 795.5
2045 155.3 189.5 43.4 4.9 2.6 10.4 10.6 93.4 105.2 73.1 126.6 103.3 918.4
2046 155.9 176.8 71.9 16.4 10.6 3.3 2.6 64.2 101.0 41.4 186.0 189.0 1019.0
2047 196.6 154.6 96.9 33.0 2.6 12.9 33.3 53.0 79.2 73.4 62.1 160.1 957.7
2048 129.7 154.1 70.3 40.7 13.0 5.3 14.9 56.3 83.1 106.2 145.6 156.7 976.0
2049 265.9 132.6 78.3 23.6 5.4 10.3 45.6 80.5 100.9 105.4 96.2 156.5 1101.3
2050 214.3 202.2 50.2 27.3 2.6 8.0 45.7 70.5 108.7 79.1 136.0 126.0 1070.5
2051 161.3 133.0 53.0 17.6 22.2 3.8 23.7 38.5 73.2 141.4 188.3 196.1 1052.0
2052 217.5 192.8 69.8 34.9 3.3 10.6 36.6 58.8 106.0 100.5 98.9 141.1 1070.8
2053 179.9 168.6 131.4 24.7 10.3 16.8 32.1 53.6 108.3 199.8 166.8 153.3 1245.5
2054 216.7 181.9 49.4 16.5 10.2 0.7 4.9 102.9 73.3 80.3 101.7 161.5 999.8
2055 160.0 158.3 98.9 25.1 9.3 10.0 33.0 84.1 106.9 53.6 63.1 159.9 962.2
2056 217.0 161.3 44.6 17.2 8.0 0.8 14.0 53.1 72.9 110.0 161.3 129.5 989.8
2057 158.3 143.6 86.8 23.5 1.5 10.1 14.9 46.6 64.5 107.6 172.6 191.0 1021.0
172

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2058 160.0 176.2 86.2 30.9 10.1 8.0 45.8 100.4 38.3 102.5 68.8 117.8 945.0
2059 215.4 154.3 83.4 16.6 0.0 2.3 9.3 46.7 46.0 46.7 91.6 187.6 899.9
2060 182.0 159.8 99.0 8.9 10.7 9.3 23.0 91.9 172.2 108.6 139.8 187.5 1192.7
2061 267.6 151.7 85.2 16.1 10.3 8.4 14.1 52.1 107.8 78.7 95.7 126.9 1014.5
2062 155.1 171.0 72.5 30.4 8.3 5.6 8.0 45.7 81.2 59.3 103.0 195.0 935.0
2063 232.9 168.6 74.9 18.2 7.3 1.0 12.9 73.2 46.5 110.6 125.9 154.5 1026.4
2064 160.5 148.8 77.5 9.1 9.3 10.1 37.2 79.7 59.3 59.5 125.2 140.0 916.0
2065 190.0 195.9 141.6 34.3 10.4 6.6 20.1 47.1 109.7 138.5 103.5 159.8 1157.5
2066 230.7 212.2 47.6 34.2 10.2 10.2 30.4 49.4 56.3 78.3 140.5 216.7 1116.9
2067 119.5 159.7 124.2 23.5 9.3 9.3 25.6 56.1 66.1 58.4 82.0 154.8 888.4
2068 135.6 161.1 90.6 16.1 6.4 9.3 15.1 46.7 105.6 79.1 125.3 183.2 974.1
2069 136.5 167.5 84.6 40.8 11.5 12.9 13.6 56.2 105.7 223.1 77.2 246.0 1175.8
2070 170.5 184.0 98.9 34.3 28.0 22.4 33.8 73.3 100.4 39.9 102.0 200.3 1087.5
2071 152.8 98.8 38.4 9.7 10.3 8.0 12.9 38.7 95.2 104.6 162.0 193.3 924.6
2072 201.7 159.1 90.7 15.1 32.6 14.9 16.4 19.5 36.2 70.7 84.4 143.9 885.2
2073 233.4 161.5 111.5 30.3 10.3 7.2 17.5 51.7 52.1 78.8 127.0 160.9 1042.2
2074 251.0 189.2 73.1 39.5 5.7 10.3 15.7 36.3 124.9 108.4 127.2 212.1 1193.5
2075 230.0 168.4 126.2 26.5 9.9 14.9 33.3 80.5 105.7 40.6 133.8 158.0 1127.8
2076 216.6 142.1 66.5 45.0 7.3 9.3 32.2 72.9 95.2 83.8 81.9 183.4 1036.1
2077 243.3 160.9 98.0 23.5 7.3 10.1 20.8 72.9 58.5 112.7 132.9 196.3 1137.1
2078 217.9 192.2 130.5 27.5 2.2 3.0 26.6 78.5 24.1 90.7 84.6 129.5 1007.4
2079 189.2 154.1 72.7 16.2 9.3 8.3 14.8 72.9 100.7 46.7 180.8 188.1 1053.8
2080 226.7 153.0 54.2 35.4 10.1 5.0 13.6 81.2 110.2 108.3 105.8 159.9 1063.2
2081 268.7 188.0 156.2 37.0 10.9 2.3 17.4 102.4 124.8 35.4 96.1 218.8 1257.8
2082 217.2 249.8 88.2 22.9 7.2 5.5 52.2 90.9 124.4 146.9 154.7 216.3 1376.1
2083 254.4 161.4 49.8 20.4 12.9 10.3 24.2 32.5 107.7 56.1 125.2 179.3 1034.3
2084 205.5 205.9 67.3 17.9 12.9 4.7 10.2 53.6 91.6 71.2 126.8 159.0 1026.6
2085 175.2 93.0 30.1 36.4 7.9 12.0 10.7 100.7 131.2 158.2 151.6 155.7 1062.6
2086 216.1 138.9 131.6 23.0 17.0 3.8 15.0 91.4 79.2 30.1 129.9 178.5 1054.6
2087 161.7 200.1 114.7 23.5 10.3 32.3 32.4 36.8 132.6 117.5 97.5 262.7 1222.0
2088 141.0 258.8 88.1 16.6 16.6 14.6 37.6 77.7 56.3 133.1 172.6 176.4 1189.4
2089 216.8 145.8 154.1 4.1 8.2 13.0 59.2 78.6 90.7 108.9 144.8 226.9 1251.1
2090 283.0 219.4 129.3 23.7 9.3 2.6 22.9 73.0 57.8 146.7 126.5 160.4 1254.5
2091 276.3 206.5 113.7 43.0 10.7 12.9 58.3 79.4 130.6 46.7 188.3 217.1 1383.6
2092 287.7 222.5 92.8 23.5 2.1 3.3 33.5 124.2 80.9 22.3 130.1 254.3 1277.3
2093 215.1 200.9 39.3 30.8 2.6 3.2 52.9 50.8 115.4 130.8 97.4 142.8 1082.1
2094 227.5 145.7 98.3 14.8 9.3 9.8 14.8 73.4 143.3 220.6 126.2 140.9 1224.5
2095 134.4 332.4 127.4 34.9 32.1 13.0 22.7 79.4 100.9 73.1 126.5 201.8 1278.5
2096 316.8 170.7 159.9 23.5 8.9 7.9 8.9 73.5 132.7 46.5 129.6 293.2 1372.0
173

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2097 185.9 169.0 154.1 39.0 1.6 12.0 22.2 73.1 45.2 18.4 95.9 203.8 1020.2
2098 397.7 150.4 96.6 24.4 15.0 14.5 5.1 92.8 156.2 173.4 216.8 216.7 1559.6
2099 304.7 280.6 47.2 38.5 16.3 10.5 14.7 57.0 107.9 68.8 133.1 1079.4

Promedio 182.2 151.7 82.9 23.0 9.1 8.3 20.7 62.3 82.0 75.8 110.4 157.9 964.9
Máxima 397.7 332.4 159.9 51.6 33.9 32.3 59.2 124.2 172.2 223.1 216.8 293.2 1559.6
Mínima 92.3 22.3 30.0 0.0 0.0 0.0 2.5 19.5 17.7 18.2 38.1 89.3 663.5
D.Estándar 50.0 46.5 32.1 10.7 6.7 5.7 12.3 20.7 31.6 41.4 35.2 39.3 168.6

4.6.1 Análisis de anomalías en síes periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodos Pisco 166.7 128.6 72.8 22.6 8.5 7.5 15.0 53.2 68.7 50.3 104.4 145.7
Promedio 217.8 192.2 149.8 43.7 17.9 16.7 36.9 81.3 121.3 122.1 154.2 218.9
Máxima 100.4 46.6 34.2 3.9 1.6 0.6 4.7 22.4 17.7 18.2 38.1 98.5
Periodo 1 Mínima 156.8 131.6 79.9 22.6 7.6 8.3 16.7 53.4 70.1 69.6 106.1 135.8
Promedio 219.0 213.2 159.0 51.6 18.8 25.7 42.5 88.5 109.9 133.3 161.5 198.1
Máxima 99.6 22.3 30.0 4.2 0.7 0.8 2.5 21.7 20.8 28.3 59.1 89.3
Periodo 2 Mínima 162.9 137.2 81.4 18.1 9.1 8.0 21.5 64.4 79.2 64.4 88.9 139.8
Promedio 217.1 201.6 133.6 35.0 33.9 14.9 40.2 100.6 129.0 106.2 161.7 218.0
Máxima 99.8 74.1 45.7 0.0 0.0 0.7 5.0 21.9 31.0 22.1 44.0 89.8
Periodo 3 Mínima 175.1 153.3 74.1 22.4 7.4 7.0 23.3 68.3 87.5 88.0 114.3 154.8
Promedio 265.9 202.2 131.4 40.7 22.2 16.8 45.8 106.3 172.2 199.8 188.3 196.1
Máxima 92.3 89.7 43.4 4.9 0.0 0.0 2.6 30.3 38.3 18.5 40.9 99.3
Periodo 4 Mínima 198.1 165.0 88.0 26.3 10.8 9.3 20.7 59.2 82.1 88.5 115.0 175.1
Promedio 267.6 212.2 141.6 45.0 32.6 22.4 37.2 81.2 124.9 223.1 180.8 246.0
Máxima 119.5 98.8 38.4 9.1 2.2 1.0 8.0 19.5 24.1 39.9 77.2 126.9
Periodo 5 Mínima 236.1 196.8 102.0 26.2 11.1 9.9 27.1 75.9 105.8 95.0 135.2 200.3
Promedio 397.7 332.4 159.9 43.0 32.1 32.3 59.2 124.2 156.2 220.6 216.8 293.2
Máxima 134.4 93.0 30.1 4.1 1.6 2.3 5.1 32.5 45.2 18.4 95.9 140.9
Periodo 6 Mínima 166.7 128.6 72.8 22.6 8.5 7.5 15.0 53.2 68.7 50.3 104.4 145.7
174

4.6.2 Variación porcentual de precipitación respecto al periodo 1981-2000

Periodos Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic

Periodo 2
-6% 2% 10% 0% -11% 10% 11% 0% 2% 38% 2% -7%
(2001-2020)

Periodo 3
-2% 7% 12% -20% 7% 6% 43% 21% 15% 28% -15% -4%
(2021-2040)
Periodo 4
-2% 7% 12% -20% 7% 6% 43% 21% 15% 28% -15% -4%
(2041-2060)
Periodo 5
19% 28% 21% 16% 26% 24% 38% 11% 19% 76% 10% 20%
(2061-2080)
Periodo 6
42% 53% 40% 16% 30% 32% 80% 43% 54% 89% 30% 37%
(2081-2099)
Promedio 10% 19% 19% -2% 12% 16% 43% 19% 21% 52% 2% 9%

4.6.3. Variabilidad de la precipitación en tres periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Promedio 161.7 130.1 76.3 22.6 8.1 7.9 15.9 53.3 69.4 60.0 105.2 140.7
Periodo Máxima 219.0 213.2 159.0 51.6 18.8 25.7 42.5 88.5 121.3 133.3 161.5 218.9
1 Mínima 99.6 22.3 30.0 3.9 0.7 0.6 2.5 21.7 17.7 18.2 38.1 89.3
(1981- Q1 134.6 99.3 52.9 14.9 3.9 3.2 7.8 39.7 46.5 34.5 87.8 123.4
2020) Q3 180.7 165.1 88.8 31.1 11.4 10.4 21.8 67.2 95.0 81.6 126.3 157.0
Mediana 160.1 136.7 71.4 23.0 7.6 5.8 13.7 54.3 72.0 56.7 99.6 137.9
Promedio 169.0 145.3 77.8 20.2 8.3 7.5 22.4 66.3 83.3 76.2 101.6 147.3
Máxima 265.9 202.2 133.6 40.7 33.9 16.8 45.8 106.3 172.2 199.8 188.3 218.0
Periodo Mínima 92.3 74.1 43.4 0.0 0.0 0.0 2.6 21.9 31.0 18.5 40.9 89.8
2 Q1 154.9 129.7 53.6 15.9 2.6 3.1 14.8 52.2 65.1 46.7 69.9 125.9
(2021- Q3 197.9 161.6 89.8 25.5 10.2 10.4 32.2 80.3 106.1 103.3 125.2 160.5
2060) Mediana 161.1 154.1 79.1 17.5 7.7 8.1 20.1 66.5 82.9 73.3 94.1 142.8
Promedio 216.6 180.5 94.8 26.2 11.0 9.6 23.8 67.3 93.6 91.7 124.9 187.0
Máxima 397.7 332.4 159.9 45.0 32.6 32.3 59.2 124.2 156.2 223.1 216.8 293.2
Periodo Mínima 119.5 93.0 30.1 4.1 1.6 1.0 5.1 19.5 24.1 18.4 77.2 126.9
3 Q1 172.8 153.5 72.6 18.0 7.6 5.5 14.4 51.3 62.7 57.2 99.7 158.3
(2061- Q3 247.2 200.5 125.2 34.6 11.2 12.5 32.3 79.4 112.8 115.1 133.5 215.3
2099) Mediana 216.8 168.6 90.7 23.7 9.9 9.3 20.1 73.0 100.7 78.8 126.5 183.3
175

4.7 Modelo de circulación global 7 (GCM-7) - CMCC-ESM2

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
1981 88.1 83.3 60.2 20.1 10.3 4.9 25.7 39.9 53.8 117.1 132.8 168.0 804.2
1982 121.8 98.5 45.5 14.8 35.6 4.8 29.2 38.6 82.5 95.5 146.2 126.1 839.1
1983 219.0 75.4 52.0 16.0 19.0 4.7 26.4 22.9 55.9 98.1 102.2 135.6 827.3
1984 162.4 118.4 41.0 7.4 5.6 3.8 10.7 22.2 50.6 106.2 156.3 154.8 839.3
1985 126.5 154.1 73.2 20.3 20.7 2.1 22.7 38.2 52.3 100.4 172.9 160.6 944.0
1986 158.2 185.7 54.3 23.5 3.9 2.5 16.4 28.4 68.1 93.4 101.1 79.5 815.0
1987 178.9 97.6 72.9 34.5 16.3 4.3 12.0 42.7 77.6 108.3 134.5 153.9 933.4
1988 126.9 213.2 67.8 22.4 7.9 0.9 13.4 27.4 65.0 70.9 101.6 172.4 889.9
1989 140.3 177.9 55.6 31.8 15.7 1.0 13.0 39.3 72.9 79.2 61.4 80.7 769.1
1990 134.3 151.3 43.6 34.3 42.5 15.5 20.5 44.0 46.7 102.3 108.6 215.6 959.3
1991 202.3 162.5 83.4 14.0 8.4 4.0 5.5 21.6 69.1 105.1 66.5 136.8 879.2
1992 99.4 116.9 29.7 4.2 20.1 2.9 31.0 38.2 56.8 78.4 134.7 100.3 712.6
1993 95.1 144.0 71.9 22.6 6.0 6.6 5.4 20.9 56.2 73.5 117.1 63.4 682.6
1994 146.7 159.7 70.3 24.6 9.3 3.2 8.7 18.7 53.2 92.1 139.5 117.9 843.8
1995 90.6 171.0 91.9 7.8 17.9 3.3 12.1 38.4 46.6 80.5 89.0 92.4 741.4
1996 198.1 79.9 78.1 35.2 4.4 2.6 12.0 17.7 56.3 77.9 156.7 91.4 810.2
1997 95.6 147.0 46.6 9.2 17.3 5.2 11.9 30.3 57.9 105.6 125.6 142.9 795.1
1998 201.5 149.8 79.8 15.4 14.8 1.9 13.1 26.0 59.0 67.2 183.1 114.9 926.5
1999 135.3 192.6 68.8 36.8 8.3 0.8 19.9 30.8 54.0 70.6 85.0 160.7 863.5
2000 216.4 139.4 29.7 27.1 1.6 3.6 10.6 32.8 60.7 81.5 45.8 98.8 747.9
2001 218.9 154.4 66.5 25.2 5.8 3.2 11.6 36.0 63.7 83.4 103.3 38.1 810.1
2002 206.2 163.6 52.8 4.7 32.3 3.7 12.8 17.9 67.7 81.4 155.3 158.2 956.6
2003 139.9 138.2 59.2 34.2 7.2 6.6 5.0 21.3 65.6 108.9 129.3 94.7 810.1
2004 154.7 179.4 42.2 16.2 10.6 2.4 6.3 22.4 46.9 90.7 130.4 152.8 855.1
2005 90.8 124.2 85.9 24.8 25.0 2.6 6.8 24.9 45.6 86.9 168.0 132.2 817.8
2006 174.8 176.8 90.2 26.3 21.6 2.6 14.4 33.4 63.3 80.6 95.6 139.9 919.5
2007 186.8 171.7 97.0 34.6 3.0 1.1 7.2 36.9 48.3 73.7 162.1 125.9 948.4
2008 217.6 134.0 39.4 15.3 9.3 5.1 9.2 30.9 52.3 122.8 125.1 161.5 922.6
2009 186.4 113.5 110.4 18.5 10.9 0.6 8.9 44.3 46.7 84.1 116.7 153.9 895.0
2010 164.5 131.5 88.1 12.2 7.4 1.5 14.7 31.3 59.0 81.1 182.7 142.9 917.0
2011 98.9 159.2 87.1 18.2 16.9 3.1 8.2 29.9 66.2 90.4 123.3 139.1 840.4
2012 210.5 143.5 48.1 33.5 19.0 5.0 7.9 28.5 46.3 133.3 178.3 112.1 966.1
2013 190.3 179.4 50.4 11.7 22.0 6.9 14.2 34.2 56.0 72.6 156.8 134.0 928.5
2014 172.9 135.7 42.6 30.6 5.7 4.9 10.4 34.3 51.7 103.1 128.5 96.5 816.9
2015 119.2 205.2 107.5 3.9 10.0 15.2 12.9 38.8 59.5 78.6 141.3 166.4 958.5
2016 129.6 95.3 69.2 23.6 10.3 4.7 10.3 19.5 41.8 107.3 84.5 92.5 688.5
2017 216.7 134.2 69.1 23.5 5.0 0.9 11.9 29.2 54.1 110.0 160.6 80.0 895.4
2018 155.9 160.7 54.8 24.1 8.4 3.1 2.9 29.2 57.4 132.2 183.2 177.0 988.9
176

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2019 217.1 91.3 66.7 34.3 22.4 5.0 22.6 21.7 51.9 126.0 83.6 128.2 870.7
2020 159.7 136.8 55.6 7.3 20.9 4.9 26.1 27.5 79.1 96.5 127.0 95.0 836.4
2021 127.4 137.0 49.7 19.1 20.7 2.9 21.2 38.8 56.5 71.0 97.7 204.1 846.1
2022 173.9 185.5 129.5 15.2 11.9 2.9 12.8 34.8 51.2 107.0 140.7 126.0 991.5
2023 154.7 181.6 77.5 4.0 4.8 2.6 17.9 21.9 46.1 73.0 156.2 208.6 948.8
2024 173.5 93.5 55.0 4.8 22.4 0.9 2.5 0.0 56.2 97.3 214.4 157.4 877.9
2025 217.7 135.3 136.0 24.6 20.4 3.1 34.6 35.9 72.0 91.7 217.7 109.0 1098.0
2026 175.3 108.4 55.1 15.2 18.6 6.6 18.8 36.9 55.0 96.1 124.7 126.0 836.5
2027 156.0 131.4 129.2 17.8 12.9 0.0 8.3 30.6 57.2 85.8 183.3 127.1 939.5
2028 173.9 234.6 89.7 8.1 7.2 4.8 21.7 44.1 56.2 81.1 127.3 197.5 1046.1
2029 134.5 193.2 69.8 9.0 12.9 4.6 18.6 35.6 70.8 80.0 177.1 140.4 946.5
2030 217.8 218.5 53.0 15.3 11.7 4.8 5.8 0.0 73.1 81.3 126.1 156.2 963.5
2031 0.0 289.7 41.5 8.0 7.0 11.9 16.5 18.5 49.2 100.0 195.5 194.2 932.0
2032 156.3 135.0 41.2 4.2 4.0 4.9 2.6 20.6 51.9 60.7 158.7 161.1 801.2
2033 0.0 183.4 69.5 20.1 18.3 1.6 3.3 34.9 46.3 80.0 159.3 94.3 710.9
2034 209.2 200.2 73.1 24.6 2.7 3.0 11.9 34.3 80.4 72.0 179.9 60.9 952.2
2035 140.8 179.3 112.7 34.9 20.2 3.8 21.7 31.0 45.4 93.1 126.1 161.5 970.6
2036 216.5 91.9 40.8 20.3 30.0 0.0 14.0 38.6 70.6 73.3 59.8 163.0 818.9
2037 127.0 193.0 69.5 23.2 6.7 3.3 17.0 36.0 47.8 103.8 158.8 84.5 870.6
2038 139.8 132.0 54.4 37.6 6.5 6.6 25.5 21.9 49.5 113.5 101.4 204.1 892.8
2039 216.5 190.3 101.0 18.5 5.2 2.6 6.6 0.0 54.2 93.8 173.1 173.3 1035.0
2040 205.5 184.5 58.7 19.5 22.0 2.6 12.6 36.0 73.2 71.9 126.0 86.1 898.7
2041 175.1 275.3 55.2 18.4 10.6 3.1 21.9 25.4 49.0 117.7 104.0 204.3 1059.9
2042 230.9 131.4 55.1 24.8 10.9 7.3 21.8 21.8 53.4 109.2 216.5 145.0 1028.2
2043 217.4 110.1 55.5 16.4 9.3 4.8 21.7 24.4 46.0 73.4 192.0 140.1 911.1
2044 177.5 130.3 90.2 15.1 3.4 3.1 3.1 34.5 46.6 72.2 91.9 141.4 809.2
2045 191.8 228.6 83.5 24.8 5.7 3.3 5.4 0.0 51.7 81.1 157.5 156.0 989.6
2046 217.6 185.9 133.0 24.6 7.4 0.9 14.6 29.0 66.5 42.9 215.6 176.9 1114.8
2047 144.5 186.1 134.5 38.6 8.7 19.7 24.5 39.4 65.0 128.9 161.6 217.1 1168.5
2048 187.7 191.1 53.5 14.2 6.6 0.9 21.7 28.2 51.8 112.9 115.2 145.0 928.7
2049 217.5 162.5 55.9 17.3 24.2 2.6 11.9 28.3 47.5 58.4 126.6 174.9 927.6
2050 177.7 271.1 39.8 17.9 13.0 1.5 11.9 29.9 45.2 109.1 184.2 127.0 1028.3
2051 189.1 264.5 66.5 19.9 6.7 2.5 10.3 38.4 58.2 81.0 145.6 171.7 1054.4
2052 160.9 283.2 111.9 20.2 6.6 6.7 2.4 34.9 58.9 127.2 131.2 136.2 1080.4
2053 192.8 221.4 131.5 25.6 10.7 2.8 23.2 22.0 68.6 109.2 171.7 215.6 1195.0
2054 216.0 238.5 81.8 15.0 22.8 5.7 5.8 20.7 72.9 100.1 189.5 155.8 1124.7
2055 191.0 221.5 70.3 15.7 9.3 20.5 10.2 35.0 63.1 110.5 212.5 217.9 1177.4
2056 189.4 241.6 140.1 39.0 9.7 1.6 18.8 21.4 45.8 52.4 217.2 195.6 1172.6
2057 215.5 154.1 43.8 23.6 21.7 0.0 11.2 21.5 54.0 105.4 140.1 215.1 1006.0
177

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2058 181.6 151.9 145.3 36.7 17.9 2.7 8.3 34.4 52.3 81.2 142.9 215.7 1071.0
2059 181.8 185.7 181.1 29.6 11.9 0.9 11.9 28.3 58.5 103.4 156.3 130.4 1079.8
2060 173.8 237.1 79.6 36.1 21.8 2.6 19.7 28.2 41.9 105.5 217.4 216.8 1180.6
2061 156.0 141.6 137.0 23.0 6.6 8.7 21.7 21.6 55.5 110.2 218.8 125.7 1026.6
2062 215.4 187.9 38.0 37.3 16.4 5.0 11.9 22.1 71.1 100.0 101.5 156.6 963.2
2063 83.6 244.9 69.6 34.2 21.7 6.8 11.9 21.7 63.4 126.4 135.5 161.7 981.5
2064 128.7 186.1 54.9 34.2 32.9 5.7 18.7 38.6 52.0 111.2 166.0 141.0 970.0
2065 237.1 166.7 131.6 15.3 2.6 3.7 16.0 0.0 69.4 103.4 217.0 180.2 1143.2
2066 217.9 228.9 77.3 32.9 8.2 8.4 13.5 32.9 55.8 122.8 144.2 178.1 1120.9
2067 180.5 279.3 70.6 35.8 17.1 3.1 4.8 44.4 86.2 104.2 217.1 217.7 1260.8
2068 199.4 156.8 67.5 34.6 45.7 0.0 3.8 36.0 46.7 115.0 136.8 184.4 1026.8
2069 216.6 296.7 54.9 39.1 8.3 2.7 32.8 30.9 47.0 78.8 202.1 171.8 1181.8
2070 192.0 313.9 189.0 15.2 14.8 0.0 6.6 30.0 51.4 124.6 124.2 229.9 1291.5
2071 216.1 340.0 90.3 35.4 11.7 5.8 21.3 22.6 57.7 126.4 122.0 202.1 1251.5
2072 190.1 233.7 40.6 8.5 8.4 6.6 9.9 28.2 51.9 122.6 139.8 217.4 1057.6
2073 239.7 136.7 135.0 8.5 13.2 2.5 4.8 0.0 40.7 132.6 216.9 177.2 1107.8
2074 95.0 272.5 54.3 38.7 11.3 4.7 21.8 0.0 48.5 71.5 143.8 272.0 1034.1
2075 130.3 143.0 132.7 38.7 20.4 3.0 5.8 20.1 68.8 119.7 217.6 122.3 1022.4
2076 99.0 276.4 135.6 40.8 21.6 1.6 11.9 0.0 45.7 81.3 181.2 218.9 1113.9
2077 126.8 258.2 53.7 35.9 33.3 19.0 20.5 35.1 71.1 103.3 217.4 216.6 1191.0
2078 218.5 254.2 133.4 34.3 20.4 11.0 25.6 35.6 46.9 104.9 218.2 160.5 1263.5
2079 179.9 225.2 71.0 39.4 37.9 22.4 22.3 0.0 51.1 74.6 156.4 218.9 1099.1
2080 155.7 213.4 171.3 24.8 21.5 4.8 19.8 39.0 47.4 122.9 202.1 200.0 1222.7
2081 174.6 342.2 189.9 36.0 21.7 0.6 16.4 30.0 53.6 69.9 202.5 217.8 1355.2
2082 248.4 313.6 39.5 37.7 10.7 3.3 6.7 18.0 71.9 125.4 134.8 217.2 1227.2
2083 128.1 179.2 160.0 46.5 7.2 3.0 11.9 22.1 59.1 88.7 211.3 222.9 1139.9
2084 275.1 88.8 73.0 46.6 22.0 5.1 6.9 0.0 70.0 103.5 171.9 218.9 1081.8
2085 243.8 125.5 96.1 23.8 25.6 2.5 17.9 28.9 47.3 81.1 129.6 172.0 994.2
2086 145.4 231.9 161.3 34.2 16.3 2.8 0.0 35.3 47.6 111.0 187.0 215.9 1188.6
2087 217.6 244.1 156.6 15.2 29.5 3.5 10.7 17.8 46.7 128.7 183.7 171.5 1225.6
2088 257.2 275.3 98.8 11.6 32.0 5.0 10.5 18.4 41.5 110.3 216.0 134.2 1210.9
2089 330.9 279.9 72.4 39.3 17.8 11.9 21.9 21.3 30.9 81.4 202.0 95.1 1204.8
2090 161.4 281.1 88.3 34.5 36.3 2.4 3.0 18.7 38.4 88.3 127.8 204.2 1084.3
2091 167.9 160.0 112.5 38.5 10.5 4.8 15.0 26.5 56.1 78.7 206.0 188.3 1064.9
2092 208.8 316.8 119.6 34.2 21.9 0.8 5.1 0.0 52.0 92.8 154.5 0.0 1006.7
2093 216.8 329.8 84.8 39.0 25.5 2.6 5.8 0.0 45.1 105.4 217.3 216.5 1288.6
2094 156.6 226.2 187.6 41.4 2.7 2.6 12.0 38.4 44.3 99.7 145.0 273.5 1230.0
2095 217.4 292.1 246.7 8.4 25.7 2.7 21.7 35.7 51.8 123.3 206.2 202.0 1433.7
2096 298.2 185.8 166.1 36.2 40.4 2.8 9.3 38.4 46.6 116.3 216.4 216.7 1373.2
178

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2097 349.1 136.1 84.3 25.8 10.7 4.1 2.0 21.9 38.8 78.7 225.8 267.5 1244.9
2098 240.7 229.4 94.8 39.3 21.4 22.1 6.3 0.0 45.6 104.0 159.1 157.9 1120.5
2099 195.0 184.0 137.4 25.5 15.8 0.0 2.6 0.0 44.5 51.9 177.7 834.5

Promedio 176.5 186.5 85.7 24.2 15.4 4.5 13.5 26.4 55.8 95.4 154.1 158.2 994.9
Máxima 349.1 342.2 246.7 46.6 45.7 22.4 34.6 44.4 86.2 133.3 225.8 273.5 1433.7
Mínima 0.0 75.4 29.7 3.9 1.6 0.0 0.0 0.0 30.9 42.9 45.8 0.0 682.6
D.Estándar 53.2 63.2 41.6 11.0 9.5 4.4 7.5 11.9 10.5 19.8 42.6 49.5 161.0

4.7.1 Análisis de anomalías en síes periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodos Pisco 147.3 152.5 146.6 64.1 20.6 9.0 8.2 14.2 34.2 72.4 74.8 112.3
Promedio 146.9 140.9 60.8 21.1 14.3 3.9 16.0 30.9 59.8 90.2 118.0 128.3
Máxima 219.0 213.2 91.9 36.8 42.5 15.5 31.0 44.0 82.5 117.1 183.1 215.6
Periodo 1 Mínima 88.1 75.4 29.7 4.2 1.6 0.8 5.4 17.7 46.6 67.2 45.8 63.4
Promedio 170.6 146.4 69.2 21.1 13.7 4.1 11.2 29.6 56.2 97.2 136.8 126.0
Máxima 218.9 205.2 110.4 34.6 32.3 15.2 26.1 44.3 79.1 133.3 183.2 177.0
Periodo 2 Mínima 90.8 91.3 39.4 3.9 3.0 0.6 2.9 17.9 41.8 72.6 83.6 38.1
Promedio 155.8 169.9 75.4 17.2 13.3 3.7 14.7 27.5 58.1 86.3 150.2 146.8
Máxima 217.8 289.7 136.0 37.6 30.0 11.9 34.6 44.1 80.4 113.5 217.7 208.6
Periodo 3 Mínima 0.0 91.9 40.8 4.0 2.7 0.0 2.5 0.0 45.4 60.7 59.8 60.9
Promedio 191.5 203.6 90.4 23.7 11.9 4.7 14.0 27.3 54.8 94.1 164.5 174.9
Máxima 230.9 283.2 181.1 39.0 24.2 20.5 24.5 39.4 72.9 128.9 217.4 217.9
Periodo 4 Mínima 144.5 110.1 39.8 14.2 3.4 0.0 2.4 0.0 41.9 42.9 91.9 127.0
Promedio 173.9 227.8 95.4 30.3 18.7 6.3 15.3 22.9 56.4 107.8 173.9 187.6
Máxima 239.7 340.0 189.0 40.8 45.7 22.4 32.8 44.4 86.2 132.6 218.8 272.0
Periodo 5 Mínima 83.6 136.7 38.0 8.5 2.6 0.0 3.8 0.0 40.7 71.5 101.5 122.3
Promedio 222.8 232.7 124.7 32.3 20.7 4.4 9.8 19.6 49.0 96.8 182.9 188.5
Máxima 349.1 342.2 246.7 46.6 40.4 22.1 21.9 38.4 71.9 128.7 225.8 273.5
Periodo 6 Mínima 128.1 88.8 39.5 8.4 2.7 0.0 0.0 0.0 30.9 51.9 127.8 0.0
179

4.7.2 Variación porcentual de precipitación respecto al periodo 1981-2000

Periodos Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic

Periodo 2
16% 4% 14% 0% -4% 6% -30% -4% -6% 8% 16% -2%
(2001-2020)

Periodo 3
6% 21% 24% -19% -7% -6% -8% -11% -3% -4% 27% 14%
(2021-2040)
Periodo 4
6% 21% 24% -19% -7% -6% -8% -11% -3% -4% 27% 14%
(2041-2060)
Periodo 5
18% 62% 57% 44% 31% 60% -5% -26% -6% 20% 47% 46%
(2061-2080)
Periodo 6
52% 65% 105% 53% 45% 11% -39% -37% -18% 7% 55% 47%
(2081-2099)
Promedio 20% 34% 45% 12% 12% 13% -18% -18% -7% 5% 35% 24%

4.7.3. Variabilidad de la precipitación en tres periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Promedio 158.7 143.7 65.0 21.1 14.0 4.0 13.6 30.3 58.0 93.7 127.4 127.2
Periodo Máxima 219.0 213.2 110.4 36.8 42.5 15.5 31.0 44.3 82.5 133.3 183.2 215.6
1 Mínima 88.1 75.4 29.7 3.9 1.6 0.6 2.9 17.7 41.8 67.2 45.8 38.1
(1981- Q1 126.8 122.7 49.9 14.6 7.3 2.5 8.8 22.8 51.9 80.2 102.1 96.1
2020) Q3 198.9 165.5 78.5 27.9 19.3 4.9 15.2 37.2 64.0 105.8 156.4 154.1
Mediana 159.0 145.5 66.6 22.5 10.5 3.4 12.0 30.1 56.2 91.4 128.9 133.1
Promedio 173.6 186.8 82.9 20.4 12.6 4.2 14.4 27.4 56.5 90.2 157.3 160.8
Máxima 230.9 289.7 181.1 39.0 30.0 20.5 34.6 44.1 80.4 128.9 217.7 217.9
Periodo Mínima 0.0 91.9 39.8 4.0 2.7 0.0 2.4 0.0 41.9 42.9 59.8 60.9
2 Q1 156.2 136.6 55.1 15.2 6.7 2.3 8.3 21.9 48.7 73.4 126.5 134.7
(2021- Q3 210.7 223.2 112.1 24.7 19.0 4.8 21.3 35.2 63.5 105.9 185.5 199.1
2060) Mediana 179.6 185.8 70.1 19.3 10.8 3.0 13.4 29.4 54.1 92.4 158.1 159.3
Promedio 197.7 230.2 109.7 31.3 19.7 5.3 12.6 21.3 52.8 102.5 178.3 188.0
Máxima 349.1 342.2 246.7 46.6 45.7 22.4 32.8 44.4 86.2 132.6 225.8 273.5
Periodo Mínima 83.6 88.8 38.0 8.4 2.6 0.0 0.0 0.0 30.9 51.9 101.5 0.0
3 Q1 156.3 181.6 70.8 25.1 11.0 2.6 6.0 8.9 46.1 84.8 144.0 164.2
(2061- Q3 227.8 279.6 137.2 38.7 25.6 5.8 19.3 34.0 56.9 121.1 216.2 217.6
2099) Mediana 199.4 231.9 96.1 34.6 20.4 3.5 11.9 22.1 51.1 104.2 183.7 201.0
180

4.8 Modelo de circulación global 8 (GCM-8)- GFDL-ES4

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
1981 156.7 143.6 83.4 22.6 6.7 2.4 19.8 56.1 46.8 68.9 134.2 100.3 841.5
1982 126.1 132.8 33.7 16.6 16.3 1.2 10.4 39.2 59.1 58.7 96.5 209.7 800.4
1983 201.0 179.4 50.1 18.9 15.9 5.1 10.7 47.5 80.2 133.3 139.7 126.0 1007.8
1984 158.7 112.0 35.3 17.0 4.8 5.6 10.3 28.4 66.5 126.7 38.1 121.6 725.1
1985 128.4 89.3 31.5 15.7 2.7 5.0 25.3 22.4 52.1 80.9 58.1 176.9 688.5
1986 192.4 146.4 52.0 4.5 3.7 10.5 15.0 44.7 81.1 79.0 99.6 104.2 833.1
1987 217.3 97.0 42.6 6.8 31.6 2.5 16.7 38.6 51.7 78.0 135.3 161.0 879.1
1988 156.2 157.2 68.0 23.5 5.8 3.5 13.1 34.6 47.7 57.8 90.4 184.7 842.5
1989 215.8 163.2 46.7 34.2 18.1 7.4 21.6 31.0 38.3 79.0 127.0 154.9 937.2
1990 148.7 190.3 34.5 20.8 13.9 6.5 33.0 27.7 56.2 103.3 161.5 154.7 951.0
1991 130.2 99.4 48.7 14.0 22.7 1.8 20.2 24.8 65.7 113.1 91.2 125.4 757.0
1992 216.8 79.9 55.6 24.9 15.4 7.1 5.4 26.2 52.3 105.1 62.9 102.5 754.2
1993 183.3 101.2 34.3 4.1 25.6 4.7 19.2 41.7 53.8 91.1 98.9 167.5 825.4
1994 173.2 137.5 97.6 14.9 4.8 4.5 0.9 28.4 45.7 81.3 115.0 134.3 838.1
1995 164.5 200.5 77.0 3.9 10.6 2.6 11.9 18.3 73.5 109.9 95.2 163.1 931.0
1996 172.5 133.5 95.3 9.7 3.1 4.3 18.2 46.5 83.6 102.0 131.7 121.7 922.0
1997 157.6 149.5 40.0 38.2 7.2 3.9 10.8 33.4 86.7 92.2 88.1 140.4 848.0
1998 129.1 136.0 44.9 45.2 10.3 5.5 5.0 46.7 67.4 57.9 132.6 101.1 781.6
1999 180.3 180.8 67.0 26.3 6.6 5.4 17.6 36.6 53.9 93.6 118.1 94.3 880.6
2000 153.8 127.9 69.7 79.8 10.0 12.0 42.5 22.1 63.4 64.0 113.7 72.3 831.2
2001 124.2 187.9 90.9 27.1 3.2 0.8 7.7 21.2 50.0 81.5 98.9 90.8 784.2
2002 206.0 151.7 57.5 15.6 4.0 9.2 4.7 30.4 74.8 99.5 80.6 138.2 872.0
2003 186.9 178.7 116.0 24.6 12.7 7.3 26.6 33.0 78.1 84.1 93.0 85.0 926.1
2004 55.8 213.2 77.6 30.6 28.7 12.9 1.6 21.7 90.1 72.2 141.0 198.0 943.5
2005 218.7 160.2 83.3 72.9 22.0 4.9 6.8 18.7 60.7 105.6 157.5 95.4 1006.6
2006 152.5 171.7 42.0 19.9 9.4 2.8 3.7 34.2 55.8 108.5 166.6 116.9 883.9
2007 155.6 163.1 70.1 14.0 14.7 8.2 12.1 21.1 66.5 77.5 171.2 219.0 993.1
2008 202.5 167.1 71.6 8.0 20.4 0.6 5.8 31.1 72.9 71.9 144.8 154.2 950.8
2009 134.6 86.9 120.9 53.2 10.3 1.4 2.1 24.2 37.6 106.8 116.5 96.0 790.6
2010 101.5 143.5 24.8 10.4 8.0 13.0 8.5 35.9 53.2 106.3 84.4 134.7 724.3
2011 159.8 154.1 90.5 15.3 11.9 8.3 13.5 46.5 56.3 68.6 89.4 125.9 840.2
2012 139.8 84.9 66.5 29.5 16.4 1.0 3.0 29.8 38.4 59.3 80.7 125.6 675.0
2013 140.0 139.4 54.7 39.5 9.3 14.9 33.6 18.9 38.7 93.9 104.1 182.3 869.4
2014 174.7 177.1 66.4 30.0 8.3 2.6 9.0 17.7 42.7 70.6 130.0 144.3 873.4
2015 142.4 157.3 73.2 20.3 3.2 5.8 14.5 40.8 43.7 63.8 172.5 136.8 874.4
2016 161.8 111.4 34.5 23.6 20.7 3.3 11.7 30.7 82.5 100.3 135.7 132.6 848.7
2017 154.7 154.1 74.7 15.2 3.8 2.2 7.7 21.4 52.0 95.2 109.1 216.8 906.9
2018 201.9 138.5 53.1 4.2 9.3 0.9 9.3 52.0 55.4 82.3 97.7 156.3 860.8
181

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2019 156.3 109.1 34.9 23.0 15.6 1.1 5.0 18.3 50.2 83.0 95.9 177.9 770.3
2020 95.4 111.4 53.6 0.0 8.4 1.5 12.9 18.6 46.6 77.8 101.6 117.0 644.9
2021 98.9 134.0 45.0 15.2 5.5 0.9 3.2 18.2 44.5 105.2 48.1 159.2 677.9
2022 163.9 178.5 32.6 34.4 2.9 0.0 5.1 35.3 46.7 132.3 92.1 177.5 901.3
2023 159.9 177.4 52.4 34.8 8.3 3.0 1.0 18.1 61.8 108.6 0.0 158.9 784.3
2024 204.7 154.1 54.2 15.3 5.1 4.1 8.4 18.8 55.2 105.6 117.5 66.0 809.0
2025 128.2 180.2 52.2 6.0 10.1 0.8 13.6 17.7 101.6 78.7 44.9 154.6 788.7
2026 135.4 81.9 58.5 4.7 10.3 1.5 5.7 52.1 52.3 112.0 179.7 218.9 913.0
2027 271.8 86.6 99.0 26.8 5.0 0.0 6.8 17.8 56.3 103.0 58.4 122.1 853.6
2028 73.1 154.1 23.2 26.3 4.7 0.9 2.6 21.4 52.8 54.9 121.8 136.5 672.2
2029 160.8 63.4 55.2 4.8 3.2 8.9 5.0 0.0 67.5 65.9 84.7 139.4 658.9
2030 158.4 154.1 22.7 4.0 15.5 1.3 1.3 0.0 51.8 93.7 125.7 169.0 797.7
2031 215.0 164.0 68.4 29.0 12.9 1.6 5.0 51.8 30.5 81.3 96.0 143.3 898.6
2032 156.6 97.3 94.8 4.9 5.0 4.8 43.1 17.7 37.0 105.6 114.9 0.0 681.8
2033 158.4 110.7 37.8 24.1 14.5 0.9 8.0 35.8 51.8 78.0 63.0 122.3 705.2
2034 171.0 154.1 95.3 31.1 6.4 7.9 1.6 0.0 46.7 129.7 126.1 156.6 926.6
2035 156.2 155.2 42.7 10.4 14.3 0.0 30.0 21.5 59.8 67.9 114.7 0.0 672.6
2036 161.4 118.6 68.7 19.8 5.0 4.7 8.7 21.8 49.6 79.1 149.3 129.4 816.1
2037 196.2 154.1 42.0 0.0 12.9 2.8 6.4 38.9 42.3 132.6 121.9 133.4 883.6
2038 208.7 77.5 55.4 19.8 6.7 3.0 12.9 28.5 44.6 105.4 92.7 162.0 817.3
2039 215.5 110.1 87.0 23.8 6.6 0.9 0.0 21.3 80.9 53.0 133.8 128.4 861.2
2040 216.0 171.1 34.3 50.4 3.3 6.4 11.9 38.6 56.2 107.5 89.1 175.5 960.2
2041 153.5 171.0 153.2 4.9 3.9 0.9 18.1 0.0 39.3 94.3 121.8 154.6 915.4
2042 202.3 217.9 54.7 23.5 12.9 1.5 1.1 0.0 56.2 85.9 132.8 134.4 923.1
2043 170.3 167.3 133.9 69.7 34.7 0.0 0.0 0.0 39.2 119.4 90.7 165.9 991.1
2044 141.1 179.1 60.9 23.5 0.6 5.0 2.7 21.6 52.9 56.2 96.1 154.7 794.6
2045 99.0 160.2 23.4 15.6 16.3 3.2 0.9 18.0 33.5 79.6 145.8 166.6 762.0
2046 202.5 166.1 33.0 0.0 5.5 6.9 1.0 0.0 41.9 101.0 49.1 150.3 757.1
2047 173.5 168.2 52.9 7.6 12.9 5.9 3.8 0.0 42.2 93.8 115.0 132.9 808.7
2048 214.7 179.8 123.1 19.1 8.0 8.3 0.9 24.3 56.0 82.4 132.5 162.2 1011.3
2049 173.4 181.7 53.5 4.9 5.4 0.0 0.9 18.3 46.7 78.4 101.1 180.7 844.9
2050 219.0 352.0 87.4 19.2 34.5 5.7 2.5 0.0 37.4 103.9 127.7 88.9 1078.3
2051 169.7 339.7 43.3 4.8 15.2 0.0 2.2 19.4 78.4 70.1 89.9 102.3 934.9
2052 215.5 82.9 28.8 0.0 1.7 8.6 3.2 0.0 51.0 56.2 63.6 171.2 682.6
2053 84.7 138.9 74.3 0.0 9.3 10.6 14.4 21.4 63.9 69.5 89.3 156.6 733.0
2054 172.0 117.2 52.1 9.4 2.7 3.0 0.0 37.2 42.1 67.6 59.2 117.0 679.7
2055 101.8 117.8 65.4 0.0 14.0 2.2 5.1 0.0 52.3 85.5 156.1 134.2 734.5
2056 171.4 178.1 96.2 23.7 15.1 3.5 4.4 18.2 52.3 107.5 97.2 174.3 941.9
2057 215.4 164.8 68.0 28.2 12.6 0.7 9.3 32.8 33.7 94.4 185.2 154.9 999.9
182

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2058 177.7 119.6 42.2 15.3 5.0 3.2 0.8 25.8 81.3 77.8 95.7 145.4 789.7
2059 134.4 82.1 73.0 25.9 20.5 1.6 2.3 20.9 78.5 56.3 62.7 219.0 777.2
2060 189.2 154.1 70.2 22.7 21.9 4.4 3.2 17.7 38.6 77.3 98.7 115.9 813.8
2061 254.2 195.5 80.4 5.0 10.7 8.2 2.9 38.6 51.7 79.8 98.9 168.7 994.4
2062 116.7 109.1 109.2 15.6 12.0 1.6 5.7 19.4 46.6 54.4 119.5 167.4 777.2
2063 135.5 169.3 54.3 5.8 5.8 0.8 7.3 21.3 44.8 105.5 142.5 128.1 821.0
2064 101.1 78.5 79.5 34.3 3.2 0.9 0.9 19.7 70.1 70.0 88.4 210.8 757.1
2065 202.6 170.9 121.2 0.0 26.1 1.0 2.7 0.0 41.7 82.9 64.2 187.7 901.0
2066 347.1 190.4 55.3 35.4 17.5 5.4 3.1 0.0 55.4 75.4 102.1 212.5 1099.4
2067 202.5 130.4 58.2 20.4 4.9 0.9 0.0 21.0 39.3 107.8 142.6 162.8 890.8
2068 214.7 209.0 53.8 52.6 2.9 0.0 0.9 0.0 90.8 82.8 171.8 140.5 1019.7
2069 115.1 176.3 92.8 37.8 5.4 0.0 1.5 0.0 56.2 90.2 72.4 128.3 776.0
2070 174.4 165.6 134.0 8.6 4.7 0.7 0.0 18.8 34.5 77.1 63.7 157.1 839.3
2071 167.1 96.7 34.5 15.4 13.1 0.9 6.4 0.0 69.6 59.3 101.7 152.5 717.2
2072 216.4 179.3 52.1 9.2 2.7 5.1 10.8 17.9 77.7 77.5 0.0 161.7 810.2
2073 157.6 83.1 79.6 26.1 6.8 0.0 2.7 28.7 19.7 56.2 132.9 62.7 656.2
2074 134.4 205.8 93.6 27.9 21.7 0.9 0.9 0.0 29.2 56.2 92.1 133.4 796.1
2075 166.0 180.4 42.6 7.6 6.6 0.6 0.0 17.8 93.4 100.8 102.1 159.3 877.2
2076 173.7 271.6 68.7 28.8 5.4 1.4 1.1 19.5 105.8 112.1 113.8 119.1 1021.3
2077 159.9 96.6 15.6 7.8 9.3 0.0 11.9 18.0 70.3 105.3 69.8 152.4 716.8
2078 217.5 72.5 95.4 0.0 6.4 3.0 36.2 0.0 41.7 100.6 165.3 215.0 953.5
2079 175.3 192.1 52.3 25.4 22.2 2.5 3.1 18.5 51.4 120.1 177.3 146.1 986.2
2080 215.6 169.0 84.9 30.5 5.5 0.7 1.5 21.4 53.7 82.5 129.4 122.6 917.3
2081 206.0 153.7 40.9 28.5 5.5 0.7 0.0 0.0 21.5 58.6 0.0 96.9 612.2
2082 125.8 154.1 41.8 4.3 8.6 0.0 4.5 0.0 38.3 101.1 92.9 174.6 745.9
2083 202.1 181.6 71.0 34.3 9.3 2.5 0.8 18.5 38.9 105.4 162.1 170.0 996.4
2084 162.0 149.6 52.8 22.5 2.7 2.3 2.2 0.0 46.7 47.2 144.6 149.1 781.7
2085 168.2 98.2 54.2 4.8 12.9 5.5 1.6 0.0 49.5 105.8 107.2 101.0 709.1
2086 173.4 179.6 97.6 15.3 12.9 0.0 0.0 18.7 67.7 56.2 63.1 140.5 824.9
2087 218.3 198.9 85.3 0.0 10.3 0.0 0.0 17.7 87.8 78.4 100.8 165.9 963.5
2088 166.4 191.6 53.9 9.9 72.1 0.9 1.5 17.7 21.3 78.8 125.8 141.9 881.7
2089 141.2 126.9 87.9 0.0 5.8 0.9 0.0 27.2 21.5 105.4 0.0 140.6 657.5
2090 167.6 163.4 96.1 5.9 5.6 3.1 0.0 18.0 73.0 118.9 154.8 117.3 923.6
2091 239.8 199.5 110.2 22.6 11.6 0.7 0.0 0.0 41.9 52.2 113.2 97.4 889.2
2092 145.9 112.4 89.7 24.8 1.9 0.7 0.0 0.0 39.7 69.9 129.4 62.4 676.8
2093 171.1 138.7 35.7 23.4 14.4 0.9 0.9 0.0 37.8 38.3 127.4 187.6 776.0
2094 215.4 348.4 72.9 18.5 5.5 3.5 4.9 21.5 56.4 106.3 115.5 142.5 1111.1
2095 177.1 179.3 32.2 29.1 2.6 0.9 0.0 0.0 56.4 79.2 91.8 71.6 720.0
2096 117.1 177.6 108.5 4.0 9.0 3.1 0.7 0.0 35.9 84.6 156.3 156.6 853.5
183

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2097 273.4 170.2 43.0 26.4 3.5 0.6 0.9 0.0 105.4 107.4 171.7 134.3 1036.8
2098 227.4 171.2 129.5 0.0 3.9 0.0 5.1 17.9 33.5 40.9 0.0 59.0 688.5
2099 166.7 52.4 41.4 0.0 9.2 1.5 1.0 21.4 21.5 68.1 134.4 517.7

Promedio 170.8 152.3 65.4 19.2 10.8 3.3 7.6 20.8 54.8 86.1 106.9 140.6 837.5
Máxima 347.1 352.0 153.2 79.8 72.1 14.9 43.1 56.1 105.8 133.3 185.2 219.0 1111.1
Mínima 55.8 52.4 15.6 0.0 0.6 0.0 0.0 0.0 19.7 38.3 0.0 0.0 517.7
D.Estándar 42.8 50.1 27.8 15.2 9.1 3.2 9.0 14.6 18.1 21.2 39.3 39.9 113.1

4.8.1 Análisis de anomalías en síes periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Periodos Pisco 147.3 152.5 146.6 64.1 20.6 9.0 8.2 14.2 34.2 72.4 74.8 112.3
Promedio 168.1 137.9 55.4 22.1 11.8 5.1 16.4 34.7 61.3 88.8 106.4 135.8
Máxima 217.3 200.5 97.6 79.8 31.6 12.0 42.5 56.1 86.7 133.3 161.5 209.7
Periodo 1 Mínima 126.1 79.9 31.5 3.9 2.7 1.2 0.9 18.3 38.3 57.8 38.1 72.3
Promedio 153.3 148.1 67.8 23.8 12.0 5.1 10.0 28.3 57.3 85.4 118.6 142.2
Máxima 218.7 213.2 120.9 72.9 28.7 14.9 33.6 52.0 90.1 108.5 172.5 219.0
Periodo 2 Mínima 55.8 84.9 24.8 0.0 3.2 0.6 1.6 17.7 37.6 59.3 80.6 85.0
Promedio 170.5 133.9 56.1 19.3 7.9 2.7 9.0 23.8 54.5 95.0 98.7 132.7
Máxima 271.8 180.2 99.0 50.4 15.5 8.9 43.1 52.1 101.6 132.6 179.7 218.9
Periodo 3 Mínima 73.1 63.4 22.7 0.0 2.9 0.0 0.0 0.0 30.5 53.0 0.0 0.0
Promedio 169.0 171.9 69.5 15.9 12.6 3.8 3.8 13.8 50.9 82.9 105.5 149.1
Máxima 219.0 352.0 153.2 69.7 34.7 10.6 18.1 37.2 81.3 119.4 185.2 219.0
Periodo 4 Mínima 84.7 82.1 23.4 0.0 0.6 0.0 0.0 0.0 33.5 56.2 49.1 88.9
Promedio 182.4 157.1 72.9 19.7 9.6 1.7 5.0 14.0 57.2 84.8 107.5 154.4
Máxima 347.1 271.6 134.0 52.6 26.1 8.2 36.2 38.6 105.8 120.1 177.3 215.0
Periodo 5 Mínima 101.1 72.5 15.6 0.0 2.7 0.0 0.0 0.0 19.7 54.4 0.0 62.7
Promedio 182.4 165.6 70.8 14.4 10.9 1.5 1.3 9.4 47.1 79.1 104.8 128.3
Máxima 273.4 348.4 129.5 34.3 72.1 5.5 5.1 27.2 105.4 118.9 171.7 187.6
Periodo 6 Mínima 117.1 52.4 32.2 0.0 1.9 0.0 0.0 0.0 21.3 38.3 0.0 59.0
184

4.8.2 Variación porcentual de precipitación respecto al periodo 1981-2000

Periodos Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic

Periodo 2
-9% 7% 22% 8% 2% 1% -39% -19% -6% -4% 11% 5%
(2001-2020)

Periodo 3
1% -3% 1% -13% -33% -46% -45% -32% -11% 7% -7% -2%
(2021-2040)
Periodo 4
1% -3% 1% -13% -33% -46% -45% -32% -11% 7% -7% -2%
(2041-2060)
Periodo 5
8% 14% 32% -11% -18% -66% -70% -60% -7% -4% 1% 14%
(2061-2080)
Periodo 6
8% 20% 28% -35% -8% -71% -92% -73% -23% -11% -2% -6%
(2081-2099)
Promedio 2% 7% 17% -13% -18% -46% -58% -43% -12% -1% -1% 2%

4.8.3. Variabilidad de la precipitación en tres periodos

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Promedio 160.7 143.0 61.6 23.0 11.9 5.1 13.2 31.5 59.3 87.1 112.5 139.0
Periodo Máxima 218.7 213.2 120.9 79.8 31.6 14.9 42.5 56.1 90.1 133.3 172.5 219.0
1 Mínima 55.8 79.9 24.8 0.0 2.7 0.6 0.9 17.7 37.6 57.8 38.1 72.3
(1981- Q1 140.0 111.9 42.5 14.0 6.4 2.3 6.5 22.0 49.4 72.1 92.5 113.7
2020) Q3 184.2 164.2 75.2 27.7 16.0 7.1 17.7 38.7 68.8 102.3 134.5 161.5
Mediana 157.1 145.0 56.5 20.1 10.2 4.6 11.2 30.5 55.6 82.7 106.6 134.5
Promedio 169.8 152.9 62.8 17.6 10.3 3.2 6.4 18.8 52.7 88.9 102.1 140.9
Máxima 271.8 352.0 153.2 69.7 34.7 10.6 43.1 52.1 101.6 132.6 185.2 219.0
Periodo Mínima 73.1 63.4 22.7 0.0 0.6 0.0 0.0 0.0 30.5 53.0 0.0 0.0
2 Q1 155.5 117.7 42.5 4.9 5.0 0.9 1.2 0.0 42.2 75.5 88.0 129.1
(2021- Q3 203.0 172.6 73.3 24.6 14.0 4.9 8.1 24.7 56.2 105.5 125.8 163.1
2060) Mediana 170.7 154.1 54.9 17.4 8.2 2.9 3.5 18.5 51.8 85.7 97.9 152.4
Promedio 182.4 161.3 71.9 17.1 10.3 1.6 3.2 11.8 52.3 82.0 106.2 142.1
Máxima 347.1 348.4 134.0 52.6 72.1 8.2 36.2 38.6 105.8 120.1 177.3 215.0
Periodo Mínima 101.1 52.4 15.6 0.0 1.9 0.0 0.0 0.0 19.7 38.3 0.0 59.0
3 Q1 158.8 128.6 52.2 5.4 5.2 0.7 0.0 0.0 38.0 63.7 90.1 124.0
(2061- Q3 215.1 186.0 93.2 27.2 11.8 2.4 3.1 19.5 68.7 105.4 138.4 165.2
2099) Mediana 173.4 170.2 71.0 15.6 6.6 0.9 1.1 17.8 46.7 79.8 113.2 144.3
185

Anexo 4: Comparación de información de precipitación del producto PISCO, GCM con

estación pluviométrica.

4.1 Comparación de precipitaciones de Pisco (1981-2014), GCM (1981-2020) y


Yasc-1 (2006-2020)

4.1.1 Registro de precipitaciones de la estación Yasc-1 (2008-2020)

Estación: Yasc-1 Departamento: Junin


Latitud: Latitud: 76°03’18.0” Provincia: Yauli
Longitud: Longitud: 11°45’09.0” Distrito: Yauli
Altitud: Altitud: 4650 msnm

Año Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic Total
2008 189.7 209.5 105.2 65.7 9.9 3.0 S/D S/D 8.6 S/D S/D S/D -
2009 S/D S/D S/D 4.6 21.0 3.8 22.8 31.6 19.6 90.6 135.2 172.0 -
2010 169.0 174.2 157.6 79.4 16.0 4.8 1.2 28.2 30.6 73.2 70.0 198.2 1002.4
2011 247.0 186.6 169.5 107.4 28.8 2.6 20.0 16.6 69.0 38.2 109.6 166.6 1162.0
2012 143.2 146.6 131.0 162.6 20.2 11.6 9.8 0.8 38.4 87.8 99.2 194.2 1045.4
2013 137.4 167.4 182.6 57.0 44.4 14.2 20.6 16.0 27.2 107.6 86.6 150.4 1011.4
2014 S/D S/D S/D S/D S/D S/D S/D S/D S/D S/D S/D S/D -
2015 190.0 149.2 157.0 105.0 32.0 18.6 3.8 21.8 35.2 65.2 96.8 125.8 1000.4
2016 110.0 172.4 137.0 27.2 20.2 12.4 12.0 5.6 27.2 69.8 22.8 121.6 738.2
2017 S/D S/D S/D S/D S/D S/D S/D S/D S/D S/D S/D S/D -
2018 82.0 85.6 89.8 69.4 18.0 21.0 24.2 32.0 18.0 56.4 48.8 42.8 588.0
2019 112.4 141.2 64.2 29.2 12.6 3.2 8.8 0.6 20.4 48.4 64.6 61.6 567.2
2020 40.2 41.6 105.0 6.0 18.8 4.8 2.1 6.6 27.5 60.2 50.4 63.2 426.4
Fuente: SENAMHI
S/D: Sin Dato
186

4.1.2 Comparación de precipitaciones de Pisco (1981-2014), GCM (1981-2020) y


Yasc-1 (2008-2020)

Fuente: Elaboración propia

4.1.3 Comparación de precipitaciones de Pisco (1981-2014) y la estación Yasc-1


(2008-2020)

Fuente: Elaboración propia


187

4.1.4 Coeficiente de determinación entre datos de precipitación Pisco y Yasc-1

(2008-2020)

Fuente: Elaboración propia

También podría gustarte