Influencia Variables Macroclimaticas Clima Venezuela

Influencia de las Variables Macroclimáticas en el Clima de Venezuela. Ing. MsC María Teresa Martelo Dirección de Hidrología, Meteorología y Oceanología – Dirección General de Cuencas Hidrográficas - MARN

República Bolivariana de Venezuela Ministerio del Ambiente y los Recursos Naturales Dirección General de Cuencas Hidrográficas Dirección de Hidrología, Meteorología y Oceanología

INFLUENCIA DE LAS VARIABLES MACROCLIMÁTICAS EN EL CLIMA DE VENEZUELA Ing. MsC María Teresa Martelo

Caracas, Mayo 2003

i


ÍNDICE GENERAL Índice General Índice de Tablas Índice de Anexos Índice de Figuras

Pág ii iii iii iv

1. 2. 3. 3.1.

INTRODUCCIÓN ................................................................................................................... 6 OBJETIVOS........................................................................................................................... 7 EL FUNCIONAMIENTO GENERAL DEL SISTEMA CLIMATICO........................................ 8 Definiciones Básicas ........................................................................................................... 8

3.2.

Las Interacciones dentro del Sistema Climático .............................................................. 9

3.3.

La Circulación General de la Atmósfera .......................................................................... 14

3.4. Influencia de las Variables Macroclimáticas en el Clima de Venezuela ....................... 19 4. MATERIALES Y MÉTODOS ............................................................................................... 22 4.1. Obtención de los Registros Originales............................................................................ 22 4.1.1. Datos Climáticos de Venezuela .................................................................................... 22 4.1.2. Variables Macroclimáticas ............................................................................................ 22 4.2. Procesamiento de los Registros Originales.................................................................... 23 4.2.1. Selección de las Estaciones y Período Común .......................................................... 23 4.2.2. Creación de Archivos de Precipitación y de Variables Macroclimáticas ................ 23 4.2.3. Prueba de la bondad del software de interpolación SURFER................................... 24 4.3. Análisis Estadísticos ......................................................................................................... 25 4.3.1. Selección y Análisis de Variables Macroclimáticas ................................................... 25 4.3.2. Distribución Espacial de las Correlaciones Lineales entre Anomalías de Precipitación y Variables Macroclimáticas................................................................................... 25 4.3.3. Variación Estacional de las Correlaciones Lineales entre Anomalías de Precipitación y Variables Macroclimáticas.................................................................................. 25 4.3.4. Distribución del Tipo de Influencia (Efectos) de las Variables Macroclimáticas sobre las Anomalías de Precipitación .......................................................................................... 25 VM Temperatura del Atlántico (enero) clasificada según los terciles ....................................... 26 Precipitación marzo ........................................................................................................................ 26 5. RESULTADOS Y DISCUSIÓN ............................................................................................ 28 5.1. Selección de Estaciones, Período de Análisis, Generador de Mapas.......................... 28 5.2.

Descripción somera de la variabilidad decadal de la precipitación ............................. 30

5.3. Análisis Estadísticos ......................................................................................................... 34 5.3.1. Análisis de las Variables Macroclimáticas.................................................................. 34 5.3.2. Análisis de la Relación Espacial entre la Precipitación y las VM ............................. 48 5.3.3. Análisis de la Relación Temporal entre la Precipitación y las VM............................ 54 5.3.4. Distribución del Tipo de Influencia (Efectos) de las Variables Macroclimáticas Clasificadas sobre las Anomalías Clasificadas de Precipitación según los terciles............... 58 6. CONCLUSIONES ................................................................................................................ 68 7. RECOMENDACIONES ........................................................................................................ 70 8. REFERENCIAS BIBLIOGRÁFICAS ................................................................................... 71

ii


ÍNDICE DE TABLAS Pág 1.

Variación en las Fechas de Inicio del Período de Crecimiento según la temperatura de los Océanos Atlántico y Pacífico en tres áreas del país (Occidente, Nor-Centro y Oriente)

21

Comparación de Medias y Varianzas para 3 períodos (datos : valores anuales de Precipitación (mm) promediados para las estaciones al Norte del Orinoco)

28

3.

Variables Macroclimáticas seleccionadas

34

4.

Resumen de las principales Correlaciones Cruzadas entre Variables Macroclimáticas y lags para los que ocurren. Significativas α =10%; α =5% *; α =1%

36

2.

5.

Valores del Coeficiente de Correlación (r) significativos al 5% y al 10% de probabilidad para tres números de pares de observaciones de las series 49

6.

Ejemplos de Tablas de Contingencia 3x3 entre la lluvia de Junio y la VM ATNOR para dos lags (lag 0=junio=ATNOR6 y lag –1=mayo=ATNOR5).

59

Resumen de las Tablas de Contingencia 3x3 que presentan celdas significativas al 0,1% para la clase de lluvia escasa (–1) según los terciles (Porcentajes de casos)

61

Resúmen de las tablas de contingencia 3x3 que presentan celdas significativas al 0,1% para la clase de Lluvia 1 (abundantes) según la clasificación por los Terciles (Porcentajes de casos)

63

7. 8.

9.

Resumen de asociaciones entre número de casos de meses secos y lluviosos según las clases de VM

65

10.

Síntesis del comportamiento decadal de la lluvia y las VM más estables

65

ÍNDICE DE ANEXOS 1.

Estadísticos Básicos de los Promedios Espaciales de los valores mensuales y anual de la Precipitación para los diferentes períodos Decadales y Normales. [“tabla” en “estadísticos1.xls”. 1 tabla de 1 pág., total 1 página].

2.

Coeficientes de Correlación lineal entre las Variables Macroclimáticas. [“soloclima” en “rankano.xls”. 1 tabla de 1 pág., total 1 página].

3.

Principales valores Percentiles para las Variables Macroclimáticas. “percvariab.xls”. 1 tabla de 2 pág., total 2 páginas].

4.

Coeficientes de Correlación entre las Anomalías de Precipitación y las Variables Macroclimáticas en las 67 estaciones al Norte del Orinoco para lag = 0. [“largas” en “rankano.xls”. 1 tabla de 6 pág., total 6 páginas].

[“ptiles” en

iii


5.

Coeficientes de Correlación entre las Anomalías de Precipitación y las Variables Macroclimáticas en las 18 estaciones al Sur del Orinoco para lag = 0. [“cortas” en “rankano.xls”. 1 tabla de 2 pág., total 2 páginas].

6.

Coeficientes de Correlación entre las Anomalías de Precipitación clasificadas en cuatro clases según la Desviación Estándar y las VM clasificadas según los Terciles, para cada mes y para 5 lags. [“datos” en “gráficos.xls”. 2 tablas de 1 pág. c/u, total 2 páginas].

7.

Tablas de Contingencia para la precitación clasificada en tres clases según los Terciles y las VM clasificadas en tres clases según los Terciles (3x3). [“cruzadas3.xls”. 12 tablas de 3 pág. c/u, total 36 páginas].

8.

Tablas de Contingencia para la precipitación clasificada en cuatro clases según la Desviación Estándar y las VM clasificadas en tres clases según los Terciles (3x4). [“cruzadas.xls”. 12 tablas de 3 pág. c/u, total 36 páginas].

ÍNDICE DE FIGURAS Pág. 1.

Ilustración esquemática de los componentes del Sistema Climático

10

2.

Distribución Espacio-Temporal del balance radiativo del sistema Tierra-Atmósfera

15

3.

Esquema de los cambios de densidad en la Tropósfera con la latitud

16

4.

Esquema del origen de los Vientos del Oeste en la alta Tropósfera

16

5.

Viento Zonal Promedio para los trimestres Diciembre-Febrero y Junio-Agosto

17

6.

Variaciones en el Caudal Promedio Anual del río Caroní en relación con años Niño

20

7.

Variaciones en la Fecha de Inicio del Período de Crecimiento en años Niña (1974)

20

8.

Distribución espacial de de las Ochenta y Cinco (85) estaciones pluviométricas

29

9.

Comparación entre la Precipitación Media Anual Digitalizada a partir de mapas a escala 1:250.000 dibujados en base a unas 900 estaciones pluviométricas y la generada por el SURFER en base a las 85 estaciones pluviométricas del estudio

30

10.

Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1951-1960

31

11.


31

12.


32

13.


32

14.

Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1991-1998**

33

15.

Áreas para las que se definen las Variables Macroclimáticas Oceánicas

35

iv


16.

Percentiles P33%, P50% y P66% de las Anomalías de las VM oceánicas a través del año

38

Percentiles P33%, P50% y P66% de las Anomalías de las VM de los campos de viento, campos de presiones e intensidad de la convección a través del año

39

Percentiles P33%, P50% y P66% de las Anomalías de las VM manchas solares a través del año

39

19.

Distribución Temporal de las VM oceánicas en el Atlántico (ATNOR, ATSUR)

42

20.

Distribución Temporal de las VM oceánicas en el Pacífico (NI3, NI34)

43

21.

Distribución Temporal de las VM campos de viento en la alta Tropósfera (ZON200) y la baja Estratósfera (QBO50)

44

Distribución Temporal de las VM campo de presiones (SOI) e intensidad de la Convección (OLR)

45

23.

Distribución Temporal de las VM manchas solares (WOLF)

46

24.

Media Móvil de 24 meses de las Anomalías de la Variable Macroclimática temperaturas oceánicas en el Atlántico Tropical norte (ATNOR), Atlántico Tropical sur (ATSUR) y Pacífico Ecuatorial área Niño 3–4 (NI34))

47

Media Móvil de 24 meses de las Anomalías de las Variables Macroclimáticas Campos de viento (QBO50, ZON200) e Intensidad de la Convección (OLR)

48

Distribución Espacial de los Coeficientes de Correlación entre las Anomalías de Precipitación, las VM oceánicas (ATNOR, ATSUR, ATTROP, NI3, NI34) y la VM campo de presiones (SOI) para el lag 0

51

17. 18.

22.

25. 26.

27. 28. 29. 30.

31.

Distribución Espacial de los Coeficientes de Correlación entre las Anomalías de Precipitación, las VM campos de viento (QBO30, QBO50, ZON200, ALIS850), y la VM intensidad de la convección (OLR) para el lag 0 Distribución Espacial de los Coeficientes de Correlación entre las Anomalías de Precipitación, y la VM manchas solares (WOLF) para el lag 0

53

Coeficientes de Correlación por mes entre las Anomalías de Precipitación y las VM oceánicas (ATNOR, ATSUR, NI3, NI34) para 5 lags

55

Coeficientes de Correlación por mes entre las Anomalías de Precipitación y las VM Campos de viento (QBO50, ZON200), Campos de Presión (SOI) e Intensidad de la Convección (OLR) para 5 lags

56

Coeficientes de Correlación por mes entre las Anomalías de Precipitación y la VM Número de Manchas Solares (WOLF) para 5 lags

56

52

v


1. INTRODUCCIÓN Un conocimiento adecuado de las condiciones climáticas es una herramienta fundamental para lograr una organización y un uso sostenible y eficiente de los recursos suelo y agua, y para las actividades productivas. Pero nuestro conocimiento de las condiciones climáticas del país es bastante somero; parte del problema es que, en general, aún se maneja el concepto de clima como “las condiciones atmosféricas promedio”, mientras que el concepto actual añade tres palabras clave: “las condiciones atmosféricas promedio incluyendo su variabilidad”. En términos de una política eficiente para gestión de los recursos hídricos, la agricultura y problemas como la sequía, es imprescindible considerar que si la norma es la variabilidad climática, entonces la disponibilidad de agua y los rendimientos agrícolas son también variables; la variabilidad climática introduce cambios significativos en la respuesta de los sistemas físicos y socio-económicos, por lo que estos últimos deberían ser organizados de modo flexible para poder responder a los cambios por exceso y por defecto más eficientemente y usar los recursos de modo sostenible (Gibbs et al, 1978; Makarau, 1992). Ese aparentemente simple añadido al concepto de clima representa en realidad un cambio cualitativo, que ha permitido a la Climatología avanzar espectacularmente en los últimos 25 años a nivel de investigación y aplicaciones en los países desarrollados; bajo esa nueva visión, es factible optimizar la planificación estratégica, así como la operativa, dado que al considerar la incertidumbre se está considerando el riesgo, por lo que los sistemas y/o acciones que se planifican son flexibles, para adaptarse a esta situación; adicionalmente, el nuevo concepto abrió la puerta del pronóstico climático, que en pocos años será completamente operativo, con hasta un año de antelación; ya existen pronósticos de este tipo en Internet, en las hojas Web de centros de investigación como la National Oceanic and Atmospheric Administration (NOAA). Al considerar a la variabilidad parte intrínseca del clima, comenzó una fuerte corriente de investigación en climatología dinámica (termodinámica e hidrodinámica), que ya había sido propuesto por Bergeron en 1930 (Stringer, 1972), para comprender y luego predecir mejor dicha variabilidad, aunque sólo a inicios de los años 70 comenzó a trabajarse sistemáticamente en este campo. Al comprenderse el funcionamiento físico de al menos parte del sistema, se logró el desarrollo de modelos matemáticos que simulan la circulación atmosférica, los llamados Modelos de Circulación Global (MCG); incluso hoy día, este tipo de modelos sólo corre en supercomputadoras, el tiempo de corrida es de varios meses y se generan salidas en el orden de terabytes, lo que da una idea de su complejidad teórica y operacional. Estos modelos son la herramienta más avanzada para estudiar el funcionamiento atmosférico y el Cambio Climático, y sin embargo sólo son capaces de reproducir los grandes rasgos de la circulación y los principales procesos sinópticos, pero no los procesos convectivos a mesoescala y locales. Relativamente pronto emergió como factor común, unificador en tan vasto conjunto de investigaciones, la visión de un sistema global en que la materia y la energía (que proviene de una fuente externa pero se transforma dentro del sistema global) se mueven en cascada entre diversos sub-sistemas (la Atmósfera, los océanos, la criósfera, la litósfera y la biósfera). Este conocimiento indicaba para la Tierra como planeta un comportamiento integrado, donde había que diferenciar “los climas”, en el sentido geográfico del término, de “el clima” como causa y al mismo tiempo efecto del funcionamiento del sistema global. Para establecer claramente esa diferenciación entre “los climas” y “el clima”, se desarrolló el concepto sinergético de Sistema Climático, que es justamente el conjunto de interacciones entre todos los sub-sistemas. Aunque se ha avanzado mucho en la comprensión tanto de “los climas” como del Sistema Climático, existen problemas de escala; por la esencia misma del tema la escala espacial de trabajo es a nivel de grandes áreas, no obstante, para que este conocimiento pueda tener aplicación práctica, es necesario afinar un poco la escala, al menos a nivel mesoclimático, y describir cómo se reflejan en los diferentes “climas” los procesos del Sistema Climático. 6


A nivel internacional este tipo de análisis se ha realizado fundamentalmente usando técnicas estadísticas, desde correlaciones múltiples a diferentes tipos de análisis multivariado, y con series de tiempo. El modo general de trabajo consiste en seleccionar elementos de algunos de los subsistemas (estos elementos son también llamados Variables Macroclimáticas) y estudiar su relación con los elementos climáticos temperatura y precipitación, a diferentes escalas espaciales. Son precisamente estas relaciones lo que sienta las bases para la predicción del clima (WMO, 1999). De este modo, aunque no se tenga el conocimiento cientìfico preciso de cómo y por qué están ocurriendo los fenómenos, se tiene un elemento predictivo ya que las observaciones muestran que “los climas” en ciertos lugares, responden aproximadamente de la misma forma la mayoría de las veces ante anomalías similares de la temperatura del océano. La utilidad de los métodos empíricos de predicción climática, pasa por conocer bien la respuesta de “los climas”, es decir, su reacción ante los diversos tipos de anomalías (WMO, 1999). En el caso de Venezuela, se conocen relativamente bien, aunque no totalmente, los elementos de dinámica atmosférica que explican el comportamiento promedio del ciclo anual de los regímenes de radiación, temperatura y precipitación, es decir, lo relativo a la variación estacional, pero no son bien conocidas ni las causas, ni la distribución espacio-temporal, de la variabilidad interanual. Tampoco se conoce la variabilidad a niveles de décadas (10 años) o mayores. Los tipos más comunes de variabilidad, la estacional y la interanual, están por supuesto cuantificadas de modo general, pero sin detalles, incluído el aspecto de si está aumentando o no la variabilidad. En vista de esta situación, se consideró importante realizar un estudio exploratorio de la influencia de los componentes del Sistema Climático en los climas del país; dada la vastedad del tema, se decidió analizar sólo la posible influencia de los sub-sistemas océano y Atmósfera específicamente sobre la distribución espacio-temporal de la precipitación. Es importante recalcar que este es un trabajo exploratorio, y su alcance es sólo determinar si una Variable Macroclimática en particular está influenciando el monto de la precipitación. La condición exploratoria general del trabajo viene dada también por el tipo de datos utilizados; como Variables Macroclimáticas se seleccionaron los valores promedio espaciales a nivel mensual, con lo cual un solo número representa el comportamiento de áreas de miles de km2 durante los 30 días del mes, y los datos de precipitación son las láminas mensuales, por lo que no se analizan otros aspectos, tales como la distribución del número de días lluviosos en períodos menores que un mes. Se espera como resultado general de esta investigación determinar si efectivamente alguna(s) Variable(s) Macroclimática(s) está influenciando a la lluvia en Venezuela y, en consecuencia, determinar si será posible en un futuro cercano lograr un pronóstico estacional de la precipitación con varios meses de antelación. 2. OBJETIVOS Objetivo General •

Determinar si el comportamiento espacio-temporal de la precipitación en Venezuela presenta relación con el comportamiento de un grupo de Variables Macroclimáticas representativas de los sub-sistemas oceánico y atmosférico. Objetivos Específicos

•

Determinar si las Variables Macroclimáticas influencian a la precipitación del país de manera diferencial en el espacio. 7


• • • •

Determinar si las Variables Macroclimáticas influencian a la precipitación del país de manera diferencial en el tiempo (niveles estacional, interanual y decadal). Determinar si las Variables Macroclimáticas influencian de modo uniforme a la precipitación, o son sus valores extremos los que actúan sobre la lluvia. Determinar si la precipitación se ve afectada por las Variables Macroclimáticas de modo uniforme, o son los valores extremos de lluvia los que se ven más afectados. Determinar si la influencia de las Variables Macroclimáticas sobre la precipitación se presenta con varios meses de antelación (lags –4, –3, –2, –1) o se manifiesta en el mismo mes (lag 0).

Como resultante de cubrir los objetivos específicos, se espera poder concluír en si es posible (o no) llegar en un futuro cercano a disponer de elementos de pronóstico estacional de la precipitación con varios meses de antelación. Se espera también que los resultados del presente trabajo también sirvan de base para dar los pasos siguientes: explicar cómo y por qué ciertas Variables Macroclimáticas influencian a la precipitación en Venezuela y evaluar algunas relaciones estadísticas que permitan pronosticar la precipitación con base a dichas Variables Macroclimáticas. Asimismo, se espera que en base a los resultados puedan definirse futuras líneas de investigación que contribuyan a mejorar el conocimiento sobre el funcionamiento del clima del país, y en consecuencia a aumentar la utilidad práctica de la información hidroclimática para todo tipo de usuarios. 3. EL FUNCIONAMIENTO GENERAL DEL SISTEMA CLIMATICO En esta sección se describirá brevemente el comportamiento del Sistema Climático y los grandes patrones de circulación de la Atmósfera; se comienza con una serie de definiciones básicas sobre la estructura de la Atmósfera que es imprescindible manejar para la mejor comprensión del tema. 3.1. Definiciones Básicas Es importante comenzar definiendo una serie de términos que se usarán en adelante, y que constituyen la base misma del presente trabajo: •

Tiempo Atmosférico: Estado instantáneo de la Atmósfera en un lugar determinado; incluye el comportamiento de elementos como radiación, insolación, presión atmosférica, temperatura y humedad del aire, viento, nubosidad, evaporación y precipitación; se caracteriza por ser extraordinariamente variable temporal y espacialmente.

•

Clima: Estado promedio del tiempo atmosférico, incluyendo su variabilidad, en una región geográfica; el período de agregación para obtener el promedio es típicamente varias décadas; la Organización Meteorológica Mundial denomina “Normales” a los promedios de 30 años, por ej., Normales 51-80, 61-90, etc. (OMM, 1990).

•

Variabilidad Climática: Conjunto de cambios en las condiciones de tiempo y clima a todas las escalas espacio-temporales; incluye variaciones de tipo cíclico, cuasi-cíclico, persistencias, singularidades, oscilaciones, tendencias e irregularidades (ruido).

•

Sistema Climático: Conjunto de interacciones entre la Atmósfera, la hidrósfera, la litósfera, la criósfera y la biósfera, forzadas o influenciadas por varios mecanismos externos de forzamiento, siendo el sol el más importante; las actividades humanas se consideran también un mecanismo externo de forzamiento (IPCC, 2000 a).

•

Cambio Climático (definición oficial de la Convención Marco de las Naciones Unidas para el Cambio Climático): Cambio del clima que se atribuye directa o indirectamente a actividades 8


humanas que alteran la composición de la Atmósfera global y que se adiciona a la variabilidad climática natural sobre períodos comparables de tiempo (IPCC, 2000 a). •

Atmósfera: capa gaseosa que rodea a la Tierra cuyo espesor, a efectos prácticos, es de unos 120 km; es la parte del Sistema Climático que controla tanto la cantidad de energia que llega a la superficie como la radiación infrarroja que la Tierra libera al espacio, es decir, es el principal regulador del balance energético del planeta. Verticalmente la Atmósfera se divide en varias capas (Tropósfera, Estratósfera, Mesósfera, Termósfera) según la temperatura descienda o se incremente con la altura, y estas capas principales están a su vez separadas por capas poco profundas en las que la temperatura prácticamente no varía con la altura (Tropopausa, Estratopausa, Mesopausa).

•

Tropósfera: capa inferior de la Atmósfera donde se desarrollan los fenómenos del Tiempo y el Clima y que controla, vía los procesos de reflexión, absorción y dispersión la cantidad de energía que llega a la superficie; concentra más del 75 % de la masa total de la Atmósfera y prácticamente todo el vapor de agua. Se caracteriza por presentar, en general, un descenso de la temperatura con la altura del orden de los 0,5 – 0,6 °C por cada 100 m de altura, tasa que se denomina gradiente altotérmico. La Tropósfera no tiene el mismo espesor sobre todo el planeta: es de unos 8-10 km sobre los Polos, 12-14 km en las latitudes medias, y muy profunda (16-18 km) sobre el Ecuador. Como consecuencia de esas características, la base de la Tropósfera (aire sobre la superficie) está más caliente en el Ecuador y más frío en los Polos, pero en altura está más caliente sobre los Polos y más frío sobre el Ecuador.

•

Tropopausa: capa isoterma que separa a la Tropósfera de la capa inmediatamente superior, la Estratósfera; la Tropósfera no aumenta su espesor desde los Polos hasta el Ecuador de forma gradual, sino que la Tropopausa está “rota” en las latitudes medias, donde presenta una fuerte discontinuidad en su altura. En las dos zonas de máximo gradiente de altura, se ubican también dos zonas de vientos máximos en altura, aproximadamente a los 50° N por el lado polar y a los 35° N por el lado ecuatorial, conocidos por Jet-Stream, el Polar y el Subtropical.

•

Estratósfera: segunda capa de la Atmósfera, caracterizada por un incremento de la temperatura con la altura y que se extiende desde la Tropopausa hasta unos 50 km de altura, conteniendo 10-20% de la masa total de la Atmósfera; controla la radiación de onda muy corta (ultravioleta) que llega a la Tierra vía el proceso de absorción por la Capa de Ozono, área de máxima concentración de ese gas situada a unos 25 km de altura, y la radiación saliente de onda larga del planeta; en la parte inferior de la Estratósfera, a unos 20-22 km de altura, se produce una alternacia cíclica (unos 26 meses) de vientos del Este y del Oeste, de la que aún no se conocen sus causas. Como la parte alta de la Tropósfera, la Estratósfera inferior está más caliente sobre el Polo que sobre el Ecuador. Actualmente la comunidad científica estudia aceleradamente el comportamiento de la Estratósfera, ya que se supone que su papel en el Sistema Climático es grande – vía la oscilación del campo de vientos en altura y la propagación de ondas hacia abajo – y además con relación al Cambio Climático. Si la Tropósfera está aumentando su temperatura global, la Estratósfera debería disminuír su temperatura global (es decir, aumentar la tasa de emisión de radiación infrarroja para equilibrar al sistema), con lo que se estaría incrementando el gradiente vertical de temperatura entre capas, lo que afectaría el comportamiento de la Tropopausa (IPCC 2000 c), lo cual a su vez tendrá consecuencias climáticas a gran escala. 3.2. Las Interacciones dentro del Sistema Climático

Como se definió supra, el Sistema Climático (ver Figura 1) es el conjunto de interacciones entre cinco sub-sistemas: atmosférico, oceánico, el contínuo agua-suelo-Atmósfera sobre los continentes, las capas de hielo y nieve (polares y marinas) y la biósfera, incluyendo a los forzamientos externos del sol y las actividades humanas. Esta definición se originó en 1975, en el 9


marco del Global Atmosphere Research Programme (GARP) de la Organización Meteorológica Mundial (Cuadrat y Pita, 2000). La idea fundamental es que el Sistema Climático representa el sistema global a través del cual fluyen la materia y la energía en cascada a través de los diferentes sub-sistemas (Lockwood, 1979). En cada sub-sistema, existen entradas de masa y energía que se almacenan en depósitos un tiempo y cambian, formando las salidas de masa y energía; existe además un conjunto de reguladores que controlan la cantidad de masa y energía que sale y/o queda almacenada en los depósitos; los reguladores pueden ser propiedades físicas del depósito en sí mismo o también externas al sub-sistema. Por ejemplo, dentro del ciclo hidrológico y considerando un solo evento de lluvia en un lugar específico, la lluvia representa la salida de materia del depósito “Atmósfera” y la entrada para el depósito “suelo”, mientras que la evaporación es la salida de materia del depósito “suelo” y la entrada para el depósito “Atmósfera”; ambos procesos (precipitación y evaporación) están regulados por propiedades de los depósitos en sí mismos (contenido de humedad, temperatura, estabilidad, contenido de aerosoles, mezcla turbulenta en la Atmósfera y características físicas del suelo), pero también en cierta medida por factores externos, como el aporte de agua subsuperficial hacia el lugar desde otros sitios. En esta transferencia de materia entre los dos depósitos está involucrada también la transferencia de energía en forma de calor latente.

Figura 1. Ilustración esquemática de los componentes del Sistema Climático. Fuente: Modificado de OMM, 1990.

En otro ejemplo, considerando en forma muy simplificada los sub-sistemas atmosférico y oceánico, puede hablarse (Lockwood, 1979) de una cascada de energía donde la radiación (fuente externa) se convierte en calor (calentamiento del agua que luego calienta al aire, evaporación del agua que va como calor latente al aire), que a su vez se transforma en energía cinética (movimiento de las 10


corrientes marinas y viento generado por gradientes horizontales de temperatura que a su vez generan gradientes horizontales de presión); el movimiento es paulatinamente destruído por las fuerzas de fricción, que lo convierten en calor “degradado” que se pierde hacia el espacio en forma de radiación infrarroja : en un balance neto para la Tierra como un todo, y en promedio anual, la ganancia de energía proveniente del exterior (sol) es completamente compensada por la pérdida de energía hacia el espacio exterior. El ciclo hidrológico es otro ejemplo que puede ser expresado en términos de flujos de energía (potencial, cinética, calor, radiación infrarroja). Lockwood (1979) cita un documento de la Academia Nacional de Ciencias de E.U.A. publicado en 1975 (Understanding Climatic Change, a Program for Action, también en el marco del GARP), donde se sugiere clasificar a las propiedades del Sistema Climático como sigue: • • • •

térmicas: temperaturas del aire, agua, hielo y tierra; cinéticas: los desplazamientos horizontales del viento y las corrientes oceánicas así como sus movimientos verticales, y el movimiento de las masas de hielo; acuosas: humedad del aire, nubosidad, contenido de agua líquida y sólida en las nubes, aguas subterráneas, nivel de lagos y ríos, y contenido de agua de las capas de nieve y hielo marino y terrestre; estáticas: presión y densidad de la Atmósfera y el océano, composición del aire, salinidad del mar, límites geométricos (forma de las cuencas marinas, de lagos y ríos e hidrogeológicas) y las constantes físicas del sistema, entre ellas: √ radiativas : albedo, emisividad, razón de Angstrom; √ balance de calor: razón de Bowen, la temperatura en ºK de las superficies, el índice radiacional de sequedad; √ balance de agua: razón escorrentía/precipitación, humedad de una columna de suelo.

Estas propiedades del sistema global están interconectadas por los procesos de intercambio de calor latente y sensible y de momento angular, y son las que permiten caracterizar el estado del sistema en un momento dado, así como evaluar a los procesos. La tendencia actual es visualizar a dichos procesos como transformaciones de energía. Por ejemplo, en el sub-sistema atmosférico hay una muy estrecha relación entre la energía potencial y los calores sensible y latente, ya que a medida que el aire desciende transforma su energía potencial en calor sensible a través del calentamiento adiabático, y cuando el aire asciende transforma su calor sensible de nuevo en energía potencial; a medida que se enfría adiabáticamente y se alcanza la saturación, se libera calor latente que retrasa el enfriamiento y refuerza el ascenso, lo que aumenta la energía potencial de la parcela de aire. La visión más global es que el forzamiento radiativo del sol es la entrada al sistema Tierra, los depósitos son los cinco sub-sistemas y la salida son los “climas” en el sentido geográfico (Cuadrat y Pita, 2000). En el Sistema Climático se identifica un agente “director” y dos agentes “modificadores”, que influencian de modo fundamental todo el funcionamiento del sistema, tanto a nivel de muchas de las propiedades como a nivel de los procesos. El agente “director” es la desigual cantidad de energía que llega desde el sol a cada punto de la Tierra en cada momento del año. Esto ocurre porque la Tierra es redonda y una superficie curva no recibe igual cantidad de energía en dos puntos consecutivos, y porque la Tierra gira alrededor del sol en una elipse que está inclinada respecto al plano del ecuador solar, lo cual implica que en una época del año se recibe mayor cantidad de energía en un hemisferio, es decir se está en “verano”, mientras que en el hemisferio contrario se está en “invierno”, lo cual se invierte cuando la Tierra, 6 meses más tarde, está en el lado opuesto de su órbita alrededor del sol. Como consecuencia de la redondez de la Tierra, de su movimiento de traslación y del relativamente pequeño ángulo de inclinación de la eclíptica (23,5º), en las bajas latitudes (Ecuador) 11


se recibe más energía que en las altas latitudes (Polos), creando un desbalance energético permanente que origina un desbalance también permanente de temperaturas y presiones atmosféricas, por lo que el sistema global “reacciona” poniendo en marcha la circulación general de la Atmósfera y los océanos para tratar de encontrar el equilibrio. Se han hecho estimaciones que muestran que en ausencia de radiación solar, la fricción haría cesar todo el movimiento atmosférico en aproximadamente una semana (Barry y Chorley, 1985). Los dos agentes “modificadores” de los procesos del Sistema Climático son: a) el movimiento de rotación de la Tierra; el hecho de que la Tierra rote sobre su eje introduce variaciones en lo que, de no existir esta rotación, sería un movimiento meridional (Norte-Sur) desde las Altas Presiones polares hacia las Bajas Presiones ecuatoriales; las principales modificaciones que introduce la rotación son dos: 9 en primer lugar, las producidas por la Fuerza de Coriolis, que desvía las trayectorias hacia la derecha en el hemisferio Norte, quedando como resultado que los movimientos del aire y las corrientes oceánicas tienen una dirección predominantemente zonal (Este-Oeste); 9 en segundo lugar, la aparición de la vorticidad: un fluído en rotación tiende a generar remolinos (vórtices) que modifican la distribución tanto vertical como horizontal del intercambio de momento angular; b) la distribución y forma de las masas marinas y continentales; actúa al menos en tres aspectos: 9 el efecto de continentalidad es importante en la distribución horizontal de áreas con grandes y pequeños gradientes térmicos, lo cual influencia los movimientos horizontales y verticales del viento vía su influencia en el campo de presiones; 9 en segundo lugar, la posición de los continentes; estudios paleoclimáticos señalan que con posiciones distintas, especialmente de la Antártida, la dinámica atmosférica y de corrientes marinas cambia significativamente, y en consecuencia cambia también la distribución espacial de los “climas” en el sentido geográfico del término; 9 finalmente, las grandes cordilleras (Andes, Rocosas, Himalaya) influencian la circulación de la alta Tropósfera, especialmente la posición de las Ondas de Rossby (ver infra item 3.1.3). Dado que el Sistema Climático está en una permanente búsqueda del equilibrio a través de las interacciones entre sus componentes, existe una variabilidad intrínseca y existe una enorme cantidad de causas diferentes, dependiendo del sub-sistema, que explican esa variabilidad; algunas causas son internas a los sub-sistemas, y otras son externas a ellos. Para el sistema global, las causas externas de cambio se relacionan con aspectos fìsicos y aspectos antrópicos. Entre las causas físicas hay cambios tanto en el agente director como en los agentes modificadores; el agente director (desigual cantidad de energía) sufre modificaciones tanto por cambios en la órbita terrestre en ciclos de miles de años como por cambios en el sol mismo (manchas solares); los agentes modificadores sufren cambios también a muy largo plazo (deriva continental, por ejemplo). Entre las causas antrópicas, se distinguen en primer lugar el aumento de gases de efecto invernadero (que al disminuir la proporción de onda larga que abandona la Tierra están cambiando todo el balance radiativo), y en segundo lugar el cambio a gran escala de uso de la tierra, donde se modifican los factores de albedo y rugosidad (lo que altera tanto el balance radiativo como la tasa de transporte de momento). Como causas internas de cambio en el Sistema Climático, se pueden reconocer entre otras (Lamb, 1972, Henderson-Sellers y Robinson, 1984): •

Los volcanes introducen una gran cantidad extra de gases y aerosoles a la Atmósfera; las erupciones “normales” inyectan material en la Tropósfera (8-15 km altura), desde donde puede ser removido relativamente rápido (aprox. 1 año) por la lluvia o por gravedad, pero las grandes erupciones envían material a la Estratósfera (15-25 km de altura), donde puede permanecer más de 10 años afectando el balance radiativo.

12


•

Los aerosoles troposféricos controlan en parte el balance radiativo de onda corta (vía la dispersión) y también en parte la formación de gotitas de nubes.

•

La Nubosidad es a la vez uno de los componentes de la Atmósfera y una de las causas más importantes de cambio en el balance energético de la Tierra, por los controles que ejerce sobre la radiación de onda corta (vía reflexión por las nubes) y sobre la radiación de onda larga (vía absorción del infrarrojo, por el el agua líquida de las nubes y el vapor de agua).

•

El Ozono estratoférico controla (por absorción) la cantidad de radiación ultravioleta que llega a la Tierra, pero también influencia el calentamiento/enfriamiento de la Estratósfera, vía la absorción sobre el infrarrojo entre los 8–10 μm (onda larga).

En resumen, existen 4 grandes áreas de procesos dentro del Sistema Climático (HendersonSellers y Robinson, 1984) que deben ser considerados para comprender su funcionamiento: •

Procesos Radiativos en la Atmósfera: variaciones en las entradas dependiendo del sol, la reflexión por las nubes, la absorción (selectiva) por los gases, la dispersión (selectiva) por los aerosoles, la emisión en onda larga en la Tropósfera y las salidas de onda larga en la alta Estratósfera.

•

Procesos Dinámicos: los movimientos de masa y energía a nivel global y a mesoescala, especialmente los transportes meridionales y verticales de calor latente, calor sensible y momento (incluye las interrelaciones con el transporte de energía por los océanos).

•

Procesos de Superficie: interrelaciones en el intercambio de radiación (ondas cortas y largas), calor latente, calor sensible y momento angular entre las superficies agua-tierra-hielo y la Atmósfera, incluyendo los reguladores como el albedo, la emisividad y la rugosidad.

•

“Feed-backs”: retroalimentaciones entre los procesos radiativos, dinámicos y de superficie.

El aspecto de los Feed-backs merece ciertos comentarios; actualmente aún se desconoce en gran medida cómo funcionan muchos de ellos, así como la magnitud de sus efectos, aunque se sabe que en general las respuestas que producen son no lineales. Algunos Feed-backs son positivos, es decir, al producirse un cambio en uno de los elementos se refuerza la situación original, mientras que otros son negativos (se debilita y/o invierte la situación original). Es de recalcar que la mayoría de los Feed-backs que se manejan con relativa confianza se refieren a su efecto sobre la temperatura del aire, pero para la precipitación la situación es más complicada. En este caso, el más importante de los Feed-backs es el del vapor de agua, que a través de su efecto sobre otros componentes se estima que al menos duplica el efecto de calentamiento directo que ya ejerce el vapor como gas de efecto invernadero y además potencia el efecto de otros Feed-backs, como el de las nubes y el de hielo-nieve (IPCC, 2000 c). Entre los principales Feed-backs que se manejan actualmente están (IPCC, 2000 c, Henderson-Sellers y Robinson, 1984): •

Superficies de Hielo y Nieve – Albedo: es un Feed-back positivo, es decir, si por alguna razón comienza a disminuir la temperatura habrá más nieve y hielo, afectando el balance de radiación de onda corta, ya que por su alto albedo 1 aumentarán las pérdidas por reflexión y habrá menos radiación neta, lo que implica menos disponibilidad de calor sensible de la superficie para calentar al aire, lo que implica que la temperatura seguirá disminuyendo.

•

Nubes – Albedo – Absorción: la nubosidad es uno de los elementos que provocan Feed-backs más complicados, ya que es positivo desde el punto de vista de la reflexión de onda corta

1

Con relación al albedo del hielo hay discusión; algunos autores sostienen que tiene un albedo relativamente bajo, menor a 50% (Rosemberg, 1974), mientras otros le asignan valores altos de 50-70% (Petterssen, 1976). 13


(trabaja como el de hielo–nieve), pero es negativo desde el punto de vista de la absorción de onda larga: el agua líquida de las nubes funciona como gas de efecto invernadero, por lo que a medida que aumente la nubosidad habrá menos pérdidas radiativas de infrarrojo y en consecuencia menor enfriamiento. No se conoce con certeza cuál de los efectos (positivo o negativo) pueda ser mayor, ni tampoco si de alguna manera se compensan, ya que además depende del tipo de nubes (si son de hielo o de agua, si son estratos o cúmulos, de su nivel de agrupamiento en el caso de los cúmulos, de su cantidad total, etc.). Además de los Feed-backs con la Atmósfera, existen otros entre los sub-sistemas oceánico, criósfera y continentes, que afectan al sub-sistema atmosférico no de modo directo, sino remoto; por ejemplo, los “climas” actuales del norte de Europa son relativamente “dulces” debido al efecto de la Corriente del Golfo; ahora bien, el aporte de agua dulce de los ríos es fundamental para mantener el equilibrio de las corrientes termohalinas, especialmente en el Atlántico Norte, pero a su vez, el caudal de los ríos está influenciado por cambios en el uso de la tierra que modifican las relaciones precipitación-escorrentía en sus cuencas. Así pues, cambios significativos en el uso de la tierra en América, puede terminar afectando los “climas” en Inglaterra y Escandinavia. En el caso de la Amazonia, hay un fuerte Feed-back entre el agua en el suelo y la Atmósfera, ya que se ha demostrado que una gran proporción de la lluvia en esa cuenca (35% - 50%) proviene de la evapotranspiración real (ETR) en la misma cuenca, y la ETR depende en parte de la disponibilidad de agua en el suelo (Poveda, 2000 a) Uno de los aspectos más importantes del Sistema Climático es la diversidad de escalas espaciales y temporales en que se producen los diferentes procesos e interacciones (IPCC a, 2000; Gibbs et al, 1978). Así por ejemplo, a escala global la Atmósfera es el sub-sistema que más rápido responde a los cambios, aproximadamente en un mes, mientras que los océanos debido a su gran inercia cambian más lentamente, y su influencia se nota al nivel decadal. Pero si bajamos la escala espacial y nos concentramos sólo en los océanos, se observa que la capa de mezcla (aproximadamente los primeros 100 m de agua) cambia mucho más rápido que las aguas profundas, por lo que tiene influencia en la variabilidad a nivel intra-estacional. Los cambios en la forma de la tierra pueden ser tan lentos como los movimientos isostáticos, que afectan a grandes áreas o tan instantáneos como un terremoto, que tiene un efecto local. Los cambios a mesoescala en las propiedades reflectivas y de emisividad de la superficie terrestre y la Biósfera están muy relacionados y varían estacionalmente entre situaciones de poca vegetación (invierno en zonas templadas, temporada seca en zona tropical) y mucha vegetación (verano en zonas templadas, temporada lluviosa en zona tropical); a nivel local son los componentes más influenciados por la actividad antrópica. Los elementos que componen los cinco sub-sistemas son conocidos como Variables Macroclimáticas. Ejemplos de ellas son la temperatura y salinidad del mar en el sub-sistema océanos, el caudal de los ríos en el sub-sistema litósfera y la extensión de la capa de hielo antártico en el sub-sistema criósfera. En el sub-sistema Atmósfera, también hay Variables Macroclimáticas, como por ejemplo la estructura del campo de presiones, la oscilación del viento en la Estratósfera o la intensidad del proceso convectivo (convección = modo de transporte de la energía en los fluídos líquidos y gaseosos). 3.3. La Circulación General de la Atmósfera Se entiende por Circulación General de la Atmósfera el conjunto de movimientos del aire a escalas planetaria y sinóptica, y cuya función principal en el Sistema Climático es tratar de compensar las desigualdades en la cantidad de energía que se recibe en superficie a través de la redistribución del calor latente, el calor sensible y el momento angular. La Radiación Neta, como la radiación que se recibe del sol, presenta cambios espaciales y temporales; en general puede hablarse de una distribución en franjas zonales, donde al norte de 14


los 85° N la RN es en general negativa, entre los 85°-10° N es estacionalmente negativa o positiva, y entre 10º N – 10º S es en general positiva, como se muestra en la Figura 2. Esto provoca que en la zona ecuatorial los flujos de calor sensible (H) y calor latente (LE) sean altos, generando una atmósfera permanentemente cálida y húmeda, es decir, aire muy poco denso, mientras que en los Polos el aire es muy frío, en consecuencia con muy baja capacidad higrométrica (muy seco), y como resultado de ambas condiciones, también muy denso. La resultante final es la existencia en superficie de una Alta Presión polar y una Baja Presión ecuatorial, mientras que en altura, en los Polos el aire está más caliente que en el Ecuador, debido al menor espesor de la Tropósfera polar, por lo que la situación está invertida, con una Baja Presión polar y una Alta Presión ecuatorial (Lockwood, 1974).

Figura 2. Distribución Espacio-Temporal del balance radiativo del sistema Tierra-Atmósfera (Radiación -2 -1 -2 -1 -2 Neta en cal cm min ; 1 cal cm min = 698 W m ). Fuente: Lockwood, J.G. (1979). (after Raschke et al, 1973)

Otro punto muy importante es que debido a la diferencia de espesor de la Tropósfera, a una misma altura el aire presenta densidades diferentes en el Polo y el Ecuador, como se ve en la Figura 3. De modo que aunque la tasa de disminución de la temperatura con la altura sea constante y desde ese punto de vista el aire a la misma altura debería tener la misma temperatura, no sucede lo mismo con la densidad, por lo que en la Atmósfera real, dada la relación entre densidad y temperatura, dos parcelas de aire situadas a la misma altura no tienen la misma temperatura ni la misma densidad y en consecuencia, no ejercen la misma presión. En vista de esta circunstancia, en meteorología es mucho más común porque es más cómodo, como lo señala Medina (1994), hablar de superficies isobáricas (igual presión), por ejemplo las de 850, 500 o 200 mb, que en la Atmósfera se encuentran a alturas diferentes. En la atmósfera tropical, al ser menos densa por tres 15


razones (mayor espesor para repartir la misma masa de aire, es más cálida y es más húmeda), las superficies isobáricas se encuentran a mayor altura que en otras latitudes.

Tropopausa 8 Km 75 % masa atmosférica Polo

16 Km 75 % masa atmosférica 8 Km 55 % masa atmosférica Ecuador

Figura 3. Esquema de los cambios de Densidad en la Tropósfera con la latitud. Elaboración propia

La presión atmosférica regula el movimiento horizontal del aire, y éste se desplaza desde las zonas de Alta Presión hacia las de Baja Presión; como esta distribución es zonal debido a las diferencias en la Radiación Neta, el viento debería soplar meridionalmente (desde la Alta Presión Polar en el Norte hacia la Baja Presión Ecuatorial en el Sur) y cortar a las isóbaras perpendicularmente, pero como ya se explicó la Fuerza de Coriolis debida a la rotación del planeta hace que el movimiento se desvíe a la derecha y el viento (en ausencia de fricción) termina soplando zonalmente (EsteOeste) y paralelamente a las isóbaras; la fricción modifica esta situación y hace que el viento corte en ángulo máximo de 20° a las isóbaras, pero en la atmósfera libre por encima de la capa de fricción (a partir de los 1500-2000 msnm aproximadamente) el viento sopla paralelo a las isóbaras, lo que se conoce como viento geostrófico. En resumen: las superficies isobáricas tienden a estar más altas en el trópico que en las altas latitudes; el viento sopla desde las Altas hacia las Bajas presiones, paralelamente a las isóbaras en la Atmósfera libre; en superficie existe sobre el Ecuador una Baja Presión y en el Polo una Alta Presión, mientras que en altura están invertidas (Alta Presión en el Ecuador y Baja Presión en el Polo). En la Figura 4 se muestra la consecuencia de lo expuesto en los párrafos anteriores.

Figura 4. Esquema del origen de los Vientos del Oeste en la alta Troposfera. Elaboración propia

A una misma altura, por ejemplo de 11 km, las zonas ecuatoriales tienen mayor presión que las polares, por lo que el viento en altura tiende a ir del Ecuador hacia el Polo, atravesando círculos latitudinales cada vez más pequeños, por lo que se acelera, y con el desvío inducido por la Fuerza de Coriolis termina como un viento del Oeste; esto explica que en toda la Tropósfera los vientos 16


sean mayoritariamente del Oeste, exceptuando a la franja entre aproximadamente los 20° N–20° S (varía ligeramente su posición entre verano e invierno) donde el viento sopla del Este no sólo en todo el espesor de la Tropósfera, sino también en buena parte de la Estratósfera inferior y media, como se observa en la Figura 5.

Jet-Stream

Jet-Stream

Jet-Stream

Jet-Stream

-1 Figura 5. Viento Zonal Promedio para los trimestres Diciembre-Febrero y Junio-Agosto (ms ). Fuente: Loockwood, J.G. (1974). (after Newell et al, 1969). Los valores negativos señalan vientos del Este, los positivos vientos del Oeste.

Sobre la Baja Ecuatorial el aire poco denso tiende a subir, enfriándose adiabáticamente hasta alcanzar la saturación, momento a partir del cual comienza la condensación, es decir, la liberación del calor latente, lo cual retrasa el enfriamiento y refuerza el ascenso convectivo del aire. Se ha comprobado que en la Baja Ecuatorial, el ascenso del aire no es generalizado, sino que se concentra en pequeñas áreas donde se forman nubes convectivas (Cúmulo Nimbus) de gran desarrollo vertical (más de 15 km de altura), que en algunas ocasiones rompen incluso la Tropopausa y llevan calor hasta la Estratósfera. Los científicos consideran que el transporte de 17


energía concentrado en los Cúmulos es lo que equilibra al enfriamiento radiativo en la Estratósfera. Como ya vimos, una vez en altura el viento tiende a soplar hacia el Oeste, y como la Tropósfera va disminuyendo en espesor, el viento se dirije hacia abajo, calentándose adiabáticamente. Alrededor de los 20° N – 30° N se produce, por efectos dinámicos, un máximo en la velocidad del viento en altura, denominado Jet-Stream Subtropical, y bajo él se produce una subsidencia generalizada, lo que explica las grandes zonas desérticas subtropicales. Sobre esas latitudes se produce una aparente contradicción: una zona de Alta Presión Cálida. Al mismo tiempo que el aire se está calentando mientras desciende, también se acumula mayor cantidad de masa en una columna de aire, por lo que aumenta su presión; como resultado, se tiene alrededor de la Tierra en esas latitudes un cinturón de Altas Presiones de origen dinámico, no térmico, como es el caso de la Alta Polar y la Baja Ecuatorial, y mientras el aire está descendiendo, la Fuerza de Coriolis le imprime un componente zonal, por lo que en superficie el viento sopla desde el Nor-Este (vientos Alisios). Al conjunto de la Baja Presión Ecuatorial, la Alta Presión Subtropical, vientos en superficie soplando desde el E y vientos en altura (más al norte de los 10° N) soplando desde el W, se le conoce como Célula de Hadley, y es el principal elemento de la Atmósfera, en la zona intertropical. En resumen, en la zona del Alisio, la Tierra cede momento angular a la Atmósfera, situación que se compensa en las latitudes medias, donde la Atmósfera le devuelve el momento angular a la Tierra (Cuadrat y Pita, 2000). En cuanto al transporte de energía, los océanos de la zona subtropical ceden una gran cantidad de energía a la Atmósfera (calor sensible y calor latente por la altísima evaporación), que es transportada primero en superficie hacia el Ecuador por los Alisios, una vez allí, es transportada verticalmente hacia arriba por los Cúmulo Nimbus, donde parte del calor latente se libera por condensación, contribuyendo así al extraordinario crecimiento de éstos, y la otra fracción del calor latente y parte del calor sensible son llevados hacia las zonas templadas primero por los vientos del Oeste en altura, y luego aún más al norte por las borrascas en la zona del Frente Polar. Un rasgo del comportamiento atmosférico que no se considera realmente parte de la Circulación General, pero es extraordinariamente importante, es su capacidad para establecer Teleconexiones, es decir, que la influencia de un fenómeno se hace sentir a muchos miles de kilómetros de distancia. Cambios en la configuración del patrón de presiones en la zona del Frente Polar en la zona del Pacífico Norte, terminan influenciando la posición del Jet-Stream subtropical, por ejemplo, lo cual a su vez modifica el comportamiento de la Alta Subtropical y el conjunto de fenómenos sinópticos (Vaguadas, Ondas del Este) que se producen en la Atmósfera tropical (Lamb, 1972). De todas estas conexiones remotas, las más importantes (aunque aún no son bien conocidas) son las que se originan debido a la interacción Atmósfera-Océano conocida como El Niño-Oscilación del Sur (ENOS), que se produce en la zona del Pacífico ecuatorial. Es una interacción cíclica (2 a 7 años), que presenta dos fases, una fría y otra caliente; el componente oceánico presenta un calentamiento/enfriamiento más fuerte que lo normal para la estación del año, y el componente atmosférico un cambio en la posición de las zonas de Alta y Baja presión, lo cual repercute en los patrones de circulación como se explica a continuación. La manifestación oceánica de la fase cálida (Niño), consiste en dos fenómenos: en la costa de Chile, Perú y Ecuador, un descenso hacia la profundidad de las aguas frías de la Corriente de Humboldt, por lo que aparece agua caliente en superficie, y también por un movimiento de las aguas permanentemente más calientes del Pacífico Oriental (Australia) hacia Sudamérica; en la Atmósfera, se da el proceso de la Oscilación del Sur (OS), donde se invierten (como en un sube y baja) las posiciones del campo de presiones: la zona de Baja Presión que está normalmente sobre Indonesia se mueve hacia el Pacífico Central, quedando sobre Indonesia una Alta Presión; esta inversión del campo de presiones produce un debilitamiento del Alisio, y en ocasiones en que la nueva situación es muy fuerte, pueden llegar a invertirse, conviertendose en Alisios del NW sin 18


haber atravesado el ecuador. Sólo hacia 1950 se estableció la relación entre los fenómenos oceánicos y atmosféricos, y se notó que cuando el Pacífico se calienta se produce conjuntamente una alteración de la OS. La fase fría (Niña) es menos conocida que la fase cálida; en este caso, el Pacífico está más frío de lo normal, y en la Atmósfera los campos de presión están en su lugar habitual, pero son más intensos, así como el Alisio es reforzado. Dadas las gigantescas cantidades de calor sensible y latente que se intercambian entre la Atmósfera y el Océano en el área del Pacífico, estas alteraciones se reflejan a nivel global, afectando a muchos lugares de manera diversa; por ejemplo, se ha reportado que los años Niño producen sequías en el Nordeste del Brasil e inundaciones en el sur de Brasil y norte de Argentina, y hacia Norteamérica tienden a producir inviernos suaves. En general, durante años Niño se registran temperaturas elevadas en muchas partes del mundo (WMO, 1999). 3.4. Influencia de las Variables Macroclimáticas en el Clima de Venezuela Con relación a la influencia de las Variables Macroclimáticas (en adelante VM) específicamente sobre el clima de Venezuela no hay hasta los momentos gran información. En general, de todas las VM, la más analizada a nivel mundial ha sido la temperatura superficial del Pacífico Ecuatorial, ya que es uno de los principales factores explicativos (no el único), del fenómeno El Niño-Oscilación del Sur (ENOS). En 1997-98 se produjo un evento Niño de gran intensidad que generó una enorme inquietud pública, razón por la cual la Comisión Nacional de Meteorología e Hidrología, adscrita al CONICIT, preparó un informe (CNMeH, 1998) que resume los análisis sobre el tema realizados en el país por los organismos oficiales, fundamentalmente el MARN y EDELCA. Como conclusión principal resalta el hecho de que el fenómeno ENOS (en sus fases cálida y fría) no afecta de igual forma a todo el país: hacia el Suroriente (Guayana) y el occidente (parte de los Andes y Zulia) el Niño (fase cálida del ENSO) tiende a producir temporadas secas e inicio de temporada lluviosa más secas de lo normal, mientras que en las regiones central, llanera y oriental, la influencia del ENSO fase cálida es mucho menos evidente, dándose casos de eventos Niño con inicios de temporada lluviosa tempranos, normales y tardíos, y es un Pacífico neutro (ni frío ni caliente) lo que parece asociarse en esas regiones con un inicio temprano de la temporada lluviosa (Martelo, 2000 a). La fase fría (eventos Niña) se relaciona generalmente en Guayana con temporadas secas más lluviosas de lo normal y caudales relativamente altos del Caroní, mientras que en los Llanos la Niña tiende a producir una entrada tardía de la temporada lluviosa, como se ve en las Figuras 6 y 7. Los caudales muestran un comportamiento similar: el Caroní (Sur del país) y el Chama (valles centrales y piedemonte occidental andino) se asocian en general con caudales bajos durante un evento Niño, pero ríos que descienden por el lado llanero del piedemonte andino (específicamente el Uribante) no muestran una relación clara (Unidad de Estudios del Clima Tropical, MARN-CIDIAT, Ing. M.I. Rojas, comunicación personal). Otra conclusión del informe de la CNMeH es que el efecto del ENOS es mayor durante la temporada seca e inicios de la temporada lluviosa, pero es muy dificilmente detectable durante la plena temporada lluviosa en Junio-Julio-Agosto; esta evidencia coincide con hechos observados en todo el mundo, y explicados teóricamente: el ENOS se manifiesta con mayor fuerza durante el invierno astronómico (Diciembre a Febrero), debido a que es la época del año cuando son mayores los gradientes de temperatura, energía y transporte (viento).

19


Figura 6. Variaciones en el Caudal Promedio Anual del río Caroní y su relación con los años Niño 3 -1 (caudales en m s en rojo). Fuente: Comisión Nacional de Hidrología y Meteorología. (1998).

Figura 7. Variación en la Fecha de Inicio del Período de Crecimiento en años Niña (1974). Fuente: Comisión Nacional de Hidrología y Meteorología. (1998). 20


Otra VM que ha comenzado a analizarse es la temperatura superficial del Atlántico Tropical Norte (ATNOR); Martelo (2000 a) reporta que un ATNOR caliente tiende a asociarse en las regiones centro-Norte y oriental con inicios tempranos de la temporada lluviosa, mientras que un ATNOR frío tiende a asociarse con inicios tardíos de la temporada lluviosa; hacia el occidente, el ATNOR no parece tener tanta influencia como el Pacífico en la fecha de inicio de la temporada lluviosa, como se observa en la Tabla 1, en la cual el código 1 indica océanos calientes, el código 0 océanos normales y el código –1 océanos fríos. Tabla 1. Variación en las Fechas de Inicio del Período de Crecimiento según la temperatura de los Océanos Atlántico y Pacífico en tres áreas del país (Occidente, Nor-Centro y Oriente). Fuente: Martelo, M.T. (2000 a)

EDELCA, donde están trabajando en el tema desde 1992, ha realizado análisis con otras VM, entre ellas el Índice de Oscilación Sur (SOI), la Oscilación Quasi-Bianual (QBO), la Radiación Saliente de Onda Larga (OLR), la temperatura del Atlántico Tropical Sur y varios índices del campo de presión en superficie, pero los análisis están referidos básicamente a la influencia de estas VM sobre el caudal del Caroní, aunque han determinado que un Atlántico Tropical Sur frío parece relacionado con una temporada lluviosa (Mayo-Octubre) deficitaria sobre Guayana (CNMeH, 1998). De análisis realizados en la Unidad de Estudios del Clima Tropical (MARN-CIDIAT) utilizando una metodología estadística y el software SIMOC (Sistema de Modelaje de los Océanos) desarrollados en el Instituto Nacional de Pesquisas Espaciais (INPE) de Brasil, se obtuvo que sobre una muestra de 150 estaciones de precipitación en el país, el 80 % de ellas está más influenciado por el 21


comportamiento del Atlántico que por el del Pacífico, y las estaciones que conforman el 20 % más influído por el Pacífico están todas al occidente del país (Ing. M.I. Rojas, comunicación personal). En conclusión, el conocimiento de la influencia real de las VM sobre el clima del país es relativamente vago; aunque se sabe con certeza que las temperaturas oceánicas afectan diferencialmente al territorio nacional, y se conocen las principales áreas geográficas afectadas (el Suroriente y el Occidente del país), no se conoce aún el porqué la afectación no es siempre igual (por ejemplo, ha habido años Niño con caudales del Caroní bastante altos). Es importante señalar que “vago” no significa inconsistente; en los estudios realizados en EDELCA y otras instituciones, se usaron metodologías de análisis muy diferentes y aplicadas a diferentes elementos del ciclo hidrológico (lluvias, caudales de ríos, fechas de inicio del período de crecimiento) y todos los resultados señalaron en la misma dirección. Desde ese punto de vista, el escaso conocimiento que tenemos de la influencia de las VM en el clima del país es "robusto”. 4. MATERIALES Y MÉTODOS 4.1. Obtención de los Registros Originales 4.1.1.Datos Climáticos de Venezuela Los datos de precipitación a nivel mensual se obtuvieron del Banco Nacional de Datos de la Dirección de Hidrología y Meteorología del MARN, y datos de varias estaciones en la región Guayana fueron suministrados por el Departamento de Predicción y Estudios Hidroclimáticos de CVG-EDELCA; en principio se solicitaron todas las estaciones del país que tuvieran un registro mayor a 30 años, lo que representó alrededor de 200 estaciones. 4.1.2.Variables Macroclimáticas Estos datos se generan en los grandes centros operativos y de investigación mundiales, y son en su mayoría, valores para círculos latitudinales completos, generalmente en grillas de 2º x 2º o menores. Para poner esta ingente cantidad de información disponible en un modo más accesible, se calculan valores promedio mensuales (el promedio es espacial, de todos los valores de grilla involucrados, y de los 30 días del mes), que pueden accesarse por Internet. El mayor conjunto de Variables Macroclimáticas (VM) se encuentra en la página Web de la National Oceanographic and Atmospheric Administration (NOAA), en el Climate Prediction Center (CPC), uno de los 9 miembros del National Center for Environmental Predictions (NCEP); la dirección específica es la siguiente: www.cpc.ncep.noaa.gov/data/indices Del gran conjunto de variables allí disponibles, se seleccionó un grupo de 11 Variables Macroclimáticas correspondientes a diferentes campos de interacción del Sistema Climático, que incluyeron temperaturas superficiales de los océanos Atlántico y Pacífico, campos de viento en altura, campos de presiones (medidos a través del Índice de Oscilación Sur, SOI) e intensidad del proceso convectivo (medido a través de la Radiación Saliente de Onda Larga, OLR). Sólo una de las VM, la correspondiente al índice que mide la actividad de las manchas solares (Número de Wolf), no se obtuvo de la NOAA, sino, también a través de Internet, del Institut Royale de Meteorologie (Bélgica), en la siguiente dirección: www.oma.be/KSB-ORB/SIDC Con la excepción del Nº de Wolf, para el cual se usaron los valores reales, todas las demás VM se trabajaron en forma de Anomalías mensuales, donde: 22


Anomalíai = ( Xi – Xmedia mes ) / Desviación Estándar mes No todas las VM tienen el mismo período de registro; el Número de Wolf se calcula desde 1760 aproximadamente, el Índice de Oscilación Sur desde los años 30, las temperaturas de los océanos han sido reconstruídas desde 1950, y las variables de campos de viento e intensidad de la convección (OLR), dado que se calculan a partir de datos satelitales, sólo están disponibles desde mediados de los años 70. 4.2. Procesamiento de los Registros Originales 4.2.1.Selección de las Estaciones y Período Común En este trabajo, como en cualquiera en que se usen datos de precipitación, una de las condiciones de borde es encontrar el período de registro más largo, para cubrir el mayor rango de variabilidad posible. Bajo esta consideración, sobre el total de estaciones con más de 30 años de registro se eligieron aquellas que estuvieran en funcionamiento desde 1950, ya que desde ese año se dispone de datos de la VM temperatura de los océanos; esto hizo aparecer el problema de la distribución espacial y el período común: no hay ninguna estación al Sur del Orinoco instalada desde 1950, todas son posteriores en al menos 15-20 años, siendo 1968 el año de instalación más común. En segundo lugar, se hizo una selección de las estaciones en funcionamiento desde 1950 (y de cualquier año posterior al Sur del Orinoco) con base en la calidad de su registro; no se hizo ningún procesamiento para tratar de hallar los valores englobados, y simplemente se asignaron como si fueran faltantes; sobre esta cantidad final de datos faltantes que se hizo la evaluación de calidad. Se hizo un análisis de período común diferenciado para las estaciones al Norte y al Sur del Orinoco, y tuvo que elegirse entre las siguientes alternativas: • •

•

analizar sólo el Norte del país con un período de registro desde 1950, lo que implicaba que no se determinaría completamente una posible variación espacial de la influencia de las VM; analizar todo el país con un período de registro aproximadamente desde mediados de los años 60, lo que permitiría en principio determinar variación espacial de la influencia de las VM, pero reduciría significativamente el número de casos para establecer las relaciones temporales entre la precipitación y las VM relativas a los océanos, campo de presiones y manchas solares, aunque no influiría en las relaciones con las VM de los campos de viento y convección; analizar al país completo, pero con períodos diferentes para el Norte y el Sur del Orinoco; en verdad, esta no es una práctica “ortodoxa”, pero si pruebas estadísticas señalaran que en el Norte los estadísticos básicos del período desde 1969 no difieren significativamente de los estadísticos básicos del período desde 1950, podría asumirse razonablemente que tampoco lo hicieron al Sur del Orinoco, por lo que se realizaron dichos análisis.

Finalmente, se plotearon (usando el software SURFER) las estaciones seleccionadas así como las curvas de nivel cada 500 m, y se afinó el número final de estaciones, eliminando algunas por cercanía y manteniendo otras que, aunque cercanas, estuvieran en laderas con diferente orientación o a alturas significativamente diferentes. 4.2.2.Creación de Archivos de Precipitación y de Variables Macroclimáticas Los archivos de precipitación mensual, una vez seleccionado el número final de estaciones y el período de analisis, debieron ser preparados en diferentes formatos, para cumplir con los diferentes objetivos del trabajo, e igualmente sucede con los archivos de VM. Los formatos de archivos de datos básicos que se prepararon fueron los siguientes: a) Formato Normal: 23


• • • • •

para cada estación, una tabla de 12 columnas (meses) y tantas filas como años de registro se tuvieran en el período de análisis, de precipitación en mm; idem, de anomalías de precipitación (adimensional); idem, de anomalías de precipitación clasificadas en –1, 0 y 1, según los terciles (P33% y P66%) de cada mes (adimensional); para cada VM, una tabla de 12 columnas (meses) y tantas filas como años de registro se tienen de cada una de ellas, como anomalías (adimensional); idem, de anomalías clasificadas en –1, 0 y 1, según los terciles (P33% y P66%) de cada mes (adimensional).

b) Formato de Series de Tiempo: • para cada estación, la serie de precipitación en mm; • idem, la serie de anomalías de precipitación (adimensional); • para cada VM, la serie de anomalías (adimensional); c) Formato “Todas”: • una tabla de 16 columnas, donde las filas son todos los años de registro de la estación Nº1, todos los años de registro de la estación Nº 2 y así sucesivamente, de anomalías de precipitación clasificadas en –1, 0 y 1 según los Terciles; • para cada VM clasificada en –1, 0 y 1 según los Terciles, una tabla de 16 columnas, donde las filas son todos los años de registro de la VM; este grupo de años se repite hasta que el archivo tenga el mismo número de líneas que el de precipitación. En el caso particular de este formato, las 16 columnas son los 12 meses más Septiembre, Octubre, Noviembre y Diciembre del año anterior, dado que uno de los objetivos del trabajo es explorar posibles indicadores para el pronóstico con uno o más meses de anticipación; en el caso de los otros Formatos de archivo esto no fue necesario porque el programa estadístico STATGRAPHICS, que fue junto con el programa EXCEL el utilizado para el trabajo, permite automáticamente realizar cálculos para diferentes tiempos de rezago (en adelante, por comodidad se usará el anglicismo lags). d) Formato para espacializar con el SURFER • para cada año, una tabla de 15 columnas (12 meses, latitud de la estación, longitud de la estación y serial identificador de la estación) y tantas filas como estaciones haya, de precipitación en mm; • idem, de anomalías de precipitación (adimensional); • idem, de anomalías de precipitación clasificadas en –1, 0 y 1 según los Terciles (adimensional). Las anomalías de las VM se bajaron directamente por Internet, pero las de la precipitación fueron calculadas con el STATGRAPHICS, a partir de los archivos Formato Normal de precipitación en mm; con el mismo programa se calcularon los estadísticos básicos de la precipitación (en mm y como anomalías) y de las VM (incluyendo los terciles). 4.2.3.Prueba de la bondad del software de interpolación SURFER Ya que uno de los objetivos del trabajo es verificar variaciones espaciales de la influencia de las VM en la precipitación, se necesitaba un procedimiento rápido de generación de mapas. Se seleccionó el software SURFER, que por ser un programa de geoestadística presenta diferentes alternativas para realizar interpolaciones espaciales, pero primero debía demostrarse que los resutados de la interpolación son aceptables. Para esto, se produjo el mapa de la Media de Precipitación Anual, con base al número de estaciones y el período de análisis finalmente seleccionado, y se comparó con el mapa de la Precipitación Media Anual para el período 19681983 (Martelo, 2000 b), usando como método de interpolación el Krigging, que se reporta (Isaaks y 24


Srivastava, 1989) como un confiable método de interpolación espacial. cuando se dispone de pocos datos irregularmente distribuídos, porque minimiza la varianza del error de estimación. 4.3. Análisis Estadísticos 4.3.1.Selección y Análisis de Variables Macroclimáticas Para definir si algunas de las VM ofrecerían información redundante, se analizaron por Correlación (lineal y cruzada). Esta parte del trabajo es la más superficial, ya que se trata simplemente de definir relaciones gruesas entre VM que permitieran eliminar una o varias del análisis. Además, debe recordarse que las VM con las que se trabajó no son los verdaderos valores de cada grilla sino los promedios espaciales, con lo que un solo número al mes representa el comportamiento de miles de km2. Una vez seleccionado el grupo definitivo de VM que serían utilizadas, para caracterizarlas se calcularon los Percentiles 10%, 25%, 33%, 50%, 66%, 75% y 90%, y se graficó el transcurso anual de la Mediana y los Terciles. Se prepararon gráficos del comportamiento de todos los meses de todos los años de las VM, a fin de describir de forma gruesa el comportamiento de las VM a nivel Decadal (10 años) y establecer las comparaciones del caso con los promedios Decadales de precipitación. Asimismo, conociendo que varias de las VM presentan ciclos en el orden de los dos años, como el campo de vientos a 50 mb (Oscilación Quasi-Bianual, QBO) y el evento ENOS (que combina dos VM, la temperatura del océano, específicamente el Pacífico en las áreas Niño3 y Niño34, y el campo de presiones medido a través del Índice de Oscilación Sur, SOI) se calcularon con los archivos de Serie de Tiempo, las medias móviles de 24 meses, y se graficó una selección de ellas. 4.3.2.Distribución Espacial de las Correlaciones Lineales entre Anomalías de Precipitación y Variables Macroclimáticas Una vez seleccionado el grupo definitivo de VM para las cuales se analizará su influencia sobre la precipitación, el primer paso fue verificar si existe una variación espacial en dicha influencia. Se usaron los archivos de Formato “Series de Tiempo” para calcular las correlaciones lineales entre las anomalías de precipitación de cada estación y las anomalías de las VM para el lag 0, con el programa STATGRAPHICS. Los valores del coeficiente de correlación R de cada estación se llevaron luego a archivos de Formato SURFER (un archivo para cada correlación precipitación-VM) para ser espacializados. 4.3.3.Variación Estacional de las Correlaciones Lineales entre Anomalías de Precipitación y Variables Macroclimáticas Para determinar si existen cambios estacionales en la relación entre la precipitación y las VM se calcularon los Coeficientes de correlación lineal para cada mes del año; este proceso se realizó para 5 lags: 0, –1, –2, –3 y –4, con el fin de verificar la posibilidad de contar con indicadores para el pronóstico con un mes o más de anticipación. En este caso se utilizaron los archivos en Formato “Todas” de las anomalías de precipitación y de VM. 4.3.4.Distribución del Tipo de Influencia (Efectos) de las Variables Macroclimáticas sobre las Anomalías de Precipitación Este proceso se realizó utilizando los archivos en Formato “Todas”, para la precipitación clasificada en 3 clases, y también para 5 diferentes lags (0, –1, –2, –3 y –4) para tratar de definir con más precisión cuáles son, en cada mes en particular y para cada clase particular de precipitación, las influencias de las VM que están funcionando, y con cuánto tiempo de retardo, ya que es sabido que las señales de las VM tardan cierto tiempo en transmitirse desde su sitio de origen hasta un 25


lugar específico del mundo. Este punto podría ayudar a comprender mejor el funcionamiento de la dinámica climática sobre el país. Es importante señalar una serie de condicionantes, para ayudar a comprender la selección del procedimiento utilizado, que fue el de tablas de contingencia. En principio, el signo de la correlación determina si la relación entre las VM y la lluvia es positiva o negativa, por ejemplo, que la lluvia aumenta en junio a medida que la VM temperatura del océano en el Atlántico Tropical norte aumenta (correlación positiva), o que la lluvia disminuye en enero a medida que la temperatura del Pacífico ecuatorial en el área Niño3–4 aumenta (correlación negativa), pero el coeficiente de correlación no da información sobre la “forma” de la relación, es decir, si se da en todo el rango de valores o más bien entre los extremos. Al unir la información proveniente de los mapas de correlación espacial y la de los gráficos del transcurso anual de los coeficientes de correlación, se observaría, por ejemplo, que en junio se espera que la lluvia aumente en los Llanos centrales, sí la temperatura del Atlántico fue alta en marzo (correlación positiva con el lag –3), pero: • • •

¿se necesita superar un cierto umbral, es decir, ocurre cuando el Atlántico está en el rango normal o en el rango caliente? además ¿cómo fueron realmente las lluvias en junio? ¿ocurrió un aumento generalizado de la precipitación en todas las estaciones de los Llanos o hubo lluvias muy fuertes pero en pocas estaciones? finalmente ¿todos los años que el Atlántico está caliente en marzo, aumenta la lluvia en los Llanos en junio, o sólo en pocos años, pero con un efecto tan extremo que es capaz de hacer aparecer una correlación donde realmente no la hay?

Para obtener información sobre estos aspectos se realizó un proceso de tabulación cruzada (tablas de contingencia), de modo de contabilizar el número total de casos de precipitación que se producen en todas las estaciones, para cada una de las clases de precipitación, dependiendo de cada una de las 3 clases de VM clasificadas según los terciles. Las tablas de contingencia se calcularon para la lluvia de cada mes del año cinco veces, con las VM correspondientes a los cinco lags considerados (0, –1, –2, –3, –4). El proceso se realizó para las anomalías de precipitación clasificadas en tres categorías según los terciles (tablas de contingencia 3x3). El nivel de significación se analizó utilizando el valor de χ2. Las tablas de contingencia 3x3 se calcularon con el EXCEL, y para cada fila, el número de casos en cada celda se calculó como porcentaje, bajo la hipótesis nula de que las VM no afectan a la precipitación, en cuyo caso serían esperables valores cercanos a 33% en cada celda. Es decir, que se espera aproximadamente el mismo número de valores de precipitación baja, normal y alta, independientemente de sí las VM son bajas, normales o altas. Para verificar la hipótesis nula, se calcularon los valores de porcentaje para cada celda que son significativamente diferentes, para un nivel de probabilidad prefijado, implicando que dicha hipótesis no se cumple, y en consecuencia, las VM sí afectan a la precipitación. A continuación se presenta un ejemplo idealizado de tabla de contingencia 3x3, digamos que de la precipitación de marzo vs la temperatura del Atlántico Tropical norte en enero (lag –2), que ayudará a comprender el razonamiento: Precipitación marzo –1 0 1

VM Temperatura del Atlántico (enero) clasificada según los terciles –1 0 1 Total 52.1 % 32.7 % 15.2 % 100 % 38.5 % 29.7 % 31.8 % 100 % 39.2 % 39.7 % 21.1 % 100 %

26


Siguiendo con el ejemplo, digamos que los valores que implican diferencias significativas en el número de casos por encima y por debajo, respecto del valor esperado de 33%, son respectivamente 48% y 18%, para el nivel de α = 10%. La única clase de precipitación que se ve afectada es la de la primera fila, correspondiente a las lluvias escasas (clase –1), y sólo por los valores extremos de la VM: predominan las lluvias pobres en marzo si el Atlántico estuvo frío en enero (el 52,1% de los casos considerando todas las estaciones se concentra en clase –1), y se presentan muy pocos casos de lluvias escasas si el Atlántico estuvo caliente (sólo el 15,2% de los casos considerando todas las estaciones se concentran en la clase 1). Si el Atlántico estuvo en el rango normal (clase 0), no se distingue su influencia sobre las lluvias escasas. En el caso de las lluvias extremas altas (clase 1, tercera fila) no habría una influencia estadísticamente significativa, pero el número de casos de lluvias altas en marzo si el Atlántico estuvo caliente en enero se acerca al límite de significancia. Las tablas de contingencia 3x3 entonces señalan la clase de precipitación (normal o cualquiera de las dos extremas) para la que se observa influencia de las VM, y al mismo tiempo indican si son los valores extremos de las VM los que están afectando a la precipitación.

27


5. RESULTADOS Y DISCUSIÓN 5.1. Selección de Estaciones, Período de Análisis, Generador de Mapas El total de 202 estaciones con más de 30 años de registro se redujo a unas 120 instaladas desde 1950 o posteriormente; al Sur del Orinoco, el año más antiguo de instalación para el mayor número de estaciones fue 1969. Con relación al análisis de calidad, se seleccionaron sólo estaciones con menos de 15 % de datos faltantes. Al realizar el análisis de período común, resultaron posibles el 50-98 para las estaciones al Norte del Orinoco y el 69-98 para todo el país; para el grupo de estaciones al Norte se calcularon la media y desviación estándar de los valores anuales de los períodos 50-68, 69-98 y 50-98, y se realizaron las pruebas de diferencia de medias (t de Student) y diferencia de varianzas (F de Fischer) de los dos períodos cortos respecto del total 50-98 para todas las estaciones, resultando no significativas para el nivel de 5 % de probabilidad (no se muestran estos resultados). También se obtuvo el promedio espacial, es decir, para cada año se calculó el valor promedio anual de todas las estaciones al Norte del Orinoco, y a esta nueva serie también se le calcularon los estadísticos básicos y se le aplicaron las pruebas de diferencia de medias y varianzas, como se observa en la Tabla 2. Dado que en ninguno de los dos casos (estación por estación y promedio espacial) se observaron diferencias significativas (a pesar de que el período 50-68 tiene una media más alta, fue más lluvioso), se asumió que si dicho período no fue especialmente variable al Norte tampoco debe haberlo sido al Sur del Orinoco; en consecuencia, se optó por analizar espacialmente a todo el país, pero en base a dos períodos diferentes: 1950-1998 (49 años) al Norte del Orinoco y 1969-1998 (30 años) al Sur. Tabla 2. Comparación de Medias y Varianzas para 3 períodos (datos: valores anuales de precipitación (mm) promediados para las estaciones al Norte del Orinoco) Período 1950-1968 1969-1998 1950-1998

Media 1070,0 1032,2 1046,9

Desv.Estándar 122,2 141,4 134,3

Dif. Medias (prueba t) 0,5000 0,6504 -

Dif. Varianzas (prueba F) 0,6798 0,7344 -

Al decidir los dos períodos de análisis el grupo definitivo de estaciones para el estudio quedó en Ochenta y Cinco (85), 67 de ellas al Norte del Orinoco y con 49 años de período de registro y 18 al Sur, con 30 años de período de registro. En el Anexo 1 se presenta el listado de estaciones, y en la Figura 8 su posición espacial; puede verse que las estaciones no están uniformemente repartidas, siendo las zonas de los Llanos, Cordillera de Perijá y Sur del Lago de Maracaibo las menos representadas. Con relación a la bondad del SURFER como interpolador, y en consecuencia como la herramienta generadora de los mapas de este trabajo, en la Figura 9 se muestra la distribución espacial de la lluvia promedio anual del período 1969-1998 generada con las 85 estaciones para compararla con el mapa digitalizado que proviene de un conjunto de mapas a escalas 1:250.000, 1:500.000 y 1:1.000.000 y unas 900 estaciones para el período 1968-1983 (Martelo, 2000 b).

28


Figura 8. Distribución espacial de las Ochenta y Cinco (85) estaciones pluviométricas. Elaboración propia

Considerando que se está utilizando una muestra de estaciones que no alcanza al 10 % de las estaciones del mapa digitalizado, el interpolado reproduce remarcablemente bien los principales rasgos del patrón espacial; el rango de lluvias mayores de 4000 mm en Guayana está representado por una sóla estación, así como el rango de menos de 400 mm en el norte de Falcón, pero el programa los considera. También se reproducen las zonas de mayor precipitación del Delta, Barlovento y Costa Oriental del Lago, la zona seca de la Depresión Lara-Falcón, la costa árida de Unare y la sombra de lluvia del Turimiquire; asimismo se observan los núcleos de máxima y mínima precipitación del sur de Amazonas. La complejidad de los Andes, Perijá y sur del Lago de Maracaibo es lo que está peor reproducido, sin embargo en Los Andes se observa un núcleo de baja precipitación y, en el piedemonte, un núcleo de alta precipitación. Con base en los resultados de esta comparación se asumió que el SURFER puede reproducir satisfactoriamente los principales rasgos de la distribución espacial de la precipitación, y en consecuencia puede usarse como generador de los mapas.

29


Figura 9. Comparación entre la Precipitación Media Anual Digitalizada a partir de mapas a escala 1:250.000 dibujados en base a unas 900 estaciones pluviométricas y la generada por el SURFER en base a las 85 estaciones pluviométricas del estudio. Fuente: Martelo, M.T. (2000 b) para el Mapa Digitalizado, elaboración propia el mapa de SURFER

5.2. Descripción somera de la variabilidad decadal de la precipitación A continuación se presenta un análisis somero de la variación espacial de la variabilidad de la lluvia a nivel decadal (10 años en la acepción de la OMM, es decir 1951-1960, 1961-1970, etc.) La variabilidad se expresó como la diferencia porcentual entre el valor promedio de la década y el valor promedio del período total de registro (1950-1998 al norte del Orinoco, 1969-1998 al sur del Orinoco, como: DP (%) = ( (promedio decadal – promedio total) / promedio total ) * 100 En general, se nota una alternancia al nivel decadal como sigue: Decada Carácter general

1951-60 Normal

1961-70 Lluviosa

1971-80 Seca

1981-90 Lluviosa

1991-1998** Seca

En las Figuras 10 a 14 se muestra, para cada mes, la diferencia porcentual de las 5 décadas analizadas.

30


Figura 10. Diferencias Porcentuales de los promedios Decadales de lluvia mensual – 1951-1960 Fuente de ambas Figuras: elaboración propia

Figura 11. Diferencias Porcentuales de los promedios Decadales de lluvia mensual – 1961-1970

31


Figura 12. Diferencias Porcentuales de los promedios Decadales de lluvia mensual – 1971-1980 Fuente de ambas Figuras: elaboración propia

Figura 13. Diferencias Porcentuales de los promedios Decadales de lluvia mensual – 1981-1990***

32


Figura 14. Diferencias Porcentuales de los promedios Decadales de lluvia mensual – 1991-1998** Elaboración propia

En general, las Décadas secas (1971-1980 y 1991-1998**) presentaron Diferencias Porcentuales negativas en alguno(s) de los meses de la temporada lluviosa, al menos en alguna zona del país, mientras que en las Décadas lluviosas (1961-1970 y 1981-1990) los meses de la temporada lluviosa tienden a ser normales (DP en el rango +20% a –20%) o más bien húmedos en alguna zona del país; este es un resultado esperable ya que la distribución espacial de la Mediana de la precipitación señala que en los meses de la temporada seca al Norte del Orinoco, se reciben menos de 50 mm, lo cual no debería establecer una diferencia significativa. Sin embargo, aunque en temporada seca se recibe muy poco agua y no se esperaría en principio que un poco más o menos influencie grandemente a la disponibilidad hídrica, en la vida real sucede lo contrario; el hecho de sufrir temporadas secas más secas de lo normal tiene enorme impacto en los embalses, que se extiende varios meses, ya que generalmente bajo esas circunstancias se necesita más agua para riego y para consumo humano; basta con que la siguiente temporada lluviosa sea sólo normal, y ya será difícil recuperar el nivel del embalse; si es ligeramente seca, el efecto puede ser grave, porque se mantendrá un descenso del nivel que puede alcanzar la cota crítica. Otro punto que resalta del análisis, es que las Diferencias Porcentuales mas extremas tanto en valor como en extensión espacial, tienden a ocurrir justamente en temporada seca, que coincide con el invierno astronómico; esto es esperable ya que es durante el invierno astronómico cuando se presentan los mayores gradientes de energía, temperatura y viento dentro del Sistema Climático, y en consecuencia las mayores variaciones de las Variables Macroclimáticas.

33


5.3. Análisis Estadísticos 5.3.1.Análisis de las Variables Macroclimáticas Como se expuso en Materiales y Métodos, la idea básica es determinar la factibilidad de eliminar alguna de las trece (13) Variables Macroclimáticas (VM) originalmente seleccionadas; dichas VM se agrupan como sigue: • • √ √ √ •

5 VM del subsistema oceánico (temperaturas del Atlántico Tropical norte (ATNOR), Atlántico Tropical sur (ATSUR), Atlántico Tropical (ATTROP), Pacífico en el área Niño3 (NI3) y Pacífico en el área Niño 3–4 (NI34); 6 VM del subsistema atmosférico, diferenciadas en: 4 VM del campo de vientos (Oscilación Quasi–Bianual a 30 mb (QBO30), Oscilación Quasi– Bianual a 50 mb (QBO50), Índice Zonal a 200 mb (ZON200) e Índice del Alisio a 850 mb (ALIS850); 1 VM del campo de presiones (Índice de Oscilación del Sur (SOI)); 1 VM del proceso convectivo (Radiación Saliente de Onda Larga (OLR)); 2 VM de la influencia externa al Sistema Climático (Número de manchas solares (WOLF) y Media Móvil del Número de manchas solares (WOLFMM)).

El Índice de Oscilación Sur (SOI) y la Radiación Saliente de Onda Larga (OLR), se conservaron ambas ya que son las únicas VM de su clase; en el caso de las dos áreas del Pacífico ecuatorial Niño3 y Niño3–4 (NI3 y NI34) que están muy relacionadas se decidió conservarlas a ambas, ya que en la literatura se señala que en algunos lugares del mundo se encuentran mejores relaciones estadísticas con NI3 y en otros con NI34. Para definir si las VM estaban correlacionadas significativamente, se tomó como criterio el valor de probabilidad asociada al valor de r, considerándose que si dicha probabilidad era menor de 0.1 (es decir, 10%), las correlaciones eran significativas. Con base a los coeficientes de correlación entre las variables se eligieron las que se muestran en la Tabla 3. En la Figura 15 se muestran las áreas para las cuales se calculan las VM oceánicas según los datos satelitales. Tabla 3. Variables Macroclimáticas seleccionadas Tipo de VM Temperatura del Océano Campos de Viento Campo de Presión Balance Energético

VM Atlántico Tropical Norte Atlántico Tropical Sur Pacífico Ecuatorial (Niño3) Pacífico Ecuatorial (Niño3–4) Oscilación Quasi–Bianual a 50 mb Indice Zonal a 200 mb Indice Oscilación Sur Radiación Saliente de Onda Larga Número de Manchas Solares

Acrónimo ATNOR ATSUR NI3 NI34 QBO50 ZON200 SOI OLR WOLF

Ubicación 5º-20º N – 30º-60º W 0º-20º S – 10º E-30º W 5º N-5º S – 90º-150º W 5º N-5º S – 120º-170º W A todo lo largo de la línea ecuatorial 5º N-5º S – 110º-165º W Darwin (Australia) y Tahíti 160º E-180º – 180º-160º W sobre el ecuador –

Para las VM oceánicas es muy fácil comprender el sentido físico de las anomalías, ya que los datos originalmente medidos son temperaturas: anomalías negativas señalan océanos más fríos que lo normal y anomalías positivas indican océanos más calientes que lo normal; así mismo, en el caso del Número de manchas solares (WOLF), por tratarse de valores originales, es fácil la comprensión: por ejemplo, un Número de Wolf 40 indica menor actividad solar que el 200.

34


Figura 15. Áreas para las que se definen las Variables Macroclimáticas Oceánicas.

El caso de las VM atmosféricas no es tan evidente, por lo cual es conveniente señalar que representan físicamente sus anomalías en el Sistema Climático, para tener una mejor comprensión de todo el análisis que hace en esta sección: •

•

•

Campos de viento de la Baja Estratósfera (QBO50) y de la Alta Tropósfera (ZON200): como se explicó en el Capítulo 1, el viento sopla predominantemente del oeste en casi toda la Tropósfera, por lo que anomalías positivas señalan vientos fuertes del oeste (W) y anomalías negativas vientos fuertes del este (E); las anomalías cercanas a cero indican vientos débiles, sin importar su dirección. Campo de Presiones (SOI): el Índice de Oscilación sur se calcula como la diferencia de presiones entre Tahiti y Darwin (Australia); la situación “normal” en el verano astronómico del hemisferio sur (diciembre), es de baja presión sobre Australia y alta presión en el Pacífico central, con un SOI positivo, por lo que anomalías positivas señalan alta presión en el Pacífico central, mientras que las anomalías negativas indican baja presión en el Pacífico central. Dada la estrecha interrelación entre las temperaturas del Pacífico y el SOI, a un Pacífico caliente (Niño) le corresponden valores negativos del SOI, ya que durante estos eventos se invierte la posición normal de las altas y bajas presiones. Intensidad de la Convección (OLR): las anomalías negativas implican convección profunda, ya que las nubes y el vapor de agua absorben la onda larga: cuantas más nubes menos Radiación Saliente de Onda Larga capta el satélite; anomalías positivas indican cielos despejados, es decir un proceso de convección muy débil. Recuérdese que esta VM se mide sobre la “pequeña” zona del Pacífico central que abarca 40º de longitud alrededor de la Línea Horaria (entre 160ºE–180º y 160ºW–180º), en la que, bajo condiciones tipo Niño (Pacífico caliente), se establece una baja presión asociada a lluvias convectivas, por lo cual a tales condiciones le corresponden valores negativos de la OLR.

Se calcularon las correlaciones lineales y cruzadas para 24 lags, entre todas las VM originalmente seleccionadas; a continuación se analizan sólo los rasgos más importantes para el grupo definitivo de VM. En la Tabla 4 se presentan los valores más significativos, así como cuál serie lidera, y para cuál lag. Un lag positivo indica que la serie 1 lidera a la serie 2 (Statistical Graphic Corporation Inc., 1988), y así por ejemplo, si serie 1 es SOI y serie 2 es NI34, con r = –0.73 en lag 1, significa que al que aumentar el Índice del campo de presiones, las temperaturas del Pacífico disminuyen el mes 35


siguiente. Por el contrario, un lag negativo indica que la serie 2 lidera a la serie 1; por ejemplo, si serie 1 es ATNOR y serie 2 es NI3, con r = 0.44 en lag –5, significa que las temperaturas del Atlántico están asociadas, en forma creciente, a las temperaturas que tenía el Pacífico 5 meses antes. Tabla 4. Resumen de las principales Correlaciones Cruzadas entre Variables Macroclimáticas y lags para los que ocurren. Significativas α =10%; α =5% *; α =1% ** Serie 1 ATNOR ATSUR NI3 QBO50

ZON200

SOI

OLR

WOLF

Serie 2 NI3 NI34 NI3 NI3 NI34 NI34 ZON200 ZON200 OLR OLR NI34 NI34 OLR SOI ATNOR ATSUR NI3 NI34 ATNOR NI3 NI34 SOI ATNOR ATSUR NI3 NI34 ATSUR

Coef. Correlación (r) + 0,44 ** + 0,45 ** – 0,21 + 0,16 – 0,22 + 0,94 ** + 0,18 + 0,22 + 0,24 – 0,36 + 0,19 – 0,20 + 0,47 * + 0,43 * – 0,23 + 0,28 – 0,51 * – 0,51 * – 0,31 – 0,68 ** – 0,73 ** + 0,49 * – 0,25 + 0,25 – 0,51 * – 0,57 ** – 0,18

lag –5 –5 8 –4 8 0 11 – 20 6 18 19 – 24 –3 –1 3 –8 –1 –2 5 0 1 0 6 –4 1 1 De 5 a 11

Líder NI3 NI34 ATSUR NI3 ATSUR QBO50 ZON200 QBO50 QBO50 QBO50 NI34 OLR SOI ZON200 ATSUR NI3 NI34 SOI SOI OLR ATSUR OLR OLR WOLF

ATNOR= Atlántico Tropical norte; ATSUR= Atlántico Tropical sur; NI3= Pacífico área Niño3; NI34= Pacífico área Niño3–4; QBO50= viento a 50 mb; ZON200= viento a 200 mb; SOI=anomalías de presión; OLR= Radiación Saliente de Onda Larga; WOLF=Número de manchas solares. Elaboración propia

En general, las anomalías de temperaturas del Pacífico (NI3 y NI34) muestran correlación muy significativa (α=1% y 5%) con la mayoría de las otras VM, como sigue: • • • •

la VM oceánica ATNOR muestra que el Atlántico Tropical norte se calienta siguiendo el calentamiento originado en el Pacífico 5 meses antes; la VM atmosférica ZON200 muestra que el viento en la alta Tropósfera tiende a mostrar altas velocidades del E siguiendo al calentamiento originado en el Pacífico uno ó dos meses antes; la VM atmosférica SOI muestra que el Pacífico se calienta el mismo mes, o el mes siguiente, al mes en que se inició el movimiento de la Baja Presión desde Australia hacia el Pacífico central; la VM atmosférica OLR muestra que el Pacífico se calienta el mes siguiente al mes en que se inició el aumento de la convección en el Pacífico central.

A su vez la VM ATNOR muestra el mismo comportamiento que NI3 y NI34 respecto de las VM atmosféricas ZON200, SOI y OLR, sólo que con menores coeficientes de correlación; hay sin embargo una diferencia importante: en el caso del ZON200, no es el viento el que cambia siguiendo al calentamiento del océano, sino el océano el que responde al cambio en el viento. 36


El comportamiento de ATSUR es complejo. Como ATNOR, el Atlántico Tropical sur se calienta siguiendo el calentamiento originado en el Pacífico 4 meses antes, pero si ATSUR está caliente, 8 meses después el Pacífico se enfriará. Con relación al ZON200, muestra un comportamiento inverso en signo al de los otros océanos, es decir, que el viento en la alta Tropósfera tiende a mostrar altas velocidades del W siguiendo al calentamiento originado en el Atlántico sur ocho meses antes. Con relación a la OLR también tiene un comportamiento inverso, tanto en signo como en cuál variable lidera la respuesta: si el Atlántico sur está caliente, la OLR será débil (tipo Niña) 4 meses después. Algunas de las VM atmosféricas también muestran correlaciones muy significativas (α =5%) entre ellas: •

•

la VM ZON200 muestra que el viento en la alta Tropósfera tiende a tener altas velocidades del E siguiendo el aumento de la convección (OLR negativa) iniciado tres meses, así como al movimiento de la Baja Presión desde Australia hacia el Pacífico central (SOI negativo) iniciado un mes antes; las VM SOI y OLR tienen correlación creciente en el mismo mes.

La VM QBO50 muestra un comportamiento complejo; con respecto al ZON200, presenta correlación positiva, es decir que la dirección de los vientos fuertes en la baja Estratósfera y en la alta Tropósfera tiende a coincidir, pero parecen existir dos ondas, una de abajo (200 mb) hacia arriba (50 mb), que sería la respuesta de la Estratósfera a las condiciones de la Tropósfera 20 meses antes, y una onda de arriba (50 mb) hacia abajo (200 mb), que sería la respuesta de la Tropósfera, 11 meses después, a las condiciones de la Estratósfera. Con respecto a la OLR, la situación también es compleja: la OLR siempre responde al viento en la Estratósfera, pero de modo inverso, dependiendo del lag: si el viento en altura es del E (QBO50 negativa), 6 meses más tarde las condiciones de OLR serán tipo Niño (negativas), pero 18 meses más tarde serían tipo Niña (positivas). En resumen, las correlaciones más resaltantes pueden resumirse en el siguiente esquema: NI3, NI34 y ATNOR calientes Æ SOI y OLR tipo “Niño” (negativos) Æ ZON200 E (negativo) ATSUR caliente Æ OLR tipo “Niña” (positiva) Æ ZON200 W (positivo) NI3, NI34 y ATNOR fríos Æ SOI y OLR tipo “Niña” (positivos) Æ ZON200 W (positivo) ATSUR frío Æ OLR tipo “Niño” (negativa) Æ ZON200 E (negativo) En este punto simplemente se presentan los resultados de un procesamiento estadístico, pero no se ofrecen intentos para explicar la relación temporal entre las VM, ya que buena parte del comportamiento dinámico que podría aclararlo aún se desconoce; por ejemplo, se sabe con certeza que el comportamiento de las temperaturas del Pacífico lidera en cierta proporción al de las del Atlántico, y que el tiempo de respuesta del último es de unos 4 meses (Enfield y Mayer, 1997), lo que coincide con estos resultados, pero aún no está claro si el Atlántico influye al Pacífico. Aunque todavía no se comprende completamente el complejo juego de interrelaciones entre las VM, desde el punto de vista práctico del pronóstico estacional es conveniente tenerlo en mente; si por ejemplo se encuentra una VM “x” que aumenta la precipitación, pero esa VM está liderada por otra VM “y” que también aumenta a la precipitación, el efecto total podría multiplicarse, pensándose erróneamente que la VM “x” ejerce un efecto mucho mayor que el que efectivamente tiene. Para caracterizar el comportamiento estacional de las VM y su variabilidad, en las Figuras 16 a 18 se presenta el transcurso anual de las medianas y los terciles.

37


Figura 16. Percentiles P33%, P50% y P66% de las Anomalías de las VM oceánicas a través del año. Elaboración propia

Puede observarse que de las VM oceánicas (ver Figura 16), las anomalías de temperatura en el Pacífico (NI3, NI34) son mayores que en el Atlántico (ATNOR, ATSUR). Las VM atmosféricas (ver Figura 17) de los Campos de viento (QBO50, ZON200), Intensidad de la convección (OLR) y Campo de presiones (SOI) son más variables que las VM oceánicas. La VM relativa a la actividad de las manchas solares (WOLF), como ya se dijo, se trabajó con los valores originales, no con las anomalías, por lo cual no es directamente comparable con las otras; sin embargo, se observa que tiene un transcurso anual relativamente “suave”.

38


Figura 17. Percentiles P33%, P50% y P66% de las Anomalías de las VM de los campos de viento, campos de presiones e intensidad de la convección a través del año. Elaboración propia

Figura 18. Percentiles P33%, P50% y P66% de las Anomalías de las VM manchas solares en el año. Elaboración propia

Las VM presentan variación estacional ya que todo el sistema funciona debido a la variación estacional de la energía que se recibe del sol, por lo que es práctica común en la literatura relacionar el comportamiento de las VM con las estaciones astronómicas primavera (mar–abr– may), verano (jun–jul–ago), otoño (sep–oct–nov) e invierno (dic–ene–feb). 39


NI3, NI34 y el SOI son en general más variables en otoño e invierno, y ATNOR entre mediados de primavera y mediados de verano; ATSUR presenta un comportamiento tal de los terciles que no se detectan meses más marcadamente estables o variables que otros. La OLR es también más variable en invierno y a principios de primavera, y de nuevo en el mes de agosto, mientras que la QBO50 es más variable en verano y principios del otoño. Al observar la diferencia entre la mediana y los terciles, se concluye que hay meses en los que el comportamiento de algunas de las VM es más inestable, por ejemplo, de julio a septiembre para el viento en la baja Estratósfera (QBO50) y de noviembre a enero para la temperatura en el Pacífico (NI3 y NI34); esto es de interés práctico para el pronóstico estacional, ya que en los meses intrínsecamente más variables el pronóstico podría verse afectado. Para tratar de relacionar la variabilidad a nivel decadal de la precipitación con el comportamiento temporal de las VM, se prepararon gráficos (Figuras 19 a 22) que muestran los valores de las anomalías de las VM para cada mes de cada año; en la Figura 23 aparece la misma información, pero para los valores originales de WOLF. Al analizar la VM anomalías de las temperaturas oceánicas en el Atlántico (Figura 19), puede observarse que en ATNOR predominaron anomalías ligeramente positivas durante las décadas normal (1951–1960) y húmeda (1961–1970), así como en la década húmeda 1981–1990, aunque ésta fue más variable, con las excepciones de mar–abr–may de los años 1985 y 1989, cuando estuvo frío; es de hacer notar que abril 89 fue un evento seco generalizado en el país. Durante las décadas secas de 1971–1980 y 1991–1998** ATNOR estuvo mas bien frío, especialmente a mediados de los años 70; la excepción ocurrió entre finales de 1997 y todo 1998, lo cual evidentemente refleja el efecto sobre el Atlántico del potente evento Niño 1997–1998. Para ATSUR, los rasgos más evidentes que se observan son un predominio de anomalías negativas durante 1951–1960, y un predominio de anomalías positivas en la década lluviosa 1981–1990, así como en la década seca 1991–1998**, excepto el año frío 1992. Para la VM Anomalías de las temperaturas oceánicas en el Pacífico (Figura 20), tanto en NI3 como en NI34 es muy evidente el comportamiento cíclico frío–caliente, y se observan claramente los eventos ENSO cálidos (“Niño”) del 57–58, 65–66, 72–73, 82–83, 86–87, 91–92 y 97–98, así como los eventos ENSO fríos (“Niña”) del 55–56, 71–72, 73–76 y 88–89; dado que en el Pacífico las anomalías de temperatura son mucho mayores que en el Atlántico, valores entre –1 y 1 se consideran normales (Hastenrath, 1986), y se observa su predominio en las décadas normal 1951– 1960 y lluviosa 1961–1970. Es interesante observar que la literatura (Hastenrath, 1986; Enfield y Mayer, 1997; WMO, 1999), reporta que el Niño tiende a producir sequías en el norte de Sudamérica; ahora bien, en las décadas 1981–1990 (lluviosa) y 1991–1998** (seca) se produjeron dos eventos ENOS cálidos (Niño) en cada una, y en ambos casos, uno de ellos fue un Niño excepcional (los dos eventos Niño reportados como los más fuertes del siglo, el 82–83 y el 97–98), lo que implica que la afirmación reportada por la literatura es una generalización gruesa. También es interesante observar que la década seca 1971–1980 concentra prácticamente seis años seguidos con tendencias frías (tipo Niña), sólo interrumpidos por el Niño débil del año 72, y es la década en la cual la sequía estuvo determinada por temporadas lluviosas muy pobres. Otro rasgo interesante que se nota en la VM anomalías de las temperaturas oceánicas, más evidentemente en el Pacífico que en el Atlántico, es la “aceleración” de los ciclos, es decir, un incremento de la variabilidad. Para las variables cíclicas, el aumento de la variabilidad puede darse en dos aspectos, la magnitud de la variable o su alternabilidad, es decir, en la longitud del ciclo; por ejemplo, en el caso del evento ENOS, cuyo ciclo la literatura reporta como de 2 a 7 años, pueden observarse eventos más extremos que otros en términos de magnitud (por ejemplo el 97–98), y también eventos más cercanos entre sí, por ejemplo entre los Niños 65–66 y 72–73 pasaron 6 años, pero entre los Niños 82–83 y 86–87 pasaron sólo 3 años. El evento Niño extremo del 82–83 40


parece haber marcado un hito a este respecto; los eventos Niño anteriores tuvieron períodos de recurrencia en el orden de los 6–7 años, mientras que los posteriores se repitieron en lapsos de unos 4 años. Este hecho lo reporta la literatura más reciente, y se incluye como uno de los “hallazgos robustos” del Panel Intergubernamental para el Cambio Climático (IPCC, 2001), especialmente en el caso de la fase cálida del ENOS, es decir, se espera que durante este siglo se presenten más a menudo condiciones tipo Niño en el Pacífico. Para QBO50 y ZON200 (Figura 21) el análisis está restringido a un menor número de años, ya que sólo se miden desde 1979; en el caso de la QBO50 se observa claramente el ciclo aproximado de 26 meses que le da nombre (Oscilación Quasi–Bianual). En la década lluviosa 1981–1990 se observa que, en general, el ciclo tendió a ser más largo, mientras que en la década seca 1991– 1998** fue menor, de unos 24 meses. Esta aceleración en la "alternabilidad” podría estar relacionada con el que se observa para las temperaturas del Pacífico, pero dado lo corto del período de registro satelital, es difícil asegurarlo. Para el ZON200 lo más resaltante es que las dos mayores áreas de anomalías negativas (vientos del E) coincidieron con los eventos Niño extremos para todo el siglo, el 82–83 y el 97–98; la mayor anomalía positiva (vientos del W), por el contrario, coincidió con el fuerte evento Niña 88–89. Estos resultados confirman el esquema general presentado anteriormente: NI3 y NI34 + (calientes) Æ ZON200 – (viento del E); NI3 y NI34 – (fríos) Æ ZON200 + (viento del W). El Campo de presiones (SOI), que se muestra en la Figura 22, presenta un comportamiento muy variable, pero se observan las coincidencias entre los valores negativos del SOI con los eventos Niño y los valores positivos con los eventos Niña; en esta VM es también evidente en las últimas décadas del siglo XX el aumento tanto de los valores extremos de las anomalías como de su alternabilidad, y dada la relación entre el SOI y el ENOS, se observa claramente la intensificación de valores negativos del SOI, correspondientes a los valores positivos de NI3 y NI34. En cuanto a la Intensidad de la Convección (OLR), que se mide desde 1974 y se muestra en la misma Figura, se observa que, en general, las épocas de máxima convección (OLR negativa) en el Pacífico Central coinciden con años Niño (82, 86–87, 91–92 y 97). De los eventos de mínima convección, sólo coinciden con eventos Niña el del año 75 y el de 88–89, pero OLR fue también débil en los meses de invierno (entre noviembre y febrero) de los años 84, 85, 95, 96 y 98, que corresponden a situaciones normales en el Pacífico.

41


Figura 19. Distribución Temporal de las VM oceánicas en el Atlántico (ATNOR, ATSUR). Elaboración propia

42


Figura 20. Distribución Temporal de las VM oceánicas en el Pacífico (NI3, NI34). Elaboración propia 43


Figura 21. Distribución Temporal de las VM campos de viento en la alta Tropósfera (ZON200) y baja Estatósfera (QBO50). Elaboración propia 44


Figura 22. Distribución Temporal de las VM campos de presión (SOI) e Intensidad de la Convección (OLR). Elaboración propia 45


Figura 23. Distribución Temporal de las VM manchas solares (WOLF) - Fuente: elaboración propia

46


En el caso de la actividad solar (WOLF) que se muestra en la Figura 23 (nótese que no se trata de anomalías), se observa claramente el ciclo de aproximadamente once años de las manchas solares, con sus respectivas fases de baja y elevada actividad. En este caso, al tratar con los valores originales, a mayor número de manchas solares hay mayor actividad solar; dicha actividad se manifiesta muy claramente en aspectos no climáticos, como el aumento en la cantidad e intensidad de las auroras boreales, así como en su influencia sobre los sistemas de radio y satélites (interrupción de las comunicaciones por “tormentas solares”). Los dos rasgos más evidentes se relacionan ambos con las fases de elevada actividad: la de mediados a finales de los años 50 fue muy fuerte, mientras que la de finales de los años 60 y principios de los 70 fue muy débil. Es conocido que varias de las VM presentan ciclos en el orden de los dos años; entre ellas están la QBO50 y el evento ENOS, que no se analizó como tal en este trabajo, pero sí a las dos VM que, combinadas, lo manifiestan (la temperatura del Pacífico y el SOI). En vista de dicho conocimiento, se decidió analizar el comportamiento de algunas VM luego de eliminar esta influencia cíclica, para lo cual se calcularon las medias móviles de 24 meses. En las Figuras 24 y 25 se muestran los resultados para una selección de las principales VM. En la Figura 24 se observa el comportamiento “suavizado” de la VM anomalías de las temperaturas oceánicas para el Atlántico Tropical norte, el Atlántico Tropical sur y el Pacífico Ecuatorial en el área Niño 3–4. Puede verse que ATNOR y NI34 estuvieron en fase aproximadamente hasta finales de los años 70, luego ATNOR comenzó a “retardar” respecto a NI34, y para la década 91–98** estaban desfasados; durante el Niño extremo 97–98 ambos océanos volvieron a estar en fase.

Figura 24. Media Móvil de 24 meses de las Anomalías de la Variable Macroclimática temperaturas oceánicas en el Atlántico Tropical norte (ATNOR), Atlántico Tropical sur (ATSUR) y Pacífico Ecuatorial área Niño 3–4 (NI34). Elaboración propia

Las medias móviles de las anomalías de los Campos de viento y de la Intensidad de Convección en la Figura 25, muestran una excelente concordancia entre ZON200 y OLR, es decir, entre la convección profunda y el viento en la Tropopausa, que se mantuvieron siempre en fase.

47


Ambas VM estuvieron también en fase con QBO50 (el viento en la baja Estratósfera) hasta el 81. Los años del Niño extremo 82–83 correspondieron a una oscilación fuerte de la QBO50, con el 82 opuesto (OLR creciente, ZON200 y QBO50 decrecientes) y la primera mitad del 83 en fase (las 3 VM crecientes); la QBO50 volvió a desfasarse hasta mediados del 86, incluyendo una total oposición en 84–85; las tres VM volvieron a estar en fase hasta mediados del 89, luego opuestos durante 90–91 y desde entonces han estado, grosso modo, en fase.

Figura 25. Media Móvil de 24 meses de las Anomalías de las Variables Macroclimáticas Campos de viento (QBO50, ZON200) e Intensidad de la Convección (OLR). Elaboración propia

Como se puede observar, es difícil analizar el efecto de las VM sobre la precipitación, puesto que hay que considerar no sólo la influencia de cada variable por separado, sino también las relaciones entre ellas. El problema se complica por el hecho de que muchas de las variables son cíclicas, con períodos diferentes y que cambian a lo largo de los años, bien sea en sus valores o en la "alternabilidad”, por lo que hay que considerar no sólo el valor de la variable sino también si está en fase u opuesta a otra variable, y si está presentándose en ciclos más cortos o largos que lo normal, entre otras cosas. 5.3.2.Análisis de la Relación Espacial entre la Precipitación y las VM Con las descripciones previas se ha demostrado que el comportamiento de la lluvia en el país y el de las VM están relacionados, especialmente al nivel de la variabilidad decadal. Se observó que las décadas normal (51–60) y lluviosa (61–70) presentaron preponderantemente anomalías positivas de ATNOR, anomalías neutras en el Pacífico (NI3 y NI34), y en las manchas solares se tuvo las dos fases de máxima actividad con valores más extremos (el máximo maximorum y el máximo minimorum). ATSUR sólo presento una señal clara en la década normal 51–60, de anomalías preponderantemente negativas. Por el contrario, en la década seca 71–80 predominaron anomalías negativas de ATNOR, NI3 y NI34, especialmente entre mediados de 1973 y comienzos de 1976, coincidentes con la sequía de los años 74 y 75 en el país. Las décadas 1981–1990 y 1991-1998** fueron en Venezuela lluviosa la primera y seca la segunda, pero con una mayor variabilidad espacial que las tres décadas anteriores. En la década lluviosa 48


81–90 la señal de ATNOR no fue clara, pero en la seca 91–98** si, predominando anomalías negativas. En ninguna de las dos décadas fue clara la señal del Pacífico, excepto por el hecho de que éste también aumentó su variabilidad. En ambas décadas, la lluviosa y la seca, ATSUR presentó preponderantemente anomalías positivas. Para conocer con más detalle el aspecto de la distribución espacial de la relación, se calcularon las correlaciones lineales entre las anomalías de precipitación de cada estación y las anomalías de las VM para el lag cero, usando las series de tiempo (es decir todos los meses). Las correlaciones calculadas con los archivos del tipo “Serie de tiempo” fueron realizadas con diferentes longitudes de registro, pero en todos los casos se tiene una serie suficientemente larga (más de 200 pares de observaciones), como para que los resultados sean significativos. En la Tabla 5 se resumen los coeficientes de correlación (r) significativos para los niveles de 5% y 10% de probabilidad, calculados en el primer caso según el estadístico F de Fischer (Mead y Curnow, 1983), y en el segundo caso con el estadístico t de Student (Bonnier y Tedin, 1966). Tabla 5. Valores del Coeficiente de Correlación (r) significativos al 5% y al 10% de probabilidad para tres números de pares de observaciones de las series Pares de observaciones en las Series 500

Probabilidad 5%

Probabilidad 10%

Variables Macroclimáticas

Longitud de registro de Precipitación

0,088

0,074

300

0,113

0,095

300 200

0,113 0,139

0,095 0,117

ATNOR, ATSUR, NI3, NI34, SOI y WOLF ATNOR, ATSUR, NI3, NI34, SOI y WOLF OLR QBO50 y ZON200

49 años (norte del Orinoco) 30 años (sur del Orinoco) 25 años 20 años

La Tabla 5 indica que, para tener el mismo nivel de significancia que las estaciones al norte del Orinoco, aquellas al sur del Orinoco deben presentar mayores valores de r, dado su menor período de registro. El mismo criterio se aplica para las VM de menor registro, por lo que para un mismo mapa de correlaciones, por ejemplo SOI, un área continua desde el norte al sur del país con r = 0,09 será significativa al 5% al norte, pero no será significativa, ni siquiera al 10%, al sur. En general, los valores de r > 0,117 son significativos al 10% de probabilidad, tanto al norte como al sur, para todas la VM analizadas. Los valores de los coeficientes de correlación en cada estación, para cada VM, fueron espacializados con el SURFER, con lo que se obtuvieron los mapas de correlación espacial que se muestran en las Figuras 26 a 28: precipitación vs VM oceánicas, precipitación vs VM atmosféricas y precipitación vs VM manchas solares, respectivamente. En las tres Figuras aparecen como punteadas las áreas de correlaciones no significativas para la probabilidad de 10%; nótese que la escala de la Figura 26, correspondiente a las correlaciones con las VM oceánicas, es distinta a las escalas correspondientes a los Campos de Viento e Intensidad de la Convección en la Figuras 27, pero similar a la escala del Campo de Presiones en la misma Figura 27, y a la de las manchas solares, en la Figura 28, debido justamente a las diferencias en las longitudes de los registros y en consecuencia, en el número de pares de observaciones en cada serie. En general, para todas las VM analizadas se detectan áreas con correlaciones no significativas, y el resto presenta coeficientes de correlación significativos, pero que no superan el valor de 0,3. Esto indica que, cuando en el futuro se vayan a definir ecuaciones predictoras de la precipitación, necesariamente debe tratarse de correlaciones múltiples, ya que es muy bajo el porcentaje de varianza explicado por los coeficientes de regresión simples. 49


Casi todas las VM analizadas (excepto ATNOR) presentan, en las áreas donde hay correlación significativa, un claro predominio de signo, por ejemplo, SOI presenta correlaciones significativas siempre positivas, y NI3 siempre negativas. En las zonas donde la correlación es no significativa, se puede presentar un cambio de signo de la correlación. Se comenzará analizando las correlaciones con las VM oceánicas, para las cuales, los coeficientes de correlación significativos son: r > 0,074 para el norte del Orinoco y r > 0,095 para el sur. En el caso de ATNOR, hay correlaciones significativas positivas (océano caliente significa más lluvia) en las estaciones de la parte sur de los Llanos occidentales y centrales, todos los Llanos orientales y Cuenca de Unare. Al norte del país se observan r significativos al norte de Zulia, el occidente de la Depresión Lara-Falcón, la zona costera de Aragua-Carabobo, la costa oriental de Anzoátegui y parte del Macizo del Turimiquire. Hacia el sur del país, las correlaciones significativas (r > 0.095) se concentran en el norte de Amazonas y sur de Bolívar. Hacia la fachada este del país las correlaciones se hacen positivas no significativas, cambian a negativas no significativas, y en el Delta se hacen negativas significativas. La temperatura del Pacífico presenta en NI3 y NI34, al igual que ATSUR, correlaciones negativas con la precipitación (océano caliente tiende a producir menos lluvia). Estas VM presentan una influencia espacial muy similar, alcanzando valores máximos de r entre –0,20 y –0,30 al sur de Amazonas, la Gran Sabana, la zona NE de Bolívar, y en el caso de NI34, también en el extremo más oriental del Delta. El área total donde la influencia es significativa ocupa prácticamente todo Amazonas, Bolívar, el Delta, y los Llanos orientales hasta el Turimiquire. Es muy interesante observar que en Bolívar, sobre la cuenca media del Caroní, la correlación se hace menor a –0,074 (no significativa), lo cual implica que incluso en un área “pequeña” (la cuenca del Caroní tiene 95.000 km2 de superficie) una VM puede producir el mismo tipo de efecto, pero con diferente intensidad. Hacia el norte del país se distingue una zona de correlaciones significativas que afecta la parte NW de Cuenca del Unare y llega a Barlovento. Hacia el occidente del país, el área con correlaciones máximas (r entre –0,2 y –0,3) ocupa desde el sur del Lago de Maracaibo hasta Táchira, y parte del Piedemonte Andino vertiente del Lago, pero el área total de influencia significativa es mayor, incluyendo hasta el centro de Zulia, los Andes, el Piedemonte Andino vertiente llanera, la Depresión Lara-Falcón, y la parte NW de Aragua-Carabobo. En la Figura 27 aparece la distribución espacial de los coeficientes de correlación entre la precipitación y las VM Campos de Viento (QBO50, ZON200), Campo de Presión (SOI) e Intensidad de la Convección (OLR). El campo de presiones del Pacífico, medido a través del SOI, está muy relacionado con las temperaturas de dicho océano (como se vio en la Tabla 4, la correlación entre estas dos VM es del orden de –0,7); anteriormente se explicó que, cuando el Pacífico ecuatorial está caliente, el SOI es negativo, y cuando está frío el SOI es positivo; esto explica porqué el área con correlaciones significativas entre el SOI y la precipitación, es muy similar a las de NI3 y NI34, pero con signo positivo; las zonas con los máximos valores (r entre 0,20 y 0,30) son las mismas que para NI3 y NI34. El SOI también refleja la zona de la cuenca media del Caroní donde las correlaciones se hacen no significativas, lo que refuerza la idea de que allí ocurre un efecto local; la estación en cuestión es Urimán (Serial 6931), que se encuentra a baja altura (345 msnm) en una zona del valle del Caroní encajonado entre montañas. La distribución espacial de las correlaciones entre la precipitación y la OLR muestra un patrón de influencia más reducido que los anteriores, y también con valores positivos, es decir, que a mayor convección en el Pacífico central aumenta la precipitación. En este caso, el valor de r significativo, tanto al norte como al sur del Orinoco, es r > 0,095; dichos valores sólo en encuentran en el occidente del país, con una distribución muy similar a la del SOI, el sur de Amazonas, la parte oriental de Bolívar y el sur del Delta. Esta VM, como SOI, NI3 y NI34 presenta sus máximos valores (r > 0,25) en el extremo sur de Amazonas y al sur del Lago de Maracaibo. 50


Figura 26. Distribución Espacial de los Coeficientes de Correlación entre las Anomalías de Precipitación y las Anomalías de la VM Temperatura oceánica para el Atlántico Tropical Norte (ATNOR), Atlántico Tropical Sur (ATSUR), y Pacífico Ecuatorial en las áreas Niño3 (NI3) y Niño3.4 (NI34), para el lag 0. Elaboración propia

51


Figura 27. Distribución Espacial de los Coeficientes de Correlación entre las Anomalías de Precipitación y las Anomalías de las VM Campos de viento a 50 mb (QBO50) y a 200 mb (ZON200), Campos de Presión (SOI) e Intensidad de la Convección (OLR), para el lag 0. Elaboración propia

52


Figura 28. Distribución Espacial de los Coeficientes de Correlación entre las Anomalías de Precipitación y los valores originales del Número de Manchas Solares (WOLF), para el lag 0. Elaboración propia

53


Para los Campos de viento (QBO50 y ZON200), son muy reducidas las zonas del país con correlaciones significativas (de hecho, para QBO50 el SURFER no consideró ninguna, aunque en realidad hay unas 4 estaciones con correlaciones ligeramente superiores al r significativo, que para estas dos VM es r > 0,117). Para ZON200 las correlaciones significativas son positivas, es decir, que a mayores velocidades del viento del Oeste aumenta la precipitación, y la influencia se concentra en el extremo sur de Amazonas, parte NE de Bolívar y el Delta. En el norte del país, las zonas influenciadas son Cuenca de Unare, Barlovento, centro y SW de Zulia y Piedemonte Andino vertiente del Lago de Maracaibo. En cuanto a las correlaciones entre la precipitación y las manchas solares (WOLF), que se observan en la Figura 28, la única zona que aparece con correlaciones significativas positivas (más actividad solar implica más lluvia) es el norte de Amazonas y Bolívar. En general, son las fachadas oriental y occidental del país, así como el centro y sur de Amazonas, las regiones donde se concentra la influencia de la mayoría de las VM analizadas, mientras que hacia la zona norte–costera la influencia de las VM presenta mayores discontinuidades, lo cual puede ser debido a efectos topográficos locales, tal como fue claramente visible en el caso de la Cuenca media del Caroní en la estación Urimán. Para los Llanos centrales y occidentales, por el contrario, sólo dos VM (ATNOR y ATSUR) presentan una influencia significativa. Es interesante observar que una misma VM, por ejemplo NI3, afecta con el mismo signo a regiones del país con orígenes diferentes de la precipitación: independientemente de que se trate del sur del paralelo 4º N, donde siempre actúa la ZCIT, o del oeste del meridiano 70º W, donde el patrón de lluvia es bimodal, en esas zonas un Pacífico caliente tiende a producir menos lluvia. Esta consideración hace necesario tratar de definir si la influencia de la VM es uniforme a lo largo del año o, por el contrario, presenta variaciones estacionales. En efecto, para poder comprender por qué en lugares con diferentes regímenes de precipitación la influencia de la VM es similar, deberíamos ser capaces de definir sobre cuál(es) de los mecanismos que producen (o inhiben) la lluvia está actuando dicha VM, y el primer paso para ello es ver si la influencia se concentra en la época seca o en la época lluviosa. 5.3.3.Análisis de la Relación Temporal entre la Precipitación y las VM Una vez determinado, a través de las correlaciones con las Series de Tiempo, que las VM influencian a la lluvia en diferentes áreas de Venezuela, se analizó si a lo largo de todo el año las VM ejercen el mismo tipo de efecto, o lo cambian estacionalmente. Para ello se calcularon, considerando todas las estaciones, los coeficientes de correlación lineal por mes entre las anomalías de precipitación y las anomalías de las VM, para 5 diferentes lags (0, –1, –2, –3 y –4). Este análisis permite verificar la posibilidad de contar con indicadores para el pronóstico con un mes o más de anticipación. Por ejemplo, si la lluvia de enero se correlaciona con las VM de enero (lag 0), diciembre del año anterior (lag –1), etc. Para calcular las correlaciones se utilizaron los archivos de tipo “Todas”, que tienen 4165 pares de observaciones. Para simplificar el siguiente análisis se fijó arbitrariamente el valor de r > 0,1 como significativo, y son los únicos que se graficaron. En los meses en que no aparece ninguna barra, es que los valores del coeficiente de correlación fueron menores que 0,1. En las Figuras 29 a 31 se observan cambios estacionales tanto en el valor de la correlación como en su signo; también se observa que las diferentes VM ejercen mayor influencia en diversos momentos del año. Es de hacer notar que, si en un mes determinado, todos los lags presentan correlaciones del mismo signo, y especialmente con valores similares, estamos probablemente en presencia de una influencia real de la VM sobre la lluvia, y no de una correlación espúrea. En contraste, si para un mes se presenta correlación en un sólo lag, o en varios lags pero con valores de r muy disimiles o, finalmente, si cambia el signo de la correlación con el lag, es mucho más difícil aceptar que se trata 54


de una correlación que refleja una causalidad física. En el caso de las VM oceánicas, que como ya se dijo, manifiestan su efecto durante mayores períodos a causa de la enorme inercia del océano, los meses en los que se puede asegurar que la correlación refleja una causalidad física, tienden a ser consecutivos, como se observa en la Figura 29, donde ocurren “seguidillas” de meses con condiciones similares tanto de signo como del valor de r.

Figura 29. Coeficientes de Correlación por mes entre las Anomalías de Precipitación y las VM oceánicas (ATNOR, ATSUR, NI3, NI34) para 5 lags. Elaboración propia

En el caso de las VM atmosféricas (Campos de Viento, Campos de Presión, Intensidad de la Convección), la literatura reporta tiempos de respuesta en el orden del mes, por lo que no es necesariamente esperable que se presenten seguidillas de meses con condiciones similares de valor de r y signo de la correlación en todos los lags. Sin embargo, se pueden observar algunas en casi todas las VM analizadas. Es importante recalcar que las correlaciones que se analizan en este ítem son “espaciales”, en el sentido de que se está calculando la correlación para todas las estaciones entre la lluvia en un mes y la VM de ese mes y los 4 meses previos, mientras que en el ítem anterior, aunque se obtuvieron mapas de los Coeficientes de Correlación, se trataba de correlaciones “temporales”, ya que se calcularon para cada estación usando los datos de todos los meses. En otras palabras, el análisis del ítem anterior indica, por ejemplo, que NI3 está relacionado negativamente con la lluvia en la Gran Sabana, pero no señala en que meses se da realmente esta relación. En el análisis que sigue, se obtiene como resultado, por ejemplo, que NI3 se correlaciona negativamente con la lluvia entre agosto y marzo, pero se ignora en cuáles estaciones.

55


Figura 30. Coeficientes de Correlación por mes entre las Anomalías de Precipitación y las VM Campos de viento (QBO50, ZON200), Campos de Presión (SOI) e Intensidad de la Convección (OLR) para 5 lags. Elaboración propia

Figura 31. Coeficientes de Correlación por mes entre las Anomalías de Precipitación y la VM Número de Manchas Solares (WOLF) para 5 lags. Elaboración propia

En principio, la solución para conocer ambos factores (cuáles meses y cuáles estaciones están relacionados) parece obvia: calcular las correlaciones para cada mes en cada estación. En este trabajo exploratorio no se realizó, ya que implica el cálculo de 45.900 correlaciones (85 estaciones x 12 meses x 9 VM x 5 lags). El Atlántico Tropical norte (ATNOR) presenta correlaciones positivas con la lluvia (océano caliente significa más precipitación) entre mayo y agosto, prácticamente en todos los lags, lo que indica en principio que podría estimarse la precipitación de inicios y mediados de la temporada lluviosa con 56


varios meses de anticipación; para mayo los valores de r están entre 0,15 y 0,25, y en junio son tan elevados como 0,25 a 0,30. En enero y febrero hay correlaciones significativas en los lags –1 y –2, ambas positivas, igual que en abril; es interesante que en marzo la única correlación significativa sea negativa (océano caliente significa menos lluvia), para el lag –1. En este primer análisis se observa algo que será una constante con todas las demás VM: los coeficientes de correlación simple son muy bajos, en el mejor de los casos del orden de 0,30, lo cual implica que el porcentaje de varianza explicado es muy pequeño (coeficiente de determinación 0,09 o menos); esto permite inferir que las ecuaciones de pronóstico que se desarrollen deben usar correlaciones múltiples. El Atlántico Tropical sur (ATSUR) presenta correlaciones un poco menores, en general negativas (océano caliente significa menos lluvia) entre diciembre y febrero, y luego entre abril y junio. Marzo, tal como lo hizo en ATNOR, aquí también rompe la tendencia, y no presenta correlaciones significativas en ninguno de los lags. Las correlaciones cambian de signo, para todos los lags, en agosto y septiembre, indicando que para esos dos meses la lluvia aumenta si el océano estuvo caliente en cualquiera de los 4 meses anteriores. Los valores de r son, en general, menores que los de ATNOR, excepto en septiembre (r entre 0,15 y 0,20) y enero, donde r alcanza –0,25. El Pacífico ecuatorial, en las dos áreas analizadas, Niño3 (NI3) y Niño3–4 (NI34), presenta un comportamiento de las correlaciones con la lluvia bastante similar. En general, la correlación es negativa en 8 meses consecutivos (agosto a marzo) en todos los lags, indicando que un Pacífico caliente provoca menos lluvia. NI3 presenta valores de r ligeramente mayores que los de NI34 entre agosto y noviembre, y entre diciembre y marzo es NI34 quien presenta r más elevados. En ambos casos los valores de r van disminuyendo entre agosto y noviembre, para aumentar bruscamente en diciembre. Entre diciembre y enero se alcanzan valores de r entre –0,30 y –0,35. En abril la correlación se hace no significativa en todos los lags, y mayo es el único mes en que se invierte (océano caliente significa más lluvia), alcanzando en NI3 valores de r > 0,15. Junio y julio son meses inestables, con valores negativos en algunos lags en NI3, mientras que en NI34 no presentan correlación significativa. Para los Campos de Viento se observa un comportamiento de los coeficientes de correlación más irregular que en las VM oceánicas; son mucho menos frecuentes las correlaciones en un mes para todos los lags, y es difícil definir “seguidillas” de meses con condiciones similares de signo y valor de r. En la Baja Estratósfera (QBO50), se observan correlaciones positivas (vientos fuertes del oeste provocan más lluvia) en febrero, marzo, abril, junio, agosto y octubre, y correlaciones negativas entre noviembre y enero, y, para un solo lag, en julio. En mayo y septiembre las correlaciones son no significativas en todos los lags. Los mayores valores de r se observan en marzo (0,15 a 0,20) y enero (–0,15 a –0,20). Los meses en los que aparecen al menos dos lags consecutivos con valores similares de r y de signo son diciembre, enero, marzo, junio y agosto, para los lags –1 y –2. En el caso de esta VM es interesante observar que en el análisis de las distribuciones espaciales de las correlaciones, fue la única que no mostró valores significativos en ninguna región del país; es probable que la causa sea lo que se observa en estos resultados, ya que presenta 6 meses del año correlaciones positivas, 4 meses del año correlaciones negativas y 2 meses del año son no significativas, además de que los valores de r son, en todos los casos, relativamente pequeños. Sería muy interesante, para esta VM en particular, realizar las correlaciones estación por estación y mes a mes, para verificar si efectivamente no ejerce efecto o, por el contrario, ejerce un efecto espacial y temporal bien diferenciado, pero que al analizarlo en conjunto se “elimina”. El viento en la alta Tropósfera (ZON200) presenta en general correlaciones positivas (vientos fuertes del oeste implican más lluvia) en casi todos los meses, pero con mucha inestabilidad; aquellos en los que la correlación es más “segura”, en el sentido de que presentan valores de r y signo similares en casi todos los lags son enero, febrero y marzo, y luego en agosto y diciembre, donde hay al menos 3 lags consecutivos con un comportamiento similar. Las correlaciones son negativas sólo en dos meses del año, abril y mayo; en septiembre se presenta el caso de un lag 57


con correlación negativa, mientras los otros 4 son positivos. Los mayores valores de r se presentan en enero (0,25 a 0,30) y en mayo (–0,15 a –0,20). En el caso de los Campos de Viento es difícil determinar sí la alternancia en el signo de la correlación de un mes al siguiente, o entre lags, son problemas de la serie o no; la atmósfera responde generalmente en el orden de un mes, por lo que es posible que para este grupo de VM la alternancia en el signo de las correlaciones si esté reflejando situaciones reales. La Intensidad de la Convección (OLR), presenta un patrón relativamente parecido al del SOI (como se vio en la Tabla 4, la correlación entre estas dos VM es de 0,49). Presenta correlaciones positivas entre agosto y febrero (mayor convección en el Pacífico central significa más lluvia), los menores valores de r en noviembre y el aumento brusco de los valores en diciembre. En marzo, como ocurre en el Atlántico, la correlación se hace no significativa, y en abril y mayo, como en ZON200, cambia el signo a negativo; Junio y julio presentan un comportamiento inestable. Entre enero y febrero se encuentran valores de r entre 0,30 y 0,35, y en mayo de –0,20 a –0,25. El campo de presiones (SOI) muestra su estrecha relación con el Pacífico entre agosto y marzo, cuando al continuo de correlaciones negativas en NI3 y NI34, corresponde el continuo de correlaciones positivas del SOI. Como en el caso del Pacífico, también el SOI muestra correlaciones que van disminuyendo entre agosto y noviembre, para saltar bruscamente en diciembre a valores de r > 0,25. En abril, junio y julio las correlaciones son no significativas (la única significativa, positiva, es en junio la del lag 0, que no es útil para pronóstico). En mayo aparece una correlación negativa, pero sólo para un lag. Esta VM, junto con NI3 y NI34, es la que presenta coeficientes de correlación más altos, alcanzando en enero valores entre 0,30 y 0,35. Además de las VM analizadas en este estudio, hay un factor al que la literatura le asigna cada vez más importancia, que es la variabilidad intra–estacional, controlada en gran medida por las Oscilaciones Madden–Julian – OMJ (NOAA, 1999); éste es un fenómeno cíclico del Pacífico ecuatorial, en el orden de los 40–80 días; se cree que las OMJ pueden influir significativamente tanto a la temperatura oceánica como al campo de presiones, y se está discutiendo que el evento extremo Niño 97–98 fue modulado fuertemente en sus inicios por estas OMJ. Quizá esta pueda ser la explicación del comportamiento errático del SOI entre mayo y junio, así como de la inversión del signo de las correlaciones en NI3 y NI34 en esos mismos meses. 5.3.4.Distribución del Tipo de Influencia (Efectos) de las Variables Macroclimáticas Clasificadas sobre las Anomalías Clasificadas de Precipitación según los terciles Una vez demostrado que las VM muestran una influencia diferenciada sobre la lluvia en el país, tanto en el espacio como a lo largo del año, a continuación se analiza si la interacción VM– Precipitación se da en todo el rango de valores de esos dos elementos o si más bien tiende a concentrarse en los valores extremos de alguno de ellos, para lo cual se utilizaron tablas de contingencia. Como ya se explicó, en dichas tablas el número de casos se expresó en porcentaje, por lo que cada fila puede considerarse una tabla 3x1, donde se analiza la ocurrencia de un tipo de precipitación (por ejemplo, clase –1, lluvia escasa) según cada una de las tres clases de VM. Bajo la hipótesis nula de que las VM no afectan a la precipitación, es esperable en cada celda de la fila un valor aproximado al 33%. Para negar la hipótesis nula (las VM sí afectan a la precipitación) se usó como criterio el estadístico χ2, calculando los porcentajes de casos significativamente diferentes (muy altos y muy bajos respecto de 33%) para un nivel de significación α = 10%; dichos umbrales resultaron 20,8% y 45,8% (Mead y Curnow, 1983). Como es sabido, en las tablas de contingencia debe contarse con un mínimo de casos por celdas, en número absoluto no menor de cinco; en este trabajo, el número absoluto de casos en todas las celdas de las 540 tablas de contingencia (12 meses x 5 lags x 9 VM) es al menos 20 casos. 58


En la Tabla 6 se muestran ejemplos de las Tablas de Contingencia 3x3 calculadas para la lluvia de junio con la VM ATNOR para el lag 0 (ATNOR6=junio) y el lag –1 (ATNOR5=mayo). Tabla 6. Ejemplos de Tablas de Contingencia 3x3 entre la lluvia de Junio y la VM ATNOR para dos lags (lag 0=junio=ATNOR6 y lag –1=mayo=ATNOR5).

La Tabla indica que si en una celda en particular, por ejemplo lluvia escasa (clase –1) con ATNOR frío (clase –1) aparece un porcentaje de casos 50,9%, hay significancia estadística que relaciona al ATNOR frío en mayo con lluvias escasas en junio. Es importante señalar que esto no implica necesariamente lo contrario, es decir, que ATNOR caliente significa lluvias abundantes, al menos para el nivel estadísticamente significativo de α = 10%. La razón es la no linealidad de muchas de las interacciones en el Sistema Climático, por lo que no es “automáticamente” esperable que condiciones opuestas del comportamiento de las VM produzcan reacciones contrarias en el comportamiento de la precipitación. Sólo si la celda “complementaria”, la de lluvias abundantes (clase 1) con ATNOR caliente (clase 1) muestra un alto porcentaje de casos, se tendría la seguridad de que efectivamente la temperatura del Atlántico Tropical norte produce un efecto sobre la lluvia en las dos direcciones (océano frío significa menos lluvia y océano caliente significa más lluvia). Se observa que ese no es el caso para el porcentaje de casos de lluvias abundantes en junio asociadas a un ATNOR caliente en mayo, que es de 40,3% (no supera el valor límite de 45.8%, aunque la tendencia es a un número grande de casos). Otra observación interesante en la Tabla que sirve de ejemplo, es que el porcentaje de lluvias abundantes (clase 1) asociadas a un océano frío (clase –1) es significativamente bajo (menor que 20,8%), por lo que se puede asegurar que en junio, si ATNOR estuvo frío en mayo, es probable la ocurrencia de lluvias escasas y poco probable la ocurrencia de lluvias abundantes. En general, del análisis de las tablas de contingencia puede concluirse que en la enorme mayoría de los casos, la fila correspondiente a la lluvia normal (clase 0), presenta el porcentaje esperado de casos, entre 20,8% y 45,8%, para las tres condiciones de la VM, lo que indica que son los valores extremos de lluvia, por encima y por debajo, las que se ven más influenciadas por las VM. Asimismo, la columna correspondiente a las VM en el intervalo normal (clase 0, es decir, océanos ni fríos ni calientes, Campos de Viento de baja velocidad sin importar su dirección, Campo de Presiones con la alta presión “normal” en el Pacífico central, Intensidad de la Convección “normal” en el Pacífico central, actividad promedio de Manchas Solares), no muestra influencia diferenciable en la precipitación, ya que los porcentajes de casos para los tres tipos de lluvias (escasas, normales y excesivas), están en el intervalo esperado de 20,8% a 45,8%. Este resultado indica que son los valores extremos de las VM los que más afectan a la precipitación. 59


Hay sin embargo algunas excepciones a estos resultados generales. En las tablas de contingencia se observa en ocasiones que la celda correspondiente a la clase normal (0) de una VM presenta muy bajo porcentaje de casos, mientras que las celdas correspondientes a los valores extremos de la VM muestran porcentajes de casos relativamente altos, aunque quizá no pasen los umbrales de significancia. En dichos casos parece que la VM está modulando a (o siendo modulada por) otros procesos, dado que no es lógico que condiciones opuestas de una VM produzcan el mismo tipo de efecto sobre la precipitación en el mismo mes; puede hacerlo en un mes diferente, si se invierte la tendencia, como se vio anteriormente. Un ejemplo se muestra en la tabla de contingencia de lluvias escasas (clase –1) en marzo con OLR de enero (lag –2). Los resultados indican que si la Intensidad de la Convección es normal en enero, casi no se producen lluvias escasas (14,4%) en marzo, pero tanto si la Intensidad de la Convección es fuerte (–1) como débil (1), predomina la lluvia escasa (47,9% y 37,68% de casos, respectivamente). Por el contrario, en ocasiones se tiene una celda de VM en la clase normal con un porcentaje muy alto de casos, y una de las celdas extremas con un porcentaje muy bajo (ejemplo las lluvias escasas clase –1 de abril con la QBO50 de febrero, lag –2). Aquí los resultados indican que si en febrero el viento en la Estratósfera es débil sin importar su dirección, predominan en abril las lluvias escasas (50,27%), si el viento es fuerte del oeste (positivo), casi no hay lluvias escasas (16,69%) y si el viento es fuerte del este (negativo) no se puede diferenciar ninguna influencia (33,02%). En estos casos es muy difícil concluir respecto al resultado, ya que pueden estar ocurriendo al menos tres situaciones distintas: a) la VM en condición normal está generando realmente lluvias escasas; b) la VM en una de las condiciones extremas impide que ocurran lluvias escasas; c) la VM está modulando a alguna(s) otra(s) VM. Hay otra consideración que debe mantenerse en mente al hablar de una alta proporción de casos, ya que es posible obtener el mismo resultado por dos causas diferentes. Usando nuevamente el primer ejemplo analizado, lluvia escasa (clase –1) en junio, relacionada con un ATNOR frío (clase – 1) en mayo, en un 50,9% de los casos, se observa que dicho porcentaje puede resultar de cualquiera de estas dos situaciones: • •

lluvias escasas en pocas estaciones del país cuando ocurre un ATNOR frío en mayo, pero muy frecuentemente (es decir, en muchos de los junios del período de registro), ó lluvias escasas en muchas estaciones (evento seco generalizado) cuando ocurre un ATNOR frío en mayo, pero sólo en algunos de los junios del período de registro.

Los análisis de distribución espacial de los coeficientes de correlación de la precipitación con las VM muestran concentración espacial, por lo que siguiendo con el ejemplo, es más probable que esa alta proporción de casos (50,9%) se deba a la primera situación señalada, es decir, que las lluvias escasas ocurren en muchos de los junios, si ATNOR estuvo frío en mayo, concentradas espacialmente en las zonas de influencia de ATNOR señaladas en los mapas. Desde el punto de vista práctico del pronóstico estacional esto tiene una importancia fundamental; sólo en el caso de que exista una “estabilidad” temporal en la respuesta de la lluvia a ciertos umbrales de las VM, es posible obtener ecuaciones con buen potencial de pronóstico. Si la situación es que se tiene una respuesta generalizada de la lluvia en el espacio, pero muy irregular en el tiempo, quizá puedan obtenerse buenas ecuaciones en la muestra de calibración, e incluso en la de validación, pero no serán de utilidad práctica en el pronóstico. Asimismo, esto evidencia la necesidad de regionalizar los pronósticos, es decir, es difícil que una sola ecuación predictiva funcione bien para todo el país. Al analizar las 540 tablas de contingencia 3x3 se observa que existen porcentajes significativos al 10%, de lluvias extremas asociadas a los valores extremos de las VM en prácticamente todos los meses, en los diferentes lags. Cuando se trate de encontrar ecuaciones para el pronóstico estacional, deberán considerarse todos ellos, así como su interacción. Sin embargo, para tratar de simplificar un poco el análisis en este nivel exploratorio, a continuación se presenta un resumen de 60


las celdas de las diferentes tablas de contingencia que presentan valores significativos para α = 0,1%, para las lluvias extremas escasas (clase –1) y excesivas (clase 1), en las Tablas 7 y 8, respectivamente. En dichos Tablas, el nombre de la VM incorpora un número que representa al mes para el que se calcula la tabla de contingencia; así por ejemplo, “OLR1” significa OLR en el mes 1, es decir enero; “NI3412A” significa NI34 en diciembre del año Anterior, etc. Para las VM del Campo de Vientos se simplificaron los nombres eliminando el “50” de QBO50 y el “200” de ZON200, quedando por ejemplo, “QBO8”, que significa QBO50 en el mes 8 (agosto) y “ZON9”, que significa ZON200 en septiembre. Se señalan en color las celdas específicas que sobrepasan los umbrales significativos de los porcentajes (20,8% y 45,8%).

Análisis de las lluvias escasas (clase –1) según los terciles Analizando la Tabla 7, se observa que para la clase de lluvias escasas (–1) según los terciles, se encuentran porcentajes de casos significativos al 0,1% de relaciones con las VM en casi todos los meses, excepto enero y noviembre. Tabla 7. Resumen de las Tablas de Contingencia 3x3 que presentan celdas significativas al 0,1% para la clase de lluvia escasa (–1) según los terciles (Porcentajes de casos) Clase de VM Mes

VM

FEB NI310A NI341 NI3412A ZON12A ZON11A ZON10A OLR1 OLR12A OLR11A OLR10A SOI1 SOI12A SOI10A

2

-1

0

1

χ

22.79 17.34 19.10 51.14 56.16 50.00 63.96 49.82 46.08 57.82 47.62 48.59 45.07

27.72 38.73 33.36 33.79 25.34 26.71 20.61 40.21 41.99 27.04 41.37 32.48 37.23

48.85 43.92 46.91 15.06 18.49 23.28 15.42 9.96 11.92 15.12 11.00 18.30 17.07

11.49 11.91 11.61 19.52 24.16 12.67 42.61 25.95 20.88 29.13 23.02 13.77 12.51

Nivel de Signif. Mes 0.0093 0.0077 0.0088 0.0002 0.0000 0.0054 0.0000 0.0000 0.0001 0.0000 0.0000 0.0032 0.0058

VM

MAY QBO3 ZON1 SOI1 JUN ATNOR5 ATNOR3 JUL OLR6 OLR5 AGO ZON5 OLR6 OLR5 SEP ZON6 ZON5 OLR8

Clase de VM -1 0 1 27.50 20.62 29.10 50.90 49.01 51.04 30.27 42.38 57.35 37.30 40.12 46.09 48.57

52.25 53.83 51.37 23.93 31.14 23.95 50.08 40.55 24.51 50.61 43.00 39.71 34.95

20.23 25.54 19.51 25.16 19.83 25.00 19.64 17.06 18.12 12.07 16.87 14.19 16.47

2

χ

16.91 19.26 16.02 13.91 12.98 14.13 14.31 11.96 26.57 22.98 12.31 17.08 15.57

Nivel de Signif. 0.0007 0.0002 0.0011 0.0030 0.0047 0.0027 0.0025 0.0075 0.0000 0.0000 0.0064 0.0007 0.0014

MAR QBO11A 28.70 50.09 21.19 13.49 0.0037

OLR7

49.57 29.41 21.00 12.93 0.0048

ZON12A 49.90 33.14 16.95 16.28 0.0010 OLR1 47.90 14.40 37.68 17.68 0.0005

OLR6 OLR5

55.12 30.92 13.94 25.69 0.0000 40.13 49.57 10.29 25.22 0.0000

35.41 47.88 16.69 14.78 0.0020 OCT ZON9 33.02 50.27 16.69 16.91 0.0007 ZON6

56.13 23.66 20.20 23.56 0.0000 50.43 26.07 23.48 13.25 0.0041

ABR QBO3 QBO2

QBO12A 25.84 49.43 24.71 11.69 0.0085 OLR3 37.67 17.76 44.56 11.62 0.0088 DIC

OLR7 OLR6

48.77 29.14 22.08 11.47 0.0094 56.28 27.30 16.41 25.49 0.0000

ZON9

55.86 26.37 17.75 23.95 0.0000

Antes de comenzar el análisis, recordaremos lo que significan las clases –1, 0 y 1 para cada una de las VM utilizadas en el trabajo: • • • •

ATNOR, ATSUR, NI3 y NI34: –1 océano frío, 0 normal, 1 océano caliente; QBO50 y ZON200: –1 viento fuerte E, 0 viento débil en cualquier dirección, 1 viento fuerte W; SOI: –1 situación tipo Niño, 0 normal, 1 situación tipo Niña OLR: –1 convección fuerte (tipo Niño), 0 normal, 1 convección débil (tipo Niña). 61


Las VM oceánicas que aparecen son NI3 y NI34, asociando febreros secos con un Pacífico caliente en lags –1 y –2, corroborado por pocos febreros secos asociados a un Pacífico frío, y ATNOR, asociando junios secos con un Atlántico frío en lags –1 y –3, corroborado por pocos junios secos asociados a un Atlántico caliente. De las VM del Campo de Vientos, aparece más frecuentemente la alta Tropósfera (ZON200) que la baja Estratósfera (QBO50). El ZON200 asocia a febreros, marzos, septiembres, octubres y diciembres secos con vientos fuertes del E, preponderantemente en los lags –3 y –4. Los mayos secos, por otro lado, se ven asociados a los vientos débiles sin importar su dirección, en lag –4. En general, casi todos los casos son corroborados por pocos de dichos meses secos asociados a fuertes vientos del W. Para la QBO50, su efecto se nota en la asociación de marzos, abriles y mayos secos con vientos débiles en cualquier dirección, corroborado por pocos de estos meses secos asociados a vientos fuertes del W. En esta VM las asociaciones aparecen fundamentalmente en los lags –2 y –4, es decir, la lluvia responde al comportamiento que tuvo el viento dos ó cuatro meses antes. La VM Campo de Presiones (SOI) aparece asociando a febreros y mayos secos, pero con variación del comportamiento. Los febreros secos ocurren con SOI tipo “Niño” en lags –1 y –2, resultado esperable que confirma el efecto del Pacífico caliente. En cambio, los mayos secos se asocian al SOI normal en el lag –2, es decir, en marzo. Ambos casos se corroboran por los pocos febreros y mayos secos asociados al SOI tipo “Niña”. En general, para las VM QBO50, ZON200 y SOI en la clase 1 es significativo el bajo porcentaje de casos de lluvias escasas que producen, lo que pareciera indicar que de alguna forma los vientos del W en altura y una alta presión más fuerte que lo normal en el Pacífico central “impiden” o debilitan a las situaciones sinópticas que producen “buen tiempo” (=poca lluvia), lo cual no implica necesariamente, como ya se dijo, que tales condiciones vayan a producir lluvias fuertes. La Intensidad de la Convección (OLR) muestra un comportamiento complejo. La convección fuerte se asocia a febreros, septiembres y octubres secos, corroborados por pocos de dichos meses secos si la convección es débil; en febrero y septiembre la asociación se presenta en los cuatro lags, mientras que en octubre sólo en los lags –3 y –4. Los marzos secos se asocian también a convección fuerte en lag –2, pero hay pocos marzos secos si la convección es normal, mientras que si es débil no muestra influencia. Abril es un caso especial: se asocian muy pocos abriles secos a OLR normal en lag –1, mientras que hay muchos abriles secos (aunque no transponen el umbral de significancia) asociados tanto a la convección fuerte como a la débil, lo cual es poco lógico, e indica que probablemente la OLR de marzo está siendo modulada por algún otro proceso, que se manifiesta en lluvias escasas en abril. Los julios, agostos y octubres secos se asocian tanto a convección fuerte durante el mes de junio, como a convección normal durante el mes de mayo; en general, se corrobora por pocos julios, agostos y octubres secos si la convección fue débil en mayo o junio, por lo que se puede asegurar que si la convección es débil, es poco probable que ocurran lluvias escasas, mientras que una probabilidad elevada de que ocurran eventos secos depende, en los diferentes meses y para los diferentes lags, de sí la convección fue normal o fuerte.

Análisis de las lluvias excesivas (clase 1) según los terciles A continuación se presenta un análisis similar, pero realizado para las lluvias de clase 1, es decir, lluvias de normales a excesivas según la clasificación de los terciles. Lo primero que se observa en la Tabla 8 es que se encuentran porcentajes de casos significativos al 0.1% del efecto de las clases de VM sobre las lluvias abundantes sólo en pocos meses, al contrario que con las lluvias escasas, que ocurren prácticamente todos los meses. Para las lluvias 62


abundantes sólo aparecen casos significativos de diciembre hasta junio, y ninguno entre julio y noviembre; el mes que presenta influencia del mayor número de VM es enero. Como para la Tabla 7, se muestran sombreadas las celdas significativas para cada clase de variable. Las únicas VM oceánicas que aparecen para el nivel de significación de 0,1% son NI34 y NI3, asociando eneros y febreros lluviosos con un Pacífico frío en el lag –1, lo cual muestra complementariedad con la Tabla 7, por lo que podemos concluir que si el Pacífico está caliente entre noviembre y diciembre disminuirán las lluvias en enero–febrero (produce temporadas secas más secas de lo normal), mientras que si el Pacífico está frío las aumentará (produce temporadas secas más lluviosas de lo normal). Por supuesto, este efecto debe estar localizado espacialmente hacia el occidente y el sur del país, así como en la fachada este, como lo muestran los mapas de distribución espacial de los coeficientes de correlación ya analizados. Tabla 8. Resumen de las Cuadros de contingencia 3x3 que contienen celdas significativas al 0,1% para la clase de lluvia 1 (abundantes) según los terciles (Porcentajes de casos) Clase de Variable Mes ENE

FEB

MAR ABR

MAY

JUN

DIC

Variable NI3412A NI3411A NI3410A QBO12A QBO10A QBO9A ZON11A ZON10A OLR10A OLR9A SOI11A SOI9A NI31 NI341 OLR1 SOI11A OLR2 QBO3 QBO2 OLR3 OLR2 OLR1 ZON3 OLR2 OLR1 OLR5 OLR2 SOI4 SOI8

-1 53,15 48,73 46,42 43,55 35,58 28,83 17,17 14,11 17,70 15,10 15,75 17,43 49,12 50,07 30,87 17,74 50,89 36,65 37,54 35,56 58,55 47,53 51,30 55,38 54,55 29,96 57,53 51,76 16,96

0

1 21,84 26,89 33,82 42,33 48,46 55,21 42,94 46,62 28,64 40,62 49,15 30,67 27,02 26,06 15,21 50,87 19,53 17,08 16,19 47,68 22,31 15,36 20,52 23,61 13,53 48,78 21,71 28,84 38,10

22,47 21,84 17,22 14,11 15,95 15,95 39,87 39,26 53,64 44,27 32,56 49,36 23,85 23,85 53,91 28,84 29,57 46,26 46,26 16,74 19,13 37,10 28,17 20,99 31,90 21,25 20,74 19,39 44,92

χ2 19,27 12,32 12,9343 16,65 16,08 24,0355 11,88 17,44 20,36 15,15 16,80 15,50 11,37 12,69 22,73 17,11 15,3895 13,26 14,36 14,5845 28,76 16,16 15,40 21,98 25,3339 11,87 26,37 16,62 12,75

Nivel de Significancia 0,0002 0,0064 0,0048 0,0008 0,0011 0,0000 0,0078 0,0006 0,0001 0,0017 0,0008 0,0014 0,0099 0,0053 0,0000 0,0007 0,0015 0,0041 0,0025 0,0022 0,0000 0,0010 0,0015 0,0001 0,0000 0,0078 0,0000 0,0008 0,0052

El hecho de que no aparezca el Atlántico en la Tabla 8, permite concluir que el Atlántico frío en mayo se asocia a junios secos, pero para este nivel de significancia (0,1%), no se puede afirmar 63


que el Atlántico caliente se asocie junios lluviosos, aunque para un nivel de seguridad menor (5%) sí puede hacerse la afirmación. También se trataría de un efecto espacialmente localizado según muestran los mapas de coeficientes de correlación. Para las VM del Campo de Viento, sólo se observa su influencia en enero (QBO50 y ZON200), abril (QBO50) y mayo (ZON200). Analizaremos primero el efecto de ZON200. Ocurren pocos eneros lluviosos asociados al viento fuerte del E, para los lags –3 y –4, lo cual corresponde con la asociación de la Tabla 7 entre los febreros secos con vientos del E; aunque no se trata del mismo mes, si se baja el nivel de seguridad a 95% se observa que la tendencia para enero–febrero es consistente, esperándose eneros y febreros secos y pocos de ellos lluviosos si el vientos fue fuerte del E en los meses previos; no se pueden asegurar eneros lluviosos con vientos fuertes del W. El efecto del viento del E se invierte en mayo, pasando a asociarse en el lag –2 con mayos lluviosos, mientras que hay pocos mayos lluviosos asociados a los vientos débiles, lo cual es complementario con lo que muestra la Tabla 7, mayos secos asociados al viento débil; en este mes tampoco se observa una influencia clara del viento del W. La influencia del viento en la baja Estratósfera (QBO50), sólo se manifiesta en enero y abril. En este caso se asocian eneros lluviosos con vientos débiles sin importar su dirección, en los lags –3 y –4, y pocos eneros lluviosos asociados con vientos fuertes del W. El efecto del viento débil se invierte en abril, pasando a asociarse pocos abriles lluviosos con el viento débil, y porcentajes similares en las celdas extremas, lo cual indica, como en el caso de la OLR en abril explicado en la Tabla 7, que la QBO50 en abril también está modulando a otros procesos. Para el Campo de Presiones (SOI) se observa en los meses del invierno astronómico la concordancia esperable con el comportamiento del Pacífico: se asocian pocos diciembres, eneros y febreros lluviosos con el SOI negativo en los lags –3 y –4, lo cual es el típico efecto del Niño en nuestra temporada seca (una temporada seca más seca de lo normal). Los diciembres, eneros y febreros lluviosos, sin embargo, no se relacionan automáticamente con SOI tipo Niña, sino que muestran un comportamiento complicado: los diciembres y eneros lluviosos se asocian tanto con SOI normal como positivo, dependiendo del lag, mientras que los febreros lluviosos se asocian con SOI normal. El SOI invierte su efecto en junio, pasando a asociarse con junios lluviosos en lag –2, lo que indicaría que las situaciones tipo Niño, además de producir temporadas secas más secas de lo normal, invierten la tendencia en verano y provocan junios más lluviosos de lo normal, mientras que las situaciones tipo Niña provocan pocos mayos secos, como lo muestra la Tabla 7. La influencia de la Intensidad de la Convección (OLR) es complicada; los eneros y febreros lluviosos se asocian a convección débil, lo cual es complementario con la Tabla 7 (febreros secos con convección fuerte), lo que permite establecer un patrón estable. La OLR invierte su efecto en marzo y mayo, asociándose los marzos y mayos lluviosos a la convección fuerte. En el caso de marzo, la OLR está probablemente también modulando a (o siendo modulada por) otro proceso, ya que el Cuadro 7 muestra así mismo marzos secos asociados a convección fuerte; esto también podría interpretarse como que la OLR es un “disparador” de diferentes tipos de procesos, ya que lo consistente en marzo es que si la OLR es normal, no hay lluvias extremas, ni por encima ni por debajo. En el caso de abril, cuando para las lluvias escasas la OLR aparece como un modulador, también para las lluvias abundantes se presenta una situación compleja: dependiendo del lag, hay muchos abriles lluviosos con convección normal y fuerte, y pocos abriles lluviosos para convección normal y débil. El resumen de las influencias más estables encontradas en el análisis se muestra en la Tabla 9; para simplificar, no se incluyen los lags para los que se notan las asociaciones. Para verificar si las asociaciones aquí descritas se manifiestan al nivel decadal, se presenta en la Tabla 10 una síntesis para cada década, de como fue el “carácter” general tanto de la lluvia como de las VM oceánicas y del Campo de Presiones, y sus efectos. Se eligieron sólo ATNOR, NI3 y 64


SOI porque son, entre las VM analizadas, las que presentan un comportamiento más estable en los meses particulares en que cada una de ellas actúa, y además porque son algunas de las VM para las que se puede aceptar, con un elevado nivel de confianza, que tienen un efecto de “doble vía”, es decir, que si por ejemplo un océano caliente provoca más lluvia, ese océano frío provoca menos lluvia; esto último también puede decirse, por ejemplo, de la OLR, pero sólo para enero–febrero, mientras que el resto del año tiene un comportamiento inestable. El carácter general de la lluvia se tomó de los análisis de variabilidad de los promedios nacionales del monto anual a nivel decadal, y el de las VM, de manera muy gruesa, de las Figuras 19 a 23. Tabla 9. Resumen de asociaciones entre número de casos de meses secos y lluviosos según las clases de VM Mes

Eventos Secos Muchos casos Pocos casos * *

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC

NI3 y NI34 +; ZON200 E; OLR –; SOI – ZON200 E; QBO50 débil; OLR – (a) QBO50 débil; OLR + y – (c) ZON200 y QBO50 débiles; SOI normal ATNOR – OLR (0/– según el lag) OLR (0/– según el lag) ZON200 E; OLR – ZON200 E; OLR – * ZON200 E

Eventos Lluviosos Muchos casos Pocos casos NI3 y NI34 –; QBO50 ZON200 E; QBO50 W; débil; OLR + OLR –; SOI – OLR +; SOI normal OLR normal; SOI –

NI3 y NI34 –; ZON200 W; OLR +; SOI + ZON200 W; OLR normal QBO50 W

OLR – (b)

OLR normal

QBO50 E y W (d)

QBO50 débil

QBO50 W; SOI +

ZON200 E; OLR –

ZON200 débil

ATNOR + OLR + ZON200 W; OLR + OLR + * ZON200 W

* * * * * * *

* * * * * * SOI –

(a), (b), (c), (d): meses en que la VM señalada parece estar modulando a (o siendo modulada por) otros procesos. Elaboración propia Tabla 10. Síntesis del comportamiento decadal de la lluvia y las VM más estables Década

ATNOR

NI3

SOI

51–60 (Normal)

N/+

Variable

N/+

61–70 (Lluviosa)

N/+

N

N

71–80 (Seca)

–

N/–

N/+

Muy variable

Muy variable

N

Temporadas secas más lluviosas (por SOI N)

Muy variable

N/+

–

Temporadas lluviosas más lluviosas (por SOI –). Temporadas secas más secas (por NI3 + y por SOI –)

81–90 (Lluviosa Muy variable espacialmente) 91–98** (Seca Muy variable espacialmente) NOTA: N = normal; N = normal;

+ = caliente; + = tipo Niña

CONSECUENCIA Temporadas lluviosas más lluviosas (por ATNOR +) y sin lluvias extremas (por SOI +). Temporadas secas más lluviosas (por SOI N) Temporadas lluviosas más lluviosas (por ATNOR +). Temporadas secas más lluviosas (por SOI N) Temporadas lluviosas más secas (por ATNOR –) y sin lluvias extremas (por SOI +). Temporadas secas más lluviosas (por NI3 –, y por SOI N)

– = frío – = tipo Niño

(Para las VM oceánicas) (Para la VM campo de presiones)

65


Los resultados generales señalados en la Tabla 10 se confirman con el análisis de la Diferencia Porcentual de los promedios decadales para cada mes respecto al promedio del período de registro total (1950–1998 al norte del Orinoco y 1969–1998 al sur del Orinoco). En la década normal 51–60 se tuvieron meses de la temporada lluviosa de normales a húmedos, y marzos muy lluviosos hacia oriente. En la década lluviosa 61–70 no sólo hubo temporadas lluviosas normales a húmedas, sino también fue húmeda entre noviembre y enero, aunque los febreros y marzos fueron muy secos. En la década seca 71–80 el efecto de temporadas secas más lluviosas por el SOI normal sólo se manifestó en marzo, mientras que los otros meses de la temporada seca fueron muy secos, así como en los mayos y los julios de la temporada lluviosa, especialmente hacia el centro y oriente del país, lo que confirma la influencia del Atlántico frío. En la década lluviosa muy variable espacialmente 81–90 efectivamente se tuvieron febreros y abriles lluviosos, mientras que el efecto del SOI normal no se notó en los eneros, que fueron secos hacia nor-occidente, ni en los marzos, que fueron secos en oriente y los Llanos occidentales. Durante la década seca muy variable espacialmente 91–98** efectivamente el lapso diciembre–febrero fue extremadamente seco en todo el país, pero los marzos fueron lluviosos; el efecto del SOI negativo en la temporada lluviosa no se notó, ya que mayo y junio fueron también secos, especialmente hacia los extremos oriental y occidental del país, lo que probablemente se deba (en oriente) a que específicamente entre marzo y junio del 94 y en marzo del 97 ATNOR estuvo frío; de hecho marzo 97 aparece como uno de los eventos secos generalizados. Sobre la base de todos los resultados del trabajo, se puede concluir que efectivamente las VM tienen una influencia significativa sobre la precipitación en Venezuela, notable especialmente a nivel decadal; esa influencia se manifiesta, para cada VM, en momentos distintos del año (hay variación estacional) y además, en muchos casos, la lluvia responde con uno o más meses de retardo, lo que permitiría, en principio, contar con elementos predictores para los diferentes meses con varios meses de antelación, aunque muy probablemente las ecuaciones deban ser del tipo de correlación múltiple o basarse en algún tipo de análisis multivariado, debido al bajo coeficiente de determinación que muestran las correlaciones aquí calculadas. Asimismo, hay una variación espacial, por lo que las VM afectan significativamente a unas regiones del país con un signo, y a otras regiones con el signo opuesto o no las afectan, lo que permitiría, en principio, hacer el pronóstico de forma regional; esto resalta la necesidad de ampliar este tipo de análisis al nivel regional, como se señaló anteriormente, aumentando el número de estaciones analizadas aunque se deba disminuir el período de registro. Asimismo, se pudo notar un “ritmo” en la variabilidad a nivel decadal, (décadas lluviosas y secas alternadamente), lo cual esté probablemente relacionado con el comportamiento de los océanos Pacífico y Atlántico, debido a la inercia de este componente del Sistema Climático. Es también notable el aumento de la variabilidad espacio–temporal en los últimos 20 años (décadas 1981–1990 y 1991–1998**); este resultado coincide con resultados al nivel internacional, que señalan un punto de inflexión en las series estadísticas que caracterizan las condiciones climáticas del planeta (el promedio y la variabilidad), a mediados de los años 70 (IPCC, 2000 a). Los resultados señalan que, si se desarrollan ecuaciones predictivas, puede contarse con una herramienta fundamental para optimizar la toma de decisiones estratégicas sobre manejo de recursos hídricos, especialmente a mediano plazo y para grandes cuencas. Si efectivamente puede pronosticarse con base en el comportamiento de los océanos, aunque sólo sea a nivel de tendencias y no valores precisos, que los próximos 10 años serán en general más secos o más lluviosos que lo normal, las implicaciones en términos de optimización del manejo, inversión en obras, etc., serían altamente beneficiosas para el país. Sería conveniente ampliar este tipo de análisis para el conjunto de las temporadas seca y lluviosa, ya que el pronóstico, incluso a nivel de tendencia, del carácter general de la próxima estación lluviosa tendría también una enorme utilidad práctica para muchos usuarios de la información climática. 66


Para el sector productivo, por los momentos, la situación no es tan promisoria. En el caso de la agricultura, incluso el concepto de “evento extremo” es muy particular (Puche, 2000); en efecto, un veranito de 10–15 días en la etapa crítica del cultivo puede tener consecuencias desastrosas en el rendimiento final, pero climáticamente hablando puede tratarse de un evento relativamente normal. En este caso, dado que se trata de seres vivos que responden en tiempos muy cortos a situaciones de estrés, para que cualquier tipo de pronóstico sea realmente útil, es imprescindible conocer antes tres aspectos: a) el comportamiento de la lluvia con mucho mayor detalle espacio–temporal, incluyendo su distribución en períodos menores que un mes; b) los valores umbrales del comportamiento de la lluvia que afectan a los seres vivos y a la organización de las actividades agrícolas; c) la situación actual de los diferentes sistemas de producción agrícola. Desde este punto de vista, las VM atmosféricas, aunque de análisis más complicado, son realmente promisorias, puesto que establecen cambios en los patrones de lluvia en tiempos de un mes, por lo que deben continuar estudiándose, especialmente con relación a la distribución de la lluvia en períodos menores de un mes. Recuérdese que en este trabajo las VM se analizaron al nivel de los valores promedio espacio–temporales (todas las grillas, los 30 días del mes), pero existen los datos de cada grilla y para cada día del mes en el Comprehensive Ocean–Atmosphere Data Set (COADS), lo que permitiría un análisis temporal adecuado a las necesidades agrícolas. En este orden de ideas, sería también de gran utilidad comenzar el estudio sistemático de la influencia de otros elementos del Sistema Climático, como las Oscilaciones Madden-Julian, sobre la lluvia en el país, ya que se trata de variaciones a nivel intra–estacional, con ciclos de 40-80 días, y cuya influencia parece notarse al nivel de grupos aproximadamente semanales a decadiarios (Dr. Daniel Pavón, Instituto de Estudios Ambientales, IDEAM, Colombia, comunicación personal).

67


6. CONCLUSIONES •

Los análisis se realizaron en base a una muestra total de ochenta y cinco (85) estaciones, 67 al Norte del Orinoco y 18 al Sur del Orinoco, con datos de buena calidad que tienen como máximo un 15 % de datos faltantes; se considera que el número de estaciones representa adecuadamente los principales rasgos del patrón de la precipitación, pero su distribución espacial no es óptima, especialmente en Zulia y los Llanos centro-orientales.

•

No se seleccionó un período común para todo el país, sino que se trabajó con dos : 9 1950-1998 (49 años) para las 67 estaciones al Norte del Orinoco y 9 1969-1998 (30 años) para las 18 estaciones al Sur del Orinoco. Se hicieron las pruebas estadísticas de diferencia de medias y varianzas para las estaciones al Norte entre los períodos 1950-1968 y 1969-1998 respecto del total 50-98; como no se encontraron diferencias significativas entre ambos ni con respecto al total, se asumió que si el 50-68 no fue especialmente variable al Norte del Orinoco tampoco debió haberlo sido al Sur, por lo que se decidió utilizar el doble período de análisis, a fin de contar con mayor número de casos para garantizar la estabilidad temporal de los resultados.

•

Es factible, dadas las limitaciones impuestas por la consideración del doble período de análisis y de la irregular distribución espacial de las estaciones, que algunos de los resultados aquí señalados puedan ser “matizados” en posteriores análisis, que consideren en más detalle espacial, el comportamiento de la lluvia a nivel regional.

•

La precipitación muestra variabilidad a nivel Decadal: la Década 1951-1960 fue normal, la 6170 lluviosa, la 71-80 seca, la 81-90 lluviosa y la Década incompleta 91-98** seca, en lo que parece un patrón alternado bastante consistente, aunque de los años 80 en adelante hay además un aumento significativo de la variabilidad espacial. En las tres primeras Décadas se observó un “vaiven” espacial: cuando Oriente se comportó muy lluvioso, Occidente fue seco, y viceversa.

•

Las Décadas normal y lluviosas (51-60, 61-70 y 81-90) se caracterizan porque los meses de la temporada lluviosa fueron de normales a lluviosos en buena parte del país, y en la 61-70 incluso parte de la temporada seca fue, en promedio, más lluviosa de lo normal. Las Décadas secas (71-80 y la incompleta 91-98**) se caracterizaron porque alguno(s) de los meses de la temporada lluviosa fue relativamente seco en alguna(s) de las regiones del país; asimismo, en esta Décadas, especialmente la 91-98**, la temporada seca fue mucho más seca de lo normal.

•

Del grupo de Variables Macroclimáticas (VM) originalmente seleccionadas, se decidió, en base a los resultados de la correlación lineal, trabajar con un grupo de 9, clasificadas como sigue: 9 Oceánicas (4): temperaturas del Atlántico (ATNOR y ATSUR) y del Pacífico (NI3 y NI34); 9 Campo de presiones (1): Índice de Oscilación Sur (SOI); 9 Campo de Vientos (2): Tropósfera a 200 mb (ZON200) y Estratósfera a 50 mb (QBO50); 9 Intensidad de la Convección (1): Radiación Saliente de Onda Larga (OLR); 9 Manchas Solares (1): Número de Wolf (WOLF).

•

De la comparación entre los gráficos del comportamiento de las VM a lo largo del tiempo y los promedios Decadales de precipitación, se obtuvo una primera visión gruesa de la relación entre la lluvia en el país y las VM, que muestran relación al nivel Decadal. En el Atlántico Norte, las Décadas 51-60 y 61-70 fueron normales a calientes, la 71-80 preponderantemente fría, y las 81-90 y 91-98** presentaron mucha variabilidad. En el Pacífico la temperatura del mar fue variable en la Década 51-60, la 61-70 normal, la 71-80 de normal a fría, la 81-90 fue muy variable y la 91-98** fue normal a caliente; el campo de presiones del Pacífico presentó condiciones de normal a tipo Niña en la Década 51-60, muy normal en la 61-70, de nuevo de normal a tipo Niña en la 71-80, normal en la 81-90 y tipo Niño en la 91-98**. 68


•

Los análisis estadísticos de las relaciones entre las Variables Macroclimáticas y la precipitación se realizaron para 5 lags (0, –1, –2, –3, –4), a fin de determinar si es posible el pronóstico estacional con al menos un mes de antelación.

•

Existe relación estadísticamente significativa entre el comportamiento de la lluvia y el de las VM, como muestran los análisis de correlación lineal, aunque los valores del Coeficiente son bajos (R entre 0,1 y 0,3), por lo que se espera que en los modelos predictivos haya que incluír a muchas de estas variables, a fin de aumentar el porcentaje explicado de varianza.

•

Hay un efecto espacial diferenciado de las VM en el país. Las VM oceánicas y del campo de presiones presentan efecto en zonas más extensas que las de campo de viento, intensidad de la convección y manchas solares, que se concentran en núcleos sobre todo al Norte del Orinoco. El Pacífico (tanto por la temperatura del mar como por el campo de presiones) afecta la fachada Este del país, Amazonas, centro y sur de Bolívar y el extremo Nor-Occidental (Zulia, los Andes, Lara-Falcón y Yaracuy). El Atlántico Tropical Norte influencia a los Llanos y a parte centro-oriental de la región Norte-Costera.

•

Hay un efecto temporal diferenciado de las VM en el país: no todas las VM ejercen influencia en el mismo momento del año, y una misma VM puede cambiar el signo de su influencia dependiendo del mes. En general, se encuentra relación con mayor número de VM para los meses de la temporada seca que para los de la temporada lluviosa.

•

Al analizar mediante las tablas de contingencia el tipo de efecto de las VM clasificadas según los Terciles sobre los rangos extremos de precipitación (lluvias altas y lluvias escasas), se pudo concluír que, en general, son los valores extremos de las VM los que aparecen ejerciendo más efecto sobre los valores extremos de la precipitación, aunque en algunos casos se observa un mayor efecto del rango normal de la VM.

•

En algunos casos, especialmente con la convección (OLR) y los campos de viento (QBO50), se observa que dichas VM funcionan como “moduladores” de otros procesos que son los que realmente originan las lluvias extremas (altas y/o escasas).

•

Sólo para algunas de las VM puede decirse con un elevado grado de confianza que funcionan coherentemente en “dos vías”, por supuesto en su respectiva área de influencia espacial; fundamentalmente se trata de la VM oceánicas. El Pacífico caliente provoca temporadas secas muy secas, y si está frío, temporadas secas más lluviosas de lo normal; el Atlántico Tropical Norte caliente provoca temporadas lluviosas muy lluviosas, y si está frío, temporadas lluviosas pobres; para alguna de las otras VM puede afirmarse lo mismo, pero sólo en uno o dos meses del año, mientras que de la mayor parte de las VM puede afirmarse que producen efecto con uno de sus signos, pero no el efecto opuesto cuando cambian de signo.

•

Con relación al efecto de las VM de los campos de viento (ZON200 y QBO50), intensidad de la convección (OLR) y manchas solares (WOLF), su efecto es mucho más complejo, ya que parecen estar funcionando con un solo mes de retardo, lo cual era esperable ya que la Atmósfera responde más rápido que los océanos. Distinguir un patron estable de influencia sobre la lluvia ha sido casi imposible, aunque su influencia es muy importante por dos razones: 9 aparecen en muchos casos no con un efecto directo, sino como moduladores de otros procesos; 9 a pesar de su inestabilidad, son las VM que muestran correlación durante parte de la temporada lluviosa, cosa que no hacen las VM más estables (las oceánicas y el campo de presiones).

•

Del cuadro resumen que se muestra en la página 65, se concluye que efectivamente las VM afectan de modo consistente a la lluvia sobre Venezuela, al menos para el nivel Decadal, lo que tiene gran importancia práctica. Si efectivamente la lluvia tiende a presentarse en décadas 69


predominantemente secas o predominantemente lluviosas, el manejo de los recursos hídricos podría optimizarse en base a estas consideraciones, especialmente en las grandes cuencas; para el sector agrícola, sin embargo, hay que conocer con mucho más detalle espacio-temporal el comportamiento de la precipitación, dado que en agricultura un “evento extremo” que provoque grandes daños puede ser, climáticamente hablando, un hecho “normal”. Desde ese punto de vista, es necesario hacer hincapié en el análisis de las VM atmosféricas, que son las que presentan un tiempo de respuesta más corto (un mes), así como comenzar a analizar la influencia de procesos que controlan la variabilidad intra-estacional, como las Oscilaciones Madden-Julian, a fin de poder tener pronósticos estacionales más efectivos para la agricultura. 7. RECOMENDACIONES A continuación se señalan algunos temas de investigación que se considera necesario realizar para comprender mejor la dinámica climática del país y, en consecuencia, obtener aplicaciones prácticas de este conocimiento mucho más efectivas. Entre las principales líneas y temas de investigación que se recomienda continuar o iniciar están los siguientes: •

Continuar la línea de investigación para incorporar un aspecto de interés práctico importantísimo en agricultura, como es el de la distribución de la lluvia en períodos menores de un mes (por ejemplo analizando el comportamiento del número de días lluviosos).

•

Continuar la línea de investigación ampliándola a los ríos como “resumidores” del comportamiento integrado de las relaciones precipitación-escorrentía, lo cual es de gran importancia para la planificación y el manejo de los recursos hídricos; en este caso se recomienda tomar grandes cuencas (Orinoco, Apure, Caroní, por ejemplo) para minimizar el impacto sobre los datos de escorrentía que provoca la actividad antrópica.

•

Continuar la línea de investigación ampliándola al comportamiento de los acuíferos, ya que éstos, además de su propia importancia como recurso hídrico fundamental en muchas regiones del país, controlan el comportamiento de los ríos en temporada seca, y con tiempos de retardo mayores, incluso en la temporada lluviosa.

•

Continuar la línea de investigación para obtener las ecuaciones predictivas del comportamiento de la precipitación a nivel estacional.

•

Continuar esta línea de investigación pero a nivel regional, lo que permitiría ampliar el número de estaciones aunque se disminuya el período de análisis, además de considerar los efectos locales, muy especialmente los topográficos.

•

Como investigación básica de la dinámica del Sistema Climático a mesoescala, se recomienda iniciar una línea de investigación sobre las relaciones entre el caudal del Orinoco y el comportamiento del Atlántico Tropical Norte en el área del Caribe; en este caso se recomienda utilizar no los datos promedio espacio-temporales que se usaron en este trabajo, sino los verdaderos valores de grilla del COADS (Comprehensive Ocean-Atmospheric Data Set).

•

Como investigación básica de la dinámica del Sistema Climático a mesoescala, se recomienda iniciar una línea de investigación sobre el efecto de las VM en los sistemas sinópticos (Ondas del Este, Vaguadas en Altura, Restos de Frentes Fríos) que atraviesan Venezuela, lo que permitiría no sólo comprender mejor el funcionamiento de nuestro clima, sino también una mejora sustancial en el pronóstico estacional, ya que dichos sistemas sinópticos son los causantes de una gran proporción de las precipitaciones en el país.

70


8. REFERENCIAS BIBLIOGRÁFICAS • • • • • • • •

• • • • • • • • • • • • • • •

•

Aguilera, J.A. (mimeografiado, s/f). “Distribución Estacional y Espacial de la Pluviosidad en Venezuela”. Caracas, Venezuela. 49 p. Alvarez Bernal, F. (1983). “Atlas Climatológico de Venezuela 1951/70”. Departamento de Ingeniería Hidrometeorológica, Facultad de Ingeniería, Universidad Central de Venezuela. Imprenta Universitaria, UCV. Caracas, Venezuela. 132 p. Barry, R.G., Chorley, R.J. (1985). “Atmósfera, Tiempo y Clima”. Ediciones Omega. Barcelona, España. 500 p. Bonnier, G., Tedin, O. (1966). “Bio-Estadística”. Editorial Agribia. Zaragoza, España.233 p. Bradshaw, M., Weaver, R. (1993). “Physical Geography – An Introduction to Earth Environments”. Mosby – Year Book. Saint Louis, USA. 420 p. Cuadrat, J.M., Pita, M.F. (2000). “Climatología”. Ediciones Cátedra – Grupo Anaya. Madrid, España. 496 p. García, L.F., Guerra, A. (1993). “Manual de Pronósticos Meteorológicos”. Departamento de Alerta contra Inundaciones y Sequías, Dirección de Hidrología y Meteorología, Ministerio del Ambiente y los Recursos Naturales. Caracas, Venezuela. 76 p. García, L.F., Guerra, A. (1999). “Identificación de Patrones Sinópticos Meteorológicos en Venezuela – Resumen 1988-1997”. Asesora Meteo C.A., Proyecto Pronósticos y Proyectos Hidrometeorológicos D.F., preparado para la Dirección de Hidrología y Meteorología, Ministerio del Ambiente y los Recursos Naturales. Caracas, Venezuela. 89 p. más Anexos. Gibbs, W.J; Maher, J.V.; Coughlan, M.J. (1978). “Patterns of shorter–term change and variability” En: Climatic Change and Variability: a southern perspective. (135-199). Editores: A.B. Pittock, L.A. Frakes, D. Jenssen, J.A. Peterson and J.W. Zillman. Cambridge University Press, Cambridge, Inglaterra. 455 p. Goldbrunner, A. (1984). “Atlas Climatológico de Venezuela 1951/70”. Servicio de Meteorología, Fuerza Aérea. Maracay, Venezuela. 68 p. González, M., Córdova, J.R. (1992). “Análisis Estadístico de Precipitación Máxima Probable en Venezuela”, En: Ponencias del IV Encuentro Nacional de Clima, Agua y Tierra, IV Jornadas Nacionales de Hidrología, Meteorología y Climatología. 2 (231-247). Caracas, Venezuela. 410 p. Henderson-Sellers. A., Robinson, P.J. (1984). “Contemporary Climatology”. Longman Scientific & Technical, Londres, Inglaterra (Copublicado en EUA con John Wiley & Sons, Nueva York). 440 p. Hidalgo, L., (1992). “Reconsideración de los Mecanismos Convectivos en la Región Tropical de Sudamérica”, En: Ponencias del IV Encuentro Nacional de Clima, Agua y Tierra, IV Jornadas Nacionales de Hidrología, Meteorología y Climatología. 1 (150-156). Caracas, Venezuela. 410 p. Intergovernmental Panel on Climatic Change (IPCC) (2000a). “IPCC Working Group 1 Third Assessment Report – Government and Expert Review Draft”. Chapter 1: The Climate System: an Overview, 17 p. Geneve, Suiza. –––––––––– (2000b). “IPCC Working Group 1 Third Assessment Report – Government and Expert Review Draft”. Chapter 2: Observed Climate Variability and Change, 130 p. Geneve, Suiza. –––––––––– (2000c). “IPCC Working Group 1 Third Assessment Report – Government and Expert Review Draft”. Chapter 7: Physical Climate Processes and Feedbacks, 72 p. Geneve, Suiza. –––––––––– (2001). “Climate Change 2001: The Scientif Basis. Contribution of Working Group I to the Third Assessment Report of the IPCC”. Technical Summary of the Working Group I Report. Cambridge University Press, Cambridge, Inglaterra. 83 p. Isaaks, E..H., Srivastava, R.M. (1989). “An introduction to Applied Geostatistics”. Oxford University Press, Nueva York, E.U.A. 561 p. Lamb, H.H. (1972). “Climate, Present, Past and Future”. Vol. 1: Fundamentals and Climate Now. Methuen & Co., Londres, Inglaterra. 613 p. Loockwood, J.G. (1974). “World Climatology. An Environmental Approach”. Edward Arnold Publishers, Londres, Inglaterra. 330 p. –––––––––– (1979). “Causes of Climate”. Edward Arnold Publishers, Londres, Inglaterra. 260 p. Makarau, A. (1992). “Informe del Ponente sobre Sequía para la Undécima Reunión de la Comisión de Climatología”. Organización Meteorológica Mundial, La Habana, Cuba. Mimeografiado, 6 p. Martelo, M.T. (2000a). “Estudio sobre la posible influencia del Fenómeno “El Niño–Oscilación del Sur” (ENOS) sobre el clima de los Llanos en Venezuela”, En: Reunión de Expertos de las Asociaciones Regionales AR-III y AR-IV sobre Fenómenos Adversos (111-118). Organización Meteorológica Mundial, 2000. Ginebra, Suiza. 254 p. –––––––––– (2000b). Responsable del Proyecto CONICIT N° 96001922 “Reforzamiento de los Sistemas de Información Hidroclimática Digitalizada de Venezuela”. Dirección de Hidrología y 71


Meteorología, Ministerio del Ambiente y los Recursos Naturales. Caracas, Venezuela. (3 CD con archivos digitalizados de: Mapas mensuales y anual de Precipitación, Mapas anuales de Temperatura Máxima Media y Temperatura Mínima Media, 8 Mapas de Clasificación Agroclimática para 11 Estados al Norte del Orinoco, Mapa Hidrogeológico, 2000 Registros Geoeléctricos. Fuente de los mapas y Registros Geoeléctricos: 21 estudios del Departamento de Agrometeorología de diversos autores, estudios del Departamento de Aguas Subterráneas de diversos autores). • Mead, R., Curnow, R.N. (1983). “Statistical Methods in Agriculture and Experimental Biology”. Chapman and Hall, Londres, Inglaterra. 335 p. • Medina, M. (1994). “Iniciación a la Meteorología”. Editorial Paraninfo, Madrid, España. 260 p. • Ministerio del Ambiente y los Recursos Naturales Renovables (s/f). “El Clima de Venezuela”. Mimeografiado. Departamento de Agrometeorología, Dirección de Hidrología y Meteorología. Caracas, Venezuela. 7 p. • National Oceanic and Atmospheric Administration. (1999). “Frequently Asked Questions. Tropical Intraseasonal Activity”. Climate Prediction Center, tomado en Internet de la dirección: http://www.cpc.ncep.noaa.gov/products/intraseasonal/intrasesasonal_faq.html. • Organización Meteorológica Mundial. (1990). “Guía de Prácticas Climatológicas”. OMM-Nº 100. Geneve, Suiza. 274 p. • Poveda, G. (2000a). “Mecanismos Físicos Asociados a la Variabilidad Interanual del Ciclo Hidrológico en Colombia”, mimeografiado para: Taller sobre el Papel de la Biósfera en el Sistema Climático, el caso del Trópico Suramericano, organizado por la Universidad Simón Bolívar, Caracas, Venezuela. 6 p. • Rosenberg, N.J. (1974). “Micro-Climate: the biological environment”. John Wiley & Sons. New York, USA. 315 p. • Sanchez Carrillo, J. (1981). “Mesoclimas en Venezuela”. Centro Nacional de Investigaciones Agropecuarias, Fondo Nacional de Investigaciones Agropecuarias, Ministerio de Agricultura y Cría. Maracay, Venezuela. 34 p., 9 mapas anexos. • Statistical Graphics Corporation, Inc. (1988). “Statgraphics: User’s Guide – System”. • World Meteorological Organization (1999). “The 1997–1998 El Niño Event: a scientific and technical retrospective”. Inter–Agency Committee for the Climate Agenda (WMO, IOC, UNEP and ICSU). WMO N° 905. Geneve, Suiza. 96 p. –––––––––– (2000). “Steering Committee on World Climate Programme – Water. First Meeting”. World Climate Applications and Services Programme (WCASP) 51. WMO/TD-N° 1048. Geneve, Suiza. 72 p.

72

Influencia Variables Macroclimaticas Clima Venezuela

Recommend Documents