Análisis de inundaciones costeras por precipitaciones intensas, cambio climático y fenómeno de El Niño. Caso de estudio: Machala.
Sistema de Información Científica Redalyc
Red de Revistas Científicas de América Latina y el Caribe, España y Portugal

Análisis de inundaciones costeras por precipitaciones intensas, cambio climático y fenómeno de El Niño. Caso de estudio: Machala.

COASTAL FLOOD ANALYSIS BY HEAVY RAINFALL, CLIMATE CHANGE AND ENSO. CASE STUDY: MACHALA

Sheila Serrano Vincenti 1
Universidad Politécnica Salesiana, Ecuador
Andrés Reisancho Puetate 1
Universidad Politécnica Salesiana, Ecuador
Ronnie Lizano Acevedo 1
Universidad Politécnica Salesiana, Ecuador
Mercy J. Borbor-Córdova 2
Escuela Superior Politécnica del Litoral, Ecuador
Anna M. Stewart-Ibarra 3
State University , Estados Unidos

Análisis de inundaciones costeras por precipitaciones intensas, cambio climático y fenómeno de El Niño. Caso de estudio: Machala.

LA GRANJA. Revista de Ciencias de la Vida, vol. 24, núm. 2, 2016

Universidad Politécnica Salesiana

Recepción: 15 Febrero 2016

Aprobación: 29 Septiembre 2016

Resumen: El presente trabajo busca estimar las amenazas de inundación debido a los efectos de las lluvias intensas, cambio climático y el Fenómeno de El Niño (ENSO) sobre la ciudad de Machala, Ecuador. Se han estudiado siete estaciones meteorológicas del Instituto Nacional de Meteorología e Hidrología (INAMHI), dos de las cuales tenían datos diarios de precipitación y temperatura con series temporales con más de 30 años. Para identificar los índices de cambio climá- tico se utilizó el programa R-climdex, incluyendo los reportes de inundaciones de la Secretaría Nacional de Gestión de Riesgos SNGR y el Índice del Fenómeno del Niño ONI. Los resultados muestran que Machala es una ciudad en riesgo ante inundaciones en la que los eventos extremos de precipitación son la principal causa. Presentándose un aumento, tanto en intensidad como en frecuencia, lo cual es congruente con el fenómeno de cambio climático. Ade- más se encontró que los eventos de inundación están relacionados con la aparición de ENSO. En lo que se refiera a la temperatura, se encontró también que los valores altos de temperaturas mínimas están en aumento, una evidencia más de que el cambio climático podría estar afectando a la zona de estudio.

Palabras clave: Machala, cambio climático, R-climdex, ENSO, inundaciones.

Abstract: This paper seeks to estimate the threat of flooding by the effects of heavy rains, climate change and ENSO on the Machala city, Ecuador. Were studied seven weather stations of the National Institute of Meteorology and Hydrology (INAMHI), two of which had complete daily data of precipitation and temperature with more than 30 years. Climate change indices were identified using R-ClimDex program, comparing flooding reports of the National Secretariat for Risk Management (SNGR) and the ONI Index. The results shown that Machala is a city at risk from flooding in which extreme precipitation events are the main cause, which present increase both in intensity and frequency, which is consistent with the phenomenon of climate change. In addition it was found that flood and intense reain events are related to the occurrence of ENSO (Niño and Niña). Also was found that high values of minimum temperatures are increasing, more evidence that climate change could be affecting the study area.

Keywords: Machala, climate change, R-climdex, ENSO, inundation.

Forma sugerida de citar:

Serrano, S., A. Reisancho, R. Lizano, M. J. Borbor-Córdova y A. M. Stewart-Ibarra. 2016. Análisis de inundaciones costeras por precipitaciones intensas, cambio climático y fenómeno de El Niño. Caso de estudio: Machala. La Granja: Revista de Ciencias de la Vida. Vol. 24(2):53-68. ISSN: 1390-3799.

1 Introducción

La inundación, vista como amenaza, se refiere al desbordamiento no controlado de masas de agua fuera de sus confines normales; generalmente es ocasionada por la precipitación (lluvia, nieve o granizo), oleaje, marea de tormenta, o falla de alguna estructura hidráulica (OMM, 2012). Generalmente las inundaciones afectan a las comunidades ubicadas en zonas bajas, planas, con poca cobertura vegetal y suelos asfálticos que impiden la infiltración de agua. La tala de bosques, fallas en el diseño de las obras hidráulicas y ubicación de centros poblados en las orillas de las masas de agua, agravan este problema (CENAPRED, 2009).

En la zona costera de Ecuador, las inundaciones se originan principalmente por precipitaciones intensas, aunque se puede sumar el efecto de las mareas altas, aguajes e incremento de caudales en ríos o lagos aledaños (generalmente ocasionado por lluvias intensas en las zonas altas); aunque también existen causas antrópicas como: roturas de cañerías u otros problemas de infraestructura (SNGR, 2012). En los casos de ciudades como Guayaquil, Machala y Babahoyo, a estas causas se debe sumar el efecto de una la topografía plana, que ocasiona que toda actividad de desagüe sea lenta y poco eficiente (CEPAL-BID, 2000).

1.1 Precipitaciones intensas y cambio climático

Según el Panel Intergubernamental de Expertos frente al Cambio Climático (IPCC, 1996), el Cambio Climático ocasiona un incremento en frecuencia e intensidad de eventos extremos tanto de precipitación (inundaciones, deslizamientos, huracanes y ciclones), como de temperatura (olas de frío y calor) (Riebeek, 2005). En general, estos cambios impactarán en todo tipo de ecosistema y actividades comerciales agrícolas, pecuarias, marinas o turísticas. Específicamente el anegamiento de agua, tendría consecuencias en la salud pública, el aumento en la erosión costera y pérdida de litorales debido al aumento en el nivel del mar, así como a la disminución de las fuentes de agua dulce (UCAR, 2012).

En el Ecuador, se confirma un aumento de temperatura, sequías e inundaciones recurrentes, derretimiento de glaciares y una intensificación y variación de los patrones de precipitación (Muñoz et al.,2010), que involucra las consecuencias ya enunciadas.

Al parecer, el incremento de temperatura generalizado, debido a la acumulación de gases de efecto invernadero hace que exista más vapor de agua disponible en la atmósfera, al ser éste el combustible de las precipitaciones y tormentas, existe más posibilidad de que su acumulación se libere abruptamente a través de eventos extremos de precipitaciones (Serrano et al., 2014). De esta manera, se evidencia que el cambio climático actúa como una especie de “disparador de eventos extremos” sobre todo de lluvia, que son la principal causa de las inundaciones reportadas y el objetivo de este estudio.

1.2 El fenómeno de El Niño y las precipitaciones intensas

El fenómeno de El Niño o ENSO (por sus siglas en inglés, El Niño Southern Oscillation) lleva este nombre debido a que sus efectos por lo general comienzan a manifestarse en las festividades de Navidad. En 1923, Sir Gilbert Thomas Walker describió por primera vez la circulación a gran escala que bautizó como ENSO (Walker, 1923).

ENSO se refiera al fenómeno océano atmosférico climático a gran escala vinculado a los cambios periódicos en los patrones de viento, y a un calentamiento cuasi-periódico de las temperaturasde la superficie marina a través del Océano Pacífico ecuatorial central y Este central. Dentro de ENSO,El Niño representa la fase de calentamiento, correspondiente a pequeña variación de temperatura,superior a 0,5C grados sobre la media móvil de latemperatura superficial del mar (NOAA, 2015b). Lagran cantidad de vapor disponible por el incrementode temperatura, genera las condiciones propicias para un incremento de precipitaciones en las costasde América, especialmente de Ecuador y Perú. Sin embargo, cabe indicar, que ENSO comprende también una fase de enfriamiento de la superficie delmar, conocida como La Niña, en la cual se experimenta un descenso de la temperatura de −0,5Csobre la media móvil. Estas temperaturas bajas, se asocian con un descenso de las precipitaciones, que ocurren inmediatamente después de El Niño.

1.2.1 El índice del Fenómeno del Niño (ONI)

El Oceanic Niño Index (ONI) disponible a través de la web de la NOAA (National Oceanic and Atmospheric Administration), es un indicador de la presenciadel Fenómeno del Niño y La Niña. Es un dato mensual que registra las anomalías de temperatura superficial del mar en el Océano Pacífico Central, de coordenadas (5N–5S, 120◦–170W), tomando como período base los años 1971 a 2000, generadas del ERSST (Extended Reconstructed Sea Surface Temperature),que es una base de datos, generada también por la NOAA, que utiliza datos in situ, y satelitales;cuyos valores faltantes son rellenados estadísticamente.ONI, indica la presencia de El Niño cuandose registran más de 5 meses consecutivos con unvalor superior a +0,5C, y de La Niña, cuando estas anomalías se mantienen 5 meses consecutivos por debajo de los −0,5◦C (NOAA, 2015).

1.2.2 El Niño en Machala

La presencia del fenómeno El Niño en los años de1997-1998 registró los eventos de lluvias e inundaciones históricas más intensos. Durando más de 19 meses consecutivos, fue también el evento con mayor cantidad de información recopilada: en enero de 1997 se dio un incremento progresivo de ONI de1C hasta alcanzar el récord histórico de 4,72C en el mes de julio de 1998. En cuanto a precipitaciones, los valores para Machala de precipitación acumulada durante El Niño, fueron de 2991.90mm cuando la precipitación acumulada en el periodo de 1964a 19987 fue de 2020mm (CAF, 2000) representando un 148% más, en otras palabras, en 19 meses llovió más que en 34 años.

Las consecuencias económicas y sociales fueron enormes, según Subía (2002), se registró una interrupción casi total de las vías de comunicación, con el aislamiento de poblaciones por semanas seguidas, aplazamiento temporal o definitivo de planes y programas del sector público y privado. En la pre- sencia de El Niño se perdieron vidas humanas y miles de hectáreas de sembríos, puentes y caminos vecinales, los centros poblados se inundaron afectando en general a los negocios y a la pequeña industria, deteriorando calles y servicios básicos por la presencia excesiva de agua, consecuentemente la proliferación de enfermedades como la malaria, paludismo, dengue, afecciones a la piel, etc., causadas por la falta de evacuación del el agua concentrada en los centros poblados.

2 Materiales y métodos

2.1 Reportes de inundaciones de la SNGR

La Secretaría Nacional de Gestión de Riesgos del Ecuador (SNGR) ha generado un reporte de inundaciones tomado desde el año 2007 hasta el 2012. En este tipo de reporte se indica la fecha en la que se generó la inundación y detalles de las causas de este fenómeno, tal como se presenta en la Tabla 1. De los 29 eventos de inundación solo 2 no fueron causados por lluvias, estos fueron causados por rotura de cañería en la parroquia de Puerto Bolívar y la segunda se presentó en la parroquia El Retiro la cual no es de origen meteorológico, no determinado.

2.2 Estaciones meteorológicas utilizadas

Los datos meteorológicos fueron entregados por el INAMHI y a la Universidad Estatal de Machala UEM (estación Granja Santa Inés), previo un control de calidad y homogenización. Debido a la fina localización temporal (horas o minutos) y espacial (decenas de kilómetros cuadrados), que los eventos extremos suelen tener, es requisito contar con una resolución mínima diaria de los datos. Por otro lado, para realizar un estudio de cambios en la climatología se requiere un rango temporal mínimo de 30 años. De esta manera, los datos de las estaciones estudidadas se presentan en la Tabla 2.

A través de entrevistas y reuniones con los grupos focales, se ha mencionado el saber vernáculo de la zona que indica que “cuando llueve en Cuenca, se inunda Machala”, es decir que las lluvias que ocurren en la zona andina aledaña, cercana a la ciudad de Cuenca, afectan finalmente a los procesos de inundación en la zona costera de Machala, y es por esto que se incluyen en el estudio estaciones meteorológicas que están alejadas de la ciudad, tal como se aprecia en la Figura 1.

Cabe resaltar, como una limitación de este estudio, la poca cantidad de estaciones con datos meteorológicos diarios en los alrededores de la ciudad de Machala. Pero en Ecuador ésta es la información disponible.

2.3 R-Climdex e índices de cambio climático

Se estudian los índices de cambio climático recomendadospor el Grupo de Expertos de Índices y Detección de Cambio Climático (Expert Team on Climate Change Detection and Indices) ETCCDI del IPC (Sillmann, 2013a,b), los cuales requieren datos tanto de temperatura como de precipitación diarios con un rango superior a 30 años. Las dos únicas estaciones que contaban con estos datos fueron Saraguro (INAMHI) y Santa Inés (UEM), para obtenerlos indicadores de temperatura sólo se pudo utilizarlos datos de la estación de Santa Inés ya que Saraguro se tenía demasiados datos incompletos de temperatura (≤70%). El análisis se llevó a cabo con la herramienta computacional R-Climdex, (en lenguajeR). Desarrollado por Byron Glearson del National Climate Data Center (NCDC) de la NOAA y programa recomendado por el IPCC desde el 2001(Zhang et al., 2004). Este es un programa de códigoabierto que no depende de un sistema operativodeterminado (Santos, 2004).

Tabla 1. Reportes de inundación de la SNGR ocurridos en Machala del 2007 al 2012. Tomado de (SNGR, 2012).



Figura 1. Ubicación geográfica de estaciones meteorológicas, la ciudad de Machala está resaltada en color violeta. Adaptado de: Instituto Geográfico Militar.

Tabla 2. Estaciones meteorológicas utilizadas en el estudio. En las variables de estudio P, se refiere a precipitación y T a las temperaturas máximas y mínimas diarias.


Según el ETCCDI, existen 24 índices de cambio climático, que incluyen la detección de eventos de temperaturas extremas, olas de calor y de frío; incremento o disminución en intensidad y frecuencia de lluvia y lluvias intensas (Zhang et al., 2004). Sin embargo, dadas las características de la zona de estudio y de los datos disponibles, sólo se encontraron los siguientes índices que lograron una significancia estadística:

Días Húmedos Consecutivos (CWD por sus siglas en inglés Consecutive Wet Days). Que determina la longitud máxima de un período lluvioso, contando el número de días consecutivos en donde se registra precipitación. Sea RR i j la cantidad de precipitación registrada en un día i, en el período j, se determina el mayor número de días consecutivos donde:

Para este estudio se utilizó como período de estudio anual, siendo j el indicador del año. Así mismo se definió como día con lluvia, a aquél que registró una precipitación diaria acumulada igual o superior a 1 mm, definición compatible con la sensibilidad mayoría de pluviómetros utilizados (Sillmann, 2013).

Precipitación Total Anual en los Días Húmedos (PRCPTOT), se refiere a la cantidad de lluvia en milímetros registrados en los días lluviosos, durante un año j.

Cantidad máxima de precipitación en un día RX1day, donde RRi j es la lluvia máxima registrada en el día i, y el año j, así se tiene,

RX5day. Asimismo, se evaluó a RX5day, que se refiere a la cantidad máxima de precipitación registrada en un período de cinco días consecutivos de lluvia, k = 5. Donde,

SU25. En cuanto a los índices de temperatura, sepuede mencionar al SU25, también conocidopor “días de verano al año”, que cuenta el númerode días en donde la temperatura máximadiaria TX, es superior a los 25◦C; de allí el nombre del índice (SU25, por summer days),así:

donde TXi j se refiere a la temperatura máxima registrada en el día i, y el año j.

Valor mensual mínimo de temperatura mínima diaria TNn, que registra el valor más bajo, en C, de las temperaturas mínimas diarias TNi, en el mes k, durante el año j,

TXx. Finalmente, se determinó el valor mensual máximo de temperatura máxima diaria TXx, que registra el valor más alto, enC, de las temperaturas máximas diarias TXi, en el mesk, durante el año j:

R-Climdex, realiza un nuevo control de calidadsobre los datos entregados, y evalúa la evolución temporal de los índices mencionados, determinandola media móvil, su tendencia lineal utilizando el método de ajuste de los mínimos cuadrados yuna prueba T de significancia estadística, que envarios estudios climáticos se considera suficientementebuena si supera el 80% (p≤0.2) (Zhang et al.,2004).

3 Resultados y discusión

3.1 Características de las zonas de estudio

Al estar las estaciones meteorológicas ubicadas en diferentes zonas climáticas, se realizó un breve resumen de los principales estadísticos al analizar el número de días lluviosos, máximos y mínimos presentados así como los correspondientes percentiles (Ver Tabla 3).

En la Tabla 3, se aprecia que el porcentaje de días lluviosos e intensidad de lluvias intensas es prácticamente mayor en la zona costera, descendiendo moderadamente en la sierra. Sin embargo, es más notable la gran diferencia que existe entre los valores máximos detectados y el percentil 99 registrado. Esta gran diferencia es muestra de lo poco representativos que son los eventos extremos de una zona de estudio.


Figura 2. Eventos de inundación reportados por la SNGR y eventos de precipitación diaria para todas las estaciones estudiadas.

Tabla 3. Estadísticos principales de las estaciones estudiadas.


3.2 Influencia de las lluvias sobre los procesos de inundación

Al analizar la cantidad de lluvia que se ha generado en cada estación meteorológica estudiada de la Tabla 1, incluyendo los procesos de inundación se obtiene en la Figura 2.

En la Figura 2, se aprecia la gran influencia delos eventos extremos de precipitación sobre los procesosde inundaciones. Mismos que se dan con un periodo que oscila entre los 300 y 400 días, es decir que prácticamente las inundaciones se dan de manera anual, de preferencia en los meses de enero, febrero, con ligeros desfases hacia diciembre y marzo, y escasamente, abril.

Asimismo, cabe indicar que los eventos de precipitacion es intensas se dan alrededor de las mismas fechas, sin importar si las estaciones se ubicaban en la zona costera o la andina.


Figura 3. Valores de precipitaciones vs. ONI de las estaciones Granja Santa Ines, Pasaje y Ushcurrumi; pertenecientes a la zona costa del área de estudio.


Figura 4. Valores de precipitaciones vs. ONI de las estaciones Girón, Onna, Saraguro, y Nabon; pertenecientes a la zona sierra del área de estudio.

3.3 Influencia de la precipitación en los procesos de inundación bajo la influencia de ENSO por zona de estudio

En la Figura 3 se logra visualizar la relación queexiste entre los datos de precipitación de las estaciones meteorológicas ubicados en la región costa, los reportes de inundación y el ONI. En este caso,al ser ONI un dato mensual de temperatura superficial del mar, contrastado con los datos diarios de precipitación, se ubicó su valor, en el día 15 de cadames.

En la Figura 4 se observa la relación existente entre la precipitación registrada en las estaciones de la región Sierra con ONI, y los reportes de inundación.

Es claro que en ambas figuras semuestra una correspondenciaentre los procesos de inundación y la presencia de ENSO. Lo interesante es que no solo se da en presencia de El Niño, sino también de La Niña, que generalmente se asocia con una época de sequía.


Figura 5. Días húmedos consecutivos CWDs para las estaciones de Izquierda: Santa Inés y Derecha: Saraguro. La información inferior indica las pendientes de cada gráfica, sus errores y el valor-p.


Figura 6. Precipitación total anual en los días húmedos PRCPTOT para las estaciones de Izquierda: Santa Inés y Derecha: Saraguro. La información inferior indica las pendientes de cada gráfica, sus errores y el valor-p.

3.4 Índices de cambio climático

Como se mencionó anteriormente, se presentan los índices cuya significancia estadística, después derealizar una prueba F, fue lo suficientemente alta. Asimismo, se dividió el estudio de los índices, entrea quellos relacionados con los procesos de inundación, y aquellos relacionados con el incremento de temperatura.

3.4.1 Índices de lluvia e inundaciones

En la Figura 5, se presenta el Número de Días Húmedos Consecutivos (CWD). La estación Santa Inés presentó un valor de pendiente positiva 0.024(0.075) días/año, pero poco significativa (valor-p de 0.746), la gran desviación se debe a que se tienen dos picos, cuyos valores máximos se presentaron en los años 1989 y 2009, ambos con 14 días consecutivos de lluvia. Mientras que en la estación Saraguro presenta una pendiente negativa estadísticamente significativa (valor-p de 0.187) e iguala −0,13(0,095) [días/año]. Registrando sus valores máximos fueron en los años 1988 y 1989 con un valor de 15CWD. Estas tendencias muestran cómo en la región de la sierra se evidencia no sólo regímenes lluviosos diferentes a los de la costa, sino que en disminución.


Figura 7. Cantidad Máxima de precipitación en 1 día RX1day para las estaciones de Izquierda: Santa Inés y Derecha: Saraguro. La información inferior indica las pendientes de cada gráfica, sus errores y el valor-p.


Figura 8. Cantidad Máxima de precipitación en 5 días RX5day para las estaciones de Izquierda: Santa Inés y Derecha: Saraguro. La información inferior indica las pendientes de cada gráfica, sus errores y el valor-p.

En la Figura 6, se visualiza la precipitación total anual en los días húmedos o con lluvia (PRCPTOT).En la estación Santa Inés se presenta una ligerapendiente positiva (+0,036mm/año), pero con una baja significancia estadística (valor p=0.997).Esto se debe a que se presenta un valor extremode 1816.2mm/año, en 1998, ocasionado por la presencia del Fenómeno del Niño. Por otro lado, la estación Saraguro presenta una pendiente negativa(−4,328mm/año), con una significancia de p=0,367que indica que tampoco es lo suficientemente significativa. La estación Saraguro presentó dos valores pico los cuales se registraron en los años de 1993 y1999 con valores de 1107.6 y 1105.9mm/año respectivamente. Este último valor es interesante ya que existen reportes (Campozano et al., 2014) de que encasos de ENSO muy intenso la región Sierra también se ve afectada.

En las Figura 6 y 7, se presentan datos de la cantidad máxima de precipitación registrada en un día RX1day, de cada año. Indicador importante de los ventos de inundaciones; ya que según los reportesde la SNGR, las inundaciones se producen por precipitaciones que difícilmente superan las 24 horasde duración (SNGR, 2012). En la estación Santa Inésse tiene una tendencia positiva de 0,712 [mm/año]con un valor-p de 0,388. Por otro lado la cantidad máxima de precipitación en cinco días RX5day tiene un valor de 0,999 [mm/año] con un valor-p de0,455. Cabe indicar que aunque en ambos casos la tendencia no es suficientemente significativa, este comportamiento se debe a la presencia de ENSO,evento que provoca una enorme variabilidad en el sistema, pero que no se puede eliminar del mismo.Finalmente, la variabilidad e impredecibilidad del sistema climático es una realidad que estará presenteen los cálculos.

Otra observación se refiere a que la diferencia entre los valores de RX1day, RX5day y CWD, en el sentido de que las lluvias que ocurren a días consecutivos no son una característica este sistema y que tampoco presentan ninguna tendencia que pueda ser mencionada. Es decir, que la mayoría de eventos extremos en las zonas de estudio tienen una duración inferior a un día.

A estudiar la estación Saraguro se nota una variación entre los valores de RX1day con una tendenciade −0,098 [mm/año] con un valor-p de 0,799 y el RX5day con un valor de −0,972 [mm/año] con un valor-p de 0,105*, la primera tendencia estadísticamente significativa (p≤0.2), lo que nos indica una disminución a futuro de días consecutivos de lluvia en la región Sierra; en contraste a lo que ocurre en la Costa.


Figura 9. Días de Verano SU25, para las estaciones Santa Inés. La información inferior indica las pendientes de cada gráfico, sus errores y el valor-p.

3.4.2 Índices de temperatura

En estos indicadores, debido a la falta de datos detemperatura en la estación de Saraguro, sólo se analizaron los indicadores de la estación de Santa Inés. En la Figura 9, se presentan los días de verano al año (aquellos en los que la temperatura es superiora los 25 C). Obteniéndose un pico de 359 y un valor mínimo de 272 [día/año] en los años de 1997 y 2001 respectivamente.

El valor especialmente bajo del año 2001, genera nuevamente una baja en la significancia estadística de la tendencia lineal de 0,202 días/año, de tan solo p=0,69. Sin embargo, cabe notar que la mayoríade valores de días con temperaturas máximas superiores a 25◦C, superan los 320 días al año, lo que equivale a decir que corresponden a más del 87% de los días.


Figura 10. Valor mensual mínimo de temperatura mínima diaria TNn para las estaciones Santa Inés. La tabla información indica las pendientes de cada gráfico, sus errores y el valor-p.

En la Figura 10, se muestra un incremento enel valor de las temperaturas mínimas 0,044C/año,con un valor-p de 0,127 que indica una tendencia significante estadísticamente.

Este indicador es una muestra de que las temperaturas mínimas (generalmente dadas en las primeras horas de la madrugada) se encuentran en aumento, este fenómeno es congruente tanto con los efectos del Cambio Climático (provocado por el incremento de temperatura de la superficie del mar adyacente) como en el Efecto de Isla de Calor, producido por el proceso de urbanización, que se ha intensificado en los últimos años en la ciudad de Machala (Mendoza, 2014).

Finalmente, en la Figura 11, se presenta el comportamientode los valores anuales máximos detemperatura máxima diaria, se aprecia una tendenciade −0,004C/año sin significancia estadística (p=0,868), misma que se ve afectada por la presencia de ENSO; sin embargo, a pesar de que no existe una tendencia de incremento o decremento, se aprecian una ubicación del promedio de temperatura máxima alrededor de los 34C; estas temperaturas son bastante elevadas inclusive para ciudades que se ubican en la región costa.


Figura 11. Valor Máximo de las Temperaturas Máximas TXx de Santa Inés. La información inferior indica las pendientes de cada gráfico, sus errores y el valor-p.

4 Conclusiones

En primer lugar, los resultados muestran una rela- ción directa entre los eventos de inundación reportados por la SNGR y los eventos extremos de lluvia, ubicados en la costa y en la región Sierra, a pesar de la distancia que se encuentra entre las estaciones estudiadas, apreciándose que tanto los eventos locales como los que se encuentran río arriba, son capaces de afectar por procesos de inundación a la ciudad de Machala.

De la misma manera, se aprecia una influencia de la presencia del Fenómeno del Niño y de La Niña, que no se esperaba. Es decir, no sólo la presencia del Niño produce eventos de inundación, sino que también éstas se registran en la época de menos precipitaciones como La Niña.

En cuanto a los índices de cambio climático, esimportante mencionar que aunque las tendencias encontradas tienen una significancia estadística inferior al 80%, no pueden ser ignoradas, ya es la presenciade ENSO la responsable de que se registren valores extremadamente altos que afecten a las tendencias encontradas.

Así, en lo que se refiere a las precipitaciones,se puede apreciar un incremento en la intensidad eventos extremos de precipitación en la región costa (RX1day, RX5day),mas no en su frecuencia (PRCPTOT,CWD). Lo que hace visible que la ciudad deMachala se encuentre en amenaza por los procesos de inundación repentinos, que generalmente se dan en días puntuales. Cabe indicar que todos los índices de precipitación en la Sierra disminuyen por lo que es necesario repensar el impacto en eventos de desertización que se puede tener en esta zona.

Finalmente, en cuanto al comportamiento de lastemperaturas máximas y mínimas, se visibiliza unincremento tanto en frecuencia (SU25) como en intensidad(TXx, TNn). Las temperaturas mínimas tiene nun incremento mucho más significativo que las altas. Lo que puede reflejar un efecto combinado del Cambio Climático con el efecto de Isla de Calor.

Agradecimientos

Los autores agradecen a la Universidad Politécnica Salesiana y al Instituto Americano de Cambio Global IAI por el financiamiento de esta investigación. Al INAMHI, SNGR, Instituto Geográfico Militar y a la NOAA por los datos utilizados en este estudio.

Referencias

CAF. 2000. Las lecciones de El Niño. Ecuador: CAF. http://scioteca.caf.com/handle/123456 789/675

Campozano, L., D. Ballari y R. Celleri. 2014. Imágenes TRMM para identificar patrones de precipitación e índices ENSO en Ecuador. MAS- KANA. páginas 185-191.

CENAPRED. 2009. Inundaciones, 1ra Ed. Mexico: Centro Nacional de Prevención de Desastres. (V. Ramos, Ed.) México D.F.

CEPAL-BID. 2000. Un tema del desarrollo: la reduccion de la vulnerabilidad frente a los desastres. Nueva Orleans.

EPMAPS. 2016. EPMAPS Agua de Quito. http://www.aguaquito.gob.ec/distribucion-0

GADMachala. 2015a. Acciones para mitigar fenómeno de El Niño: MUNICIPALIDAD DE MACHALA PREPARA TALLER DE PREVEN- CIÓN DE RIESGOS Y DESECHOS SÓLIDOS EN EL MACHO. Alcaldía Machala-Noticias. http://www.machala.gob.ec/noticias/acfnin o.html

GADMachala. 2015b. MUNICIPALIDAD DE MACHALA CONTINÚA ORGANIZANDO PLANES PREVENTIVOS ANTE FE- NÓMENO DE EL NIÑO. Alcaldía Machala-Noticias. http://www.machala.gob.ec/noticia s/ppfn1015.html

INDECI. 2006. Manual Básico para la Estimación del Riesgo, 1ra Ed. Instituto Naconal de Defensa Civil (INDECI). Lima, Perú.

IPCC. 1996. Climate Change 1995, The Science of Climate Change. CAMBRIDGE UNIVERSITY PRESS.

Landa, R., V. Magaña y C. Neri. 2008. Agua y clima: elementos para la adaptación al cambio climático. México: SEMART. Tlalpan, México D.F.

Macas, F. 2015a. La tarifa de agua aumentó en Machala. El Universo. http://www.eluniverso.com/noticias/2015/0 8/04/nota/5053273/tarifa-agua-aumento-ma chala

Mendoza, G. 2014. Crecimiento económico y barrios urbanos marginales en Machala Ecuador. Revista semestral de investigación de la Corporación Internacional para el Desarrollo Educativo-CIDE. 1(14). Año 8.

MSP. 2012. Infórmate sobre el Fenómeno de El Niño. http://www.salud.gob.ec/informate-sobr e-el-fenomeno-de-el-nino/

Muñoz, Á., C. Recalde, J. Cadena, A. Núñez, J. Díaz y R. Mejía. 2010. Análisis Estadístico con Fclimdex para Ecuador, Informe Final. Ecuador: INAMHI-MAE.

NOAA. 2015b. El Niño/Southern Oscillation. National Weather Service Weather Forecast Office. http://www.srh.noaa.gov/fwd/?n=basics

NOAA. 2015b. El Niño/Southern Oscillation. National Weather Service Weather Forecast Office. http://www.srh.noaa.gov/fwd/?n=basics

OMM. 2012. Glosario Hidrológico Internacional. Suiza: Organización Meteorológica Mundial.

Riebeek, H. 2005. The Rising Cost of Na- tural Hazards. NASA Earth Observatory. http://earthobservatory.nasa.gov/Features/ RisingCost/

Rueda, V. y C. Garcia. 2002. Vulnerabilidad y adaptación regional ante el cambio climático y sus impactos ambientales, sociales y económicos. Gaceta Ecológica. páginas 7-23.

Santos, J. 2004. Manual de Usuario R-Climdex (Versión español). Centro Internacional para la Investigación del Fenómeno del Niño CIIFEN.

Serrano, S. y L. Basile. 2012a. La precipitación intensa vista desde la criticalidad autoorganizanda y las transiciones de fase continuas: un nuevo enfoque de estudio. La Granja. 15(1):5-18.

Serrano, S., D. Zuleta, V. Moscoso, P. Jácome, E. Palacios y M. Villacís. 2012b. Análisis estadístico de datos meteorológicos mensuales y diarios para la determinación de variabilidad climática y cambio climático en el Distrito Metropolitano de Quito. La Granja. páginas 23- 47.

Serrano, S., N. Vásquez, P. Jácome y L. Basile. 2014. Critical Phenomena of Rainfall in Ecuador. Sun and Geosphere. 9(1):73-76.

Sillmann, J. V. 2013a. Climate extremes indices in the CMIP5 multimodel ensemble. Part 1: Model evaluation in the present climate. J. Geophys. Res. DOI:10.1002/jgrd.50203.

Sillmann, J. V. 2013b. Climate extremes indices in the CMIP5 multi-model ensemble. Part 2: Future projections. J. Geophys. Res. DOI:10.1002/jgrd.50188.

SNGR. 2012. Reporte de Inundaciones en la Costa ecuatoriana. Boletín.

Subía, G. 2002. El niño 1997-1998, máximas precipitaciones y caudales registrados, áreas de afectación. Curso internacional CISMID- JICA, II: Mitigación de los Efectos Causados por el Fenomeno El Niño. página 11. Lima. http://www.bvsde.paho.org/texcom/cd0469 95/GSubia.pdf

Trenberth, K. y N. C. (Eds). 2016. The Climate Data Guide: Nino SST Indices (Nino 1+2, 3, 3.4, 4; ONI and TNI). https://climatedataguide.ucar.edu/climated ata/nino-sst-indices-nino-12-3-34-4-oni-and-tni

UCAR. 2012. The COMET Program. UCAR COMMUNITY PROGRAM. https://www.meted.ucar.edu/climate/impa cts/region_es/index.htm

Walker, G. 1923. Correlation in seasonal variations of wheather. VIII A preliminary study of world weather. Mem. Indian Meteorology. 24(4):75-131.

Zhang, X., G. Hegerl, F. Zwiers and J. Kenyon. 2004. RClimDex (1.0) User Manual. Downsview, Ontario: Climate Research Branch, Environment Canada.

Notas de autor

1 Grupo de Investigación en Ciencias Ambientales GRICAM. Centro de Investigación en Modelamiento Ambiental CIMA-UPS. Carrera de Ingeniería Ambiental. Universidad Politécnica Salesiana, Av. Morán Valverde s/n y Rumichaca. Campus Sur. Quito, Ecuador.

1 Grupo de Investigación en Ciencias Ambientales GRICAM. Centro de Investigación en Modelamiento Ambiental CIMA-UPS. Carrera de Ingeniería Ambiental. Universidad Politécnica Salesiana, Av. Morán Valverde s/n y Rumichaca. Campus Sur. Quito, Ecuador.

1 Grupo de Investigación en Ciencias Ambientales GRICAM. Centro de Investigación en Modelamiento Ambiental CIMA-UPS. Carrera de Ingeniería Ambiental. Universidad Politécnica Salesiana, Av. Morán Valverde s/n y Rumichaca. Campus Sur. Quito, Ecuador.

2 Facultad de Ingeniería Marítima. Ciencias Oceánicas y Recursos Naturales. Escuela Superior Politécnica del Litoral. Campus Gustavo Galindo, Guayaquil, Ecuador.

3 Latin America Research Program. Center for Global Health & Translational Science. State University of New York SUNY Upstate Medical University. 4100 Institute for Human Performance 505 Irving Ave., Syracuse, NY 13210, USA.

Enlace alternativo

HTML generado por Redalyc a partir de XML-JATS4R


Copyright (c) 2016 Universidad Politénica Salesiana

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.

 
 

© 2017, Universidad Politécnica Salesiana del Ecuador