Tercera Comunicación Nacional

6.3 Perfil climático del Perú

El Perú cuenta con una gran diversidad de climas (ver capítulo 2), lo que conlleva a la
necesidad de tener un amplio sistema de observación y monitoreo del clima. El servicio
Nacional de Meteorología e Hidrología (SENAMHI) administra a nivel nacional una red de
estaciones que constituye la principal fuente de información para conocer las características
y manifestaciones del clima. A mayor disponibilidad de información histórica y cobertura se
podrá obtener información más exacta, que ayude con la toma de decisiones y la planificación
del riesgo.

El Perú cuenta con una gran diversidad de climas (ver capítulo
2), lo que conlleva a la necesidad de tener un amplio sistema de
observación y monitoreo del clima. El SENAMHI administra a
nivel nacional una red de 890 estaciones hidrometeorológicas
interconectadas (ver capítulo 7). Sin embargo, esta red es aún
insuficiente, como ocurren en la Amazonía donde la amplitud
de la región y la dificultad del acceso limitan la instalación de
estaciones. Tal como se explicó en la sección anterior, contar
con información del clima es relevante para poder caracterizar
el clima actual y desarrollar los escenarios del clima futuro, los
cuales a su vez permitirán identificar los peligros y desarrollar
las evaluaciones de vulnerabilidad.
6.3.1 El registro del clima pasado
El análisis de los datos históricos de precipitación y temperaturas
máximas y mínimas muestra una diferenciación estacional y
regional para cada una de estas variables (ver tabla 6.1).

Tabla 6.1 Registro del clima pasado

VARIABLES REGISTRO DE CLIMA PASADO

Precipitación anual • Los valores más altos se dan en la selva norte, donde existe poca variabilidad anual.

• Los valores más bajos se dan en general en toda la costa peruana, aunque la costa norte
presenta incrementos de precipitación entre diciembre y mayo.

• Los promedios de precipitación anual son moderados en la sierra, con valores ligeramente
más altos en la sierra norte.

• Hay una disminución marcada en el promedio de precipitación anual nacional desde la

década del 70 hasta fines de la década del 80. Aproximadamente 7 % en 20 años.

Temperaturas máximas y mínimas • Las mayores temperaturas del aire se dan en la costa norte y la selva baja, el periodo más
cálido es el comprendido entre los meses de diciembre a mayo.

• Las temperaturas mínimas se encuentran en la sierra centro y sur, principalmente en el

Altiplano, el periodo más frío es el comprendido entre los meses de junio a agosto.

• Existen indicios de que entre las décadas de los 70 y 90, las tendencias de las temperaturas
mínimas medias se incrementaron, en promedio, ligeramente en menor proporción que las
temperaturas máximas2.

Fuente: Elaboración propia en base a “Regionalización estadística de escenarios climáticos en el Perú”3 (SENAMHI, 2014).

2 Cabe señalar que los eventos El Niño/Oscilación Sur (ENOS) intensos, ocurridos durante este periodo, generaron anomalías que determinaron el incremento de estos
promedios de temperatura.
3 Estudio realizado en el marco del Proyecto “Evaluación de los impactos del cambio climático y mapeo de la vulnerabilidad a la inseguridad alimentaria bajo el cambio
climático para reforzar la seguridad alimentaria familiar con enfoque de adaptación de los medios de subsistencia - AMICAF”.

139
 6. Avances en la adaptación al cambio climático y el estado de la vulnerabilidad en el Perú

6.3.2 Las proyecciones del clima
Para construir las proyecciones del clima se utilizan, además
de la información del área de interés, los escenarios globales
de emisiones de GEI que son establecidos por el IPCC. En
su Quinto Informe de Evaluación —AR5— (IPCC, 2013), el
IPCC planteó una nueva familia de escenarios denominados
“Sendas Representativas de Concentración” (RCP, por sus
siglas en inglés) distintos a los anteriores escenarios SRES
(propuestos por el Special Report on Emission Scenarios). La
principal diferencia radica en que en los escenarios RCP los
niveles de forzamiento radiativo (FR)4 no están asociados con
los escenarios socioeconómicos o de emisión únicos (como
lo hacían los escenarios SRES), sino que más bien pueden
resultar de la combinación de diferentes futuros económicos,
tecnológicos, demográficos, políticos e institucionales
(Armenta, Dorado, Rodríguez, y Ruiz, 2014).
Los cuatro nuevos escenarios son el RCP 2.6, el RCP 4.5, el
RCP 6.0 y el RCP 8.5, que indican la cantidad de energía que
retiene el planeta, producto del FR: 2.6, 4.5, 6.0 u 8.5 W/m2,
respectivamente, y diversas condiciones entre los años 2100
y 2500 (Moss, y otros, 2010). En la tabla 6.2 se comparan los
datos para los modelos de escenarios SRES y RCP para el año
2100; además se muestran las equivalencias con los escenarios
RCP, según el factor de evaluación.

Tabla 6.2 Comparación de datos para los modelos de escenarios SRES y RCP para el año 2100 y equivalencias
entre escenarios

COMPARACIÓN

CONCENTRACIONES
AUMENTO AUMENTO
ESCENARIOS DE CO2 (ppm)2
PROMEDIO PROMEDIO
FR TOTAL
DE LA DEL NIVEL
(W/m2)1 MODELO MODELO TEMPERATURA DEL MAR
ISAM BERN - CC DEL AIRE (°C)3 (metros)4

A1B 6.05 717 703 +2.95 +0.39

A1T 5.07 582 575 +2.54 +0.37

A1FI 9.14 970 958 +4.49 +0.49

SRES

A2 8.07 856 836 +3.79 +0.42 EQUIVALENCIAS

B1 AUMENTO
4.19 549 540 +1.98 +0.31 AUMENTO
CONCENTRA- PROMEDIO
FR TOTAL (W/ PROMEDIO DE LA
CIONES DE CO2 DEL NIVEL
m2) TEMPERATURA
B2 5.71 621 611 +2.69 +0.36 (ppm) DEL MAR
DEL AIRE (°C)
(metros)

2.6 2.6 421 +1.0 +0.40 Ninguno Ninguno Ninguno A1B

4.5 4.5 538 +1.8 +0.47 B1 B1 B1 Ninguno

RCP

6.0 6.0 670 +2.2 +0.48 B2 Ninguno Ninguno A1FI

8.5 8.5 936 +3.7 +0.63 A1FI A1FI A2 Ninguno

1 Para el caso de los escenarios SRES, se refiere a las concentraciones de GEI más los efectos directos de las emisiones y concentraciones de aerosol.
2 Para el caso de los escenarios SRES, tanto para el modelo ISAM, como para el Bern – CC, se han considerado los escenarios de emisiones referenciales.
3 Para el caso de los escenarios RCP, se refiere al aumento de la temperatura media anual durante el periodo 2081-2100.
4 Para el caso de los escenarios RCP, se refiere al aumento del nivel medio del mar durante el periodo 2081-2100.

Fuente: Sobre la base de IPCC (2000b); Church (2013).

4 El FR es un proceso que altera el equilibrio de energía del sistema Tierra-atmósfera, y se expresa en vatios por metro cuadrado (W/m2). Si es positivo indica calentamiento
del sistema (más energía recibida que emitida), si es negativo refleja un enfriamiento (más energía perdida que recibida).

140
 Tercera Comunicación Nacional

En el año 2010, en la Segunda Comunicación Nacional del Perú
se presentó un resumen de los resultados de las proyecciones
del clima realizadas en el país para las cuencas de los ríos
Mantaro, Mayo, Piura, Santa y Urubamba. Desde esa fecha,
el SENAMHI ha continuado su labor como ente competente
construyendo escenarios climáticos tanto a nivel nacional,
regional como por cuencas. Para ello ha contado con el apoyo
de otras entidades y la cooperación internacional.
Durante el periodo 2010-2015, en el ámbito nacional destaca
el estudio de Regionalización Estadística de Escenarios
Climáticos en el Perú, a través del cual se obtuvieron
proyecciones climáticas locales de las variables de
precipitación, temperaturas máximas y mínimas hacia el año
20505 (SENAMHI, 2014). Mientras tanto, en el ámbito regional,
se realizaron proyecciones para las regiones de Áncash,
Apurímac, Cusco, Huancavelica, Huánuco, Ica, Moquegua,
Puno, San Martín, Tacna y Ucayali; y a nivel de cuencas, se
realizaron proyecciones en los ríos Ica, Mantaro, Pisco, Santo
Tomás y Urubamba. En la tabla 6.3 se señalan los detalles de
las metodologías utilizadas en los escenarios climáticos en este
último periodo.

Tabla 6.3 Descripción de las metodologías utilizadas para la construcción de escenarios climáticos en el
Perú. Periodo 2010-2015.

PERIODOS
MODELO MÉTODO DEL ESCENARIOS INCERTIDUMBRE Y
ANALIZADOS RESOLUCIÓN ÁREA DE
CLIMÁTICO DOWNSCALING DE EMISIÓN LIMITACIONES DEL
Y ESCALA DE ESPACIAL ESTUDIO
UTILIZADO U OTROS IPCC MODELO
ANÁLISIS

Escenario climático nacional para el año 2050

Referencia: Moderada. Las

1971-2000 Estadística proyecciones
(análogos para “posibles” (3×2
Análisis: precipitación ESM RCP) se han
CanESM21, CNRM- 1981-2010 y temperatura, RCP 4.5 obtenido para cada
A punto de Territorio
CM52, MPI-ESM- GLM para variable objetivo,
estación nacional
MR3 Proyecciones: precipitación, RCP 8.5 lo que permite la
2036-2065 regresión caracterización
lineal para adecuada del
Estacional y temperatura). manejo de las
anual incertidumbres.

Escenarios de cambio climático en las regiones Apurímac y Cusco 2030 y 2050

Referencia:
TL959- MRI/JMA4, 1971-2000 Dinámica
NCAR-CCSM35, (modelo WRF Moderada a alta,
UKMO HadCM38, Análisis: principalmente
versión 3.2) Regiones
ECHAM5-OM9, 1965-2008 en la Amazonía
20 de
BCCR-BCM2.010, Estadística A1B (SRES) del Cusco y en los
Proyecciones: kilómetros Apurímac y
CCCma-CGCM311, (de regresión complejos paisajes
2016-2044 (2030) Cusco
CSIRO -Mk3.012, 2036-2064 (2050) lineal) montañosos de
GFDL- CM2.113, Apurímac.
NIES-MIROC3.2m14 Estacional y
anual

Escenarios climáticos en las regiones de Áncash, Huancavelica, Huánuco, Ica, Moquegua, Puno, San Martín, Tacna y Ucayali a 2030

Referencia:
1971-2000
Regiones
de Áncash,
MPI-ESM-ER3, Análisis extremos: Huancavelica, Alta, considerando
CCSM4-NCAR5, 1965-2012 50 Huánuco, Ica, la no aplicación
Ninguno RCP 8.5
HadGem2-AO6, kilómetros Moquegua, de métodos de
HadGem2-ES7 Proyecciones Puno, San regionalización.
2016-2045 Martín, Tacna
Estacional y anual
y Ucayali.

5 En el periodo 2003-2009 se realizaron escenarios climáticos nacionales para el año 2030.

141
 6. Avances en la adaptación al cambio climático y el estado de la vulnerabilidad en el Perú

PERIODOS
MODELO MÉTODO DEL ESCENARIOS INCERTIDUMBRE Y
ANALIZADOS RESOLUCIÓN ÁREA DE
CLIMÁTICO DOWNSCALING DE EMISIÓN LIMITACIONES DEL
Y ESCALA DE ESPECIAL ESTUDIO
UTILIZADO U OTROS IPCC MODELO
ANÁLISIS

Escenarios de cambio climático en las cuencas de los ríos Mantaro y Urubamba a 2030

Referencia:
1971-2000 Dinámica
Moderada a alta
(modelo WRF
Análisis: en el caso de la
TL959L604 versión 3.2, y Cuencas
1965-2010 precipitación,
MRI-JMA, CCSM3- ETA-SENAMHI) 20 de los ríos
A1B (SRES) principalmente
NCAR5, HadCM38, kilómetros Mantaro y
Proyecciones: en invierno y
ECHAM59 Estadística Urubamba.
2016-2044 primavera y a
(de regresión
escala local.
Estacional y lineal)
anual

Escenarios climáticos en la cuenca del río Santo Tomás

TL959L604, Referencia:
1971-2000 Alta, dado el nivel
CCSM3-NCAR5,
Dinámica de escala de las
HadCM38, Cuenca del río
Análisis: (modelo WRF microcuencas
ECHAM59, Santo Tomás,
1965-2009 versión 3.2) y porque no
BCCR-BCM210, 20 con énfasis en
A1B (SRES) se cuenta con
kilómetros las microcuencas
Proyecciones: Estadística información de
CCCma-CGCM311, Santo Tomás y
2016-2044 (de regresión Challhuahuacho series de larga
CSIRO -Mk312,
lineal) extensión en el
GFDL- CM2.113, Estacional y tiempo.
NIES-MIROC3.2m14 anual

Escenarios de cambio climático en las cuencas de los ríos Ica y Pisco a 2030

Referencia:
1971-2000

Análisis: Moderada a alta

MPI-ESM-ER3,
1963-2012 Estadística Cuencas de en el caso de la
CCSM4-NCAR5, A punto de
(de regresión los ríos Ica y RCP 8.5 precipitación,
HadGem2-AO6, estación
Proyecciones: lineal) Pisco principalmente en
HadGem2-ES7
2016-2044 otoño y primavera.

Estacional y
anual

1 CanESM2: Canadian Earth System Model.

2 CNRM – CM5: Centre National de Recherches Météorologiques – Coupled Model en versión para el CMIP5.
3 MPI-ESM-MR: Max Planck Institute – Earth System Model - corriendo en grilla de resolución media (Medium Resolution).
4 TL959- MRI/JMA: Modelo con grillas horizontales de 20 kilómetros - Meteorological Research Institute/Japan Meteorological Agency. TL95960L - Modelo con grillas
horizontales de 20 kilómetros y 60 niveles en la vertical.
5 CCSM 3/4: Community Climate System Model, versiones 3 y 4, del National Center for Atmospheric Research.
6 HadGem2-AO: Hadley Global Environment Model 2 – Atmosphere – Ocean.
7 HadGem2-ES: Hadley Global Environment Model 2 – Earth System.
8 HadCM3: Hadley Coupled Model, versión 3.
9 ECHAM5: European Centre Hamburg Model, versión 5.
10 BCCR-BCM2: Bjerknes Centre for Climate Research – Bergen Climate Model, versión 2.
11 CCCma-CGCM3: Canadian Centre for Climate Modelling and Analysis - Coupled Global Climate Model versión 3.
12 CSIRO – Mk3: Commonwealth Scientific and Industrial Research Organisation – Mark model, versión 3.
13 GFDL- CM2.1: Geophysical Fluid Dinamics Laboratory – Coupled Model, versión 2.1.
14 NIES-MIROC3.2m: National Institute for Environmental Studies - Model for Interdisciplinary Research on Climate, versión 3.2 MedRes.

Fuente: MINAM-SENAMHI-PACC (2012); SENAMHI (2013); SENAMHI (2014).

142
 Tercera Comunicación Nacional

A continuación, se presentan los principales resultados de las
proyecciones del clima realizadas en el Perú a partir del año
2010.
Resultados de las proyecciones del clima a escala
nacional
Para el estudio se usaron los escenarios de emisiones RCP
4.5 y RCP 8.5 y los modelos climáticos globales CanESM2,
CNRM-CM5 y MPI-ESM-MR; por lo que se logró obtener hasta
seis proyecciones posibles (3x2 ESM RCP). En todas ellas, se
observaron incrementos en los promedios de precipitación
∆(2036:2065 - 1971:2000)
y temperatura. Para la precipitación, dos modelos utilizados,
CanESM2 y MPI-ESM-MR, proporcionan resultados similares,
MPI-ESM-MR
con incrementos promedio para el periodo 2036-2065
entre el 10 % y el 20 %, mientras que el modelo CNRM-CM5
8.5 ofrece cambios menores. Por otraRCP4.5
parte, los dos RCP llevan
a proyecciones similares hasta 2040, momento en el cual
MR proporciona resultados moderados. Los incrementos
promedio para el periodo 2036-2065 están entre 2 °C y
3 °C, y 4 °C y 6 °C para la temperatura máxima y mínima,
respectivamente, dependiendo del Modelo de Sistema Global
(ESM por sus siglas en inglés) y de los RCP.
Con el fin de evaluar la distribución espacial de estos resultados,
se aplicó el método delta, restando la media del periodo de
referencia histórico (1971-2000) respecto a la media del periodo
de escenario objetivo (2036-2065). Para la precipitación, los
resultados obtenidos muestran una alta variabilidad espacial,
con cambios de aumento/disminución en estaciones cercanas,
excepto en la parte noroeste del país, donde la señal de
humedecimiento es clara. Por otro lado, los resultados para
las temperaturas muestran un aumento de estas en todo el
país, los más altos incrementos se encuentran en la región del
RCP8.5
Altiplano. Asimismo, se tiene que la señal de calentamiento
proyectado es mayor para la temperatura mínima que para

∆(2036:2065 - 1971:2000)
las diferencias
1.0 comienzan a incrementarse hacia adelante. la temperatura máxima. Por último, los dos RCP considerados
Para el caso de las temperaturas, el modelo CNRM-CM5 y llevan a resultados similares, aunque los valores se intensifican
TMAX (reg_15pc)

el CanESM2 proyectan sistemáticamente incrementos más

MPI-ESM-MR
0.5 más en el RCP 8.5 para las tres variables objetivo (ver mapas
débiles y fuertes, respectivamente, mientras que el MPI ESM- 6.1, 6.2 y 6.3).
mm/day

RCP8.5 0 RCP4.5 RCP8.5

∆(2036:2065
Mapa−0.5 -1.0
1971:2000)
6.1 Variaciones de temperatura mínima para el periodo 2036-2065 (con respecto
4 a 1971-2000), para los
escenarios de emisión RCP 4.5 y RCP 8.5
MPI-ESM-MR
TMAX (reg_15pc)

−1.0 0.5 3
8.5 RCP4.5 RCP8.5
mm/day

ºC/day
0 2

1.0
50 −0.5 1 4
(reg_15pc)
TMIN (reg_15pc)

0.5 −1.0 0 3
mm/day

ºC/day
0 2
%

TMAX

−0.5 50 4 1
TMIN (reg_15pc)

−1.0
−50 3 0
ºC/day

∆(2036:2065
0
%

- 1971:2000) 2

MPI-ESM-MR
50 1 Fuente: SENAMHI (2014)
TMIN (reg_15pc)

RCP8.5 −50 RCP4.5 RCP8.5 0

∆(2036:2065 -1.0
1971:2000)
Mapa0 6.2 Variaciones de temperatura máxima para el periodo 2036-2065 (con respecto a 1971-2000), para los
%

escenarios de emisión RCP 4.5 y RCP 8.5

TMAX (reg_15pc)

MPI-ESM-MR 0.5
mm/day

8.5 RCP4.5 RCP8.5

−50 0

1.0 −0.5 4
TMAX (reg_15pc)

0.5 −1.0 3
mm/day

ºC/day

0 2

50 4 1
−0.5
TMIN (reg_15pc)

−1.0 3 0
ºC/day

0
%

50 1 Fuente: SENAMHI (2014)

(reg_15pc)

−50
0 143

0
%
 RCP4.5 RCP8.5 RCP4.5
RCP4.5 RCP8.5 RCP4.5
∆(2036:2065 - 1971:2000)
1.0
MPI-ESM-MR
1.0

(reg_15pc)
TMAX (reg_15pc)
6. Avances en la adaptación al cambio climático y el estado de la vulnerabilidad en el Perú 0.5
0.5
RCP4.5 RCP8.5 RCP4.5

mm/day
mm/day
00
∆(2036:2065 - 1971:2000) 1.0

TMAX
TMAX (reg_15pc)
Mapa 6.3 Variaciones de precipitación para el periodo 2036-2065 (con respecto a 1971-2000),
−0.5
−0.5 para los escenarios
MPI-ESM-MR
de emisión RCP 4.5 y RCP 8.5 0.5
−1.0
−1.0

mm/day
PRECIP (an1)
PRECIP (an1)
.5 RCP4.5 RCP8.5 0

−0.5
1.0 50
50
(reg_15pc)

(reg_15pc)
−1.0

TMIN(reg_15pc)
(an1)

0.5
mm/day

0 00
PRECIP

%
%
50
TMAX

−0.5

TMIN
4

TMIN (reg_15pc)
−1.0 3−50
−50
0

ºC/day
%
2

50 1 Fuente: SENAMHI (2014)

TMIN (reg_15pc)

−50
0

Recuadro
0 6.1 El Niño y el Cambio Climático6
%

−50
El Niño y La Niña, como se conoce al calentamiento y
enfriamiento anómalo, respectivamente, en el océano
Pacífico tropical, forman parte del fenómeno conocido
como El Niño-Oscilación Sur (ENOS) y son la principal
causa de las variaciones interanuales del clima en nuestro
planeta. Según el reporte reciente del IPCC (Christensen,
y otros, 2013), el ENOS ha presentado modulaciones
considerables en su amplitud y patrón espacial dentro
del periodo con datos instrumentales, las cuales pueden
ser simuladas por modelos climáticos sin forzantes como
emisiones de GEI, ciclos solares, erupciones volcánicas,
etc. (ej. Wittenberg, 2009), por lo cual hay baja confianza
y poco consenso sobre si los cambios observados en
ENOS puedan ser atribuidos a la influencia del hombre,
a otros forzantes externos o a variabilidad natural. Si
bien se indica alta confianza en que el ENOS continuará
siendo el modo dominante de variabilidad climática
interanual, los cambios futuros en la intensidad de El
Niño en los nuevos modelos CMIP5 son dependientes
de los modelos y no se distinguen significativamente
de modulaciones naturales (Stevenson, 2012) por lo
que continúa una baja confianza en cualquier cambio
específico proyectado en su variabilidad en el siglo 21.
Debido al calentamiento promedio, en el futuro habrá
mayor frecuencia de eventos cálidos extremos (Collins,
y otros, 2013). O sea que, aun si las fluctuaciones cálidas
durante El Niño se mantuvieran iguales, la costa peruana
alcanzaría mayores temperaturas durante estos eventos
en el futuro (Coumou, Robinson, y Rahmstorf, 2013).
Similarmente, la combinación del aumento promedio
de nivel del mar asociado al cambio climático futuro
(Church, y otros, 2013) con el que ocurriría durante El
Niño (Clarke, Pizarro, y Van Gorder, 2001), producirá
valores más extremos durante estos eventos. Además,
debido a la mayor disponibilidad de humedad
atmosférica, la variabilidad en las lluvias a escala regional
probablemente se intensificará (Trenberth, 2011). En
particular, varios modelos climáticos indican que las
lluvias que actualmente solo se observan durante los
eventos El Niño extraordinarios (ej. 1982-83, 1997-98)
podrían observarse con el doble de frecuencia bajo
escenarios climáticos pesimistas (Power, Delage, Chung,
Kociuba, y Keay, 2013; Cai, y otros, 2015), a pesar de
que solo algunos modelos muestran un aumento en
la frecuencia de los eventos El Niño extraordinarios, en
términos del calentamiento de la costa peruana (ej. Latif,
Semenov, y Park, 2015). Sin embargo, estos resultados
deben tomarse con cautela, ya que la mayoría de los
modelos simulan un clima actual exageradamente
lluvioso y cálido para la costa peruana (Flato, y otros,
2013), pudiendo arrastrar el error a la estimación
del cambio climático y a la representación de los
mecanismos físicos particulares en esta región que
permiten el calentamiento amplificado durante El Niño
extraordinario (Santoso, y otros, 2014; Takahashi, 2015).

6 De acuerdo al AR5 del IPCC, existe un alto nivel de confianza de que el ENOS seguirá siendo el modo dominante de la variabilidad climática natural del siglo 21 y que es
probable que se intensifique la variabilidad de las precipitaciones regionales que este trae. Sin embargo, aún hay bajo nivel de confianza sobre sus proyecciones dadas
las variaciones naturales de la amplitud y el patrón espacial del ENOS (IPCC, 2013).

144
 Tercera Comunicación Nacional

Además de los impactos directos de El Niño en la
costa peruana, el calentamiento y enfriamiento en el
Pacífico central se asocian a menores y mayores lluvias,
respectivamente, en los Andes y Amazonía (Lavado-
Casimiro y Espinoza, 2014). Si bien desde el año 2000
se ha observado que los eventos El Niño han estado
principalmente limitados al Pacífico central (ej. Yeh, Kug,
y An, 2014), no es claro si esta tendencia continuará
en el futuro (Taschetto, y otros, 2014). Sin embargo, la
frecuencia de los eventos La Niña extremos, que enfrían
principalmente el Pacífico central, ha venido aumentando
en los últimos 50 años (Takahashi, Montecinos,
Goubanova, y Dewitte, 2011) y los modelos coinciden
en que esta tendencia continuará en el futuro (Cai, y
otros, 2015), aunque no es claro aún si esto implicará un
aumento en la frecuencia de años lluviosos en los Andes
y la Amazonía peruana.
La variabilidad natural interdecadal puede tener mayor
efecto sobre el ENOS que el cambio climático sobre
las siguientes decenas de años. En particular, la fase
decadal fría en el Pacífico iniciada aproximadamente en
el año 2000 parece estar asociada a la reducción de la
actividad del ENOS en la costa peruana (Choi, An, Kug, y
Yeh, 2010; Chung y Li, 2013; Xiang, Wang, y Li, 2012). En
las próximas décadas, un potencial efecto sobre ENOS
de la superposición del cambio climático y la probable
transición a una nueva fase decadal cálida en los
próximos años podría ser un aumento en la intensidad
de El Niño y la frecuencia de El Niño extraordinario como
ocurrió a fines de los años 70 (Wang y An, 2001).

Gráfico 6.5 Aspectos e impactos del cambio climático en El Niño y La Niña

Aspectos del cambio climático a escala global Impactos del cambio climático asociados a
relevantes a El Niño / La Niña El Niño / La Niña en el Perú

Aumento de nivel del Mayor nivel del mar durante

mar promedio El Niño

Mayor humedad Lluvias más intensas en la

atmosférica costa durante El Niño

Cambio
climático Calentamiento Calor más extremo en la costa
promedio durante El Niño

?
Cambio en frecuencia,
magnitud o patrón de
El Niño.

Aumento en frecuencia ? Años lluviosos más frecuentes

de La Niña en el Pacífico
en los Andes y Amazonía
Central

Elaborado por Ken Takahashi

Resultados de las proyecciones del clima a escala
regional
El SENAMHI desarrolló también proyecciones del clima a
escala regional. En el año 2012, para las regiones de Apurímac
y Cusco, y en el año 2013 para las regiones de Áncash,
Huancavelica, Huánuco, Ica, Moquegua, Puno, San Martín,
Tacna y Ucayali. A continuación, se describen los resultados de
estas proyecciones.
Apurímac y Cusco
Para las regiones de Apurímac y Cusco, se realizaron las
proyecciones de la temperatura y la precipitación para los
años 2030 y 2050. Se utilizaron modelos climáticos regionales
y aplicaron técnicas de regionalización dinámica a resolución
espacial de 20 kilómetros, y estadística a resolución local. Los
principales resultados de las proyecciones de dicho estudio
para ambas regiones se indican a continuación (ver mapa 6.4):
A 2030, la precipitación promedio anual no presentaría
aumentos ni disminuciones mayores al 15 %, excepto en el
extremo noroeste de la provincia de Quispicanchi (Cusco) y
Abancay (Apurímac), donde aumentaría entre 15 % y 30 %
con relación al clima actual.
A 2030, se proyectan incrementos en la temperatura
máxima del aire promedio anual, entre 0,7 °C y 1,2 °C,
principalmente en las provincias de Chumbivilcas, Canas
y Espinar (Cusco) y Antabamba y Cotabambas (Apurímac);
e incrementos de la temperatura mínima hasta en 1,3 °C
en el extremo noroeste de la provincia de La Convención
(Cusco), y en la provincia de Antabamba (Apurímac)

145
 6. Avances en la adaptación al cambio climático y el estado de la vulnerabilidad en el Perú

A 2050, se estima una tendencia de disminución de la A 2050, la temperatura máxima promedio anual tendría un
precipitación promedio anual en las zonas del sur de Cusco aumento entre 1,4 °C y 2,2 °C.
y Apurímac, manifestándose principalmente en el periodo
junio-julio-agosto, con disminuciones importantes hasta La temperatura mínima promedio anual, en 2050, tendría
de 75 %. Igualmente, en el trimestre setiembre-octubre- un aumento entre 1,4 °C y 2,2 °C.
noviembre cuando las disminuciones alcanzarían valores
de 45 % con relación al clima actual, en gran parte de las
regiones de Apurímac y Cusco.

Mapa 6.4 Cambios proyectados en la precipitación anual (%), temperatura máxima y temperatura mínima
anual (°C) a 2030 en las regiones de Apurímac y Cusco

LEYENDA LEYENDA

Cambios de Precipitación Cambios de Temperatura

(%) (°C)
LEYENDA
0.6 - 0.8
-9 - 0
Cambios de Temperatura
0.8 - 1.0 (°C)
0 - 15
0.6 - 0.8
15 - 30 1.0 - 1.2
0.8 - 1.0
1.2 - 1.3
30 - 44
1.0 - 1.2

HUACRAHUACHO HUACRAHUACHO

LEYENDA LEYENDA
precipitación
Cambios de Precipitación Cambios
Cambios de
de temperatura
Temperatura
LEYENDA
((%)
%) mínima
(°C) (°C)
Temperatura
Cambios de temperatura
-9 - 0 0.6 - 0.8
(°C) (°C)
máxima
0 - 15 0.8 - 1.0 0.6 - 0.8

15 - 30 1.0 - 1.2 0.8 - 1.0

30 - 44 1.2 - 1.3 1.0 - 1.2

Fuente: (MINAM-SENAMHI-PACC, 2012)

Áncash, Huancavelica, Huánuco, Ica, Moquegua,
Puno, San Martín, Tacna y Ucayali
Para los departamentos de Áncash (MINAM-SENAMHI, 2013a),
Huancavelica (MINAM-SENAMHI, 2013b), Huánuco (MINAM-
SENAMHI, 2013c), Ica (MINAM-SENAMHI, 2013d), Moquegua
HUACRAHUACHO
estudios deben ser considerados como una aproximación,
fundamentalmente de tendencias, más que de valores
numéricos de cambio. Los resultados de estos estudios con
relación al clima futuro muestran lo siguiente:
En Áncash habrá un claro patrón de calentamiento, hasta
HUACRAHUACHO

(MINAM-SENAMHI, 2013e), Puno (MINAM-SENAMHI, 2013f),
San Martín (MINAM-SENAMHI, 2013g), Tacna (MINAM-
SENAMHI, 2013h) y Ucayali (MINAM-SENAMHI, 2013i), se
realizaron proyecciones evaluando los últimos modelos
globales de la quinta fase del Proyecto de Intercomparación
de las Simulaciones de los Escenarios de Cambio Climático
(Coupled Modeling Inter Comparison Project 5, CMIP5) del
Panel Intergubernamental sobre Cambio Climático (IPCC)
para el Perú con una resolución horizontal de 50 km para el
escenario de emisión RCP8.
en 1,8 °C en relación con el clima actual, y una variación no
significativa de la precipitación, que se encuentra en un rango
de 15 % con relación a los niveles actuales.
En Huancavelica, las proyecciones de la precipitación plantean un
incremento de estas durante los trimestres setiembre-octubre-
noviembre y diciembre-enero-febrero, de hasta un 12 %. Por su
parte, los patrones de cambio de las temperaturas muestran
señales hacia el calentamiento, tanto de las temperaturas
máximas (+1,4 °C) como de las mínimas (+1,5 °C) a nivel anual.

Cada estudio describe los cambios estacionales y anuales de la
precipitación y las temperaturas máximas y mínimas de cada
región, proyectadas para el periodo 2016-2045 con promedios
centrados en el año 2030, con referencia al periodo 1971-2000.
Sin embargo, dadas las limitaciones en la disponibilidad de
información climática, así como la representación simplificada
del clima regional de los modelos utilizados (no se aplicaron
técnicas de regionalización), los resultados de estos
En Huánuco, el estudio identifica que hay un claro patrón de
calentamiento a futuro, aunque no se proyectan cambios
significativos en la precipitación. La temperatura máxima
anual mostraría incrementos de hasta 1,6 °C, mientras que la
mínima anual hasta de 1,8 °C. Los cambios proyectados en la
precipitación estarían alrededor de 15 %, con un sesgo hacia el
incremento, principalmente en la región andina en el periodo
de junio-julio-agosto.

146

En Ica, las proyecciones de la precipitación indican un
incremento de entre +3 % a +9 %, y de disminución de hasta -8
%, principalmente en la parte sur de la región. Los patrones de
cambio de las temperaturas presentan una tendencia hacia el
calentamiento, tanto con relación a las temperaturas máximas
como a las mínimas, en un nivel anual de hasta de +1,4 °C.
En Moquegua, los cambios anuales positivos y negativos
proyectados en la precipitación, tanto en la sierra como en la
costa, no son importantes. Los cambios anuales proyectados
de temperatura máxima son mayores a 1,5 °C en la sierra
de Moquegua. En la sierra, el incremento de temperaturas
mínimas es mayor al incremento de temperaturas máximas,
principalmente en los trimestres diciembre-enero-febrero y
setiembre-octubre-noviembre.
En Puno, las proyecciones del clima muestran un incremento
de la precipitación cercano al 9 %, con ligera disminución hacia
el extremo norte oriental. En promedio, para todas las zonas
de la región de Puno, se proyectan incrementos de alrededor
de +1,7 °C, tanto para la temperatura máxima como para la
temperatura mínima, principalmente sobre la zona suroeste.
Para la temperatura máxima y mínima, el cambio sería más
notable (+1,9 °C) en invierno, principalmente al suroeste de la
región.
En San Martín, la media de los modelos indica cambios ligeros
de la precipitación, aunque dentro de su variabilidad (+/-5 %),
Mapa 6.5 Cambios proyectados en la precipitación acumulada anual (%) a 2030 en las nueve regiones
estudiadas con referencia al periodo 1971-2000
Fuente: Elaborado por SENAMHI sobre la base de MINAM-SENAMHI (2013a); MINAM-SENAMHI (2013b); MINAM-SENAMHI (2013c); MINAM-SENAMHI (2013d); MINAM-
SENAMHI (2013e); MINAM-SENAMHI (2013f); MINAM-SENAMHI (2013g); MINAM-SENAMHI (2013h); y MINAM-SENAMHI (2013i).
Tercera Comunicación Nacional
por lo que no serían importantes, así como aumentos de la
temperatura del aire de entre +1,0 °C (temperatura mínima)
a +1,5 °C (temperatura máxima). Sin embargo, el grado de
calentamiento medio sería mayor durante el invierno (+1,8 °C),
y las temperaturas máximas tenderían a incrementarse algo
más que las mínimas (0,3 °C).
En Tacna, se observa una disminución en la precipitación anual.
Los mayores cambios negativos ocurrirán en el trimestre junio-
julio-agosto, alcanzando magnitudes de -13 %. Los cambios
anuales proyectados de temperatura máxima en la sierra son
mayores a 1,6 °C, mientras que en la costa bordean el +1,4 °C. En
cuanto a las temperaturas mínimas, las proyecciones señalan
un aumento de 1,6 °C en la sierra y de 1,5 °C en la costa.
Finalmente, en Ucayali, las proyecciones indican cambios
ligeros de la precipitación, de entre +/-5 %, lo que no resulta
significativo, y aumentos de la temperatura del aire de +1,5
°C (temperatura máxima y mínima). Sin embargo, el grado
de calentamiento medio sería mayor durante el invierno (en
temperatura mínima) y primavera (en temperatura máxima),
aproximadamente en el orden de +1,7 °C. De igual manera, las
temperaturas máximas tenderán a incrementarse algo más
que las mínimas (0,2 °C).
En los mapas 6.5, 6.6 y 6.7 se muestran los cambios posibles en
la precipitación y las temperaturas máximas y mínimas para el
periodo 2030 en las nueve regiones estudiadas.
147