NERC-DfID-ESRC ESPA ANDES/AMAZON WP1 SERVICIOS DEL ECOSISTEMA (SE) ANALISIS BASADO EN INFORMACION HYDRO-CLIMATICA Mark Mulligan, Leo Sáenz, Edwin Keizer,

NERC-DfID-ESRC ESPA ANDES/AMAZON WP1 SERVICIOS DEL ECOSISTEMA (SE) ANALISIS BASADO EN INFORMACION HYDRO-CLIMATICA Mark Mulligan, Leo Sáenz, Edwin Keizer, KCL OBJETIVOS DEL KCL 1. Mapificar el estado del suministro de los SE (ESTADO DE SUMINISTRO) 2. Mapificar los impactos humanos sobre el suministro de los SE (IMPACTOS) 3. Revisar información y herramientas de evaluación para el análisis de intervención (HERRAMIENTAS DE EVALUACION) 4. Integrar y facilitar online tanto análisis como información sobre el escenario base (LINEA BASE). … para el caso de los servicios 1. Calidad y calidad de agua. 2. Reducción de amenazas climáticas, hidrológicas y geomorfológicas. 3. Regulación del sistema climático.

RESUMEN Y RECOMENDACIONES Servicios hidrológicos y climáticos en los Andes/Amazonía
1. Lo que se conoce 1. El NO de la cuenca presenta balances hídricos positivos altos a lo largo del año mientras que en otras regiones se observan déficits estacionales. 2. El cambio climático tendrá mucho mayor impacto en el suministro de recursos hídricos que el cambio en el uso del suelo, especialmente al E de la cuenca. 3. La relación entre cobertura de suelo y clima es compleja, con áreas indicando incrementos en precipitación y cobertura de nubes con la perdida de bosque y áreas que indican reducciones. 2. Lo que se desconoce 1. Gran incertidumbre en la estimación del balance hídrico (especialmente en la distribución de precipitación). 2. Significativa variación entre resultados de diferentes modelos sobre la magnitud y distribución del cambio climático. 3. Incertidumbres clave acerca del impacto del LUCC sobre los servicios del ecosistema que no representan una cantidad directa. 4. Incertidumbres clave acerca de los impactos sobre el balance global de carbono y el clima.

Cantidad y calidad de agua: métodos Servicios hidrológicos y climáticos en los Andes/Amazonía
ESTADO Uso del modelo FIESTA para evaluar la magnitud actual del recurso hídrico 1. Activación del componente FIESTA-erosión para evaluar el estado de la calidad del recurso hídrico. Combinación con información de centros urbanos e industriales como una aproximación a factores de carga de contaminación que faciliten subsecuentes análisis sobre calidad de agua 2. Evaluar el efecto del clima (precipitación y variabilidad de la cobertura de nubes para comparación con futuros escenarios de cambio climático) 3. Comparar el estado actual del caudal de ríos con estudios de flujos que hayan sido derivados de registros históricos de caudal (KCL/UNAL) y de altimetría de radar (UNAL). IMPACTOS HUMANOS Usando el modelo FIESTA para comparar escenarios de cobertura vegetal pre-humano (UNEP-WCMC), actual (MODIS-VCF) y escenario (LUSE model) para analizar el impacto en flujos totales, flujos pico y flujos base, estacional y anualmente, evidenciando el servicio ambiental suministrado por el bosque comparado con otros usos del suelo. Medición de impactos espaciales pero además en las principales represas (KCL-MM). INFORMACION Y HERRAMIENTAS DE EVALUACION Revisión de programas regionales y nacionales para la recolección de información hidrológica. Revisión de modelamiento hidrológico realizado a escala Amazónica.

Modelo FIESTA Delivery: Características
Utiliza información global disponible de libre distribucion y software libre. Implementa intervalos mensuales de resolución temporal pero además simula el ciclo diario. Opera a una extensiones espaciales de hasta millones de hectáreas. Resolución espacial de 90 m (SRTM 90m) a 1 Km (GTOPO30, SRTM). Aplicable en cualquier zona con apropiada parametrización. No modela hidrología superficial, solamente intercepción de neblina y evaporación : Reconociendo que aún cuando la ganancia por neblina no contribuya a corrientes localmente, lo hará en algún punto aguas abajo a lo largo de la línea hidrológica. No sacrifica la complejidad de los procesos modelados debido a la escala : Para ello se implementan los más sofisticados procesos de modelación e información espacial disponibles. Se emplean escenarios LUCC (Land Use and Cover Change) para entender impactos hidrológicos potenciales.

Modelo FIESTA Delivery: Procesos
Dirección de viento mensual calculada con base en campos de presión con tamaño de grid de 5°. T (Temperatura), TDR(gradiente diario), HR (Humedad Relativa), P(presión Atmosferica) y U (Radiación Solar) con resolución de 1km – base de datos CRU. Direcciones de viento asociadas a la topografía. Rs y Rn calculados incluyendo efectos de pendiente, sombra y cobertura de nubes. Velocidad de viento corregida por exposición de la pendiente, y precipitación transportada por el viento (rainfall wind-driven). Calculo del Punto de rocío, LCL (Lifting Condensation Level) (mb) y LCL (m). Neblina ocurre cuando el DEM >= LCL (frecuencia de nubosidad MODIS), LWC ∞AH Sedimentación de neblina acorde con la ley de Stokes. Impacto: radio de depositación f (U, velocidad de sedimentación). Eficiencia de captura f(LAD, ángulo de inclinación). Area de captura para depositación = grid, impacto de neblina = longitud de bordes f(cover), altura de la vegetación Flujo Total de Neblina f(flujo, efficiencia de captura, área de captura)

Impacto vs depositación
Procesos modelados Mecanísmos de operación del modelo Se valida para Costa Rica a un rango de escalas y una variedad de salidas Impacto vs depositación Para diferentes tipos de vegetación

Resultados clave: Calidad y cantidad de agua
Uso del modelo FIESTA para evaluar el estado de la magnitud del recurso hídrico • Existe todavía una gran cantidad de incertidumbre en la estimación del balance hídrico en la Amazonía, lo que depende de la información de entrada (especialmente precipitación). • En los Andes el balance hídrico puede ser más alto por unidad de área que en la Amazonía pero su menor extensión hace que anualmente las ganancias totales sean poco significativas en magnitud comparadas con el balance hídrico total en la Amazonía. • Las cuencas mas húmedas se encuentran en el N y O, mientras que las secas en el S y E. • Deficits estacionales en el S y E (puntual en áreas del N+W) indican que las ganancias en áreas aguas arriba son significativas estacionalmente, y que mucho de la cuenca depende estacionalmente de flujos base y flujos sub-superficiales

Promedio por km2 (mm yr-1): WorldClim
Balance hídrico Promedio por km2 (mm yr-1): WorldClim Valores puntuales mayores para TRMM pero menos extensivos en cobertura. Por lo tanto, la cuantificación del suministro de los SE es limitada por la información climática disponible Balance hídrico Promedio por km2 (mm yr-1): TRMM

Balance hídrico medio por 100m (mm yr-1): WorldClim
Para el WorldClim la banda altitudinal de mayor balance hídrico es la más baja. Para el TRMM las pendientes orientales contribuyen en mayor medida por unidad de área Balance hídrico medio por 100m (mm yr-1): TRMM

Balance hídrico medio por cuenca (mm yr-1): WorldClim
Los balances se destribuyen de manera diferente y presentan valores generalmente menores para el TRMM Balance hídrico medio por cuenca (mm yr-1): TRMM

Balance hídrico mensual para el escenario base (datos TRMM)
El Balance hídrico es positivo en el borde andino de la cuenca y hacia el Noroeste durante el año, sin embargo los deficits estacionales observados al SE y S indican que las ganancias hídricas provenientes de areas montañosas de la cuenca son importantes. Balance hídrico mensual para el escenario base (datos TRMM)

Escurrimiento producido por la
precipitación mínima mensual (mm). El mapa muestra que solo al noroeste los ríos presentan una contribución continua al caudal por precipitación. Todos los demás ríos dependen de flujos base por lo menos por un mes.

Validación de caudales
Escurrimiento máximo modelado de m3 s-1 Otras estimaciones: 200000m3 s-1 (Richey et al) UNESCO (Studies and Reports on Hydrology No. 25, 1978) reporta una descarga media del río Amazonas a su desenbocadura de m3 s-1, Con base en una descarga de m3 s-1 medida en Obidos. Un 10% de descraga adicional entra al Amazonas aguas abajo de Obidos, de los cuales muy poco proviene de las pendientes del norte del valle. El área de drenage aguas arriba de Obidos es de aproximadamente 5Mkm2 y aguas abajo de solo aproximadamente 1Mkm2 (cerca del 20%) Excluyendo cerca de 1.4km2 correspondientes a la cuenca del Tocantins.

Impactos del cambio histórico del uso del suelo • La mayoría de la deforestación ha tenido lugar a lo largo del cause principal del Amazonas, a lo largo de los bordes nor y sur-occidentales Andinos y hacia el sureste (Rondonia, Matogrosso, Tocantins, etc) • Deforestación ha tenido potencialmente poco impacto sobre los balances hídricos, de apenas algunos mm yr-1 en áreas afectadas. • Por lo tanto, el incremento en caudales debido a reducciones de evapotranspiración ha sido potencialmente mínimo, inferior al 1%, aguas debajo de las áreas deforestadas.

Diferencia en los recursos de bosque (fracción) en la cuenca desde tiempos
previos a la intervención humana. La mayor deforestación se ha presentado en los límites andinos y en la parte sur.

Impacto del cambio histórico del uso del suelo en el balance hídrico (mm yr-1). Impacto
mínimo : incrementos suaves del balance hídrico en áreas deforestadas.

Impacto del cambio histórico del uso del suelo sobre el escurrimiento (mm yr-1).
Incrementos suaves de escurrimiento aguas abajo de áreas deforestadas.

Diferencia en escurrimiento (%) entre un escenario previo a la
intervención human histórica (pre-humano) y el escenario actual indica incrementos mínimos de escurrimiento <1% de los flujos originales.

Impactos potenciales del cambio climático al año 2050. Deferentes GCMs (modelos climáticos) producen generalmente similares patrones de cambio en la Temperature del Amazonas, aunque las magnitudes difieren. Similares conclusiones se derivan para el cambio en la precipitación. • ECHAM SRES A2 indica calentamiento a lo largo de la cuenca desde 2°C al Oeste hasta 5°C al Este, mientras que HADCM3 SRES A2 reporta incrementos de 3°C al Oeste hasta 7°C al Este al año 2050. • HADCM2 SRES A2 indica mayor precipitación al S y al O de la cuenca (400 – 600mm yr-1) y menor al N (600 a 1000mm yr-1). ECHAM SRES A2 reporta mayor precipitación a lo largo de la cuenca desde el occidente al centro de la cuenca (400 – 600mm yr-1) y menor hacia el Este (200 – 400mm yr-1). • Los impactos del cambio climático se suponen mayores a aquellos producidos por el cambio histórico del uso del suelo. • El modelo HADCM3 indica que la evaporación se incrementa en toda la cuenca pero especialmente al Este. El balance hídrico se reduce al norte y en la parte central de la Amazonía pero se incrementa a lo largo de los Andes, N y E. • Esto genera incrementos en el escurrimiento en los Andes de hasta un 100% al sur y reducciones de hasta 100% en la Amazonía Norte y Central. Ríos vecinos pueden mostrar tendencias opuestas. • Acorde a ECHAM, la evaporación se incrementa en toda la cuenca pero especialmente al Este, aunque el balance hídrico se incrementa al Oeste (cerca de 500mm yr-1) y se reduce al Este (cerca de 600mm yr-1). Esto genera incrementos de escurrimiento en el borde Andino y al Oeste (30 al 100%) y reducciones al Noreste (-30 a -50%).

Cambio de Temperatura:
Actual al año 2050 (ECHAM) Incrementa en toda la cuenca pero especialemnte al E Cambio de Temperatura: Actual al año 2050 (HADCM3) Incrementa en toda la cuenca pero especialmente fuerte al NE

Cambio en Precipitación:
de la Actual al año 2050 (HADCM3). Mayores reducciones al Norte de la cuenca Cambio en Precipitación: de la actual al año 2050 (ECHAM). Incrementos al Oeste y en los Andes. Reducciones en las demás Áreas.

Diferencia en el balance Hídrico (mm yr-1). Muestra
HADCM3_2050 Diferencia en el balance Hídrico (mm yr-1). Muestra reducciones al norte de la Cuenca y al sur sobre los Andes. Diferencia en evaporación (mm yr-1). Muestra incrementos especialmente al sur en los Andes y en la parte oriental de la cuenca. Mucho menos cambio se observa hacia el N de los Andes y al Oeste de la Amazonía

HADCM3_2050 Porcentaje de cambio en escurrimiento. Muestra incrementos sobre los Andes, particularmente al S, y reducciones significativas al N y SE de la Amazonía. Cambio en escurrimiento (mm yr-1). Muestra respuestas diferentes (positivas y negativas) entre cuencas vecinas.

HADCM3_2050 Diferencia en el balance hídrico (mm yr-1). Muestra incrementos al Oeste y reducciones al Este de la cuenca. Diferencia en evaporación (mm yr-1). Muestra incrementos en toda la cuenca especialmente al sur, sobre los Andes, y hacia el Este de la Amazonía.

HADCM3_2050 Porcentaje de cambio en escurrimiento. Muestra incrementos al sur, sobre los Andes, y al Este de la la Amazonía. Cambio en escurrimiento (mm yr-1). Muestra respuestas diferentes (positivas y negativas) entre cuencas vecinas.

Principales organizaciones de investigación, Institutos Nacionales y programas de recoleción de información hidrológica en el área OTCA. Diferentes programas de monitoreo e investigación regionales y multinacionales han tenido lugar en la Amazonía recientemente (en los últimos 20 años), buscando suministrar información de alta calidad para el soporte de investigación científica sobre la hidrología y el clima regional de la cuenca. Algunos de los principales programas son: Proyecto ORE - HYBAM (Environmental Research Observatory - Hydrodynamic of the Amazon Basin project), HYBAM – SENAMHI (Peru), HYBAM - INAMHI (Ecuador), Large Scale Biosphere-Atmosphere Experiment in Amazonia (LBA) Project led by Brazil, TRMM (Tropical Rainfall Monitoring Mission) – LBA, Carbon in the Amazon River Experiment (CAMREX) and The Amazon – Eye (KCL 2007), entre otros programas.

Principales organizaciones de investigación, Institutos Nacionales y programas de recoleción de información hidrológica – área OTCA. Project name Organizations involved Focus of research Period of work Data gathering activities ORE - HYBAM LBA SENAMHI INAMHI IDEAM UNAL Molina University Hydrology and geodynamic of the Amazon 2003 Study the hydrology and Geodynamic of the mazon Basin in order to predict extreme events in the context of climate variability and human interventions. Radar altimetry and in situ validation for 21 virtual flow stations in the Amazon basin. HYBAM - SENAMHI SENAMHI – Peru Operative since 1997 Measurement of river flows and sediment load in the Amazon tributaries of Marañon, Ucayali, Huallaga, Santiago, Nieva and Napo. HYBAM - INAMHI INAMHI – Ecuador River flows measurements in the rivers of Aguarico, Napo, Pastaza, Santiago. Sediment yields and transport in the Napo river. NASA ESA INPE INPA Ministry of Science and Technology – Brazil HYBAM Land use change Hydrology and water chemistry Physical climate Carbon dynamics: storage and exchange 1996 – 2007 River flow measurements and sediment yields in Collaboration with the HYBAM project.

Principales organizaciones de investigación, Institutos Nacionales y programas de recoleción de información hidrológica – área OTCA. Project name Organizations involved Focus of research Period of work Data gathering activities CAMREX University of Washington (UW, Seattle) CENA INPA RSRG AARAM NFS Ecosystems NASA LBA – ECO FAPESP Building of Baseline datasets and Model of hydrology and biogeochemical cycles from regional to continental scales Operative from the 1980s Distributions and transformation of water and bioactive elements (C, N, P and O) Amazon Eye KCL Ambiotek Collection of high resolution large datasets of climate, ecosystems, land cover and infrastructure of the Amazon basin Support hydrological analysis about the impacts of land cover and climate change upon the bio-stability and environmental services provision of the basin. Conservation Eye UNEP -WCMC Land Cover change Tracking of hydrological anomalies from land cover change in the basin Cornell EOS NASA - EOS Geomorphology and hydrology of central Andes Glaciers Use of Synthetic Aperture Radar SAR to study glaciers in the central Andes

Base de datos de estaciones de caudal Cerca de 1000 estaciones de caudal conocidas digitalizadas acorde a diferentes Institutos Nacionales de Hidrología y Meteorología y el Global Runoff Data Centre (GRDC 2007). La base de datos cuenta con cerca de 70 estaciones de caudal que reportan series mensuales de cerca de 20 años y cerca de 100 estaciones que reportan el caudal medio anual. 21 estaciones virtuales con curvas de calibración derivadas de altimetría de radar y validadas con respecto a observaciones in situ reportando errores inferiores al 10% (León et al 2006). Institutos Nacionales y proyectos regionales que suministran datos ANA (Agencia Nacional de Aguas de Brazil), IDEAM Instituto Colombiano de Hidrología y Meteorología), Hybam (Hydrology and Geochemistry of the Amazon Basin project), SENAMHI (Servicio Nacional de Hidrología y Meteorología) y GRDC, entre otras organizaciones. Principales limitaciones e incertidumbres en los datos La mayoría de las series de datos están significativamente incompletas pues un número importante de estaciones de caudal no están en operación actualmente. Muchas coordenadas de las estaciones no corresponden al cauce del río y además suministran estimaciones en vez de mediciones de caudal, ppalmente en grandes ríos.

Base de datos de estaciones de caudal. Cerca de 1000 estaciones conocidas en el área OTCA (Fuente ESPA 2007, Google 2007) Posición de las estaciones de caudal en el área OTCA reportadas en la literatura. Institutos Nacionales de Hidrología y el Global Runoff Data Centre - GRDC (2007).

Base de datos de estaciones de caudal. Cerca 70 estaciones con registros mensuales y cerca de 100 con información online (Fuente ESPA 2007, Google 2007) Estaciones IDEAM (localizadores amarillos – registros mensuales) y ANA, Proyecto Hybam y GRDC database (localizadores rojos – descarga media anual) para los caules información de caudal es disponible.

Base de datos - estaciones de caudal. 21 estaciones virtuales derivadas por altimetría de radar (León et al. 2006; Google 2007) Estaciones virtuales localizadas en la cuenca del Río Negro. Los localizadores rojos indican estaciones reales usadas para validación. Banderas azules representan las estaciones virtuales obtenidas por altimetría de radar. Negro River Basin

Reducción de amenazas, climáticas, hidrológicas y geomorfológicas : Métodos
ESTADO Evaluar la sensibilidad de flujos pico y base al cambio de coberturas vegetales con respecto al escenario actual, empleando FIESTA. Donde están las áreas más sensibles. IMPACTOS HUMANOS Comparar flujos picos máximos, mínimos flujos base y flujos medios usando modelamiento para los escenarios pre-intervención humana, actual y escenario futuro. Revisión de evidencia de cambio en flujos pico máximos, flujos base mínimos y flujos medios debidos al cambio del uso del suelo en la región. INFORMACION Y HERRAMIENTAS DE EVALUACION Revisión de programas regionales y nacionales para la recolección de información hidrológica. Revisión de modelamiento hidrológico realizado a la escala Amazónica.

Resultados clave: Reducción de amenazas, climáticas, hidrológicas y geomorfológicas
1. Sensitividad de flujos al cambio del uso del suelo e impactos del cambio de uso del suelo y cambio climático en flujos pico y flujos base. • La sensitividad del escurrimiento a la cobertura de bosque es por lo general baja pero variable espacialmente en toda la cuenca. • La deforestación histórica ha estimulado incrementos pequeños de flujos especialmente al N y O de la cuenca y reducciones bajas en flujos pico especialmente al E de la cuenca. • Los escenarios de cambio climático producen cambios mucho mayores en flujos mínimos y máximos. Bajo el modelo ECHAM los flujos mínimos se incrementan al O mientras decrecen según el modelo HADCM3 en cualquier otra área excepto al extremo occidental. • Flujos máximos decrecen en la mayoría de la cuenca bajo el modelo HADCM3, mientras que bajo el modelo ECHAM los flujos máximos decrecen al E pero se incrementan en cualquier otra zona.

Sensibilidad al cambio del uso del suelo (% cambio
en escurrimiento por % de cambio en cobertura de bosque) Algunas partes de la cuenca presentan respuesta alta al LUCC por razones de clima y topografía. Por lo tanto, dichas áreas son hidrologicamente sensibles.

Diferencia en flujo mínimo entre pre-humana y condiciones actuales de cobertura vegetal en promedio por cuenca (mm hr-1). Diferencia en flujo máximo entre pre-humana y condiciones actuales de cobertura de bosque en promedio por cuenca (mm hr-1).

Flujo Mínimo Flujo Máximo
Diferencia en flujo máximo entre las condiciones actuales y aquellas de los escenarios de cambio climático en promedio por cuenca (mm hr-1) Flujo Mínimo Flujo Máximo

Revisión de evidencia de cambio en flujos pico máximos, flujos base mínimos y flujos medios por variabilidad climática Fenómenos climáticos decadales o inter-anuales han afectado el caudal del río Amazonas en diferentes partes de la cuenca. Fenómenos ENSO han generado sequías severas y fuertes déficits en precipitación y caudal al occidente Amazónico (de hasta 50% - reportados en Manaus 1926) aumentando la incidencia de incendios forestales (Carvalho 1952; Sternberg 1987;Williams et al 2005). Aparte de ENSO otros fenómenos climáticos, tales como los que produjeron la sequía Amazónica del 2005, la peor al suroeste Amazónico en 100 años, atribuida a anomalías en SST del Atlantico Norte, baja humedad, mayores temperaturas (3 to 5C°), menor convección y precipitación, los que causaron impactos catastróficos sobre comunidades ribereñas (e.g. Iquitos) (Marengo et al 2005). Escenarios potenciales de cambio climático El cambio climático podría exacerbar los impactos de fenomenos de variabilidad climática a lo largo de la cuenca (Marengo et al 2005). Limitaciones e incertidumbres El uso de modelos climáticos (modelos AGCM) más poderosos así como información más representativa, especialmente de precipitación, son fundamentales para suministrar predicciones más representativas sobre los impactos futuros del cambio climático. Los estudios disponibles son abrumadoramente puntuales y de gran escala y no se reportan para otros países en el OTCA aparte de Brasil.

Principales estudios del cambio de caudal de los ríos de la cuenca debido a fenómenos de variabilidad climática. Reference Type of analysis River side community Period of analysis Key findings William et al (2005). Comparison of river stage levels and rainfall time series Manaus – Brazil 1926 – Niño year of most severe drought of the last century in west-central Amazon. Rainfall deficits of up to 50%. Flow deficits down to 40%. Rainfall surplus to the northeast of the basin. Marengo et al (2005) River stage, rainfall, temperature records and climate modelling Iquitos - Peru 2005 Anomalous warm SST of Tropical North Atlantic Anomalous lower intensity in northeast wind moisture transport into southern Amazonia. Reduced convective development and rainfall. Sternberg (1987) Statistical analysis of river stages Almost statistically significant upward trend of minimum base flows at Manaus over the period 1903 – 1985 Analysis of climate data (rainfall, air temperatures) Drought 2005 Solimoes and Madeira rivers Causes of drought were not related to El Niño but to warmer tropical Atlantic. /Humidity was lower than normal and air temperatures higher (3 to 5 C°).

Evidencia del cambio en el caudal de los ríos de la Amazonía debido a fenómenos de variabilidad climática. Registros de nivel del río en Manuas – Brazil – Río Negro. Valores extremos observados En 1926 (picos y flujos base mínimos) Áño de mayor sequía Fuente del diagrama: William et al (2005). Deficits de precipitación en el occidente Amazónico Aguas arriba de Manaus (1926). Deficits de precipitación al occidente Amazónico y excesos al Noreste de Brazil Fuente del diagrama: William et al (2005).

Revisión de evidencia de cambio en flujos pico máximos, flujos base mínimos y flujos medios atribuidos a deforestación Algunos estudios sugieren que la perdida de bosque ha afectado ya el caudal de algunos tributarios del Amazonas a escalas locales y regionales, aunque existe gran incertidumbre aún sobre el supuesto de que algunos de estos cambios sean, en vez, resultado de fenómenos de variabilidad climática a escala Amazónica. Análisis de radios de precipitación – escorrentía y deforestación a escalas regionales (e.g. Tocantins basin - Costa et al 2003 ) han indicado incrementos estadisticamente significativos atribuidos a deforestación. A escalas locales (1h), estudios similares han reportado conclusiones parecidas (e.g. Rancho Grande, Rondonia - Chaves et al (2007), Manaus - Troncoso et al (2007)). Sin embargo existe gran controversia cuando los estudios se basan solamente en cambios en el nivel de los ríos. Mientras algunos atribuyen incrementos en caudal a la deforestación (Gentry and Lopez-Parodi (1980, 1982), Harden (2006)), otros atribuyen los cambios a variabilidad climática y a ajustes geo-tectónicos que modifican el lecho del los ríos (Nordin and Meade (1982)). Principales incertidumbres y limitaciones Registros de caudal más largos así como información de precipitación más representativa son escenciales para poder discenir entre cambios producidos por deforestación y cambio climático o veriabilidad climática sobre los caudales. Los impactos de fenómenos de variabilidad climática son potencialmente mayores que aquellos resultado de la deforestación y cambio en el uso del suelo.

Principales estudios que indican el cambio en caudal de los ríos de la cuenca como resultado de deforestación en el área OTCA. Reference Type of analysis River side community Period of analysis Key findings Costa et al (2003). Statistical analysis of flow records, rainfall surfaces (New et al (2000) dataset and land cover change. Manaus – Brazil Annual river flows and rainfall – runoff ratios increase significantly with the conversion of forest to other land uses. Not statistically significant change in rainfall patterns is observed over the period. Chaves et al (2007) Paired catchments Study. Small scale (1h). Rancho Grande, Rondonia Increase in surface stream flow from conversion of forest to pasture, which can potentially affect hydrological budgets at larger scales in the Amazon Troncoso et al (2007) Study. Small scale (1km2). Manaus - Brazil Potential impacts of forest conversion to pasture on the regularization of floods in wet seasons and drought in dry season at large scales in the Amazon. Gentry and Lopez – Parodi (1980) Analysis of river stage data at Iquitos as well as rainfall Iquitos - Peru Not significant increase of rainfall. Increase in high river stages while low stages remained constant. Effects attributed to deforestation Nordin and Meade (1982) Constesting to Gentry and Lopez – Parodi (1980) Changes in river stage at Iquitos could have been the result of bank erosion. Changes might respond to decadal climate cycles rather than deforestation.

Evidencia del cambio en el caudal de los ríos de la Amazonía debido a procesos de deforestación. El caudal del río Tocantins – Brasil, ha aumentado estacionalmente a lo largo del año. Línea inferior (1949 – 1968 – menos deforestación) Línea superior (1969 – 1978 – mayor deforestación) Con mayor deforestación se presentan mayores caudales y los picos de flujo se adelantan Fuente del diagrama: Costa et al (2003). Regresión líneal de caudales máximos (arriba) y flujos base mínimos (abajo) en Iquitos - Peru. El incremento en caudales máximos se atribuyó a la deforestación Fuente: Gentry and Lopez-Parodi (1980).

Revisión de modelamiento hidrológico realizado a escala Amazónica. Desde modelos Macroescala (> 105 km2) a mesoescala ( km2) así como modelos SCM de Columna vertical han sido implementados para estudiar los impactos de deforestación sobre la hidrología Amazónica. Los modelos macroescala sugieren una reducción general en recursos hídricos a escala Amazónica los cuales se atribuyen a la caída en evapotranspiración que afecta significativamente la recirculación de precipitación (D’Almeida et al 2007; Franken and Leopoldo 1984; Salati and Nobre 1991). Los modelos de mesoescala, de mayor resolución espacial, predicen la alteración de la intensidad y los patrones de precipitación así como el incremento en la estacionalidad en la persistencia de nubes en áreas donde la deforestación es alta (Shu et al 1994; Avissar and Liu, 1996; D’Almeida 2007; NASA 2007c). Sin embargo dichos resultados varían por área dependiendo del clima y la topografía. Los modelos SCM sugieren el incremento en la precipitación sobre áreas forestales debido a la mayor evapotranspiración. Principales incertidumbres y limitaciones. La baja resolución de los modelos macroescala les resta aplicabilidad a escalas locales e incluso regionales. Más representativa información de precipitación es fundamental para entender mejor las asociaciones potenciales entre deforestación y los patrones de cambio de precipitación y cobertura de nubes. Los modelos SCM en ocasiones difieren de observaciones de campo pues no consideran las discontinuidades horizontales (e.g. como las producidas por fragmentación de bosque).

Revisión de modelamiento hidrológico realizado a escala Amazónica – estudios basados en observaciones de caudal Plataformas de radar como ENVISAT y TOPEX acopladas con modelamiento hidrológico y validación en campo para estimar el caudal de ríos tributarios que carecen de estaciones de flujo ha sido un área de importantes avances y de gran potencial para el desarrollo de la hidrología operacional (León et al. 2006; Zakharova et al 2006 and Frappart, et al 2006). Aún existen limitaciones para establecer una relación directa entre las áreas y volúmenes de inundación en la Amazonía debido a la topografía altamente variable y a la distribución de los planos de inundación. Monitoreo de vegetación como entrada de modelos para entender las dinámicas climáticas en la Amazonía. La deforestación puede afectar potencialmente la habilidad del ecosistema para absorber dióxido de carbono, amenazando además los regímenes de caudal en la cuenca que se encuentran íntimamente ligados al estilo de vida de las comunidades ribereñas (Franken and Leopoldo, 1984; V¨or¨osmarty et al., 1989; Salati and Nobre). Los estudios actuales que se enfocan en la distribución de índices NDVI en periodos húmedos y secos tienen un gran potencial para mejorar el entendimiento de los procesos hidro-ecologicos de la cuenca, identificar áreas “hotspots” donde el bosque es más susceptible a impactos de sequías severas y para escalar la respuesta de los bosques a la sequía a lo largo de la cuenca.

Principales ejemplos de modelamiento hidrológico a escala Amazónica. Macroescala – Adaptado de D’Almeida et al (2007). Reference AGCM Resolution (lat × lon) Simulation (months) Change in Precipitation (mm/d) Evapotranspiration (mm/d) Runoff (mm/d) Lean and Warrilow, 1989 UKMO 2.5° × 3.75° 36 −1.43 −0.85 −0.40 Nobre et al., 1991 NMC 12.5 −1.76 −1.36 Henderson-Sellers et al., 1993 CCM1 4.5° × 7.5° 72 −1.61 −0.64 −0.90 Rowntree, 1993 −0.81 −0.55 −0.20 Dirmeyer and Shukla, 1994 COLA 48 0.24 −0.31 0.02 Polcher and Laval, 1994ª LMD 2.0° × 5.6° 13.5 1.08 −2.07 3.7 Laval, 1994b 132 −0.51 −0.35 −0.16 Sud et al., 1996 GLA 4.0° × 5.0° −1.48 −1.22 −0.26

Principales ejemplos de modelamiento hidrológico a escala Amazónica. Macroescala – Adaptado de D’Almeida et al (2007). Reference AGCM Resolution(lat × lon) Simulation(months) Change in Precipitation(mm/d) Change in Evapotranspiration(mm/d) Runoff(mm/d) Change in T(°C) Manzi and Planton, 1996 EMERAUDE 2.8° × 2.8° 50.5 −0.40 −0.31 0.33 Lean et al., 1996 HC 2.5° × 3.75° 120 −0.43 −0.81 0.39 Lean and Rowntree, 1997 −0.27 −0.76 0.51 2.3 Hahmann and Dickinson, 1997 CCM2 −0.99 −0.41 −0.50 1 Costa and Foley, 2000 GENESIS 4.5° × 7.5° 180 −0.70 −0.60 −0.10 1.4 Kleidon and Heimann, 2000 ECHAM4 5.6° × 5.6° 240 −0.38 −1.30 0.92 2.5 Voldoire and Royer, 2004 ARPEGE 360 −0.01

Principales ejemplos de modelamiento hidrológico en la Amazónía. Mesoescala – Adaptado de D’Almeida et al (2007). Reference Mesoscale model Resolution (km × km) Simulation (days) Gris Center Key findings Eltahir and Bras, 1994 MM4a 50 × 50 93 6.5 °S, 67.5 °W Less rainfall, lessevaporation Silva Dias and Regnier, 1996 RAMSb 20 × 20 4 10 °S, 60 °W Greater vertical motion Dolman et al., 1999 16 (4, 1) × 16 (4, 1)e, 60 (20) × 60 (20)d 10.5 °S, 62 °W Deeper convective layer Wang et al., 2000 MM5V2c 12 (4) × 12 (4)e 6 11 °S, 63 °W More convection during dry-season Baidya Roy and Avissar, 2002 16 (4, 1) × 16 (4, 1)e 1 10°S, 62.5 °W More convection triggered by surfaceheterogeneity Tanajura et al., 2002 ETA/SSiBd 80 × 80 30 22 °S, 60 °W Weaver et al., 2002 ClimRAMSb 16 (4, 1) × 16 (4, 1)e, 16 (4, 2) × 16 (4, 2)e, 16 (4, 4) × 16 (4, 4)e 2 10 °S, 62 °W Effects predicted depend on correct model configuration

Principales ejemplos de modelamiento hidrológico en la Amazónía. Estudios basados en observaciones de caudal Reference Type of analysis Scale of analysis Period of analysis Key findings Leon et al (2006) Radar altimetry processing (ENVISAT, TOPEX Poseidon) flow routing modelling Negro river basin 2005 Rating curves validated for 21 virtual stations in the Napo river. Good agreement between modelled and measured water depths and discharges. Zakharova et al 2006 Radar altimetry processing (TOPEX Poseidon) Empirical estimates of River discharge Manacapuru (Solimoes river), Jatuarana (Solimoes and Negro river) and Obidos (Amazon) 1992 – 2002 Successful production of rating curves between river levels derived from radar altimetry and in situ measurements, which can be used to estimate successfully river discharge at un-gauged large rivers Frappart, F. (2006) Radar altimetry processing (ENVISAT, Tabatinga, River negro basin at Manaus, Salimoes Negro confluence and Tapajos river The Ice 1 re-tracking algorithm performs best to estimate river stages with ENVISAT RA-2 data with errors not superior to 0.5 m. Accuracies are from two to three times better than those for TOPEX. Combination of different radar altimetry products is essential to assemble robust datasets for operational hydrology. Frappart, et al (2005) Radar altimetry processing (SAR, JERS-1 and TOPEX) Negro river at Manaus Delineation of flood plain extent for high and low stages. No direct relation between flooded extent and floods volume observed, attributed to highly variable topography and distribution of flood plains.

Principales ejemplos de modelamiento hidrológico. Vegetación como información de entrada a modelos hidro-climáticos Reference Type of analysis Scale of analysis Period of analysis Key findings Poveda and Salazar (2004) Space-time variability of NDVI Amazon basin scale Well defined pattern of wet and dry period for the distribution of NDVI. NDVI increases in wet Niña events. Hydro-ecological processes can be better understood through spatial scaling of ecosystems response to drought and surplus of water Wittmann, et al (2004) Forest and climatologic disturbances Tefe and Manaus – Brazilian Amazon 2000 Tree species richness are well defined with gradients of flooding and sedimentation NASA (2007) Field measurements Effects of drought on forest Amazon - Tapajos national forest 2005 Collaboration with the LBA. Stress related signals due to drought are reported to monitor of forest health state from space. NASA (2007b) Deforestation and climate implications Climatic models using MODIS data suggest forest conversion to crops derives warmer and drier conditions. NASA (2007c) Use of TRMM Area of Porto Velho Deforested areas warm up faster increasing cloudiness and rainfall in dry seasons. Annual effects are likely to be small compared to seasonal and daily cycles. Huete, et al (2006) Field observations soil moisture modelling impacts of dry seasons on rainforest productivity Amazon scale 2006 Normal dry seasons is a period of higher greening up of forest. forest roots (down to 20m) allow forest to tap up storage water not accessible to less stature vegetation

Resultados clave: Principales represas actuales y propuestas en la Amazonía

Regulación del sistema Clima : Métodos
ESTADO Evaluar la relación entre el cambio del uso el suelo y la generación de nubosidad y precipitación usando MODIS para los más significativos cambios de cobertura vegetal en los Andes/Amazonía. Información: VCFchange( TRMM rainfall ( MODIS cloud climatology ( Revisión y evaluación del potencial de las reservas de carbono y de secuestro de carbono y su equivalente de reemplazo de combustibles fósiles, nuevamente usando MODIS-VCF (acoplado con datos y literatura existentes) (KCL-MM). IMPACTOS HUMANOS Examinar los impactos de deforestación sobre las reservas de carbono y el potencial de secuestro de carbono (KCL-MM and KCL-EK). INFORMACION Y HERRAMIENTAS DE EVALUACION 1. Revisión de programas de recolección de información climática a escalas nacional e internacional. 2. Revisión de investigaciones previas sobre retroalimentaciones del sistema clima-vegetación. 3. Revisión de modelos disponibles (KCL-EK).

1. Relación entre cobertura de bosque y generación de nubosidad y precipitación. • No parece existir una clara relación entre la cobertura de bosque y la precipitación en celdas vecinas, así que la deforestación se puede asociar tanto a reducciones como incrementos de precipitación. La mayor diferencia entre celdas vecinas de vegetación similar probablemente refleja la mayor frecuencia de estas áreas ?. • Gran variación espacial debido a deforestación y fragmentación de bosque conlleva a incrementos de precipitación de hasta +10% al N y S de los Andes y al S y E de Brasil pero induce reducciones en los Andes centrales y hacia el pacífico. • Similarmente no parece existir un patrón definido entre el cambio en la frecuencia de nubes y la cobertura de bosque (aunque existe un efecto aparente tierra - mar especialmente en convección (lluvias tarde/noche))?. • La frecuencia espacial de nubosidad se incrementa notoriamente con la perdida de bosque en algunas partes al sureste Amazónico y al este de Brasil, mientras que decrece claramente con la deforestación entre los Andes centrales y del sur y otras partes del este de Brasil

Diferencia en cobertura de bosque entre una celda y su vecino
El impacto de las diferencias en cobertura de bosque sobre la precipitación media anual ( ). Diferencia en cobertura de bosque entre una celda y su vecino más al oeste (%) No se observa un patrón claro de incremento o reducción de precipitación con la deforestación, en vez, la precipitación puede aumentar o disminuir.

Diferencia en cobertura de bosque entre una celda y su vecino
El impacto de las diferencias en cobertura de bosque sobre la precipitación nocturna ( ). Diferencia en cobertura de bosque entre una celda y su vecino más al oeste (%) El patrón se repite para la precipitación a diferentes horas del día. Perdida o incremento de bosque puede coincidir con incrementos o reducciones de precipitación, dependiendo del área. Los cambios son más pronunciados en la precipitación de noche (convección).

Porcentaje de cambio en precipitación en áreas deforestadas (incremento solamente). La deforestación conlleva al incremento de precipitación al N y S de los Andes, S y E de Brasil. Porcentaje de cambio en precipitación en áreas deforestadas (disminución solamente). La deforestación conlleva a importantes reducciones de los Andes centrales y hacia el Pacífico.

media anual de nubosidad (1997 - 2006).
El impacto de las diferencias en cobertura de bosque sobre la frecuencia media anual de nubosidad ( ). Diferencia en área de bosque entre una celda y su vecino más al oeste (%) No se observa un patrón claro de incremento o reducción en la frecuencia de Nubocidad con la deforestación, en vez, esta puede aumentar o disminuir.

diurna y estacional de nubosidad (1997 - 2006).
El impacto de las diferencias en cobertura de bosque sobre la frecuencia diurna y estacional de nubosidad ( ). El patrón es similar al de precipitación. Perdida o crecimiento de bosque puede coincidir con incrementos o reducciones de nubosidad dependiendo del área. Los cambios son más pronunciados para precipitación nocturna (convección). Nubosidad nocturna muestra efectos tierra-mar.

Porcentaje de cambio en nubosidad en áreas deforestadas (incremento solamente). La deforestación conlleva al incremento de la frecuencia de nubes en algunas partes del SE de la Amazonía y al E de Brasil. Porcentaje de cambio en la frecuencia de nubosidad en áreas deforestadas (disminución solamente). La deforestación conlleva a importantes reducciones de nubosidad en los Andes centrales y del sur y al E de Brasil.

Material adicional: La hidro-climatología de la cuenca Amazónica

Radiación solar potencial modelada (W m2)
Altos efectos estacionales incluso en ausencia de efectos de nubosidad.

Radiación solar potencial total modelada (MJ)
Efectos latitudinales, altitudinales y de aspecto

Efectos topográficos de sombra pueden ser importantes, en áreas
montañosas o zonas bajas donde el sol se encuentra directamente vertical.

Nueva climatología de nubosidad pan-tropical
MODIS 1km (Mulligan 2006) Promedio annual de frecuencia de nubes (como fracción de todas las observaciones) Desarrollada con base en el producto MODIS MOD35 Disponible en

cobertura de bosque de niebla y al NO de la cuenca, conllevando a baja
Cuenca Amazónica >80% de las observaciones aparecen cubiertas de nubes en áreas Andinas con cobertura de bosque de niebla y al NO de la cuenca, conllevando a baja radiación solar y PET. Del 40% al 70% de nubosidad en las demás áreas

Fuerte diurnalidad con frecuencias de cerca del 100% en regiones montañosas
aisladas. Esta interpretación esta sujeta a errores debido a diferencias de tiempo dentro de un mismo campo de visión del satelite (por ello cuadrados?)

seca al noroeste de la Amazonía
Altamente estacional con frecuencias de nubosidad mayores en Diciembre, Enero y Febrero y en Marzo, Abril y Mayo e incluso sostenidas a lo largo de la estación seca al noroeste de la Amazonía

Nueva climatología pan-tropical de precipitación TRMM
1km (Mulligan 2006) Desarrollada con base en información TRMM ( ) Disponible en

WorldClim fue la más detallada climatología de precipitación, antes de la
TRMM, la cual se derivá por interpolación de información de estaciones.

TROPICLIM (Mulligan 2006), presenta mucha más detallada
información de precipitación aunque similar en magnitudes generales

WC>TRMM TRMM>WC
Diferencias absolutas entre las dos climatologias son generalmente bajas pero en aislados “hotspots” de precipitación TRMM muestra valores mucho más altos

Variabilidad estacional
de WorldClim

Variabilidad estacional
de TROPICLIM Muy similar en patrón aunque mayor resolución

Información que muestra claramente las tendencias diurnas.
Producto TRMM 3B42 precipitación media ( ) con intervalos de 3hr. Información que muestra claramente las tendencias diurnas.

NERC-DfID-ESRC ESPA ANDES/AMAZON WP1 SERVICIOS DEL ECOSISTEMA (SE) ANALISIS BASADO EN INFORMACION HYDRO-CLIMATICA Mark Mulligan, Leo Sáenz, Edwin Keizer,

Presentaciones similares

Presentación del tema: "NERC-DfID-ESRC ESPA ANDES/AMAZON WP1 SERVICIOS DEL ECOSISTEMA (SE) ANALISIS BASADO EN INFORMACION HYDRO-CLIMATICA Mark Mulligan, Leo Sáenz, Edwin Keizer,"— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback

Iniciar la sesión

Autorizarse a través de una red social:

NERC-DfID-ESRC ESPA ANDES/AMAZON WP1 SERVICIOS DEL ECOSISTEMA (SE) ANALISIS BASADO EN INFORMACION HYDRO-CLIMATICA Mark Mulligan, Leo Sáenz, Edwin Keizer,

Presentaciones similares

Presentación del tema: "NERC-DfID-ESRC ESPA ANDES/AMAZON WP1 SERVICIOS DEL ECOSISTEMA (SE) ANALISIS BASADO EN INFORMACION HYDRO-CLIMATICA Mark Mulligan, Leo Sáenz, Edwin Keizer,"— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback