Embed Size (px)
Citation preview
1
Informe Final Historia del clima de la Ciudad de México: Efectos observados y perspectivas”.
Integrantes del proyecto:
Responsables: Cecilia Conde. Efrén Ospina Noreña.
Académicos: Elda Luyando; Oscar Sánchez; Ana Elisa Peña del Valle
Estudiantes posgrado: Fanny López Díaz, Guillermo Rosales, Mario Oswaldo Casasola
Introducción
El presente informe tiene el propósito de comunicar sobre las actividades y resultados finales de
investigación realizadas durante el 2010 para el proyecto: “Historia del Clima de la Ciudad de
México: Efectos Observados y Perspectivas”, realizado en el Centro de Ciencias de la Atmósfera,
UNAM, en el marco del Centro Virtual de Cambio Climático, con el apoyo del Instituto de
Ciencia y Tecnología del Gobierno del Distrito Federal (GDF-ICyT).
Las actividades realizadas en dicho período se orientaron a “Reconstruir la historia del clima para
la Ciudad de México a partir de los registros disponibles para los principales parámetros
climáticos, a fin de contextualizar algunos de los efectos históricos observados -contingencias y
amenazas climáticas-, y prever acciones y respuestas ante futuras modificaciones en el clima
asociadas con el cambio climático”. Siguiendo el calendario establecido en los términos de
referencia, los resultados obtenidos cumplieron con los objetivos propuestos:
I. Analizar a través de periodos de registro disponibles de temperatura, precipitación y
viento de estaciones y observatorios, los posibles cambios en distintos sitios de la
ciudad de México, independientemente de su origen.
II. Determinar las amenazas climáticas y los efectos observados (desastres y contingencias
climáticas) en la Ciudad de México.
III. Evaluar la capacidad adaptativa que se tiene para responder y amortiguar los efectos
relacionados con la variabilidad climática.
IV. Establecer indicadores de vulnerabilidad actual y futura de la disponibilidad de los
recursos hídricos ante los efectos climáticos observados y proyectados de la Ciudad de
México.
2
En las siguientes secciones se presenta una síntesis de los resultados obtenidos, siguiendo cada
uno de los objetivos citados.
En síntesis, los estudios desarrollados en este proyecto indican que, considerando los datos
disponibles (por ejemplo, Observatorio de Tacubaya), existe una marcada tendencia al aumento en
las llamadas ondas de calor y precipitaciones extremas. En particular, resultaron significativas las
tendencias para los casos de las temperaturas extremas en algunas estaciones del año, con cambios
estructurales importantes, tanto en la región seca como en la húmeda.
El análisis de los llamados espacios de amenaza indica que las lluvias torrenciales han sido fuente
de desastres hidrometeorológicos en la ciudad de México, ante los cuales se han tensado las
capacidades de respuesta de los sistemas e instituciones de la Ciudad.
En estudios posteriores, se requiere profundizar y realizar investigaciones relacionadas con:
1. Índices bioclimáticos que permitan establecer los riesgos para la población;
2. Determinación de umbrales críticos, tanto para las temperaturas extremas como para las
precipitaciones extremas (lluvias torrenciales);
3. Involucrar tomadores de decisiones en el análisis de prácticas durante eventos climáticos
extremos y su viabilidad ante condiciones de cambio climático futuro.
4. En particular, desarrollar los espacios de amenaza futuros y aplicar el índice de
vulnerabilidad propuesto para proyectar los caudales y la disponibilidad del recurso hídrico
en condiciones de un clima futuro, considerando la incertidumbre asociada a éste.
Se anexan al presente informe, en disco compacto (CD: ANEXOS DEL REPORTE FINAL HIST DEL CLIM CD MEX):
I. Bases de datos climáticos e hidrométricos y mapas georeferenciados:
a. Base de datos estaciones climatológicas e hidrométricas, CQ (RClimDex), eventos extremos, desastres, contingencias o efectos adversos (separados por componente en el CD).
b. Mapas en formato digital y georeferenciado (Componentes II y III en el CD).
c. Mapa digitales y georeferenciados de estaciones climatológicas e hidrometeorológicas como base y complementarias para estudios de eventos extremos (Componentes II y III en el CD).
3
II. Artículos publicados in extenso en memorias de congresos (Eventos academicos y difusion en CD):
a. Conde, C., O. Sánchez, F. López, G. Rosales, E. Ospina-Noreña. Espacios de
amenaza climática como herramienta para estudios de variabilidad climática y sus
posibles efectos en sectores de interés. Organización Mexicana de Meteorólogos,
AC. (OMMAC) Memoria del XIX Congreso Mexicano de Meteorología-IV
Congreso Internacional de Meteorología de la OMMAC, 18 al 22 de Oct/2010,
Coahuila, México. ISBN: 978-607-95130-3-0
b. Ospina-Noreña, J.E., O. Sánchez, C. Conde, E. Luyando, G. Rosales, F. López, M.
Casasola. Variables Climáticas y su Relación con la Disponibilidad de Agua en la
Ciudad de México. Organización Mexicana de Meteorólogos, AC. (OMMAC)
Memoria del XIX Congreso Mexicano de Meteorología-IV Congreso Internacional
de Meteorología de la OMMAC, 18 al 22 de Oct/2010, Coahuila, México. ISBN:
978-607-95130-3-0
c. Ana Peña del Valle, Rosales Dorantes Guillermo y Conde Álvarez Cecilia.
Eventos climáticos extremos y espacios de amenaza en el Distrito Federal XIX
Congreso mexicano de meteorología y IV Congreso internacional de Meteorología.
18 al 22 de Oct/2010, Coahuila, México. ISBN: 978-607-95130-3-0
III. Archivos en formato PDF con los posters presentados durante la Semana de la Ciencia y la Innovación 2010 y la presentación del proyecto durante el Seminario Taller 2da Fase del CVCCCM - Propuestas de Políticas Públicas, 18 y 19 de Octubre de 2010, Cocoyoc, Mor. (Eventos academicos y difusion en el CD)
Posters.
a. Ana Peña del Valle, Rosales Dorantes Guillermo y Conde Álvarez Cecilia. Amenazas climáticas y efectos observados en Distrito federal durante el periodo 1970-2009. Semana de la Ciencia y la Innovación 2010 del 22 al 26 de Noviembre, México D.F. Instituto de Ciencia y Tecnología del Distrito Federal.
b. Dra. Cecilia Conde A, M. en C. Fanny López D, M. en C. Oscar Sánchez M. Semana de la Ciencia y la Innovación 2010 del 22 al 26 de Noviembre, México D.F. Instituto de Ciencia y Tecnología del Distrito Federal. Presentación de poster “Análisis de tendencias y de los índices de clima extremo para dos sitios significativos en la Ciudad de México”.
c. Ospina-Noreña J. E., M en C. Oscar Sánchez, Lic. Guillermo Rosales. Semana de la Ciencia y la Innovación 2010 del 22 al 26 de Noviembre, México D.F. Instituto de Ciencia y Tecnología del Distrito Federal. Presentación de poster “Historia del
4
Clima de la Ciudad de México: Efectos Observados y Perspectivas. Variables Climáticas y su Relación con la Disponibilidad de Agua”.
d. E. Luyando, M. Casasola, C. Conde, E. Ospina, O. Sánchez, F. López, G. Rosales, E. Jáuregui. Semana de la Ciencia y la Innovación 2010 del 22 al 26 de Noviembre, México D.F. Instituto de Ciencia y Tecnología del Distrito Federal. Presentación de poster “Actualización de bases de datos y detección de eventos de temperaturas y precipitación extremos en la Ciudad de México”.
Presentación
e. Cecilia Conde (ponente), Efrén Ospina (participante). Elda Luyando, Oscar Sánchez; Ana Elisa Peña del Valle (participante), Fanny López Díaz, Guillermo Rosales, Mario Casasola. Participación en el “Seminario Taller 2da Fase del CVCCCM - Propuestas de Políticas Públicas, 18 y 19 de Octubre de 2010, Cocoyoc. Presentación “Historia del clima de la Ciudad de México: Efectos observados y perspectivas”.
5
COMPONENTE I: ANÁLISIS DE TENDENCIAS Y EVENTOS CLIMÁTICOS EXTREMOS
Esta componente sigue el objetivo I: Analizar a través de periodos de registro disponibles de
temperatura, precipitación y viento de estaciones y observatorios, los posibles cambios en
distintos sitios de la ciudad de México, independientemente de su origen.
Para el análisis de las tendencias climáticas y las de los eventos extremos de la región bajo
estudio, se aplicaron dos metodologías. La primera (Componente I1) tiene como antecedente los
estudios de climatología urbana que durante décadas desarrolló el Dr. Ernesto Jáuregui (ver, por
ejemplo Jáuregui, 2000; 2005).
Otra forma (Componente I2), consistente con la anterior, se fundamenta en realizar estudios en
profundo de las series de datos diarios, buscando establecer la significancia de las tendencias
observadas en las variables de temperaturas máximas y mínimas, y precipitación. Se realizó
entonces también el estudio de las posibles tendencias en las temperaturas extremas para
establecer si se estaban rebasando umbrales críticos a los que posiblemente los sistemas de
relevancia y la población podrían encontrarse amenazados.
Componente I1
Antecedentes La ciudad de México, que como ciudad única se puede considerar la más grande del mundo por no
conformar con ninguna otra en conurbación física (como Tokio-Yokohama), es también un
ejemplo de la degradación profunda que, en relativo poco tiempo, ha modificado también el clima
que la caracteriza. Aunque todavía de naturaleza templada y lluvias en verano, dada la latitud
tropical en que se localiza, las condiciones de humedad, temperatura y precipitación han
modificado su comportamiento (Jáuregui, 2000). La urbanización, sobre todo desde finales de la
2a. Guerra Mundial y producto del momento económico que vivía nuestro país, imprimieron en la
ciudad un crecimiento desmedido y fuera de las normas regulatorias que colonias y asentamientos
en la periferia tuvieron sin control alguno. El cuidado de la ecología fue prácticamente inexistente
y trajo como consecuencia una urbanización sin la cantidad necesaria de áreas verdes que requería
su creciente población.
6
Según el objetivo que propone analizar a través de periodos de registro disponibles los posibles
cambios en la temperatura y la precipitación, se han actualizado los correspondientes a los
observatorios de Tacubaya y del Colegio de Geografía ubicado en la Universidad Nacional
Autónoma de México (en el campus de la ciudad universitaria). Aún siendo la temperatura
mínima la evidencia más clara del comportamiento del ambiente térmico por efecto de la
urbanización, y dado que los registros de temperatura máxima normalmente no proporcionan una
evidencia clara del incremento en la intensidad de la isla de calor, el aumento notorio que se ha
presentado en los últimos años de las ondas de calor (tres o más días consecutivos con temperatura
igual o mayor a 30ºC) es una muestra clara de la modificación del ambiente térmico debido, por
una parte, al crecimiento de la ciudad, y por otra, al cambio global del clima.
El Observatorio de Tacubaya, ubicado en un sitio originalmente rural y posteriormente suburbano
y urbano y el Observatorio del Colegio de Geografía, que inició sus actividades en el periodo de
mayor crecimiento poblacional y de extensión de la ciudad, presentan durante los meses cálidos y
secos del año un mayor número de ondas de calor en décadas más recientes. A lo largo del periodo
de registro, estos observatorios han mostrado un aumento en los días con temperaturas mayores a
30ºC reflejándose en ondas de calor de más larga duración. En la Figura I1.1, se observa el
número de ondas de calor para el observatorio de Tacubaya por décadas, donde hay un aumento
considerable sobre todo a partir de los años sesenta.
Observatorio de Tacubaya
02468
101214161820
1877
-188
7
1888
-189
8
1899
-190
9
1910
-192
0
1921
-193
0
1931
-194
0
1941
-195
0
1951
-196
0
1961
-197
0
1971
-198
0
1981
-199
0
1991
-200
0
2001
-201
0
Ondas de calor (30°C tres o más días consecutivos) por década. Periodo 1877-2010.
No.
de
onda
s de
cal
or p
or d
écad
a
Fig. I1.1. Ondas de calor en el Observatorio de Tacubaya. Periodo 1877-2010.
En el Observatorio del Colegio de Geografía, en Ciudad Universitaria al sur de la capital, la
presencia de estas ondas de calor también evidencia la modificación que ha sufrido el entorno a
7
pesar de que los alrededores inmediatos siguen siendo jardines y edificios del campus. Por ser de
más reciente creación que el Observatorio de Tacubaya, la Figura I1.2 muestra la presencia de
ondas de calor de forma anual, donde a partir de la década de los noventa aparecen
consistentemente. Hay que aclarar el hecho de que en todos los sitios observados, el año 1998
destaca por la presencia de estas ondas de calor y su duración (incluso mayor a 15 días) debido a
los efectos del evento de El Niño.
Observatorio del Colegio de Geografía, UNAM.
01234567
1963
1966
1969
1972
1975
1978
1981
1984
1987
1990
1993
1996
1999
2002
2005
2008
Número de ondas de calor. Periodo 1963-2009.
Fig. I1.2. Ondas de calor en el Observatorio del Colegio de Geografía, UNAM. Periodo 1963-2009.
Con un registro aún más corto se encuentra la estación climatológica ubicada en el Palacio de
Minería, la cual tiene la característica de estar en el centro histórico de la ciudad. Esta ubicación le
confiere la cualidad de situarse en el centro de la “isla de calor”, cuando se forma normalmente en
condiciones de aire en calma y con cielos despejados (Jáuregui 2000). Destaca claramente el año
2010 con un total de cuatro ondas de calor que se presentaron en el mes de mayo, logrando un
número considerable de 15 días con temperaturas de 30ºC o más (figura I1.3).
8
Palacio de Minería
0
1
2
3
4
5
1995
1997
1999
2001
2003
2005
2007
2009
Número ondas de calor. Periodo 1995-2010
Fig. I1.3. Número de ondas de calor para la estación ubicada en el Palacio de Minería. Periodo 1995-2010.
La Tabla I1.1 muestra los meses con mayor número de ondas de calor a lo largo del periodo de
registro en el Observatorio de Tacubaya (por tratarse de una serie larga) donde las de mayor
frecuencia no sobrepasan los 6 días, como cabe esperar. Sin embargo, las ondas con duración
mayor a diez días se han presentado en las últimas décadas (última del siglo veinte y primera del
veintiuno), esto relacionado también con la ocurrencia de severos eventos de El Niño (tabla I.2).
Tabla I1.1. Número de ondas de calor por meses de la temporada cálida del año para el Observatorio de Tacubaya. Periodo 1877-2010.
marzo abril mayo junio total
8 41 44 6 99
Tabla I1.2. Duración de las ondas de calor en Tacubaya. Periodo 1877-2010 Días consecutivos
3 a 6 82
7 a 10 12
> 10 5
Otro aspecto relacionado al cambio del clima dentro de la ciudad corresponde a las modificaciones
que ha sufrido la precipitación. Los cambios en los patrones de lluvia en las grandes ciudades
(Jáuregui 2005), particularmente en lo referente a su intensidad, muestran que las condiciones
9
urbanas proporcionan un mecanismo para el desarrollo de lluvias torrenciales. La presencia de
chubascos fuertes durante los meses lluviosos del año es una característica típica de los sitios
tropicales, sin embargo es notorio cómo el número de eventos que generan desajustes y desastres
dentro de la ciudad son cada vez más frecuentes. Esto se observa claramente en la Figura I1.4
donde se muestra, por década, el número de eventos mayores a 30 mm en 24 horas en el
Observatorio de Tacubaya. Aparentemente, son los años sesenta el punto de partida de este
incremento debido a la acelerada expansión de las superficies urbanas, proporcionando calor y
reforzando el movimiento convectivo que las nubes de desarrollo vertical necesitan, ocasionando,
por lo tanto, tormentas y vendavales. Las consecuencias de estos chubascos y la presencia de
tormentas eléctricas son las inundaciones de un sitio cada vez más impermeable, el desgajamiento
de laderas y el caos por la suspensión del suministro eléctrico.
Número de eventos de precipitación máxima en 24/hrs. (> 30 mm)
0
10
20
30
40
50
60
1877
-1887
1888
-1898
1899
-1909
1910
-1920
1921
-1930
1931
-1940
1941
-1950
1951
-1960
1961
-1970
1971
-1980
1981
-1990
1991
-2000
2001
-2009
Observatorio de Tacubaya
Eve
ntos
por
déc
ada
m
Fig. I1.4. Número de eventos mayores a 30 mm de precipitación máxima en 24 horas por década en el Observatorio de Tacubaya. Periodo 1877-2009.
A pesar de contar con una serie datos más reducida (a partir de mediados de los sesenta), el
Observatorio del Colegio de Geografía de la UNAM en un análisis de la precipitación por
quinquenios (con el fin de mostrar una posible tendencia), muestra que en las últimas décadas los
eventos mayores a 30 mm en 24 horas quizá estén sufriendo un aumento en la frecuencia, como en
el caso del Observatorio de Tacubaya, siendo el número similar con este sitio de observación
(Figura I1.5).
10
Observatorio del Colegio de Geografía, UNAM
0
5
10
15
20
25
30
1965
-6919
70-74
1975
-7919
80-84
1985
-8919
90-94
1995
-9920
00-04
2005
-09
Frecuencia de la precipitación máxima en 24 hrs > 30 mm. Periodo 1965-2009.
Even
tos p
or qu
inque
nio
Fig. I1.5. Número de eventos mayores a 30 mm de precipitación máxima en 24 horas por quinquenio en el Observatorio del Colegio de Geografía, UNAM. Periodo 1965-2009.
Los datos que respaldan las figuras I1.1 a I1.5 se encuentran en el Anexo componente I1 (Componente
I en el CD)
Conclusiones I1.
Las muestras de un clima modificado en la ciudad de México son claras y evidentes. Los
principales factores, o bien los más notorios, como son la temperatura y la precipitación, han
sufrido cambios suficientemente apreciables por la población que deberá adaptarse a nuevas
condiciones en el futuro. Sin embargo es importante continuar con el estudio en otras zonas de la
ciudad que por sus dimensiones y condiciones, enfrenta el proceso de manera distinta. También es
de interés las modificaciones que hayan podido sufrir otros elementos climáticos, además de
conocer, dado el aumento en los eventos extremos, cuál es la apreciación en cuanto a sensaciones
térmicas que puede tener la población a través de la utilización de índices bioclimáticos.
11
COMPONENTE I2
Después de realizar el control de calidad de los datos y la elección de estaciones meteorológicas a
usar en este estudio, las actividades efectuadas en esta parte de la investigación fueron:
1. Descripción de la climatología.
2. Un análisis de tendencias para las series de temperatura máxima y mínima mensuales y
precipitación.
3. Cálculo de índices de eventos climáticos extremos para series diarias de temperatura
(máxima y mínima) y precipitación.
Para lo anterior se escogieron, inicialmente, dos sitios significativos de la Ciudad de México los
cuales corresponden a una estación representativa para cada una de las regiones en que se dividió
al Distrito Federal (ver informe anterior y Estrada et al, 2009), de la zona húmeda (ZH) se eligió la
estación 9020 y de la zona seca (ZS) la 9029. Posteriormente se realizaron los cálculos
correspondientes para las estaciones restantes, de la zona húmeda (9041) y de la seca (9014, 9026,
9032, 9043) que fueron las que al final cumplieron los requisitos de longitud, continuidad y
actualidad de las series, así como las pruebas de control de calidad realizadas.
1. Descripción de la climatología
Las figuras I2.1 muestran el comportamiento de la temperatura promedio mensual para los sitios
seleccionados el cual es similar en todos los casos, y como era de esperarse en la ZH las
temperaturas son inferiores a las de la ZS, aunque la Tmin en ambas zonas es comparable para los
periodos febrero-marzo y octubre-diciembre. En todos los casos la Tmax muestra el mismo
comportamiento: se va incrementando de enero a febrero, alcanzando sus valores más altos en los
meses de marzo, abril y mayo (calurosos) siguiendo con una disminución relativamente abrupta en
junio y julio (corresponde al inicio de la temporada de lluvias) con un leve repunte en agosto
(coincidiendo con la presencia de la canícula o sequía intraestival) para nuevamente disminuir
hasta diciembre y enero. Lo mismo pudo observarse en las otras estaciones. Por otra parte la Tmin
tiene un comportamiento diferente, su incremento no es tan rápido, ya que llega a un repunte hasta
el mes de junio, desciende ligeramente en julio y se mantiene hasta septiembre, donde decae
rápidamente de octubre a diciembre. El mes más frío corresponde a enero, para las dos zonas. En
lo referente a la precipitación se nota con claridad en todos los casos que la temporada de lluvias
abarca de junio a septiembre donde el máximo corresponde al mes de julio y el mínimo se
presenta generalmente entre los meses de diciembre y febrero.
12
Fig. I2.1. Comportamiento de la temperatura promedio mensual máxima y mínima y precipitación acumulada mensual a través del año de las estaciones seleccionadas (9020 ZH, 9029 y 9043 ZS).
2. Análisis de Tendencias
Para realizar este análisis se utilizaron datos de temperatura máxima y mínima y precipitación
mensuales. El objetivo de esta parte de la investigación fue el poder responder a la pregunta de
qué está ocurriendo con la temperatura y la precipitación en las regiones húmeda y seca, si tienen
una tendencia de aumento, disminución o no están cambiando.
2.1 Metodología
Las tendencias fueron ajustadas con un modelo de regresión lineal de mínimos cuadrados, que
consiste en explicar una variable a través de otras. Para ello se supone que existe una relación
lineal entre la variable cuyo comportamiento se quiere explicar y las variables que se utilizan
como explicativas:
…(1)
donde la variable ty es la variable dependiente o endógena, las variables son las
variables explicativas o regresores, tε es la perturbación aleatoria, son los parámetros
asociados a cada una de las variables explicativas, también llamados coeficientes de regresión, y
miden el impacto de cada variable en el comportamiento de la variable endógena. El coeficiente
0β es el término independiente, el parámetro asociado a una variable explicativa que toma el valor
1 para todas las observaciones y, por ello, no aparece en forma explícita en la ecuación y T es el
tamaño de la muestra. En el modelo se considera que se cumplen las hipótesis de linealidad de la
13
relación, i. e., que los parámetros sean constantes, que no existan relaciones lineales exactas entre
las variables explicativas (las cuales no son variables aleatorias) y que las perturbaciones sean
variables aleatorias independientes e igualmente distribuidas, normales de media cero y con
varianza 2εσ constante (Carrascal, 2001).
Para validar el modelo hay que realizar una serie de pruebas estadísticas, relacionadas con los
residuos (errores) y los parámetros del modelo, por medio de pruebas de especificación para
verificar que se cumplan los supuestos. En los residuos debe existir no autocorrelación, deben
distribuirse de manera normal y su varianza debe ser constante (homoscedasticidad). En cuanto a
los parámetros del modelo, éstos deben ser constantes y que no haya no linealidades entre ellos
(Estrada F., 2010). El ajuste de tendencias se realizó utilizando el programa EViews (Econometric
Views, http://www.eviews.com/index.html). En el modelo también se toman en cuenta valores
atípicos (outliers) y cambios estructurales que puedan influir en la serie, y por tanto en la
tendencia, que generalmente no son incluidos en una regresión simple.
2.2 Resultados
Las tendencias ajustadas fueron para los meses de enero, abril, julio y octubre, se tomaron estos
meses como representativos de la variabilidad a través del año. Los datos completos (climatología
mensual, tendencias climatológicas y sus gráficas) para las estaciones analizadas se encuentran en
el archivo Climatologia.zip (ver CD: anexo componente 1).
Los resultados que se muestran se refieren al caso en que se haya presentado un cambio
“importante” en el comportamiento de la temperatura, esto hace referencia a la significancia de la
tendencia; es decir si es significativo quiere decir que sí se está dando un cambio, mientras que si
es no significativo el cambio aún no está ocurriendo. Dependiendo del signo de la tendencia es
como se determina si está aumentando (positivo) o disminuyendo (negativo) la temperatura. En la
regresión lineal también se pueden identificar algunos cambios estructurales significativos, lo que
implica que en la serie ocurrió un cambio que llevó a un valor diferente en el promedio de los
valores de ésta, en la figura I2.2, a manera de ejemplo, se muestran algunas gráficas de tendencias
ajustadas para el mes de abril y enero para los meses más caluroso y más frío, respectivamente, de
la estación 9043 ZS, esto de acuerdo a la climatología; en el Anexo 1A (ver CD: anexo
componente 1) se muestran estas mismas gráficas pero para las estaciones 9020 (ZH) y 9029 (ZS).
14
Tomando en cuenta los resultados para todos los meses analizados, se encontró que la temperatura
máxima para la estación de la ZH en el mes de enero está aumentando (0.16 °C/año) mientras que
para los otros meses no hay tendencia estadísticamente significativa, aunque cabe destacar que
está tendiendo a un incremento, excepto en el mes de abril. Para la ZS la estación 9029 el cambio
es significativo para los meses de enero (0.06 °C/año) y octubre (0.07 °C/año), para la 9043 la
tendencia es significativa para abril (0.04 °C/año), lo que representaría un incremento en la
temperatura, para estos meses. Para la Tmin en la ZH la tendencia es de descenso, mientras que
para la ZS en todos los casos (significativos o no) la tendencia es de incremento. Se puede decir
que la Tmin en la ZS se está incrementando, contrario a lo que pudiera presentarse en la ZH,
donde parece que Tmin está (salvo octubre) siendo menor, lo que podría interpretarse como que
los valores de Tmin en las dos zonas están divergiendo.
-4
-2
0
2
4
22
24
26
28
30
32
55 60 65 70 75 80 85 91 95 00 05
Residual Actual Fitted
Tmax mensual abril E9043 (ZS)
T (ºC)
-2
-1
0
1
2
3
-4
-2
0
2
4
6
8
55 60 65 70 75 80 85 91 95 00 05
Residual Actual Fitted
Tmin mensual enero E9043 (ZS
T(°C)
-60
-40
-20
0
20
40
60
40
80
120
160
200
240
280
55 60 65 70 75 80 85 91 95 00 05
Residual Actual Fitted
Pcp mensual acumulada julio E9043 (ZS)
mm
Figura. I2.2. Ajuste de tendencia lineal para Tmax abril el (mes más caluroso), Tmin enero (el mes más frío) y la precipitación máxima para julio (mes más húmedo) en las estación 9043 de la zona seca de la ciudad de México. Para las temperaturas la tendencia es de incremento, mientras que la precipitación es de disminución.
Aunque en la precipitación no se detectaron tendencias estadísticamente significativas (excepto el
caso de julio para 9043), el análisis apunta a que hacia el mes de octubre se está observando un
ligero incremento en la ZS, mientras que en la ZH puede presentarse un incremento congruente en
el mes de abril. Para el mes de julio en la zona seca las estaciones muestran un outlier muy
significativo en el 2007 con un acumulado de alrededor de 240 mm superando todos los registros
anteriores.
En cuanto a los cambios estructurales, la mayoría de ellos se presentan en la década de los noventa
para la temperatura, en específico en años que corresponden al fenómeno de El Niño muy intenso,
lo que puede significar que, en particular, este influyó en la temperatura. Los resultados de la
significancia de las tendencias se muestran en la siguiente tabla:
15
Tabla I2.1. Significancia de la tendencia y los cambios estructurales para las series de Tmax, Tmin y Pcp de las estaciones 9020 (ZH), 9029 y 9043 (ZS).
Mes
Zona Húmeda: 9020 Zona Seca: 9029 Zona Seca: 9043
Significancia Cambio estructural Significancia Cambio
estructural Significancia Cambio
estructural
Tmax
Enero Si (+) 1974 Si (+) 1998 No (+) 1977 y 1992
Abril No (-) 1998 No (-) ------ Si (+)
Julio No (+) 1996 No (+) ------ No (-) 1977
Octubre No (+) 2000 Si (+) 1998 Si (-) 1968 y 1979
Tmin
Enero No (-) ------ Si (+) 1996 Si (+) 1991 y 1996
Abril Si (-) 1997 Si (+) 1985 Si (+) 1963
Julio No (-) ------ No (+) ------ Si (+) ------
Octubre No (+) 1974 Si (+) ------ Si (+) ------
Pcp
Enero No (+) ------ No (-) ------ No (+) ------
Abril No (-) ------ No (+) ------ No (+) ------
Julio No (-) ------ No (+) ------ Si (-) 1968
Octubre No (+) ------ No (+) ------ No (-) ------
3. Cálculo de Índices de Eventos Climáticos Extremos
Una forma de definir estadísticamente un evento extremo, es considerar como tal los eventos que
se encuentren por encima del 90o. ó por debajo del 10o. percentil en una distribución de
probabilidad observada (IPCC, 2001). Por ejemplo, para una distribución de temperatura los
extremos se encontrarían en sus colas, donde el percentil inferior correspondería a temperaturas
frías y el percentil superior a temperaturas calientes. Además hay que considerar que los eventos
extremos van a depender de la climatología de cada lugar, ya que un evento extremo puede variar
de región a región (IPCC, 2001; Peterson et al., 2008).
3.1 Metodología
16
Para realizar el análisis de eventos extremos en la Ciudad de México, se utilizó un método que
consiste en el cálculo de 27 índices base (Zhang y Yang, 2004; Peterson, 2005) de eventos
climáticos extremos (temperatura y precipitación), los cuales permiten caracterizar los eventos
extremos para una región. Estos indicadores fueron definidos por el Equipo de Expertos en Índices
y Detección de Cambio Climático (The Expert Team on Climate Change Detection Monitoring
and Indices ETCCDMI), auspiciado por la Comisión Climatológica (CCl) de la Organización
Meteorológica Mundial (OMM) y el proyecto CLIVAR, los cuales han sido empleados en varias
investigaciones (por ejemplo, Frich et al., 2002; Rusticucci y Barrucand, 2004; Vincent et al.,
2005). Estos índices, pueden ser calculados con la ayuda del programa computacional RClimDex,
éste es un software libre (http://cccma.seos.uvic.ca/ETCCDI/software.shtml) que funciona bajo
una plataforma R (R, 2006; http://www.r-project.org/). RClimDex realiza el cálculo de los índices
utilizando datos diarios, proporciona datos mensuales y anuales.
Una vez calculados los índices de temperatura y precipitación elegidos (tabla I2.2), se llevó a cabo
un ajuste de tendencias con el mismo método de la sección 1 de esta componente, para los valores
de algunos índices, para determinar si los eventos extremos definidos con los indicadores están
cambiando o no.
Tabla I2.2. Índices (seleccionados) de temperatura y precipitación definidos por el ETCCDI.
Índice Definición
FDnn: Días de helada Número de días en un año cuando TN(mínimo diario)<nnºC
SUnn: Días de verano Número de días en un año cuando TX(máximo diario)>nnºC
IDnn: Días de hielo Número de días en un año cuando TX(máximo diario)<nnºC
TRnn: Noches tropicales Número de días en un año cuando TN(mínimo diario)>nnºC
RX1day: Máx mensual de pcp en 1 día Cantidad máxima de precipitación en 1 día [mm]
RX5day: Máx mensual de pcp en 5 días consecutivos)
Cantidad máxima de precipitación en 5 días consecutivos [mm]
Rnn: Número de días sobre nn mm Número de días en un año en que pcp >= nn [días]
PRCPTOT: Pcp anual total en los días húmedos
Cantidad total de precipitación de los días húmedos en un año RR >= 1mm [mm]
17
3.3 Resultados Los indicadores de temperatura y precipitación aquí presentados corresponden a índices definidos
con un umbral, en este caso fue determinado realizando el cálculo del 90o. percentil y 10o.
percentil de las series diarias de temperatura máxima y mínima (definición estadística). El mismo
cálculo se realizó para el número de días sobre un umbral de precipitación (90o. Percentil).
En el Anexo 1B (ver CD: anexo componente 1) se muestran las gráficas obtenidas en el ajuste de
tendencia para los indicadores de días de verano (1B.1.a. y 1B.1.b) y noches tropicales (1B.1.c y
1B.1.d) de las estaciones 9020 (ZH) y 9029 (ZS). En estas estaciones el indicador de noches
tropicales (TRn) tiene una tendencia positiva, e incluso significativa para la estación 9029, esto
significa que se están teniendo Tmin más cálidas. El índice de días de verano para ambas
estaciones se mostraron cambios estructurales (no persistentes) durante la década de los ochenta y
noventa existen observaciones que sobresalen y algunas pueden ser valores atípicos, hay que
subrayar que durante estas dos décadas se presentaron dos de los fenómenos de El Niño muy
intensos, los cuales pudieron influir en la presencia de temperaturas más cálidas sobre todo en el
verano. Para el índice de precipitación total anual (Anexo 1B figuras 1B.2.c y 1B.2.d) ambas
estaciones mostraron incrementos no significativos, aunque la 9029 (ZS) mostró un outlier
significativo en el 2007 esto último también se hizo notar en los índices de RX1day y RX5day
(gráficas no mostradas), sin embargo el índice de días lluviosos en un año (Pcp>9.8mm) en la ZH
(Anexo 1B figura 1B.2.a) mostró una tendencia positiva significativa al igual que en la 9029 (ZS)
(Pcp>5mm) pero con un cambio estructural (1981) (anexo figura 1B.2.b).
En la figura I2.3 se muestran los resultados obtenidos para la estación 9043 (ZS) en donde se
observa que los días de verano tienen una tendencia no significativa pero es de disminución, sin
embargo el cambio estructural positivo que se presenta en 1977 indica que después de este año
hubo un incremento en este índice. En el caso de las noches tropicales (Tmin >13°C), tienen un
aumento significativo sobre todo después de 1987 donde se localiza un cambio estructural
positivo. En cuanto a los índices de precipitación R5 y PCPRTOT, las tendencias indican un
incremento aunque es no significativo, por otra parte los índices RX1day y RX5day (gráficas no
mostradas), indican tendencias significativas de disminución, lo que significa que los días con
máxima y máxima consecutiva de precipitación están disminuyendo, lo que puede significar que
pudiera presentarse lluvia menos intensa y por largos periodos. Lo contrario a la estación 9029 de
la misma zona.
18
-40
-20
0
20
40
0
20
40
60
80
54 56 59 61 63 65 67 70 72 74 77 79 81 83 85 87 91 96 99 01 03 05 07
Residual Actual Fitted
E9043 SU29.5 (ZS) (Tmax>29.5°C)
días
a) -15
-10
-5
0
5
10
15
20
0
20
40
60
80
54 56 59 61 63 65 67 70 72 74 77 79 81 83 85 87 91 96 99 01 03 05 07
Residual Actual Fitted
E9043 TR13 (ZS) (Tmin > 13°C)
días
b)
-15
-10
-5
0
5
10
152025303540455055
54 56 58 60 62 64 66 68 71 73 76 78 80 82 84 86 88 97 00 02 04 06
Residual Actual Fitted
E9043 R5.15 (ZS)(Pcp >= 5.15mm)
días
c) -200
-100
0
100
200
300
300
400
500
600
700
800
900
54 56 58 60 62 64 66 68 71 73 76 78 80 82 84 86 88 97 00 02 04 06
Residual Actual Fitted
E9043 PCPRTOT (ZS) (RR >= 1mm)
mm
d)
Figura I2.3. Gráficas de tendencia ajustada para: a) summer days (días de verano: Tmax>29.5°C) muestra un cambio estructural en 1977 y su tendencia es de disminución, b) tropical nights
(noches tropicales: Tmin>13°C) la tendencia tienen dos cambios estructurales en 1987 y 1996 y outliers significativos después de 2001, c) número de días en un año en que la precipitación superó el umbral de 5.15mm, donde la tendencia es no significativa pero de incremento, d) precipitación total anual en los días húmedos, en este caso la tendencia que se ajustó fue no
significativa pero positiva.
En la tabla I2.3 se muestra la significancia y los cambios estructurales en las series de los índices
seleccionados. Para el caso de los indicadores de temperatura en la ZH no hay cambios
significativos, mientras que para la ZS los índices de ID21 y TR13 son significativos. En general
se puede decir que en la ZH las temperaturas pueden llegar a ser más extremas. En la ZS se
muestra que las Tmax mínimas serán más cálidas y las Tmin máximas aumentarán, lo que puede
implicar un incremento en sus respectivos eventos extremos.
Para el caso de la precipitación, en este análisis, no hay cambios significativos en la mayoría de
sus indicadores, aunque esto no significa que pueda estar precipitando más anualmente, esto
último lo muestra la no significancia del índice relacionado con la precipitación anual, la cual en
todos los casos es no significativa pero positiva. Cabe resaltar que en la ZH los días consecutivos
con precipitación máxima en el mes de julio podrían estar disminuyendo, es decir menos
precipitación continúa en julio. En general la mayoría de las tendencias son de aumento, sobre
todo en la estación 9029 de la ZS, lo que podría implicar que si se continúa con este mismo
comportamiento es de esperarse que la precipitación pudiera incrementar. Por otra parte, en la
mayoría de las series de los índices no hay cambios estructurales, lo que significa que no se están
presentando cambios, como puede ser en el promedio de la precipitación. Las tendencias de
19
índices y sus gráficas para cada estación analizada se encuentran en el archivo Indices.zip (Ver
CD: Anexo componente 1).
Tabla I2.3. Significancia y cambio estructural de los índices de temperatura y precipitación.
Índice Significancia Cambio
estructural
Índice Significancia Cambio estructural Índice Significancia Cambio
estructural
Zona Húmeda:9020 Zona Seca: 9029 Zona Seca: 9043
FD4 No (+) ------ FD4 No (-) 1972 FD2.5 Si (-) 1996
SU27 No (+) ------ SU29 No (-) 1982 y 1996 SU29.5 No (-) 1977
ID19 No (-) 1973 ID21 Si (-) 1998 ID21 Si (-) 1991
TR11.5 No (+) 1974 TR13 Si (+) 1984 y 1998 TR13 Si (+) 1987 y 1996
RX1day (jul) No (-) ------ RX1day (jul) No (+) ------ RX1day (jul) Si (-) 1968
RX5day (jul) No (-) ------ RX5day (jul) No (+) ------ RX5day (jul) Si (-) 1968
R9.8 Si (+) ------ R5 Si (+) 1981 R5.15 No (+) ------
PCPRTOT No (+) ------ PCPRTOT No (+) ------ PCPRTOT No (+) ------
4. Conclusiones
Para los sitios elegidos ha sido posible caracterizar su climatología destacando el hecho de que sus
temperaturas máximas muestran una clara diferencia, no así las mínimas. En el caso del análisis de
las tendencias, la ZH muestra mayor cantidad de cambios estructurales, mientras que la ZS
muestra mayor cantidad de tendencias significativas en el análisis mensual. El incremento de la
temperatura mínima es muy notable sobre todo para zona seca, por otra parte la Tmax en la
mayoría de los casos no presenta tantos cambios.
La precipitación en general no muestra cambios significativos aunque algunas de las tendencias
muestran que pudiera ir en aumento. Los índices de eventos extremos para temperatura, indican
que los eventos relacionados con el umbral superior de Tmin en las dos zonas se están
incrementando, es decir, son más cálidas, el mismo caso se presenta para el umbral inferior de las
Tmin pero únicamente en la ZS. Los eventos extremos relacionados con Tmax señalan que hay
menos eventos con un umbral inferior de Tmax (son más cálidas), por otra parte en la ZH los
índices de umbral superior de Tmax podrían incrementarse no así en la ZS.
La precipitación en el caso de los indicadores es mucho más variable, sin embargo en lo que
coinciden es que en las dos zonas, aunque no se tiene una tendencia significativa, la precipitación
total anual pudiese estar en incremento. Para análisis posteriores se podrían incluir más
20
indicadores para el análisis de los eventos extremos, sobre todo para precipitación, ya que es la
variable que presenta más variabilidad entre las estaciones de observación y de esta manera se
podría tener una mejor descripción de tales eventos. También se incluiría un análisis para una de
las series más largas de la Ciudad de México, que corresponde al observatorio de Tacubaya,
puesto que en este análisis no se pudo realizar. Es importante señalar que se pueden proponer
criterios diferentes, más realistas (por ejemplo, los umbrales propuestos por Jáuregui, 2005; ver
sección anterior), para el cálculo de los valores extremos y así poder tomar decisiones.
21
Componente II
Amenazas climáticas y desastres hidrometeorológicos
El objetivo de esta componente fue el “Determinar las amenazas climáticas y los efectos
observados (desastres y contingencias climáticas) en la Ciudad de México”.
La historia de las amenazas climáticas y de los efectos observados en el Distrito Federal se
construyó con base en 1285 registros sobre diversos efectos o desastres relacionados con la
ocurrencia de algún evento climático extremo, ya sea de naturaleza hidrometeorológica serian
lluvias, trombas, granizas, etc, o relacionados con la temperatura para el Distrito Federal. Para
ello, primeramente se contabilizaron los eventos climáticos extremos y, posteriormente, se les
asoció con el grado de impacto asociado con los efectos observados sobre la población y la
infraestructura de la Ciudad de México. De esta manera, se pudieron distinguir las principales
amenazas climáticas que afectan a la entidad (para un ejemplo del análisis de los espacios de
amenaza ver Anexo Componente II en el CD adjunto).
En total, para los años 1970-2009, se encontraron 1285 registros relacionados con diferentes
efectos, los cuales van desde encharcamientos e inundaciones, hasta el colapso estructural de
viviendas e inmuebles, y la caída de árboles y espectaculares. Todos ellos ocasionados por la
ocurrencia de diversos eventos meteorológicos extremos en las diferentes delegaciones políticas
del Distrito Federal durante el periodo 1970-2009. A partir de esta información se registraron 589
diferentes eventos climáticos extremos, entre los que se incluyen: granizadas (45), heladas (31)
lluvias (306), neblina (7), nevadas (12), ondas de calor (4), ondas frías (16), sequía (6), tormentas
eléctricas (25), trombas (77) y vendavales (60).
La ocurrencia de desastres asociada con los eventos hidrometeorológicos arriba mencionados,
mostró una distribución geográfica diferenciada en el territorio del Distrito Federal, de acuerdo a
la delegación política en donde se haya reportado el evento climático extremo durante el período
en revisión (Mapa II.1). Las delegaciones políticas sobre las cuales se registró un mayor número
de eventos climáticos fueron Cuauhtémoc 205 eventos, Iztapalapa con 172 eventos, Álvaro
Obregón con 170, y Tlalpan con 169 eventos.
Resultados:
1.- Identificación de eventos climáticos y sus efectos asociados en el Distrito Federal
22
El tipo de evento climático con mayor incidencia en todas las delegaciones de Distrito Federal fue
aquel relacionado con precipitaciones extremas, como serían las lluvias torrenciales, las trombas,
y las granizadas, las cuales representan más del 70% del total de eventos climáticos registrados
dentro del periodo de estudio.
En general, los efectos de las precipitaciones extremas impactan en todas las delegaciones del
Distrito federal; sin embargo, las delegaciones que se ven mayormente afectadas por la presencia
de estos eventos fueron Álvaro Obregón, Cuauhtémoc, e Iztapalapa.
La presencia de fuertes vendavales es otro de los eventos climáticos que también tienen una alta
ocurrencia en el Distrito Federal, los cuales representaron el 10% del total de eventos climáticos
encontrados en el periodo de observación.
Los efectos asociados con la presencia de vendavales se han incrementado en los últimos años en
el Distrito Federal, siendo los efectos más recurrentes los daños a infraestructura eléctrica, así
como la caída de árboles y de espectaculares.
Los eventos relacionados con variaciones en las temperaturas en el Distrito Federal, como son la
presencia de ondas de calor y de ondas frías presentaron una menor ocurrencia que los eventos
hidrometeorológicos; sin embargo, es interesante notar que su incidencia ha aumentado en las
últimas décadas con efectos negativos relacionados con la salud.
Mapa II.1: Distribución de eventos climáticos extremos en las diferentes delegaciones políticas del Distrito Federal en el periodo 1970-2009.
23
Entre los principales efectos observados en relación con los eventos climáticos ocurridos en el
Distrito Federal en el periodo 1970-2009 se incluyen accidentes de tipo general relacionados con
colisiones vehiculares, colapso de estructuras e inmuebles, falla en los servicios urbanos, así como
otro tipo de efectos que resultan en daños a la salud, incluyendo enfermedades y deshidrataciones
severas.
El tipo de efecto observado con mayor frecuencia e impacto en todas las delegaciones de la
entidad fueron los encharcamientos y las inundaciones, los cuales representaron más del 40% de
total de eventos reportados en el Distrito federal en las 4 décadas de observación. Los
encharcamientos representaron el 23% del total de los efectos reportados, mientras que las
inundaciones asociadas con tempestades representaron el 22% de los efectos reportados.
Las delegaciones que se han visto mayormente afectadas por las inundaciones asociadas con
grandes tempestades han sido principalmente Iztapalapa y Álvaro Obregón, seguidas por
Magdalena Contreras, Cuauhtémoc, Gustavo A. Madero, Miguel Hidalgo y Tlalpan (ver Mapa
II.2, abajo).
Mapa II.2: Rangos de efectos por inundaciones en delegaciones del Distrito federal en el periodo 1970-2009
24
Otro tipo de inundaciones que son frecuentes en el Distrito Federal, son aquellas asociadas con el
desbordamiento de ríos, canales y bordos. Las delegaciones que registran una mayor ocurrencia en
este tipo de desastres son Álvaro Obregón, Xochimilco, Cuajimalpa, Gustavo A. Madero,
Iztapalapa y Tlalpan. En el Mapa II.3 podemos observar la distribución de la ocurrencia de
inundaciones (considerando encharcamientos e inundaciones en general) por cada delegación
política del Distrito Federal en el periodo 1970-2009.
Mapa II.3: Distribución de la ocurrencia del tipo de efecto por inundaciones en el Distrito Federal en el periodo 1970-2009.
La presencia de fuertes lluvias junto con otros eventos hidrometeorológicos también repercute en
la funcionalidad de las vialidades de la ciudad, ocasionando caos vial severo y accidentes
vehiculares de manera generalizada en todas las delegaciones.
Los efectos tales como deslizamientos y avenidas torrenciales presentaron una mayor incidencia
en Álvaro Obregón, Cuajimalpa, Magdalena Contreras, Tlalpan y Xochimilco, mientras que los
hundimientos de tierra se registraron mayormente en Gustavo A. Madero, Iztapalapa y Miguel
Hidalgo.
Los daños y accidentes relacionados con el reblandecimiento de cimientos y con el colapso de
estructuras e inmuebles debido a fuertes lluvias, han tenido una mayor frecuencia y severidad en
las delegaciones Cuauhtémoc, Iztapalapa, y Álvaro Obregón.
25
Discusión
Estudios recientes sobre las variaciones en los registros meteorológicos del DF han identificado
modificaciones en los patrones de distribución de la precipitación, un incremento generalizado en
la temperatura, así como en la intensidad y frecuencia de los eventos climatológicos extremos que
ocurren en el territorio del Distrito Federal (Conde et al., 2010). Se cree que, muy posiblemente,
dichas variaciones en los patrones de precipitación y de temperatura, aunadas al crecimiento
continuado de la población y de la mancha urbana, puedan ser los impulsores de una mayor
ocurrencia de eventos climáticos de tipo extremo en el futuro. De igual manera, el origen lacustre
de la Ciudad de México representa una vulnerabilidad intrínseca que agrava los efectos asociados
con los diversos eventos climáticos que ocurren en el Distrito Federal anualmente.
La frecuencia de los diferentes efectos asociados a eventos climáticos extremos en el Distrito
Federal en el periodo comprendido entre 1970 a 2009 muestra una variabilidad constante a través
del tiempo, mas con una clara tendencia en los últimos cinco años a incrementarse
sustancialmente. En este punto cabe recordar que la principal fuente de información es
hemerográfica, por lo que el incremento de noticias sobre desastres asociadas a eventos
hidrometeorológicos, puede haberse incrementado como resultado de una mayor sensibilización e
interés de la población en general hacia los temas ambientales, incluyendo el clima y sus efectos
asociados. Un siguiente paso en el estudio histórico del clima en el Distrito Federal es incluir una
mayor diversidad de fuentes de datos con el fin de poder hacer una triangulación de información y
llegar a resultados más concluyentes.
De la misma manera, resulta interesante hacer notar que la delegación Cuauhtémoc fue escenario
de la mayor cantidad de desastres asociados con diversos eventos climáticos extremos. En dicho
caso, se puede considerar su importancia relativa como centro de la capital, y la atención prestada
por los medios con relación a las demás delegaciones. Así mismo, también es interesante hacer
notar la diferencia que existe entre delegaciones, en términos de densidad de población y
superficie, y el número de eventos extremos registrados para cada una de dichas delegaciones.
26
Componente III
Evaluación de la Capacidad de Adaptación
El objetivo de esta componente fue “Evaluar la capacidad adaptativa que se tiene para responder y
amortiguar los efectos relacionados con la variabilidad climática”.
La evaluación de la capacidad de adaptación o capacidad adaptativa en la Ciudad de México se ha
llevado a cabo utilizando el enfoque del Marco de Políticas de Adaptación (MPA; Lim et al,
2005). El MPA representa una guía para el diseño e implementación de proyectos encaminados a
reducir la vulnerabilidad al cambio climático y a reforzar procesos de desarrollo que contribuyan a
la adaptación. En este estudio, el fin ha sido el facilitar un mejor entendimiento de los desastres y
amenazas asociados con contingencias climáticas en la Ciudad de México, con el propósito de
guiar las diferentes acciones de adaptación al cambio climático en diferentes sectores y ámbitos
de acción del Distrito Federal.
Resultados:
1.- Identificación de las condiciones que contribuyen a la vulnerabilidad actual en la Ciudad
de México
Un primer paso para evaluar la capacidad adaptativa en el Distrito Federal ha sido el identificar el
tipo de eventos hidrometeorológicos que se convierten en amenazas climáticas y, finalmente en
desastres. Los insumos utilizados en este apartado fueron desarrollados en el componente II:
amenazas climáticas y desastres hidrometeorológicos, así como en el taller llevado a cabo en
octubre de 2010 (ver Anexo componente III). En el Mapa II.3 se muestra la distribución espacial
de los efectos asociados con la ocurrencia de diversos eventos hidrometeorológicos en las
diferentes delegaciones políticas del Distrito federal durante el periodo 1970-2009.
El tipo de condiciones presentadas en el Mapa III.1 son los efectos que han ocurrido con mayor
frecuencia en las diferentes delegaciones, y que constituyen importantes componentes de la
vulnerabilidad actual en el Distrito Federal. Junto a ello, la evaluación de las amenazas climáticas
a futuro, dará como resultado la generación de directrices que guíen las acciones y estrategias de
adaptación a futuro en la Ciudad de México.
Para sustentar y desarrollar las estrategias y procesos de adaptación, es necesario que el aumento
de la capacidad adaptativa y la evaluación de las acciones de adaptación al cambio climático estén
íntimamente ligadas a otros términos como son: Impactos del cambio climático sobre actividades
productivas, sectores y ecosistemas, así como la vulnerabilidad actual y futura de los mismos.
27
Mapa III.1: Efectos asociados en eventos hidrometeorologicos extremos en las diferentes
delegaciones del Distrito Federal en el periodo 1970-2009
Bajo dicho enfoque, se observo la evolución temporal y espacial de los diversos desastres
asociados con eventos climáticos, de acuerdo a cada delegación política de la Ciudad de México.
A partir de ello, se ha empezado a identificar diversos tipos de vulnerabilidades que se encuentran
asociados con las condiciones de las diferentes delegaciones del Distrito Federal. Entre ellos
tenemos:
− Agravamiento de las inundaciones por tempestad en Iztapalapa, Álvaro Obregón,
Magdalena Contreras y Gustavo A. Madero.
− Incremento de la intensidad y duración de las ondas de calor en las delegaciones centrales
del DF (Cuauhtémoc, Miguel hidalgo, Benito Juárez y Venustiano Carranza)
28
− Incremento en la pérdida de cultivos asociada con inundaciones o sequias en Tlalpan,
Milpa Alta, Tláhuac y Xochimilco.
− Incremento de incendios forestales en el área de conservación del DF (Tlalpan y
Magdalena Contreras)
− Deslizamientos de tierra en las delegaciones Álvaro Obregón, Magdalena Contreras, y
Cuajimalpa
II.- Identificación de acciones y capacidades para la adaptación
Los resultados obtenidos del intercambio de opiniones llevadas a cabo en la dinámica
anteriormente descrita, se muestran en la siguiente tabla. En ella se puede observar el tipo de
vulnerabilidades que han sido identificadas:
Vulnerabilidad Causas ¿Qué se puede hacer? ¿Qué capacidades se
necesitan? Agravamiento de las inundaciones por tempestad en Iztapalapa, Álvaro Obregón, Magdalena Contreras, y Gustavo A. Madero.
Endógenas: - mayor número de asentamientos irregulares
- Basura - Infraestructura de la red
de drenaje Exógenas: - lluvias intensas
- Tierras bajas con poco drenaje
- Relocalización de asentamientos irregulares
- Incrementar los recursos financieros y técnicos para el sistema de drenaje
- Programa de manejo de residuos sólidos
- Regulación para frenar los asentamientos estén regulados o no
- Concienciación para una mejor disposición de la población
- Disponibilidad de tierras - Recursos financieros - Capacidades técnicas de
planeación del drenaje
Incremento en la intensidad y duración de las ondas de calor en las delegaciones centrales del DF (Cuauhtémoc, Miguel Hidalgo, Benito Juárez y Venustiano Carranza)
Endógenas: - incremento en la densidad de población
- Incremento en el parque vehicular
- Incremento de negocios y viviendas
- Pocas áreas verdes Exógenas: - mayores temperaturas
- Menor humedad en el ambiente
- Incrementar las áreas verdes
- Restringir el número de vehículos en horas pico
- Mejorar el transporte público
- Regular la construcción de viviendas
- Relocalizar comercios y oficinas
- Recursos Financieros - Servicios de transporte
dignos y diversificados - Educación de la
población
Incremento en la perdida de cultivos asociada con inundaciones o sequías en Tlalpan, Milpa Alta, Tláhuac y Xochimilco)
Endógenas: - mayor número de campistas
- Uso del fuego como herramienta
- Poca conciencia ambiental
Exógenas: - mayores temperaturas Menor humedad en el ambiente
- Continuar con las campañas contra incendios
- Mejora en las técnicas de manejo del fuego por los habitantes locales
- Monitoreo constante de la humedad del ambiente
- Concienciación y educación del público en general
- Recursos financieros -
Deslizamiento de tierra en las delegaciones Álvaro Obregón,
Endógenas: -Asentamientos irregulares
- - Infraestructura
- Respeto a las normas del actual OET
- Fortalecimiento en la
- Concienciación para una mejor disposición de la población
29
Magdalena Contreras, y Cuajimalpa
ineficiente - Erosión del suelo
Exógenas:- incremento en las lluvias
- Debilitamiento del sustrato
aplicación de las leyes de asentamientos
- Aplicar programas de manejo del suelo y de las cuencas
- Desarrollo de parámetros para identificar áreas de riesgo
- Recursos financieros
Los datos que respaldan los mapas II.1, II.2, II.3 y III.1 y las figuras II.1, II.2, II.3 y II.4 se
encuentran en el anexo de las componentes II y III del CD adjunto (Componentes II Amenazas-desastres y III
Capacidad adaptacion)
Conclusiones
Como primer acercamiento al estudio de la capacidad adaptativa para el Distrito Federal se han
identificado diferentes acciones que se relacionan tanto con el fortalecimiento de los reglamentos
y leyes existentes en material de seguridad, como mejora en los servicios públicos y en las
campañas educativas y de concientización. Entre las anteriores vulnerabilidades climáticas, el
agravamiento de las inundaciones fue uno de los temas, cuya discusión se distinguió en el taller
realizado, debido a la magnitud que dicho problema esta tomando en todas las delegaciones de la
ciudad de México.
Esta componente sería el eje central de un nuevo estudio, en el cual se presentarían a los
tomadores de decisiones los resultados estadísticos de las variables climáticas e hidrométricas
analizadas, con el fin de profundizar en las acciones que se han aplicado ante condiciones de clima
extremo, y determinar la viabilidad de las acciones futuras, ante un clima cambiante.
30
COMPONENTE IV
Índice de Vulnerabilidad de la Disponibilidad de los Recursos Hídricos
Objetivo.
El objetivo de esta componente era establecer indicadores de vulnerabilidad, actual y futura, de la
disponibilidad de los recursos hídricos ante los efectos climáticos observados y proyectados en la
Ciudad de México.
Metodología.
La Ciudad de México (CM) presenta dos zonas climáticas claramente diferenciables zona seca y
zona húmeda (Estrada., et al, 2009), con el propósito de encontrar una relación realista entre las
variables obtenidas en las estaciones climatológicas y las estaciones hidrométricas, se
seleccionaron en cada zona las estaciones climatológicas que brindan datos consistentes y
congruentes con los registros y periodos existentes en las hidrométricas; en el caso de la zona seca
se determinó el periodo de 1976 a 1988 con los datos más consistentes en las estaciones
climatológicas 9014, 9015, 9026, 9029, 9032, 9034, 9039, 9043 y 9051 y estaciones hidrométricas
26438, 26452 y 26514, para la zona húmeda se encontró que las estaciones climatológicas 9002,
9010, 9016, 9019, 9020, 9030, 9037, 9038 y 9041 y la estación hidrométrica 26440 presentan los
datos más consistentes en el periodo de 1973 a 1988. De las estaciones climáticas se analizaron los
registros diarios de temperatura máxima, temperatura media, temperatura mínima, evaporación y
precipitación y de las hidrométricas se tuvo en cuenta los registros de gastos (Q, m3/s) y volumen
(m3). Además el estudio realiza análisis estadísticos buscando las posibles relaciones existentes
entre las variables.
Análisis y Resultados
Los siguientes son los resultados obtenidos especialmente para la zona húmeda y algunas
comparaciones con la zona seca, debido a que la metodología y procedimientos seguidos son
validos y aplicables a ambas zonas, además en el segundo informe de avances se hace una
descripción completa de los métodos utilizados en las dos zonas, también se puede consultar la
base de datos generada para todas las variables relacionas en el análisis en cada una de las
estaciones (en total 36), las diferentes relaciones encontradas entre zonas y el comportamiento
31
gráfico, entre otros aspectos (medio magnético) en el CD adjunto a este informe en su carpeta
nombrada “Climatológicas _ Hidrométricas”.
En la tabla IV.1 se consignan los valores promedios mensuales de las variables analizadas en las
estaciones seleccionadas anteriormente en la zona húmeda.
Tabla IV.1. Resumen variables climáticas y gastos en la zona húmeda.
Mes Tmax (°C) Tmin (°C) Tmed (°C) PCP (mm) Evp (mm) Q (m3/s)
Enero 18.7 3.8 11.2 11.6 100.3 0.1885
Febrero 19.8 4.6 12.2 9.6 109.0 0.1836
Marzo 22.3 6.4 14.3 12.3 158.4 0.1645
Abril 22.8 7.6 15.2 29.5 152.8 0.1586
Mayo 22.7 8.7 15.7 82.2 142.0 0.1679
Junio 21.0 8.7 14.8 202.5 120.9 0.4538
Julio 19.7 8.5 14.0 229.3 112.1 0.7934
Agosto 19.8 8.6 14.2 220.8 112.4 1.1669
Septiembre 19.3 8.5 13.9 191.2 96.2 1.2268
Octubre 19.6 7.3 13.5 74.7 99.4 0.8846
Noviembre 19.3 5.6 12.5 9.8 91.3 0.4084
Diciembre 18.7 4.4 11.5 7.0 88.2 0.2537
La figura IV.1 ilustra el comportamiento de las variables correspondientes a los promedios de las
estaciones climatológicas identificadas en la zona húmeda y seca, las cuales están estrechamente
relacionadas con las estaciones hidrométricas presentes en dichas zonas.
Figura IV. 1. Comportamiento mensual de las variables climáticas en la zona seca y húmeda.
32
De la gráfica se desprende que la temperatura máxima, media y mínima es mucho mayor en la
zona seca que en la húmeda, mientras que la precipitación es mucho menor en la zona seca, lo que
seguramente impone una condición mas deficitaria y crítica en cuanto a la disponibilidad natural
de agua en la zona seca que en la zona húmeda.
Una vez observado el comportamiento de las diferentes variables en cada zona, se procedió a
realizar diferentes análisis estadísticos.
Como punto de partida se llevo a cabo un análisis de correlaciones de variables mediante el
“Multiple-Variable Analysis”, con el propósito de observar que variable o variables tienen relación
directa con la variable de interés o variable dependiente, en este caso con Q, además determinar
correlaciones entre las variables independientes, las cuales pueden invalidar o dar como resultado
un estimado erróneo, al hacer una mala elección del modelo de no considerar dichas correlaciones.
La tabla IV.2 presenta las correlaciones entre las variables con la prueba estadística de Pearson, el
primer valor representa la fuerza de la relación lineal entre las variables y va de -1 a 1, el segundo
se refiere al tamaño de la muestra, el tercero mide la significancia estadística de la correlación.
Tabla IV.2 Correlación entre las variables de la zona húmeda. Tmax Tmin Tmed PCP Evp Q_ZH
Tmax 0.4548 0.8167 -0.0696 0.9543 -0.4037 (12) (12) (12) (12) (12) 0.1374 0.0012 0.8297 0.0000 0.1931
Tmin 0.4548 0.8846 0.7992 0.3605 0.5519
(12) (12) (12) (12) (12) 0.1374 0.0001 0.0018 0.2496 0.0628
Tmed 0.8167 0.8846 0.4720 0.7265 0.1510
(12) (12) (12) (12) (12) 0.0012 0.0001 0.1213 0.0074 0.6394
PCP -0.0696 0.7992 0.4720 -0.0761 0.7635
(12) (12) (12) (12) (12) 0.8297 0.0018 0.1213 0.8141 0.0039
Evp 0.9543 0.3605 0.7265 -0.0761 -0.4115
(12) (12) (12) (12) (12) 0.0000 0.2496 0.0074 0.8141 0.1838
Q_ZH
-0.4037 0.5519 0.1510 0.7635 -0.4115 (12) (12) (12) (12) (12)
0.1931 0.0628 0.6394 0.0039 0.1838 Correlación (Tamaño de la muestra) P-Value
Valores de P-Value menores a 0.05 indican correlaciones diferentes de cero estadísticamente
significativas a un nivel de confianza del 95 %.
33
Los pares de variables que presentan fuertes correlaciones lineales y que por lo tanto tienen
valores de P-Value menores a 0.05, son los siguientes: Tmax y Tmed, Tmax y Evp, Tmin y Tmed,
Tmin y PCP, Tmed y Evp, PCP y Q_ZH.
De la tabla IV.2 y lo expuesto anteriormente se encuentra que las temperaturas están relacionadas
entre sí y estas a su vez están relacionadas con la evaporación y la precipitación, lo cual debe ser
analizado con cuidado para evitar la elección de un mal modelo, también se observa y de forma
lógica que la precipitación tiene una fuerte relación lineal con el caudal (Q).
Adicionalmente y como proceso complementario, se realizó un análisis de regresión múltiple entre
la variable dependiente Q y las variables independientes Tmax, Tmed, Tmin, PCP y Evp para
determinar cuál es el modelo que mejor ajuste estadístico presente. El modelo seleccionado fue:
Q_ZH = 0.204323 + 0.0033307*PCP (IV.1)
Donde Q_ZH es el caudal mensual en m3/s y PCP es la precipitación mensual en (mm) en la zona
húmeda, nuevamente se confirma la fuerte relación entre la PCP y el Q en dicha zona.
El modelo mostró un buen ajuste encontrando una relación estadísticamente significativa a un
nivel de confianza del 95 % entre sus variables (Tabla IV.3). Se realizaron las pruebas de
comparación entre los valores observados y estimados, y no se encontraron diferencias
estadísticamente significativas entre las medias, desviación estándar, medianas y distribución de
las muestras a un nivel de confianza del 95 % (Tabla IV.4).
Tabla IV.3 Análisis de varianza para Q_ZH.
Fuente de Variación Suma de Cuadrados GL Cuadrados Medios F Nivel de Probabilidad R2
Modelo 1.0576 1 1.0576 13.97 0.0039 58.3 Residual 0.756912 10 0.0756912
Total 1.81451 11
Tabla IV.4 Pruebas estadísticas (T, F, W y K-S) para Q_ZH
Modelo Prueba T Prueba F Wilcoxon Kolmogorov-smirnov T P-Value F P-Value W P-Value K-S P-Value
Q 0.0 1.0 1.71624 0.384029 84.0 0.506718 1.02062 0.249269
Los valores observados y estimados se presentan en la tabla IV.5.
Tabla IV.5 Caudal observado y estimado en la zona húmeda.
Mes Q_ZH (m3/s) Q_ZH_Est (m3/s)
34
Enero 0.1885 0.2430
Febrero 0.1836 0.2363
Marzo 0.1645 0.2453
Abril 0.1586 0.3026
Mayo 0.1679 0.4780
Junio 0.4538 0.8786
Julio 0.7934 0.9680
Agosto 1.1669 0.9397
Septiembre 1.2268 0.8412
Octubre 0.8846 0.4532
Noviembre 0.4084 0.2371
Diciembre 0.2537 0.2277
Prom 0.5042 0.5042
Los resultados presentados anteriormente reducen el índice propuesto en la metodología (Ver
primer y segundo informe de avance) sólo al análisis de los cambios esperados en la PCP y los
caudales obtenidos en la Ciudad de México, no siendo así, en otras regiones donde la PCP no
presenta relación lineal estadísticamente significativa directa o indirecta con otras variables como
la temperatura y/o la evaporación, como se puede observar en estudio realizado por (Ospina,
2009) en la Cuenca del Sinú_Caribe, donde el caudal mostró tener una relación directamente
proporcional con la PCP e inversamente proporcional con la Tmax y además la PCP y Tmax no
presentan ninguna correlación. En el estudio referido se puede consultar la construcción del índice
con múltiples variables y su amplia aplicación, el tratamiento estadístico de los índices se puede
encontrar en (Ospina, 2004; Ospina y Lema, 2004; Ospina y Lema, 2005).
Al aplicar los modelos encontrados a los valores registrados en las estaciones seleccionadas en
cada zona como representativas de sus condiciones climáticas y por lo tanto con una alta
probabilidad de ocurrencia, se asumen o se toman sus resultados como las posibles y reales
pruebas de sensibilidad de la disponibilidad de agua, para la zona seca se encontró que el
porcentaje de reducción del caudal (Q) es igual al porcentaje de reducción de la PCP, mientras que
en la zona húmeda el caudal se reduce en el 60 % del porcentaje de disminución de la PCP como
se puede ver en las tablas IV.6 y VI.7.
La tabla IV.7 presenta los caudales obtenidos de aplicar la ecuación (IV.1) y el porcentaje de
cambio de acuerdo al promedio.
Tabla IV.6 Precipitación mensual en (mm) y porcentaje de cambio zona húmeda.
Mes/Estación 9002 9010 9016 9019 9020 9030 9037 9038 9041 Prom_PCP_ZH
Enero 16.6 7.8 12.4 15.5 10.6 10.3 9.5 7.9 13.8 11.6
Febrero 10.5 7.4 7.6 14.9 7.1 15.6 6.8 7.4 9.1 9.6
35
Marzo 16.5 12.2 11.3 12.6 9.3 14.8 10.6 10.5 13.0 12.3
Abril 35.7 24.6 28.3 38.7 25.2 36.8 22.1 21.9 32.2 29.5
Mayo 103.1 66.5 86.8 101.9 65.1 100.0 70.6 66.8 78.8 82.2
Junio 230.2 160.4 225.7 243.4 161.5 249.8 189.9 173.3 188.0 202.5
Julio 215.6 202.6 277.6 262.7 220.1 285.0 203.8 211.5 184.7 229.3
Agosto 245.1 162.1 270.4 274.5 186.8 287.7 202.6 185.7 172.1 220.8
Septiembre 215.2 144.7 206.2 228.8 171.9 234.1 173.0 176.1 170.8 191.2
Octubre 70.4 72.9 75.8 92.9 74.9 96.9 68.2 69.8 50.9 74.7
Noviembre 11.1 5.8 10.6 13.3 12.2 12.1 8.1 7.8 7.5 9.8
Diciembre 7.9 9.3 6.4 9.5 4.8 9.0 5.1 5.3 5.9 7.0
Suma (mm) 1177.7 876.3 1219.0 1308.6 949.5 1352.2 970.4 943.9 926.9 1080.5
Cambio (%) 9.0 -18.9 12.8 21.1 -12.1 25.1 -10.2 -12.6 -14.2 0.0
Tabla IV.7 Caudal mensual en (m3/s) y porcentaje de cambio zona húmeda.
Mes/Estación 9002 9010 9016 9019 9020 9030 9037 9038 9041 Prom_Q_ZH
Enero 0.2595 0.2303 0.2456 0.2558 0.2398 0.2385 0.2361 0.2307 0.2504 0.2430
Febrero 0.2392 0.2290 0.2296 0.2540 0.2280 0.2563 0.2269 0.2289 0.2348 0.2363
Marzo 0.2594 0.2448 0.2420 0.2462 0.2353 0.2538 0.2398 0.2393 0.2475 0.2453
Abril 0.3231 0.2863 0.2986 0.3334 0.2881 0.3268 0.2780 0.2772 0.3116 0.3026
Mayo 0.5476 0.4259 0.4934 0.5436 0.4213 0.5374 0.4395 0.4268 0.4667 0.4780
Junio 0.9709 0.7387 0.9559 1.0149 0.7421 1.0364 0.8367 0.7816 0.8305 0.8786
Julio 0.9226 0.8791 1.1289 1.0792 0.9374 1.1535 0.8832 0.9088 0.8194 0.9680
Agosto 1.0206 0.7442 1.1049 1.1186 0.8266 1.1627 0.8791 0.8229 0.7777 0.9397
Septiembre 0.9210 0.6862 0.8910 0.9665 0.7769 0.9840 0.7807 0.7908 0.7733 0.8412
Octubre 0.4387 0.4472 0.4569 0.5138 0.4537 0.5270 0.4313 0.4367 0.3737 0.4532
Noviembre 0.2414 0.2236 0.2395 0.2486 0.2449 0.2448 0.2314 0.2302 0.2293 0.2371
Diciembre 0.2305 0.2352 0.2257 0.2359 0.2204 0.2343 0.2215 0.2219 0.2241 0.2277
Prom_Q (m3/s) 0.5312 0.4475 0.5427 0.5675 0.4679 0.5796 0.4737 0.4663 0.4616 0.5042 Vol (MMC) 16.7523 14.1138 17.1136 17.8978 14.7550 18.2791 14.9380 14.7055 14.5568 15.9013
Cambio (%) 5.4 -11.2 7.6 12.6 -7.2 15.0 -6.1 -7.5 -8.5 0.0
Se pudo determinar que el escurrimiento en la zona seca 0.1111 m3/s, sólo es el 22 % del
escurrimiento que se tiene en la zona húmeda igual a 0.5042 m3/s, lo que equivale a 3.5044
millones de metros cúbicos (MMC) en la zona seca y 15.9013 MMC en la húmeda.
Teniendo en cuenta las pruebas de sensibilidad en la zona húmeda se puede generar el índice,
tomando en cuenta además algunos criterios a saber:
Para la zona húmeda la disminución de Q es directamente proporcional y representa
aproximadamente el 60 % de la reducción de PCP, los efectos sobre el caudal causados por la
disminución de la PCP, son menos adversos que lo encontrado para la zona seca (Tabla IV. 8).
36
Tabla IV. 8 Reducción de caudal de acuerdo a reducción de PCP en la zona húmeda.
Variable Disminución PCP 5.0 % 10.0 % 15.0 % 20.0 %
Q 3.0 % 5.9 % 8.9 % 11.9 % Vol.
(MMC) 0.5 0.9 1.4 1.9
Lo anterior permite establecer ciertos rangos de influencia de la precipitación sobre el
escurrimiento o disponibilidad de agua en ambas zonas, así: bajo, medio, alto y muy alto para la
zona seca y ligeramente bajo, bajo, medio, alto, muy alto para la zona húmeda. (Tabla IV. 9).
Al ser la CM deficitaria en cuanto a la disponibilidad de agua se refiere, cualquier disminución es
crítica en ambas zonas. Aunque las disminución de precipitación y caudal propuestas en la tabla
IV.8, utilizada como criterios para la construcción del índice de vulnerabilidad de la
disponibilidad de agua relativo, son subjetivas, dichas disminuciones pueden ser ajustadas
haciéndolas mas objetivas, por ejemplo, de acuerdo a la opinión de un panel de expertos en el
tema, de un estudio o problema particular a resolver, de acuerdo a una política, estrategia o plan de
manejo de los recursos hídricos a establecer, entre otros.
Tabla IV. 9. Criterios para la elaboración del índice de vulnerabilidad. Variable Disminución de Precipitación (%)
Zona/Factor Zona Seca Zona húmeda
Influencia Bajo Medio Alto Muy alto Lig. bajo Bajo Medio Alto Muy alto
Criterio 0 -3 3.1-5 5.1-10 >10 0 -5 5.1 - 10 10.1 - 15 15.1 - 20 > 20
Ponderador 1 2 3 4 1 2 3 4 5
El índice propuesto es el siguiente:
IVDAR = PCPr
Donde:
IVDAR: Índice de vulnerabilidad de la disponibilidad de agua relativo.
PCPr: Índice de la cambio en la precipitación relativo
En la Tabla IV. 10, se ilustrar el cálculo de PCPr para la zona húmeda (estación 9010), el valor
correspondiente a los cambios en precipitación, se selecciona de la Tabla IV. 6.
Tabla IV. 10. Cálculo de PCPr zona húmeda. Variable Precipitación % PCPr
Influencia Lig. Bajo (1) Bajo (2) Medio (3) Alto (4) Muy alto (5)
Criterio 0 -5 5.1 - 10 10.1 - 15 15.1 - 20 > 20
Estación 9010 0 0 0 1 0 (0*1+0*2+0*3+1*4+0*5)/15=0.27
37
Como se había especificado en la metodología, las variables se calificaron de acuerdo a su
presencia o no en los diferentes grados de influencia, tomando el valor uno (1) cuando está
presente y cero (0) en caso contrario, luego fueron multiplicadas por un coeficiente según la
importancia que se le asignó a cada categoría y posteriormente son normalizados por la suma de
ponderantes; con lo que se intenta un proceso de “cuantificación”.
Como se puede observar para la zona húmeda, el índice sólo puede tener valores que van de 0.07 a
0.33, debido a que el PCPr sólo pueden tener un valor de acuerdo al criterio de influencia y al ser
evaluado en el límite inferior y superior, se obtiene como resultado dicho rango. Dentro de este
rango, se pueden establecer a su vez los criterios de vulnerabilidad de la disponibilidad de agua de
la siguiente forma: vulnerabilidad baja, valores menores o iguales a 0.15; media, entre 0.16 a 0.24
y alta, valores mayores o iguales a 0.25, establecidos teniendo en cuenta la relación proporcional
de la distancia entre el límite inferior y superior y de estos con el punto medio del rango.
Lo anterior permite determinar cuál fue el grado de vulnerabilidad de la disponibilidad del recurso
hídrico y su frecuencia, de acuerdo a una serie de años o meses pasados o estaciones analizadas,
igualmente permite calcular la probabilidad del grado de vulnerabilidad futura de la disponibilidad
de agua, cuando se tengan proyecciones de precipitación anuales o mensuales, salidas de
diferentes modelos o experimentos climáticos, análisis de registros de diferentes estaciones.
A manera de ejemplo, al aplicar el índice a la estación 9020 para el periodo 1995-2006 en la zona
húmeda, se pudo determinar que la frecuencia con la que se presentó una alta vulnerabilidad de la
disponibilidad de agua fue de 23.5 %; baja de 11.8 % y no aplica o hubo más disponibilidad de
agua en el 64.7 % de las veces (Tabla IV. 12).
Tabla IV. 12. Índice de vulnerabilidad de la disponibilidad de agua, estación 9020 Desv. Alto del
Pedregal, zona húmeda.
Año PCP* Cambio PCP (%) IVDAR Categoría Frecuencia o
Probabilidad (%)
1995 211.3 -80.4 0.33 Alta 23.5 1993 706.6 -34.6 0.33
2002 868.0 -19.7 0.27 2005 931.2 -13.8 0.27 1992 1042.4 -3.5 0.07 Bajo 11.8 1991 1078.9 -0.1 0.07 1997 1101.5 1.9
NA 64.7 1996 1106.4 2.4
38
Año PCP* Cambio PCP (%) IVDAR Categoría Frecuencia o
Probabilidad (%)
2000 1148.8 6.3
2003 1163.5 7.7
1990 1213.1 12.3
1999 1215.8 12.5
2001 1253.0 16.0
1998 1256.2 16.3
1994 1265.2 17.1
2004 1267.9 17.3
2006 1292.5 19.6
*Promedio histórico 1080.5 mm
Conclusiones.
De acuerdo a los resultados obtenidos y comparaciones realizadas, los escurrimientos en la Ciudad
de México dependen directamente de la precipitación, tanto en la zona seca como en la húmeda.
Para la zona seca se encontró que el porcentaje de reducción del caudal (Q) es igual al porcentaje
de reducción de la PCP, mientras que en la zona húmeda el caudal se reduce en el 60 % del
porcentaje de disminución de la PCP.
Las condiciones climáticas son más adversas en la zona seca que en la zona húmeda, es decir, se
presenta una mayor temperatura máxima, media y mínima, una mayor evaporación y una menor
precipitación, lo cual influye directamente sobre los escurrimientos y disponibilidad de agua en la
zona seca, donde los gastos (Q) son muy inferiores a los registrados en la zona húmeda.
Los modelos ajustados en cada zona, sirvieron para realizar diferentes pruebas de sensibilidad de
los gastos o escurrimientos de acuerdo al aumento o disminución de la precipitación, las cuales
fueron utilizadas para la propuesta del índice de vulnerabilidad de los recursos hídricos, con el
propósito de elaborar las posibles proyecciones a futuro dependiendo de los cambios esperados de
la precipitación en la Ciudad de México.
En una fase posterior se deben generar los espacios de amenaza futuros en cuanto a
precipitación y caudal se refiere en la zona seca y en la zona húmeda, igualmente es necesario
elaborar los escenarios futuros de precipitación teniendo en cuenta diferentes modelos y
escenarios de emisiones de gases de efecto de invernadero, de tal forma que se pueda calcular
los caudales en cada uno de los casos y aplicar el índice propuesto, lo cual permitirá a su vez
hacer un análisis del manejo de la incertidumbre.
39
Bibliografía Revisada.
Adger, W. N., P.M. Kelly, y N.H. Ninh., ed. 2001. Living with environmental change: social vulnerability, adaptation and resilience in Vietnam. Edited by Routledge, Research Global Environmental Change. London: Routledge.
Adger, W. N., S. Huq, K. Brown, D. Conway, y M. Hulme. 2003. Adaptation to climate change in the developing world. Progress in Development Studies 3 (3): 179-195.
Carrascal A.U., González G.Y. y Rodríguez P. B., 2001: Análisis Econométrico con EViews. Alfaomega Grupo Editor, S.A. de C.V. 338 pp.
Conde, Cecilia; Vinocur, Marta; Gay, Carlos; Seiler, Roberto; Estrada, Francisco, 2008: “Climatic Threat Spaces in Mexico and Argentina”, in: Leary, Neil; Conde, Cecilia; Kulkarni, Jyoti; Nyong, Anthony; Pulhin, Juan (Eds.): Climate Change and Vulnerability (London: Earthscan – TWAS – START): 279-306.
Cruz, M.S. 2001. Procesos urbanos y ruralidad en la periferia de la Zona Metropolitana de la Ciudad de México. Universidad Autónoma Metropolitana.
ELAC - Estrategia Local de Acción Climática de la Ciudad de México. 2004. Secretaria de Medio Ambiente de la ciudad de México. Mexico, D.F.
Estrada F, 2010. Curso de Análisis de Datos Atmosféricos, semestre 2010-2. Centro de Ciencias de la Atmósfera, UNAM.
Estrada F., A. Martínez-Arroyo, A. Fernández-Eguiarte, E. Luyando and C. Gay, 2009: Defining climate zones in México City using multivariate analysis. Atmosfera, 22(2), 175-193.
Frich P., Alexander L.V., Della-Marta P., Gleason B., Haylock M., Klein Tank A.M. y Peterson T., 2002: Observed Coherent Changes in Climate Extremes During the Second Half of the Twentieth Century. Climate. Res. 19, 193-212 pp.
Instituto Nacional de Ecología. 2007. Estrategia Nacional de Acción Climática, Instituto Nacional de Ecología, México.
IPCC, 2001: Climate Change 2001: The Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change [Houghton, J.T.,Y. Ding, D.J. Griggs, M. Noguer, P.J. Van Der Linden, X. Dai, K. Maskell, y C.A. Johnson (eds.)]. Cambridge University Press, Cambridge, United Kingdom y New York, NY, USA Peterson T.C., 2005: Climate Change Indices. WMO Bulletin April 2005.
40
Jáuregui, E. 2000. El clima de la ciudad de México. Ed. Plaza y Valdés, Instituto de Geografía, UNAM.
Jáuregui, E. 2005. Possible impact of urbanization on the thermal climate of some large cities in México. Atmósfera, 18(4): 249-252.
La Red. 2004. Social Studies Network for Disaster Prevention in Latin America. (Accessed 20/11/04 at http://www.desinventar.org/desinventar.html).
Lezama, J.L., y J. Domínguez. 2006. Medio ambiente y sustentabilidad urbana. Papeles de Población, julio-septiembre No. 049. UAEM, Toluca, México, pp. 154-176.
Lim, Bo; Burton, Ian; Huq, Saleemul (Ed.), 2005: Adaptation Policy Frameworks for Climate Change. Developing Strategies, Policies and Measures (New York: Cambridge University Press – United Nations Development Programme – Global Environment Facility).
Magaña V., J. Pérez, J. Vázquez, E. Carrisoza y J. Pérez, 1999: El Niño y el Clima. Capítulo 2 del libro: Los Impactos de El Niño en México. México: UNAM, IAI SG. 23–62.
Munasinghe, M. (ed.). 1997. Environmental Impacts of Macroeconomic and Sectoral Policies, International Society for Ecological Economics and World Bank, Solomons, MD and Washington DC.
Ospina J.E. 2009. Efectos del Cambio Climático en la Generación Hidroeléctrica con Énfasis en Proyecciones de Generación-Transmisión Eléctrica en Colombia. Posgrado en Ciencias de la Tierra. Centro de Ciencias de la Atmósfera. Universidad Nacional Autónoma de México. UNAM. Tesis Doctoral.
Ospina J.E. y A. Lema., 2004. Indicadores Cuantitativos de los Impactos Generados en Proyectos de Desarrollo Lineales. En Revista Gestión y Ambiente. Vol. 7-No. I.
Ospina J.E. y A. Lema., 2005. Tratamiento Estadístico para Indicadores Cuantitativos de Impactos, Aplicados a Líneas de Transmisión eléctrica. En Revista Facultad Nacional de Agronomía. Vol. 58. No. 2.
Ospina J.E., 2004. Propuesta de Indicadores Cuantitativos de los Impactos por su Grado de Incidencia Identificados por un Modelo de Gestión Ambiental por Dimensiones, en Proyectos de Transmisión Eléctrica de ISA. Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín. 186pp.
Peterson T.C., 2005: Climate Change Indices. WMO Bulletin April 2005.
Peterson T.C., D.M. Anderson, S.J. Cohen, M. Cortez-Vázquez, R.J. Murnane, C. Parmesan, D. Phillips, R.S. Pulwarty, y J.M.R. Stone, 2008: Why Weather and Climate Extremes Matter en Weather and Climate Extremes in a Changing Climate. Regions of Focus: North America, Hawaii, Caribbean, and U.S. Pacific Islands. A Report by the U.S. Climate Change Science Program and the Subcommittee on Global Change Research, Washington, DC. [T.R. Karl, G.A. Meehl, C.D. Miller, S.J. Hassol, A.M. Waple, y W.L. Murray (eds.)].
41
R Development Core Team, 2006: R: A Language and Environment for Statistical Computing. RFoundation for Statistical Computing, Vienna, Austria. R.2.4.0 [En línea]. http://www.R-project.org.
Rusticucci M. y Barrucand M., 2004: Observed Trends and Changes in Temperature Extremes over Argentina. Climate. 17, 4099-4107.
Vincent L.A., Peterson T.C., Barros V.R., Marino M.B., Rusticucci M., Carrasco G., Ramirez E., Alves L.M., Ambrizzi T., Berlato M.A., Grimm A.M., Marengo J.A., Molion L., Moncunill D.F., Rebello E., Anunciacao, J. Quintama Y.M.T., Santos J.L., Baez J., Coronel G., García J., Trebejo I., Bidegain M., Haylock M.R. y Karoly D., 2005: Observed Trends in Indices of Daily Temperature Extremes in South America 1960-2000. J. Climate. Amer. Meteorol. Soc. 18, 5011-5023.
Zhang X. y Yang F., 2004: RClimDex (1.0): Manual del Usuario. Traducción de Santos J.L., 22 pp. Disponible en línea: http://cccma.seos.uvic.ca/ETCCDMI/software.shtml
42
Lista de figuras.
Pie de figura Página
Fig. I1.1. Ondas de calor en el Observatorio de Tacubaya. Periodo 1877-2010. 6
Fig. I1.2. Ondas de calor en el Observatorio del Colegio de Geografía, UNAM. Periodo 1963-2009.
7
Fig. I1.3. Número de ondas de calor para la estación ubicada en el Palacio de Minería. Periodo 1995-2010.
8
Fig. I1.4. Número de eventos mayores a 30 mm de precipitación máxima en 24 horas por década en el Observatorio de Tacubaya. Periodo 1877-2009.
9
Fig. I1.5. Número de eventos mayores a 30 mm de precipitación máxima en 24 horas por quinquenio en el Observatorio del Colegio de Geografía, UNAM. Periodo 1965-2009.
10
Fig. I2.1. Comportamiento de la temperatura promedio mensual máxima y mínima y precipitación acumulada mensual a través del año de las estaciones seleccionadas (9020 ZH, 9029 y 9043 ZS).
12
Figura. I2.2. Ajuste de tendencia lineal para Tmax abril el (mes más caluroso), Tmin enero (el mes más frío) y la precipitación máxima para julio (mes más húmedo) en las estación 9043 de la zona seca de la ciudad de México. Para las temperaturas la tendencia es de incremento, mientras que la precipitación es de disminución.
14
Figura I2.3. Gráficas de tendencia ajustada para: a) summer days (días de verano: Tmax>29.5°C) muestra un cambio estructural en 1977 y su tendencia es de disminución, b) tropical nights (noches tropicales: Tmin>13°C) la tendencia tienen dos cambios estructurales en 1987 y 1996 y outliers significativos después de 2001, c) número de días en un año en que la precipitación superó el umbral de 5.15mm, donde la tendencia es no significativa pero de incremento, d) precipitación total anual en los días húmedos, en este caso la tendencia que se ajustó fue no significativa pero positiva.
18
Mapa II.1: Distribución de eventos climáticos extremos en las diferentes delegaciones políticas del Distrito Federal en el periodo 1970-2009.
22
Mapa II.2: Rangos de efectos por inundaciones en delegaciones del Distrito federal en el periodo 1970-2009.
23
Mapa II.3: Distribución de la ocurrencia del tipo de efecto por inundaciones en el Distrito Federal en el periodo 1970-2009.
24
Mapa III.1: Efectos asociados en eventos hidrometeorólogicos extemos en las diferentes delegaciones del Distrito Federal en el periodo 1970-2009.
27
Figura IV. 1. Comportamiento mensual de las variables climáticas en la zona seca y húmeda.
31
43
Glosario.
Ajuste de tendencia lineal: Es el componente de largo plazo que mejor representa, de manera lineal, el crecimiento o disminución de una serie sobre un periodo amplio.
Análisis de varianza: El análisis de varianza es una prueba que permite medir la variación de las respuestas numéricas como valores de evaluación de diferentes variables nominales. En los procedimientos asociados a su cálculo, la varianza está particionada en ciertos componentes debidos a diferentes variables explicativas.
Cambio estructural en una serie de tiempo: Es una perturbación en la serie de tiempo que modifica sus propiedades estadísticas de forma instantánea, permanente, invariable e inesperada en uno o más de sus componentes debido a eventos específicos.
Correlación lineal: Mide la intensidad y dirección de la relación entre dos variables. Se dice que existe una relación o correlación positiva o directa entre dos variables X y Y, si al aumentar los valores de X aumentan los valores de Y, o cuando al disminuir los valores de X disminuyen los valores de Y; de otro lado existe una relación o correlación negativa o inversa entre dos variables X y Y, si al aumentar los valores de X disminuyen los valores de Y, o cuando al disminuir los valores de X aumentan los valores de Y.
Desastre: El conjunto de efectos sobre vidas humanas, infraestructura o economía que produce un evento sobre una unidad geográfica de máxima resolución predefinida. También permite evaluar pérdidas y daños desde detallados hasta los causados por desastres de escalas nacionales o internacionales. Dependiendo del nivel de resolución es posible construir imágenes y escenarios de distribución de tipologías de efectos, de fenómenos y tipos de pérdidas en un escenario urbano con detalle de manzanas o el escenario de diferentes zonas de un país.
Disponibilidad de agua: Se asume como la parte de agua de escurrimiento que entra rápidamente en el cauce de las corrientes y por lo tanto es llamado escurrimiento directo, del cual hacen parte el escurrimiento superficial, el subsuperficial y la precipitación que cae directamente en los cauces; éste escurrimiento es susceptible de ser aprovechado directamente
Efectos: Expresadas como efectos adversos, que por supuesto son indicativos directos de las condiciones de vulnerabilidad de comunidades, regiones y países.
Los efectos del desastre se han clasificado en cuatro grupos: a) Relacionados con las personas. Los variables de efectos relacionadas con las personas son a la vez cuantitativos e indicativos. Cuantitativos por que permiten contabilizar el número de personas afectadas cuando la información está disponible, e indicativos cuando solo se conoce de manera generalizada que hubo personas damnificadas o desparecidas pero se desconoce el número. b) Relacionados con la vivienda. Cuantitativos e indicativos. Al igual que las variables relacionadas con efectos sobre las personas, las variables Viviendas destruidas y Viviendas afectadas son a la vez cuantitativas e indicativas. c) Relacionados con la infraestructura. Cuantitativos. Afectación sobre la infraestructura. Incluyen infraestructura productiva, educativa y hospitalaria.
44
d) Pérdidas económicas. Monto de las pérdidas directas causadas por el desastre en la moneda local.
Escurrimiento: Es la parte de la precipitación que aparece en las corrientes fluviales superficiales, perennes, intermitentes o efímeras, y que regresa al mar o a los cuerpos de agua interiores.
Escurrimiento superficial o escorrentía. Es la parte del agua que escurre sobre el suelo y después por los cauces de los ríos.
Escurrimiento subsuperficial: Parte del agua que se desliza a través de los horizontes superiores del suelo hacia las corrientes. Una parte de este tipo de escurrimiento entra rápidamente a formar parte de las corrientes superficiales y a la otra le toma bastante tiempo el llegar a ellas.
Escurrimiento subterráneo: Es el flujo que, debido a una profunda percolación del agua infiltrada en el suelo, se lleva a cabo en los mantos subterráneos y que, posteriormente, por lo general, descarga a las corrientes fluviales.
Estación climatológica: Instalación con características específicas para su ubicación, que contiene el instrumental necesario que mide y registra de forma continua el estado de la atmósfera de un lugar.
Evento: Evento es diferente a desastre. Un evento puede disparar múltiples desastres, tantos como unidades geográficas afecte. Esto hace que las estadísticas llevadas difieran con respecto a estadísticas llevadas con la definición tradicional de desastre, pero sólo en cuanto al número de registros, no con respecto a los efectos y daños. 8 Es un fenómeno - natural, antrópico o tecnológico - que actúa como el detonante de los efectos adversos sobre las vidas humanas, la salud y/o la infraestructura económica y social de una comunidad.
Eventos extremos: Según el Panel Intergubernamental de Cambio Climático (IPCC), por sus siglas en inglés, es un evento tan raro como el décimo o el noventavo percentil de una distribución en particular de una variable atmosférica, como temperatura, precipitación o velocidad del viento (IPCC 2001). En otras palabras los eventos extremos son aquellos acontecimientos que están más alejados de la media o la mediana.
Inundación: Desbordamiento o subida de aguas, de forma rápida o lenta, sobre pequeñas áreas o vastas regiones, que supera la sección del cauce de los ríos o que se relaciona con el taponamiento de alcantarillas. Inundaciones por marejadas en zonas litorales se reportarán bajo el término “marejada”.
Isla de calor: La sustitución de suelo natural por construcciones, casas, pavimentos, etc., ocasiona un aumento en la temperatura del aire de la ciudad. Otro factor coadyuvante es el calor emitido por fábricas y vehículos. El núcleo más cálido del aire se localiza usualmente en las calles del centro, donde hay mayor densidad de edificios altos. (Jáuregui, 2000).
Movimiento convectivo: El transporte de calor por medio del movimiento ascendente y descendente del aire forma nubes de desarrollo vertical cuyas cimas llegan más allá del nivel de congelación. Estas nubes se abaten sobre la ciudad de México y acarrean intensos aguaceros, granizo, tormentas eléctricas y fuertes vientos.
45
Observatorio: Lugar donde se realiza la evaluación de las condiciones del tiempo atmosférico en un momento dado. Un observador cuenta con instrumental para tomar lecturas de los parámetros que miden el estado de la atmósfera y también a través de una apreciación sensorial.
Onda de calor: Cuando la temperatura máxima (es decir poco después del mediodía) rebasa los 30 grados por más de tres días consecutivos en la Ciudad de México, se habla de una onda de calor, si bien estas temperaturas nos son tan altas como en otros lugares del país, pues cuando mucho alcanzan los 35 grados. (Jáuregui, 2000).
Patrones de lluvia: Forma y características con que se presentan las lluvias. El régimen de lluvias ha permanecido prácticamente invariable, con una temporada que abarca de mayo a octubre. Las modificaciones son de tipo local donde los eventos intensos han elevado su incidencia.
Prueba de Pearson: Prueba estadística que determina la existencia o no de correlación lineal entre variables y mide o estima la fuerza de dichas relaciones.
Regresión lineal de mínimos cuadrados: Método consistente en construir una relación de tipo lineal para explicar el comportamiento de una variable (llamada dependiente) a través de otras (llamadas independientes).
Vendaval: Toda perturbación atmosférica que genera vientos fuertes y destructivos, principalmente sin lluvia, o con poca lluvia: sinónimo de temporal, vientos huracanados, torbellinos, borrasca, viento fuerte, ventisca, tromba, ráfaga, racha. Excluye “Tornado” y Ciclón.
Vulnerabilidad: Se asume como los cambios, sean positivos o negativos, sobre los recursos hídricos (disponibilidad) y los sistemas relacionados con estos y no como la estricta definición dada por el IPCC.
