- Con el propósito de obtener la mejor representación espacial de la climatología de superficie sobre el territorio chileno, se procedió a modelar cada variable climática primaria (temperatura, precipitación, humedad del aire, radiación solar), en función de los factores que más influyen en el comportamiento espacio temporal de estas: latitud, altitud, distancia al mar, factores topográficos locales. La modelación se hizo teniendo como información primaria los datos históricos de estaciones de tierra (período 1980-2015). Complementariamente, especialmente en regiones con mayor carencia de información, se incluyó información de periodos de menor extensión temporal (caso de las estaciones de la RAN). Dado que los factores topográficos y oceanográficos locales (surgencias frías en las costas) son muy variables en Chile, los modelos numéricos fueron desarrollados y aplicados por tramos de extensión latitudinal variable dependiendo de las complejidades del comportamiento climático de cada región. Una vez creadas las cartas de superficie, ellas fueron validadas verificando el grado de ajuste entre el valor estimado por el modelo y el promedio climatológico en estaciones con series largas y confiables. Las variables primarias fueron proyectadas hacia mediado del siglo XXI mediante la adición de los cambios proyectados por un ensemble de 17 modelos regionales proporcionados por el Centro WorldClim. Esto permitió disponer de escenarios climáticos futuros, en alta resolución, conservando los patrones espaciales modelados para el clima presente, lo que normalmente no está bien modelado en los modelos regionales utilizados para visualizar los escenarios futuros.
Actualización y densificación de la red de información climatológica
Para obtener los datos tanto de precipitación como de temperaturas, se recopiló y solicitó información desde diferentes fuentes a nivel nacional; principalmente Dirección Meteorológica de Chile (DMC), Dirección General de Aguas (DGA), Instituto de Investigación Agropecuarias (INIA), Fundación para el Desarrollo Frutícola (FDF), Red Meteorológica de Vinos de Chile (METEOVID) y el Centro de Estudios Avanzados en Zonas Áridas (CEAZA).
Los datos se clasificaron en Categorías, las cuáles permitieron identificar aquellas estaciones que contaban con series de datos largas y que idealmente presentaran información reciente (desde 1980 hasta 2015), de este modo se definieron 4 categorías las cuales se detallan en la siguiente tabla.
Las estaciones definidas en la categoría 4, fueron las que presentaron mayor cantidad de datos, pero dentro de estas mismas las que tuvieron mayor importancia fueron las que presentaban datos desde 1980 a 2015, los cuales se utilizaron para calcular los promedios históricos de las variables; a continuación que presentan la cantidad de estaciones que presentaron datos entre 1980 y 2015 en cada región.
Determinación Gradientes Térmicos (Mapas temperaturas)
En las áreas donde exista una baja densidad de estaciones se requirió densificar los datos climáticos para construir una cartografía de alta resolución espacial. Existen algunos principios termodinámicos que permiten modelar la temperatura en zonas de altura. Estas imágenes muestran el gradiente térmico normal en las capas más bajas de la tropósfera, el cual puede variar localmente dependiendo de los “driver climáticos” presentes en cada zona y de sus singularidades geográficas. A través de estas imágenes es posible obtener detalles que los algoritmos de interpolación espacial no son capaces de representar, como islas térmicas de concentración de masas de aire frío, efecto Foehn o sombras de lluvia (contraste climático entre laderas oriente y poniente), efecto atemperador de los cuerpos de agua sobre los bordes, capa límite del océano sobre el litoral y otras singularidades.
Preparación de una base cartográfica actualizada y espacializada para las variables climáticas primarias (T, PP, RS, HR y VV).
Se modeló el régimen térmico y de precipitación con resolución de 1 km para el período 1980 y 2015, a través de regresiones múltiples que consideran como variables explicativas la elevación, la latitud y la distancia al mar de cada estación. Para poder obtener un buen ajuste en la generación de regresiones se dividió el área de estudio en 6 zonas. Las regresiones fueron de tipo cuadrática y en algunos casos cúbicas.
Ejemplos de regresiones utilizadas para la modelación del régimen térmico y de precipitaciones
Para la región del Maule se utilizó la siguiente regresión para modelar la temperatura máxima de enero (TXE):TXE= α+β*elevación+γ*latitud+δ*distancia mar+ε*elevación2+θ*latitud2+ϑ*distancia mar2
Temperatura modelada v/s temperatura observada Región del Maule
En el caso de las precipitaciones se utilizó una regresión cúbica para modelar y conseguir un buen ajuste de la precipitación anual:
Precipitación= p_r1+p_r2*elevación+p_r3*latitud+p_r4*dist mar+
p_r5*elevación2+p_r6*latitud2+p_r7*dist mar2+p_r8*elevación3+p_r9*latitud3+p_r10*dist mar3
Precipitación simulada v/s precipitación observada en la región Metropolitana.
Como resultado de aplicar este modelo a toda la región se obtienen mapas climáticos de alta resolución espacial, donde se distinguen variaciones espaciales con resolución de 1 x 1 kilómetro. Las figuras 12, 13, 14 y 15 muestran el nivel de detalle entregado por los modelos numéricos utilizados.
Temperatura máxima del mes mas cálido (enero) periodo 1980-2015
Distribución espacial de la temperatura máxima de enero en un sector de la región del Biobío periodo 1980-2015
Determinación de los escenarios climáticos esperados para este siglo (variaciones posibles dentro de este siglo) en base a los modelos regionales del IPCC
Para generar escenarios de cambio climático de las variables primarias y derivadas del territorio, se consideraron los escenarios de temperatura y precipitación para los escenarios de concentración RCP85 2050 y 2070, modelados para el último informe del IPCC (año 2013). El proceso consistió en generar un ensamble con los 17 modelos de downscalling elaborados para estas variables y calcular la variación entre los modelos actuales y futuros. Este delta de variación fue aplicado posteriormente a los modelos climáticos elaborados para el territorio nacional a partir de la construcción de línea base.
Temperatura máxima del mes más cálido línea base y escenario 2050
Temperatura mínima del mes más frío línea base y escenario 2050
Precipitación anual línea base y escenario 2050
Acumulación de horas de frío base 7.2°C, escenario línea base y escenario 2050
Numero de heladas totales al año (T<0°C), escenario línea base y escenario 2050
Número de días al año con temperaturas sobre 33°C , escenario línea base y escenario 2050
Establecimiento de distritos agroclimaticos.
Una unidad climáticamente homogénea corresponde a un distrito agroclimático el cual representa un territorio climáticamente uniforme y que, consecuentemente tiene similar potencial productivo y de riesgos agroclimáticos frente a las especies cultivadas. Para establecer estas unidades “isoclimáticas” se utilizó una técnica de clustering multivariado que consideró la temperatura máxima de enero (lo que aporta el atributo de calidez del verano), la temperatura mínima del Julio (lo que aporta el atributo de rigor del invierno), las horas de frío (atributo de continentalidad), precipitación anual (régimen de humedad) y altitud (complementa atributos no incluidos en variables anteriores). El clustering agrupa las localidades (puntos de una malla geográfica) de forma tal que minimiza la variabilidad interna en todas las variables simultáneamente, entregando unidades territoriales que cumplen con el requisito de mínima varianza. Cuanto más unidades territoriales se establezcan, más pequeñas y homogéneas serán estas. La zonificación usada en este Atlas estableció distritos agroclimáticos de un tamaño medio de 40000 hectáreas en la zona central y de 500000 hectáreas en las regiones extremas.
Clustering que minimiza la varianza interna en la “n” variables usadas en la clasificación.
Aplicado este procedimiento, se establecieron 130 distritos agroclimáticos en Chile. Por el procedimiento utilizado, ellos garantizan que cualquier proyecto agrícola tiene similares posibilidades de éxito al interior de cada distrito. Contrariamente, proyectos establecidos en distritos diferentes, probablemente estarán sometidos a condiciones climaticas y niveles de riesgos diferentes.
Cada distrito fue clasificado según una tipologia climática basada en el sistema de Köppen, la que fue complementada con una clasificacion del regimen termico e hídrico, según la nomenclatura siguiente:
Donde :
Tmf, temperatura media del mes más frío
Tmc, temperatura media del mes más cálido
PPa, precipitación total anual (mm o cm)
Ta, temperatura media anual (°C)
Xe, régimen de humedad Xérico (todos los meses del año son secos, desierto con aridez muy extrema)
Pa, régimen de humedad per-árido (11 meses son francamente secos, sólo un mes algo más húmedo)
A, régimen de humedad árido
Sa, régimen de humedad semi árido (7 a 8 meses secos)
Shs, régimen de humedad sub-húmedo seco (5 a 6 meses secos)
Shh, régimen de humedad sub-humedo h{umedo (3 a 4 meses secos)
fs, régimen de humedad húmedo lluvioso pero con cierta declinación estival (1 a 2 meses secos)
f, régimen de humedad húmedo lluvioso todo el año (sin estación seca pero menos de 2000 mm de excedente hídrico/año)
Hi, régimen de humedad hídrico, lluvioso todo el año (sin estación seca y con más de 2000 mm de excedente hídrico/año)
