EVALUACIÓN DE PROYECCIONES DE ANOMALÍAS DE TEMPERATURA Y PRECIPITACIÓN EN ESCENARIOS CLIMÁTICOS FUTUROS EN RESISTENCIA RESUMEN

Transcripción

1 EVALUACIÓN DE PROYECCIONES DE ANOMALÍAS DE TEMPERATURA Y PRECIPITACIÓN EN ESCENARIOS CLIMÁTICOS FUTUROS EN RESISTENCIA Juan Martín Bravo (1), Walter Collischonn (1), Adriano Rolim da Paz (2), Jorge Pilar (3), Rutinéia Tassi (4), Daniel Allasia (4) (1) Universidade Federal do Rio Grande do Sul, Instituto de Pesquisas Hidráulicas (IPH/UFRGS). Av. Bento Gonçalves 9.500, Porto Alegre, RS, Brasil. Te: jumarbra@iph.ufrgs.br (2) Universidade Federal da Paraíba (UFPB) (3) Universidad Nacional del Nordeste (UNNE) (4) Universidade Federal de Santa Maria (UFSM) RESUMEN El cambio y la variabilidad climática pueden alterar el régimen hidrológico e impactar el desarrollo de las actividades económicas relacionadas a los recursos hídricos. La estimativa de escenarios climáticos futuros permitirá evaluar los posibles impactos y planificar medidas mitigadoras. Este trabajo se enmarca en ese contexto, en el cual fueron estimadas proyecciones de anomalías de temperatura y precipitación en diferentes escenarios climáticos futuros, siendo analizada la región de la ciudad de Resistencia, localizada en la provincia del Chaco, Argentina. En este trabajo son presentados los resultados de la simulación de escenarios de cambio climático, considerando dos futuros: el futuro próximo, centrado en el año 2030, y otro más lejano, centrado en el año Los resultados aquí presentados corresponden a valores medios en dos intervalos de 30 años. Fueron realizadas alrededor de 4000 simulaciones, considerando cuatro escenarios de cambio climático (A1B-AIM, A2-ASF, B1-IMA y B2-MES), a partir del uso del sistema MAGICC/SCENGEN. De esa forma fueron obtenidas las proyecciones de anomalías de temperatura del aire en superficie y de la precipitación en cada mes del año, en el futuro próximo y en el futuro más lejano, con veinte modelos de circulación general (MCGs), valores medios sobre una área de 2,5 x 2,5, que incluye la ciudad de Resistencia. Fueron obtenidas medianas de incremento de temperatura del aire de 0,61 C a 1,17 C en el futuro próximo y de 1,49 C a 3,17 C en el futuro lejano, para los diferentes meses del año. Las simulaciones mostraron una tendencia a que los mayores incrementos sucedan en los meses de primavera y verano. En cuanto a la precipitación y en el futuro próximo, los resultados son más contradictorios, con valores de medianas de anomalías entre -17% a 11%. Según los resultados obtenidos, en el futuro lejano existiría una tendencia al aumento de la precipitación en prácticamente todos los meses del año, con valores medios de 3% a 30%. Es importante resaltar la incertidumbre asociada a esas proyecciones, reflejada por la dispersión de resultados referidos a la intensidad de las anomalías estimadas, tanto de precipitación, como de temperatura del aire por los MCGs. Palabras claves: Predicción climática, anomalías de temperatura, anomalías de precipitación, Resistencia, MAGICC/SCENGEN

2 INTRODUCCIÓN El Área Metropolitana del Gran Resistencia (AMGR), provincia del Chaco, Argentina, está localizada en una geografía con una pendiente regional de pocos centímetros por kilómetro. En las últimas décadas su población mostró un crecimiento significativo y, como consecuencia, se produjo un aumento importante de las superficies impermeables. Esta área metropolitana sufre periódicamente inundaciones de distintas características según sea su origen. Dichas inundaciones podrían clasificarse en (Depettris & Pilar, 2001): las provocadas por las crecidas de los grandes ríos de la región (Paraná y Paraguay), originadas por causas naturales y que se producen a intervalos de por lo general más de un año; las provocadas por las lluvias de cierta intensidad (por ejemplo 25 mm en media hora) y agravadas debido a la drástica reducción de la capacidad de almacenamiento de los reservorios naturales (lagunas), por relleno de las mismas y/o por ocupación de sus márgenes; las originadas en una insuficiente capacidad de los conductos de drenaje pluviales. Las dos últimas tienen su génesis en el ámbito de la propia ciudad y, si bien tienen una duración de apenas pocas horas, producen graves trastornos a su normal funcionamiento. El cambio climático es un factor que puede causar perturbaciones importantes al régimen de precipitación, que puede también intensificar las consecuencias de las inundaciones en la ciudad de Resistencia. Además de esto, perturbaciones del régimen de temperaturas traen como consecuencias alteraciones en las tasas de evapotranspiración, modificando los balances hídricos. También, las variaciones de temperatura pueden aumentar el estado crítico del sistema de energía eléctrica de la ciudad, el cual durante los veranos y debido a la gran demanda de consumo por las altas temperaturas que reinan en la región, se encuentra actualmente al límite de su capacidad. La estimativa de escenarios climáticos futuros permitiría evaluar los posibles impactos y planificar con antecedencia eventuales medidas de mitigación. Este trabajo se enmarca en ese contexto, en el cual fueron estimadas proyecciones de anomalías de temperatura y precipitación en diferentes escenarios climáticos futuros. Las estimativas de anomalías de precipitación y temperatura futura fueron generadas por Modelos de Circulación General (MCG), con base en cuatro escenarios de emisiones de gases de efecto invernadero (A1-AIM y A2-ASF - alta de emisión y B1-IMA y B2-MES - baja emisión-) propuesto por el Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC, 2000). Para tener en cuenta las incertidumbres intrínsecas de cada modelo atmosférico utilizado para predecir el cambio climático, se consideraron los resultados generados por un conjunto de veinte MCGs. Las predicciones de ese conjunto de modelos se evaluaron, posteriormente, en términos de una estadística de tendencia central, en particular la mediana, y de dos estadísticas de dispersión: el percentil 10 y el percentil 90. Finalmente, se analizó si esas predicciones del clima futuro pueden ser usadas para mejorar la gestión de los recursos hídricos de la región. OBJETIVOS El objetivo de este estudio es investigar la influencia de los escenarios de cambio climático en los patrones de precipitaciones y temperatura de la región del AMGR. Como una forma de lograr este objetivo, se propone responder a las siguientes preguntas:

3 Cuál es el efecto esperado provocado por escenarios de cambio climático en las precipitaciones de la región? Existen tendencias en las predicciones de escenarios de cambio climático en la región? Cuáles son las incertidumbres asociadas con las predicciones de escenarios de cambio climático? Pueden utilizarse las predicciones de escenarios de cambio climático como auxilio a la toma de decisiones en la gestión y planificación de los recursos hídricos de la región? REGIÓN DE ESTUDIO La ciudad de Resistencia se localiza en el norte de Argentina, siendo la capital de la provincia del Chaco (Figura 1). El clima de la región se caracteriza por veranos e inviernos intensos, con temperaturas máximas que pueden superar los 40 C durante varios días consecutivos en los meses de enero-febrero y temperaturas mínimas inferiores a 0 C en los meses de junio-julio. La temperatura media anual en la región de la ciudad de Resistencia ronda los 21 C (Cruzate & Panigatti, 2008), mientras que la precipitación media anual es de 1300mm, aproximadamente (APA, 2010). Típicamente, las precipitaciones ocurren en todos los meses del año, siendo el período de octubre a abril, el más lluvioso. Figura 1. Localización de la ciudad de Resistencia (punto rojo) y principales ríos de la región. El cuadrado amarillo representa una celda de la malla en que los resultados de los MCGs son producidos. METODOLOGIA El procedimiento metodológico que fue utilizado para realizar la estimativa de los valores de las proyecciones de anomalías de precipitación y temperatura del aire en escenarios de cambio climático se dividió en tres etapas, las que serán descriptas seguidamente.

4 Selección de los escenarios de emisiones Los escenarios de emisiones representan una visión posible de la evolución futura de emisiones de substancias que tiene un efecto atmosférico potencial (gases del efecto invernadero, aerosoles), basados en una combinación coherente e internamente consistente de suposiciones sobre demografía, desarrollo socioeconómico y cambios tecnológicos, así como sus interacciones (Marengo, 2006). Para este trabajo fueron seleccionados cuatro de los escenarios de emisiones propuestos por el Grupo Intergubernamental de Expertos sobre Cambio Climático IPCC (IPCC, 2007) para realizar estimativas de proyecciones de anomalías de las variables precipitación y temperatura de la región del AMGR. Los escenarios seleccionados son mostrados en la Figura 2 y descriptos a continuación, de acuerdo a IPCC (2000): Figura 2. Familia de escenarios de cambio climático definidos por IPCC (2000). Escenario A1B: este escenario pertenece a la familia de escenarios A1. La familia de escenarios A1 describe un mundo futuro donde la globalización es dominante, existiendo un crecimiento económico rápido y un crecimiento poblacional pequeño, con un desarrollo también rápido de tecnologías más eficientes. Los temas subyacentes principales son: la convergencia económica y cultural, con una reducción significativa en las diferencias regionales y renta per cápita. En este mundo, los individuos buscan la riqueza personal en lugar de una mayor calidad ambiental. Dentro de la familia A1, el escenario A1B es denominado escenario de estabilización. El escenario A1B asume una combinación equilibrada de tecnologías y fuentes de abastecimiento, con mejoras tecnológicas y los presupuestos de que ninguna fuente de energía es extremamente dominante. Escenario A2: este escenario describe un mundo futuro bastante heterogéneo, donde la regionalización es dominante. Son características de este futuro la existencia de un fortalecimiento de identidades culturales regionales, autosuficiencia en términos de recursos y menos intensidad de las interacciones económicas, sociales y culturales entre las regiones. Otras características son: el crecimiento poblacional elevado y la menor preocupación en relación al desarrollo económico rápido. El crecimiento económico resulta desigual en función de los perfiles productivos y económicos regionales.

5 Escenario B1: este escenario describe un rápido cambio en la estructura económica mundial, donde ocurre una introducción de tecnologías limpias. Los elementos centrales del futuro B1 son un elevado nivel de conciencia ambiental y social, combinado con un trabajo global para un desarrollo más sustentable. El desarrollo económico en este escenario es equilibrado, con distribución equitativa de la renta. Escenario B2: este escenario describe un mundo en el cual el énfasis está en soluciones locales y en la sustentabilidad económica, social y ambiental. Las políticas públicas y las estrategias empresariales, a nivel nacional y local son influenciadas por visiones ambientalistas, con una tendencia para la autosuficiencia local. El cambio tecnológico es más diverso, con fuerte énfasis en las iniciativas comunitarias, en vez de soluciones globales. Para cada escenario fueron realizadas estimativas de proyecciones de anomalías de precipitación y temperatura media mensual para dos futuros: el futuro próximo, centrado en el año 2030, y otro más lejano, centrado en el año Los resultados que se presentan corresponden a valores medios en dos intervalos de treinta años, centrados en los años previamente definidos. Definición de los modelos Las proyecciones de anomalías de precipitación y temperatura media mensual en la región analizada fueron realizadas utilizando el modelo MAGICC/SCENGEN, (Model for the Assessment of Greenhouse gas Induced Climate Change/SCENario GENerator) versión 5.3 (Figura 3), que considera los principales directrices establecidas por el Cuarto Informe de Evaluación del Grupo de Trabajo 1 (Fourth Assessment Report, Working Group 1, AR4) del Grupo Intergubernamental de Expertos sobre Cambio Climático. Figura 3. Interface gráfica de los modelos MAGICC y SCENGEN, versión 5.3 El MAGICC/SCENGEN está basado en un modelo acoplado de ciclo de gases y clima (MAGICC, Hulme et al., 1995), que produce entre sus resultados cual será la modificación de temperatura media global en función de diferentes escenarios. Esa proyección a nivel global es utilizada por el SCENGEN para generar resultados de diferentes variables en una malla de 2,5 x 2,5, que cubre la totalidad del planeta. La Figura 4 muestra el acoplamiento entre esos dos modelos. El MAGICC ha sido el principal modelo utilizado por el IPCC para producir proyecciones futuras de temperatura media global y nivel medio del mar (Wigley, 2008). El MAGICC, basado en

6 escenarios de emisiones de gases del efecto invernadero y de modelos de circulación general (MCGs), calcula proyecciones de concentración de gases del efecto invernadero, temperatura media global y nivel medio del mar. Los resultados de temperatura media global son utilizados por el SCENGEN para producir patrones espaciales de cambio climático a partir de un banco de datos de resultados de MCGs y utilizando el método pattern scaling, descrito en Santer et al. (1990). Figura 4. Estructura del modelo MAGICC/SCENGEN (Wigley, 2008). En este trabajo fueron realizadas estimativas de proyecciones de anomalías de precipitación y temperatura media mensual en la región analizada, relativas a cuatro escenarios de emisiones de gases definidos por el IPCC e previamente identificados, simuladas por veinte modelos de circulación general. Los modelos utilizados son presentados en la Tabla 1. Tabla 1. Modelos acoplados atmósfera-océano de circulación general utilizados en SCENGEN, versión 5.3. Nombre SCENGEN País Nombre Institución BCCRBCM2 Noruega Bergen Climate Model, version 2 Bjerknes Centre for Climate Research (BCCR), Bergen Univ. CCSM--30 EU Community Climate System Model, version 3.0 National Center for Atmospheric Research (NCAR) CCCMA-31 Canadá Canadian Centre for Climate Modelling & Analysis's CNRM-CM3 Francia CNRM-CM3 Centre National de Recherches

7 Nombre SCENGEN País Nombre Institución Météorologiques, Météo France CSIRO-30 Australia CSIRO Mark 3.0 CSIRO MPIECH-5 Alemania ECHAM5/MPI-OM Max Planck Institute for Meteorology ECHO---G Alemania/C orea ECHO-G = ECHAM4 + HOPE- G Meteorological Institute of the University of Bonn, Institute of KMA and Model and Data Group FGOALS1G China FGOALS1.0 Institute of Atmospheric Physics, Chinese Academy of Sciences GFDLCM20 EU CM2.0 - AOGCM Geophysical Fluid Dynamics Laboratory - NOAA GFDLCM21 EU CM2.0 - AOGCM Geophysical Fluid Dynamics Laboratory - NOAA GIS--EH EU GISS ModelE-H Goddard Institute for Space Studies (GISS), NASA GIS--ER EU GISS ModelE-R Goddard Institute for Space Studies (GISS), NASA INMCM-30 Rusia INMCM3.0 Institute of Numerical Mathematics, Russian Academy of Science IPSL_CM4 Francia IPSL-CM4 Institut Pierre Simon Laplace (IPSL) MIROC-HI Japón MIROC3.2 (Model for Interdisciplinary Research on Climate) MIROCMED Japón MIROC3.2 (Model for Interdisciplinary Research on Climate) CCSR/NIES/FRCGC CCSR/NIES/FRCGC MRI-232A Japón MRI-CGCM2.3.2 Meteorological Research Institute, Japan Meteorological Agency NCARPCM1 EU Parallel Climate Model National Center for Atmospheric Research NCAR UKHADCM3 Inglaterra HADCM3 Hadley Centre for Climate Prediction and Research UKHADGEM Inglaterra Hadley Centre Global Environmental Model, version 1 Hadley Centre for Climate Prediction and Research Estimativa de las proyecciones de anomalías de precipitación y temperatura Para cada uno de los escenarios de emisión de gases previamente definidos fueron estimadas las proyecciones de anomalías de precipitación y temperatura del aire media mensual en función de veinte modelos de circulación general, para dos futuros: el futuro próximo, centrado en el año 2030, y otro más lejano, centrado en el año Los resultados aquí presentados corresponden a valores medios en dos intervalos de treinta años, centrados en esos años. En ese sentido, fueron hechas un total de 3840 simulaciones con el modelo MAGICC/SCENGEN, permitiendo obtener las proyecciones de anomalías de ambas variables, en cada mes del año, en el futuro próximo y en el futuro lejano, con los veinte MCGs y en cada uno de los cuatro escenarios de emisiones (A1B-AIM, A2-ASF, B1-IMA, B2-MES). De acuerdo a lo discutido en otros estudios (por ejemplo, Serrat-Capdevila et al., 2007), dentro del conjunto de veinte MCGs utilizados para producir las proyecciones de anomalías, algunos de los modelos pueden ser considerados más o menos adecuados para la región en estudio, pues sus deficiencias propias, o las simplificaciones realizadas en sus formulaciones pueden no considerar adecuadamente todos los fenómenos meteorológicos locales. Además, el modelo seleccionado

8 puede variar según cual sea la variable considerada en la comparación, por ejemplo, precipitación anual media, variaciones de precipitación mensual, temperaturas mensuales medias, etc. Reichler & Kim (2008), Hagedorn et al. (2005) y Serrat-Capdevila et al. (2007) han mostrado como las previsiones de largo plazo, como aquellas típicamente efectuadas en contextos de cambio climático, realizadas con conjuntos de modelos, dan mejores resultados que aquellas obtenidas con el uso de sólo modelos tradicionalmente considerados como los que mejor representan la climatología del lugar. Por estas razones, este estudio consideró los veinte modelos mencionados, con el objetivo de definir una caracterización representativa de la incertidumbre de los resultados. La Figura 1 muestra la localización de la ciudad de Resistencia y la celda del modelo SCENGEN con incidencia en esa región y cuyos resultados son presentados en este trabajo. Del conjunto de proyecciones en cada escenario de emisiones, fueron calculadas tres estadísticas: la mediana, como medida de tendencia central, y los percentiles 10 e 90, para representar una medida de dispersión o incertidumbre. Proyecciones de anomalías de precipitación RESULTADOS Las proyecciones de anomalías de precipitación mensual (en %) en el AMGR son presentadas en la Figura 5 y en la Figura 6 para los cuatro escenarios, A1-AIM, A2-ASF, B1-IMA, B2-MES, y para los dos futuros (valor medio en intervalos de treinta años centrados en 2030 futuro próximo e 2070 futuro lejano ). Las estimativas de estas anomalías fueron realizadas en términos de porcentaje de cambio en relación a la precipitación media observada en cada mes. En términos generales, los resultados muestran grandes anomalías proyectadas, predominando las proyecciones de incremento de precipitación mensual, pero con una gran dispersión entre los resultados de los veinte MCGs. En esos resultados se observa, en el futuro próximo, poca diferencia entre los diferentes escenarios, de las medianas y de los percentiles de las proyecciones del conjunto de MCGs. En el caso del futuro lejano, la incertidumbre aumenta en todos los escenarios, con mayor grado en los escenarios A1-AIM y A2-ASF. Las proyecciones en el futuro lejano también muestran una mayor discrepancia entre los resultados de los escenarios A1B-AIM y B1-IMA, y A2-ASF y B2-MES, que la que se da para el futuro próximo. En todos los escenarios, la mediana de las proyecciones del conjunto de MCGs resultó positiva, significando incrementos de precipitación en la mayoría de los meses (excepto en los meses de agosto y septiembre, en el futuro próximo). Los resultados de los modelos fueron más contradictorios, pues algunos predijeron incrementos de precipitación, mientras que otros reducción de la misma. En consecuencia, la incertidumbre asociada a los resultados es grande, según lo observado en los valores de los percentiles 10 y 90, los que presentan valores de anomalías negativas y positivas en todos los escenarios y futuros evaluados. En ese sentido, la incertidumbre en los resultados de anomalías de precipitación fue mayor en el futuro lejano como era esperadodebido a las mayores antecedencias de las previsiones, a la alta no linealidad del clima y a la propagación de incertidumbre en cuanto a los modelos (estructura y parámetros) y a las condiciones iniciales. En todos los escenarios y futuros analizados se notó un gran aumento de la incertidumbre en los meses de abril a septiembre. Para el escenario A2-ASF y considerando el futuro próximo, las proyecciones de anomalías mensuales en términos de mediana de los valores de los veinte MCGs se presentaron en el intervalo -17,37% a 10,65%. Este intervalo es muy similar al obtenido en el escenario B2-MES (-17,73% a 11,22%). De hecho, las proyecciones de estos dos escenarios no difieren mucho entre sí en el futuro próximo, pero las medianas de las proyecciones del escenario B2-MES son apenas superiores a las

9 correspondientes del escenario A2-ASF. En los meses de diciembre a marzo las medianas de las proyecciones de ambos escenarios se presentan en el intervalo de 2,2% a 5,5% Las proyecciones de anomalías de precipitación para el horizonte lejano poseen también una mayor dispersión entre los resultados de los MCGs. Por ejemplo, en el mes de enero y en el escenario A2- ASF, la mediana de las proyecciones de anomalías es 2,2% y los percentiles 10 y 90 son iguales a -12,17% y 16,53%, respectivamente. En ese mismo escenario pero en el futuro lejano, la mediana de las proyecciones de anomalías es 6,39% y los percentiles 10 y 90 fueron -35,37% y 48,06%, respectivamente. Proyecciones de anomalías de temperatura Las predicciones de anomalías de temperatura mensual (en C) en la región del AMGR son presentadas en la Figura 7 y en la Figura 8 para los cuatro escenarios, A1-AIM, A2-ASF, B1-IMA, B2-MES, y para los dos futuros (valor medio en intervalos de treinta años centrados en 2030 futuro próximo e 2070 futuro lejano ). Las estimativas de estas anomalías fueron realizadas en términos absolutos (en C) de cambio en relación a la temperatura media de cada mes. En términos generales, los resultados muestran una clara tendencia a que las anomalías proyectadas de temperatura media mensual sean positivas en todos los meses del año, significando incrementos de temperatura, pero con una gran dispersión entre los resultados de los veinte MCGs, y con grandes diferencias entre un futuro y otro. En cuanto en el futuro próximo, y considerando todos los escenarios, la mediana de las proyecciones de anomalías de temperatura media mensual variaron entre 0,61 C y 1,17 C. Para el futuro lejano estos rangos de variación aumentan a 1,83 C y 3,17 C, en el caso de los escenarios A1B-AIM y A2-ASF y aumentan a 1,49 C y 2,48 C, en el caso de los escenarios B1-IMA y B2- MES. Esta diferencia en las proyecciones de temperatura en el futuro lejano, entre los escenarios A1-A2 e B1-B2, es consistente con sus respectivas definiciones, dado que la familia de escenarios B1-B2 está basada en una versión del mundo más ecológica en relación a la familia de escenarios A1-A2, que pone énfasis en soluciones locales para alcanzar la sustentabilidad económica, social y ambiental. Al igual que en el caso de las proyecciones de anomalías de precipitación, la incertidumbre de los resultados de anomalías de temperatura aumentó en el futuro lejano, en todos los escenarios. En cada mes, las diferencias entre los resultados de los diferentes MCGs fueron relativamente importantes, con mayores discrepancias en el mes de junio, en el cual se obtuvieron incrementos positivos y negativos de temperatura. Analizando los resultados de todos los escenarios en el futuro próximo, la incertidumbre mostró tendencias a aumentar en el período de abril a agosto.

10 Escenario A1B Futuro próximo Escenario A2 Futuro próximo Escenario B1 Futuro próximo Escenario B2 Futuro próximo Figura 5. Proyecciones mensuales de anomalías de precipitación en la región de la ciudad de Resistencia para los escenarios A1B-AIM, A2-ASF, B1-IMA, B2-MES, para el futuro próximo (intervalo de 30 años centrado en 2030).

11 Escenario A1B Futuro lejano Escenario A2 Futuro lejano Escenario B1 Futuro lejano Escenario B2 Futuro lejano Figura 6. Proyecciones mensuales de anomalías de precipitación en la región de la ciudad de Resistencia para los escenarios A1B-AIM, A2-ASF, B1-IMA, B2-MES, para el futuro lejano (intervalo de 30 años centrado en 2070).

12 Escenario A1B Futuro próximo Escenario A2 Futuro próximo Escenario B1 Futuro próximo Escenario B2 Futuro próximo Figura 7. Proyecciones mensuales de anomalías de temperatura en la región de la ciudad de Resistencia para los escenarios A1B-AIM, A2-ASF, B1-IMA, B2-MES, para el futuro próximo (intervalo de 30 años centrado en 2030).

13 Escenario A1B Futuro lejano Escenario A2 Futuro lejano Escenario B1 Futuro lejano Escenario B2 Futuro lejano Figura 8. Proyecciones mensuales de anomalías de temperatura en la región de la ciudad de Resistencia para los escenarios A1B-AIM, A2-ASF, B1-IMA, B2-MES, para el futuro lejano (intervalo de 30 años centrado en 2070).

14 CONCLUSIONES En este trabajo son presentados los resultados de las simulaciones de escenarios de cambio climáticos en la región del AMGR, considerando dos futuros: el futuro próximo, centrado en el año 2030, y un futuro más lejano, centrado en el año Fueron hechas alrededor de 4000 simulaciones, considerando cuatro escenarios de cambio climático (A1B-AIM, A2-ASF, B1-IMA y B2-MES). Las proyecciones estimadas mostraron una clara tendencia de aumento de la temperatura en prácticamente todos los meses del año, siendo la magnitud del aumento dependiente del horizonte de la previsión y del escenario, con estimativas de mayores incrementos de temperatura para el futuro lejano, en los escenarios A1-AIM y A2-ASF. A diferencia de la temperatura, las proyecciones de precipitación futura fueron más contradictorias, pues aumentaron y disminuyeron en función del MCG utilizado. En ese sentido, es importante resaltar la incertidumbre asociada a esas proyecciones, que mostraron grandes discrepancias en la estimativa de la intensidad de las anomalías de precipitación y temperatura del aire, principalmente en el caso de la precipitación. Si bien las proyecciones de precipitación futura no mostraron una clara tendencia, los resultados obtenidos en este trabajo podrían ser tenidos como insumo de los procesos de toma de decisiones, con el objetivo de planificar conjuntos de acciones relacionadas a los recursos hídricos de la región. BIBLIOGRAFIA APA (Administración Provincial del Agua) Precipitaciones mensuales, província del Chaco, período Dirección de Estudios Básicos. 81pp. Cruzate, G., Panigatti, J.L Suelos y Ambientes del Chaco. INTA. 1pp. Depettris, C.A., Pilar, J.V Uso de medidas no estructurales para controlar el aumento de las áreas impermeables en la ciudad de Resistencia. In: Primer Seminario de Drenaje Urbano del Mercosur, Porto Alegre-RS, Brasil. Anales. pp Hagedorn, R., Doblas-Reyes, F.J., Palmer, T.N., The rationale behind the success of multimodel ensembles in seasonal forecasting I. Basic concept. Tellus 57A, pp Hulme, M., Raper, S.C.B., Wigley, T.M.L An integrated framework to address climate change (ESCAPE) and further developments of the global and regional climate modules (MAGICC). Energy Police, v. 23(4/5), pp IPCC (Intergovernmental Panel on Climate Change) Special Report on Emissions Scenarios. Cambridge University Press. IPCC (Intergovernmental Panel on Climate Change) Climate Change 2007: The Scientific Basis-Contribution of Working Group 1 to the IPCC Fourth Assessment Report. Marengo, J.A Mudanças Climáticas Globais e seus Efeitos sobre a Biodiversidade: Caracterização do Clima Atual e Definição das Alterações Climáticas para o Território Brasileiro ao Longo do Século XXI. Série Biodiversidade, v. 26, Brasília: MMA, 212pp. Reichler, T., Kim, J How Well do Coupled Models Simulate Today's Climate? Bulletin of American Meteorology Society, v. 89, pp

15 Santer, B.D., Wigley, T.M.L., Schlesinger, M.E., Mitchell, J.F.B Developing Climate Scenarios from Equilibrium GCM Results. Max-Planck-Institut für Meteorologie Report No. 47, Hamburg, Germany, 29 pp. Serrat-Capdevila, A., Valdes, J.B., Pérez, J.G., Baird, K., Mata, L.J., Maddock, T Modeling climate change impacts and uncertainty on the hydrology of a riparian system: The San Pedro Basin (Arizona/Sonora). Journal of Hydrology, v. 347, pp Wigley, T.M.L MAGICC/SCENGEN 5.3: User Manual (version 2). National Center for Atmospheric Research, Colorado, USA. 81 pp.