Temperaturas extremas y precipitación: tendencias futuras e impacto en la provincia de Jujuy, Argentina
Resumen
Estudiar y cuantificar las tendencias futuras de las temperaturas extremas y de la precipitación permitiría comprender los cambios en las condiciones climáticas experimentadas en los últimos años en Jujuy (Argentina) y plantear posibles implicancias sobre los recursos de la provincia, como la biodiversidad, la ganadería y la agricultura. Los objetivos de este trabajo fueron: (i) caracterizar las temperaturas máximas (Tmáx) y mínimas (Tmín) anuales y la precipitación anual (Prec) bajo dos escenarios de cambio climático; (ii) validar la información climática de la base de datos WorldClim; y (iii) analizar el impacto de las condiciones climáticas cambiantes sobre los principales recursos productivos (i.e. ovinos y caña de azúcar) y naturales (i.e. biodiversidad) de la provincia de Jujuy. Se utilizaron capas ráster(s) anuales de Tmáx, Tmín y Prec de la base de datos de WorldClim. Se consideró como período actual al promedio entre los años 1960-2021 y el proyectado al correspondiente entre los años 2081-2100 en dos escenarios de cambio climático para determinar las proyecciones futuras de Tmáx, Tmín y Prec. La provincia de Jujuy presenta condiciones actuales de Tmáx de 18,7±0,4 ºC, Tmín de 3,2±0,4 ºC y Prec de 310±51 mm. En ambos escenarios se proyectan aumentos de temperaturas (> 3,2 ºC) y precipitación (>30 mm) para el periodo 2081-2100. La tendencia de las tres variables meteorológicas analizadas sugiere que los recursos de la provincia de Jujuy podrían verse afectados en los próximos años, particularmente en la región de la Puna donde los aumentos de temperatura son más intensos.
Palabras clave
Referencias
Alabar, F., Hurtado, R. H., Valdiviezo Corte, M. B. y Moreno, C. (2020). Análisis temporal de índices climáticos de precipitación de las provincias de Jujuy y Salta. Revista Agrarias 13(2): 7-13. Recuperado de: https://www.fca.unju.edu.ar/media/revista_articulo/trabajo1_Alabar_y_otros.pdf
Alabar, F., Politi, N., Názaro, P., Amoroso, M. y Rivera, L. (2022). Changes in the potential distribution of valuable tree species based on their regeneration in the Neotropical seasonal dry forest of north-western Argentina. Environmental Conservation, 49(2), 83-89. DOI: 10.1017/S0376892922000133
Armstrong McKay, D. I., Staal, A., Abrams, J. F., Winkelmann, R., Sakschewski, B., Loriani, S., Fetzer, I., Cornell, S. H., Rockström, J. y Lenton, T. M. (2022). Exceeding 1.5 C global warming could trigger multiple climate tipping points. Science, 377(6611): eabn7950. DOI: 10.1126/science.abn7950.
Barros, V., Carlinom, H., Magnasco, E. y Magrin, G. (2014). Tercera Comunicación Nacional de la República Argentina a la Convención Marco de las Naciones Unidas sobre el cambio climático-Buenos Aires, Argentina. Recuperado de: https://www.argentina.gob.ar/ambiente/cambio-climatico/tercera-comunicacion
Bejarano, I., Dipierri, J. E. y Alfaro, E. (2006), Datos censales y evolución del flujo génico en la provincia de Jujuy, Argentina (1869-1991). Antropo, 13, 19-33. Recuperado de: www.didac.ehu.es/antropo
Berraz, M. O., Setti, W. E., Lamas, H. E., Ochner, E. J. y Galian, O. R. (2020). Evaluación de rendimiento de reses de corderos en la cuenca de los Pozuelos, Jujuy–Argentina. Estudio de caso. Revista Agrarias 13(2): 14-22. Recuperado de: https://fca.unju.edu.ar/media/revista_articulo/trabajo2_Berraz_y_otros.pdf
Buitrago, L. G. (1999). El Clima de la Provincia de Jujuy. Recuperado de: https://dipec.jujuy.gob.ar/aspectos-generales/datos-climaticos/
Bustos, M. L., Ferrelli, F. y Piccolo, M. C. (2017). Estudio Comparativo de Tres Modelos Climáticos en Argentina. Anuário do Instituto de Geociências – UFRJ, 40(1): 34-43. Recuperado de: https://ri.conicet.gov.ar/handle/11336/27067
Cerasoli, F., D'Alessandro, P., y Biondi, M. (2022). Worldclim 2.1 versus Worldclim 1.4: Climatic niche and grid resolution affect between‐version mismatches in habitat suitability models predictions across Europe. Ecology and evolution, 12(2): e8430.
Chohan, M. (2019). Impact of climate change on sugarcane crop and remedial measures - a review. Pakistan Sugar Journal, 34(1): 15-22. DOI: 10.35380/sugar.034.01.0141
Climate Action Tracker-CTA. (2023). Warming projections global update – Diciembre 2023. Climate Analytics & NewClimate Institute. https://climateactiontracker.org/global/temperatures/
Elsen, P. R., Monahan, W. B., Dougherty, E. R., y Merenlender, A. M. (2020). Keeping pace with climate change in global terrestrial protected areas. Science advances, 6(25): eaay0814. DOI: 10.1126/sciadv.aay0814
Fergnani, P. N. (2022). R como un SIG: Extracción de datos climáticos de WorldClim. Ecología Austral, 2: 045-054. DOI: 10.25260/EA.22.32.1.0.1119
Fick, S.E. y Hijmans, R.J. (2017). WorldClim 2: new 1km spatial resolution climate surfaces for global land areas. International Journal of Climatology, 37 (12): 4302-4315. DOI: 10.1002/joc.5086
Gahlawat, I. N. y Lakra, P. (2020). Global Climate change and its effects. Integrated Journal of Social Sciences 7(1). 14-23. Recuperado de http://www.pubs.iscience.in/journal/index.php/ijss/article/view/1120/687
Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC). (2021). Summary for policymakers. In: Climate Change 2021: The physical science basis. Contribution of working group I to the sixth assessment report of the intergovernmental panel on climate change. IPCC, Switzerland. Recuperado de: www.ipcc.ch.
Grupo Intergubernamental de Expertos sobre el Cambio Climático-IPCC. (2023). Sixth Assessment Report: Synthesis Report. Intergovernmen-tal Panel on Climate Change. https://doi.org/10.59327/IPCC/AR6-9789291691647
Habibullah, M. S., Din, B. H., Tan, S. H., y Zahid, H. (2022). Impact of climate change on biodiversity loss: global evidence. Environmental Science and Pollution Research, 29(1): 1073-1086. DOI: 10.1007/s11356-021-15702-8
Harris, I., Osborn, T. J, Jones, P. D. y Lister, D. H. (2020). Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset. Scientific Data, 7: 109 DOI: 10.1038/s41597-020-0453-3.
Hurtado, R., Faroni, A., Serio, L. y Vich, H. (2008). Estudio de las precipitaciones en la región Noroeste de la Argentina. XII Reunión Argentina de Agrometeorología, Recuperado de: http://www.siaj.fca.unju.edu.ar/media/publicaciones/2008-AADA-JUJUY-PPNOA.pdf
Informe Productivo Provincial (IPP). (2019). Ministerio de Hacienda. Presidencia de la Nación. Recuperado de: https://www.argentina.gob.ar/sites/default/files/sspmicro_informes_productivos_provinciales_jujuy_0.pdf
Instituto Nacional de Estadística y Censos-INDEC. (2018). Censo Nacional Agropecuario. Resultados definitivos. INDEC, Ministerio de Economía de la Nación Argentina. https://www.indec.gob.ar/
Kim, S. K., Shin, J., An, S. I., Kim, H. J., Im, N., Xie, S. P., Kug, J. S. y Yeh, S. W. (2022). Widespread irreversible changes in surface temperature and precipitation in response to CO2 forcing. Nature Climate Change, 12(9), 834-840. DOI: 10.1038/s41558-022-01452-z
Knutti, R. y Sedláček, J. (2013). Robustness and uncertainties in the new CMIP5 climate model projections. Nat. Climate Change, 3, 369-373. https://doi.org/10.1038/nclimate1716
Ledesma, R. (2008). Introducción al Bootstrap. Desarrollo de un ejemplo acompañado de software de aplicación. Tutorials in Quantitative Methods for Psychology, 4: 51-60. DOI: 10.20982/tqmp.04.2.p051
Macías-Cruz, U., Gastélum, M. A., Avendaño-Reyes, L., Correa-Calderón, A., Mellado, M., Chay-Canul, A. y Arechiga, C. F. (2018). Variaciones en las respuestas termoregulatorias de ovejas de pelo durante los meses de verano en un clima desértico. Revista mexicana de ciencias pecuarias, 9(4), 738-753. https://doi.org/10.22319/rmcp.v9i4.4527
Marai, I. F. M., El-Darawany, A. A., Fadiel, A. y Abdel-Hafez, M. A. M. (2007). Physiological traits as affected by heat stress in sheep—a review. Small ruminant research, 71(1-3), 1-12. DOI: 10.1016/j.smallrumres.2006.10.003
Marengo, J. A., Jones, R., Alves, L. M. y Valverde, M. C. (2009). Future change of temperature and precipitation extremes in South America as derived from the PRECIS regional climate modeling system. International Journal of Climatology: A Journal of the Royal Meteorological Society, 29(15), 2241-2255.
Meinshausen, M., Smith, S. J., Calvin, K., Daniel, J. S., Kainuma, M. L., Lamarque, J. F., Matsumoto, K., Montzka, S. A., Raper, S. C. B. Riahi, K., Thomson, A., Velders, G. J. M. y van Vuuren, D. P. (2011). The RCP greenhouse gas concentrations and their extensions from 1765 to 2300. Climatic change, 109: 213-241. DOI: 10.1007/s10584-011-0156-z
Pedersen, J. S. T., Santos, F. D., van Vuuren, D., Gupta, J., Coelho, R. E., Aparício, B. A. y Swart, R. (2021). An assessment of the performance of scenarios against historical global emissions for IPCC reports. Global Environmental Change, 66, 102199. DOI: 10.1016/j.gloenvcha.2020.102199
Pohlert, T. (2023). trend: Non-Parametric Trend Tests and Change-Point Detection. R package version 1.1.6, Recuperado de: https://CRAN.R-project.org/package=trend.
R Core Team (2023). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. Recuperado de: https://www.R-project.org.
Riahi, K., Van Vuuren, D. P., Kriegler, E., Edmonds, J., O’neill, B. C., Fujimori, S Bauer, N., Calvin, K., Dellink, R., Fricko, O., Lutz, W., Popp, A., Crespo Cuaresma, J., KC, S., Leimbach, M., Jiang, L., Kram, T., Rao, S., Emmerling, J., Ebi, K. y Tavoni, M. (2017). The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global environmental change, 42: 153-168. DOI: 10.1016/j.gloenvcha.2016.05.009
Rusticucci, M. y Barrucand, M. (2004). Observed trends and changes in temperature extremes over Argentina. Journal of Climate, 17(20), 4099-4107. https://doi.org/10.1175/1520-0442(2004)017<4099:OTACIT>2.0.CO;2
Sánchez Mendoza, Flores Villalva, S., Rodríguez Hernández, E., Anaya Escalera, A. M., Contreras Contreras, E. A. (2020). Causas y consecuen-cias del cambio climático en la producción pecuaria y salud animal. Revisión. Revista mexicana de ciencias pecuarias, 11(2), 126-145. https://doi.org/10.22319/rmcp.v11s2.4742
Seneviratne, S. I., Nicholls, N., Easterling, D., Goodess, C. M., Kanae, S., Kossin, J., Luo, Y., Marengo, J., McInnes, K., Rahimi, M., Reichstein, M., Sorteberg, A., Vera, C. y Zhang, X. (2012). Changes in climate extremes and their impacts on the natural physical environment. En: Field, C. B., Barros, V., Stocker, T. F., Qin, D., Dokken, D. J., Ebi, K. L., Mastrandrea, M. D., Mach, K. J., Plattner, G.-K., Allen, S. K., Tignor, M. y Midgley, P. M. (Eds.). Managing the risks of extreme events and disasters to advance climate change adaptation (pp. 109-230). Cambridge University Press.
Sistema de Información de Biodiversidad (SIB). (2024). Administración de Parques Nacionales. Recuperado de: https://sib.gob.ar/
Song, S. Y., Yeh, S. W., Allan, R. P., Xie, S. P., An, S. I. y Park, H. S. (2023). Climate sensitivity controls global precipitation hysteresis in a changing CO2 pathway. npj Climate and Atmospheric Science, 6(1), 156. DOI: 10.1038/s41612-023-00484-2
Stainforth, D. A., Aina, T., Christensen, C., Collins, M., Faull, N., Frame, D. J., Kettleborough, J. A., Knight, S., Martin, A., Murphy, J. M., Piani, C., Sexton, D., Smith, L. A., Spicer, R. A., Thorpe, A. J. y Allen, M. R. (2005). Uncertainty in predictions of the climate response to rising levels of greenhouse gases. Nature, 433(7024), 403-406. https://doi.org/10.1038/nature03301
Theusme, C., Avendaño-Reyes, L., Macías-Cruz, U., Correa-Calderón, A., García-Cueto, R. O., Mellado, M. Vargas-Villamil, L. y Vicente-Pérez, A. (2021). Climate change vulnerability of confined livestock systems predicted using bioclimatic indexes in an arid region of México. Science of the Total Environment, 751, 141779. DOI: 10.1016/j.scitotenv.2020.141779
Tian-Jun, Z. H. O. U., Zi-Ming, C. H. E. N., Xiao-Long, C. H. E. N., Meng, Z. U. O., Jie, J. I. A. N. G., y Shuai, H. U. (2021). Interpreting IPCC AR6: Future global climate based on projection under scenarios and on near-term information. Advances in Climate Change Research, 17(6), 652. Recuperado de: http://www.climatechange.cn/EN/10.12006/j.issn.1673-1719.2021.239
Toconás, P. J., Alabar, F. D., Arias, M. P. y Hurtado, R. H. (2019). Estimación del agua en el suelo mediante el balance hidrológico operativo agrícola, para los departamentos Santa Catalina y Cochinoca, provincia de Jujuy. Revista Agrarias 12(19): 57-71. Recuperado de: https://www.fca.unju.edu.ar/media/revista_agraria/REVISTA_AGRARIA_2019_VOL_XII_.pdf
Trenberth, K. E. (2011). Changes in precipitation with climate change. Climate Research, 47(2), 123-138. https://doi.org/10.3354/cr00953
Verma, K. K., Singh, P., Song, X. P., Malviya, M. K., Singh, R. K., Chen, G. L., Salomón, S. y Li, Y. R. (2020). Mitigating climate change for sugarcane improvement: role of silicon in alleviating abiotic stresses. Sugar Tech, 22: 741-749. DOI: 10.1007/s12355-020-00831-0
Viglizzo, E. F., y Frank, F. C. (2006). Ecological interactions, feedbacks, thresholds and collapses in the Argentine Pampas in response to climate and farming during the last century. Quaternary International, 158(1), 122-126. https://doi.org/10.1016/j.quaint.2006.05.022
Wudu, K., Abegaz, A., Ayele, L., y Ybabe, M. (2023). The impacts of climate change on biodiversity loss and its remedial measures using nature based conservation approach: a global perspective. Biodiversity and Conservation, 32(12): 3681-3701. DOI: 10.1007/s10531-023-02656-1
Zhou, Y., Zhang, Z., Zhu, B., Cheng, X., Yang, L., Gao, M. y Kong, R. (2021). Maxent modeling based on cmip6 models to project potential suitable zones for cunninghamia lanceolata in China. Forests, 12(6): 752. DOI: 10.3390/f12060752
Enlaces refback
- No hay ningún enlace refback.
Esta obra está licenciada bajo una Licencia Creative Commons Atribución-NoComercial 2.5 Argentina .
ISSN 2344-9039 (en línea) - ISSN 2314-2243 (impreso)
Av. San Martín 4453 - C1417DSE - Buenos Aires - Argentina - Tel. +54-11-5287-0221 - efa@agro.uba.ar