See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/285579270

Posibles escenarios de cambios climáticos en Bolivia: una comparación entre

tres modelos de circulación climática y dos escenarios propuestos por el IPCC

Article · January 2011

CITATIONS READS

0 404

5 authors, including:

Boris Ríos-Uzeda Daniel Larrea-Alcázar

Federal University of Rio de Janeiro Universidad Mayor de San Andres
34 PUBLICATIONS   349 CITATIONS    83 PUBLICATIONS   480 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Plant - plant interactions in the arid Andes View project

Proyectos generales profesionales View project

All content following this page was uploaded by Boris Ríos-Uzeda on 02 December 2015.

The user has requested enhancement of the downloaded file.

NOTAS Rev. Bol. Ecol. y Cons. Amb. 29: 73-82, 2011

Posibles escenarios de cambios climáticos en Bolivia:

una comparación entre tres modelos de circulación climática
y dos escenarios propuestos por el IPCC
Boris Ríos-Uzeda1, Daniel M. Larrea-Alcázar1, Christian Seiler1, Sara Espinoza1 y Saúl Cuéllar1

INTRODUCCIÓN

Se estima que, para el año 2100, la Tierra se

calentará en promedio 3°C por encima de las
temperaturas actuales (Scholze et al., 2006; Berstein
et al., 2007). Estudios indican que los efectos del cambio
climático en Sudamérica incluyen posibles transforma-
ciones de los bosques tropicales en sabanas, el cambio
de la vegetación de zonas semiáridas por vegetación
de zonas áridas, una significante pérdida de diversidad
biológica, pérdida de cultivos, baja en la producción
ganadera y menor disponibilidad de agua dulce (Berstein
et al., 2007; Fearnside, 2007; West et al., 2011; Wu et
al., 2011). Sin embargo, los efectos del cambio climático
no serán homogéneos para toda la región, sino que
una serie de factores, como la ubicación, la topografía
y el tipo de vegetación, probablemente determinarán
los cambios futuros de temperatura y precipitación. Por
ello, en muchos países se están realizando proyecciones
climáticas a niveles locales [Perú: PROCLIM (2005);
Brasil: Fearnside (2007); Colombia: Ruiz (2007)]. Las
proyecciones sugieren que los patrones de cambio
asociados a la topografía y los cambios en la vegetación
podrían afectar procesos ecosistémicos claves como,
por ejemplo, balances del carbono, generación de
biomasa y la producción primaria neta (Scholze et al.,
2006; Wu et al., 2011). El principal resultado de esos
estudios es que el cambio climático esperado para cada
país no será y no debería ser entendido como homo-
géneo.

1
Fundación Amigos de la Naturaleza (FAN), km 7½, Doble Vía a La Guardia, Teléfono: (591-3) 355 6800, Fax. (591-3) 354 7383, Casilla 2241, Santa Cruz de
la Sierra-Bolivia, E-mail: borisriosu@hotmail.com

73
 REVISTA BOLIVIANA DE ECOLOGÍA Y CONSERVACIÓN AMBIENTAL
Bolivia se extiende sobre el 6% de la superficie de
Sudamérica y es considerado como uno de los 10-15
países megadiversos del planeta (Ibisch et al., 2003).
Su ubicación tropical (10-25°) y la presencia de Los
Andes explican su alta heterogeneidad de paisajes y
climas y su elevada diversidad de especies (Buzas y
Kayek, 1996; Ibisch y Mérida, 2003; Navarro, 2002). En
los últimos años, nuestro entendimiento de los patrones
geográficos y de la distribución espacial de la diversidad
biológica ha incrementado sustancialmente (Vargas et
al., 2010; Embert et al., 2011). Además, entendemos
cada vez mejor los bienes y servicios ambientales que
proveen los bosques neotropicales (Bonnie et al., 2000;
Jack et al., 2008). Sin embargo, el conocimiento sobre
las tendencias climáticas y sus posibles efectos sobre
la biodiversidad son aún poco conocidos. Por tanto, es
necesario desarrollar estrategias de adaptación y
mitigación a los cambios climáticos. Nuestro estudio,
basado en datos actuales, examina cuáles son los sitios
más probables en Bolivia que podrían sufrir -a futuro o
en el mediano plazo- los mayores cambios climáticos
por variaciones de la temperatura y del régimen de
precipitaciones.
MATERIALES Y MÉTODOS
Para identificar los sitios más sensibles a futuras
variaciones de temperatura y precipitación, las tendencias
climáticas de tres modelos climáticos [dos a escala
global (CSIRO y HadCM3) y uno a escala regional
(PRECIS)] fueron estandarizadas y comparadas. El
modelo CSIRO fue creado por la Comunidad científica
de investigación industrial e investigación atmosférica
en Australia, mientras que el modelo HadCM3 (Hadley
Centre Coupled Model version 3) fue propuesto por el
Centro Hadley del UK Met Office del Reino Unido.
Finalmente, el modelo PRECIS, forzado con ECHAM4,
es un sistema de modelaje a escala regional, desarrollado
también por el Centro Hadley (Burgoa, 2008; Jones et
al., 2004) y aplicado recientemente a Bolivia (Seiler,
2009).
Los modelos fueron comparados bajo dos escenarios
futuros de cambio climático propuestos por el Panel
Intergubernamental del Cambio Climático (IPCC). Los
escenarios escogidos fueron el A2 y el B2. El A2 describe
74
un mundo heterogéneo, con un continuo crecimiento
de la población, donde el desarrollo económico se da
por regiones y el cambio tecnológico es fragmentado y
muy lento. En el escenario A2, los cambios climáticos
son más extremos en comparación al B2.
El escenario B2 describe un mundo dominado por las
soluciones locales, donde la población aumenta a un
ritmo menor que en A2, el desarrollo económico es
intermedio y el desarrollo tecnológico es diverso. El
escenario B2 está orientado a la protección del medio
ambiente y a la igualdad social. El B2 está basado en
proyecciones moderadas en relación a posibles futuras
variaciones de temperatura y precipitación (IPCC, 2000;
Burgoa, 2008).
Para el CSIRO y HADCM3, el año meta fue el 2080 y
para el PRECIS fue el intervalo entre 2071 y 2100. Estos
años fueron elegidos por la disponibilidad de datos para
cada modelo. En los tres casos, el año base fue 1990.
Se compararon las condiciones climáticas actuales y
futuras, considerando (1) la precipitación anual (ppa),
(2) temperatura mínima del mes más frio (tmin) y (3)
temperatura máxima del mes más caliente (tmax). Solo
se consideraron estas variables porque fueron las únicas
variables disponibles para los modelos CSIRO y HadCM3
(http://www.worldclim.org/download, revisado el
06/12/2010 con datos del IPCC3). Los datos para el
modelo PRECIS fueron obtenidos de Seiler (2009). Los
resultados de los tres modelos fueron estandarizados
a un mismo tamaño de píxel de 24 24 km (576 km2)
para calcular la diferencia entre los datos actuales y
futuros de cada variable climática (ppa, tmin y tmax), para
cada modelo (CSIRO, HADCM3 y PRECIS), bajo los
dos escenarios propuestos por el IPPC (A2 y B2). Los
resultados fueron estandarizados, porcentualizando el
valor para cada píxel. Se generaron seis mapas de las
tendencias climáticas de los tres modelos usados en
los dos escenarios futuros.
Para su análisis, se combinaron las diferencias ponde-
radas de pp a , t min y t max para cada píxel. Estas
combinaciones fueron agrupadas en seis categorías o
clases (Tabla 1).
 RÍOS-UZEDA, B.; D., LARREA-ALCÁZAR; CH., SEILER; S., ESPINOZA y S., CUÉLLAR: Posibles escenarios de cambios climáticos en Bolivia

Tabla 1. Categorías de cambios en precipitación y Tabla 2. Clases de valores 1-4 (ver tabla 1)
temperatura. Los valores de disminución detectándose en el análisis de cambios entre
fueron agrupados en la clase -1, mientras que los años 1990 y 2100, en precipitación anual
los valores porcentualizados de aumento en (ppa), temperatura mínima del mes más frío
precipitación y temperatura fueron agrupados (tmin) y temperatura máxima del mes más
en cuatro clases (1-4). caliente (tmax). Las clases mayores resultan
de la combinación de s (disminución en la
precipitación), h (aumento en la precipitación),
Clase Característica Valor Ponderado c (variación en la temperatura) y sc (sin
cambios).
%
-1 Disminuye -100 a -10
0 Sin cambios -9 a 10 Condición Clase Mayor
1 Aumenta muy levemente 11 a 40
2 Aumenta moderadamente 41 a 70 seco levemente s-1
3 Aumenta considerablemente 71 a 100 seco levemente, caliente levemente s-1c1
seco levemente, caliente
4 Aumenta significativamente >100 s-1c2
moderadamente
seco levemente, caliente
considerablemente s-1c3
Debido a que la tendencia hacia el descenso resultó en frío muy levemente (sin cambios) Sc 0
un menor número de píxeles y menor variación caliente levemente c1
(diferencias negativas al comparar los valores futuros caliente moderadamente c2
con el año base), estos píxeles fueron agrupados en caliente considerablemente c3
húmedo levemente, frío levemente h1c-1
una sola clase. Por el contrario, la tendencia al incremento
húmedo levemente h1
resultó en una elevada cantidad de píxeles (diferencias húmedo levemente, caliente
positivas al comparar los valores futuros con el año levemente h1c1
base). Estos píxeles fueron categorizados en cuatro húmedo levemente, caliente
clases. Aquellos píxeles con diferencias proporcionales moderadamente h1c2
entre -9% y +10% fueron agrupados en la clase “sin húmedo levemente, caliente
considerablemente h1c3
cambios” (sc), indicando grillas con leves cambios en
las variables analizadas (Tabla 1). húmedo levemente, caliente
significativamente h1c4
húmedo moderadamente, frío
Se detectaron 58 de las 216 posibles combinaciones h2c-1
levemente
que resultan de la combinación de las seis categorías húmedo moderadamente, caliente
o clases de ppa, tmin y tmax. Las combinaciones detectadas levemente h3c2
fueron reagrupadas en 22 clases mayores por las húmedo moderadamente, caliente
similitudes en los patrones en las tendencias de moderadamente h2c2
variaciones climáticas (Tabla 2). Estas clases permitieron húmedo moderadamente, caliente
considerablemente h2c3
identificar lugares (píxeles) donde existe una marcada
tendencia a la disminución de la precipitación (s= seco), húmedo moderadamente, caliente
significativamente h2c4
lugares donde podría existir un aumento en la
húmedo considerablemente, caliente
precipitación (h= húmedo), lugares con un incremento h3c3
considerablemente
de la temperatura (c= cálido) y lugares sin cambios en húmedo considerablemente, caliente
relación a la variables climáticas actuales (sc= sin significativamente h3c4
cambios). húmedo significativamente, caliente
moderadamente h4c2

75
 REVISTA BOLIVIANA DE ECOLOGÍA Y CONSERVACIÓN AMBIENTAL

El porcentaje de la superficie de cada píxeles de cada
clase mayor fue calculada con relación a la superficie
total de Bolivia (1 098 681 km2). Las diferencias del
número de píxeles para cada una de las clases entre
los tres modelos (CSIRO, HadCM3 y PRECIS) fueron
analizadas mediante la prueba no paramétrica de
Friedman. Se analizaron los escenarios A2 y B2
independientemente. Luego, se aplicó la prueba no
paramétrica de signos a cada modelo, para determinar
las diferencias en el número de píxeles para cada una
de las clases entre los dos escenarios (A2 y B2). Se
utilizó el software Statistica 6.0 (StatSoft, 2001).
La asociación de los patrones espaciales detectados
fue examinada a través del análisis de correlación y
gráficos de semivariogramas, usando la extensión
Geostatistical Analysis del programa ArcGIS 9.3 (®ESRI,
2008). Se generó el semivariograma y se compararon
visualmente los mapas a través de la covarianza
empírica. Se calculó la correlación entre pares de mapas
con la extensión Grid Analyst Extension ver. 1.1 para
ArcView 3.2 (®ESRI, 1999). Los valores de la regresión
no incluyen el valor de probabilidad porque la herramienta
usada (Geostatistical Analysis, ArcGis 9.3, ®ESRI, 2008)
no genera estos datos. Finalmente, para identificar
cuáles podrían ser las áreas protegidas de carácter
nacional con mayores variaciones en temperatura y
precipitación, los mapas fueron analizados mediante la
sobre posición con el mapa del Sistema Nacional de
Áreas Protegidas (SNAP, Ribera y Liberman; 2006).
RESULTADOS
El número de píxeles agrupados por cada clase mayor
y por cada modelo fue significativamente diferente en
ambos escenarios [A2 (HadCM3, CSIRO, PRECIS): x2= 10.3,
p <0.01; B2 (HadCM3, CSIRO, PRECIS): x2= 17.1, p <0.01]. El
modelo HadCM3 generó hasta 20 clases mayores en
ambos escenarios. El modelo CSIRO resultó en un
menor número de clases, especialmente bajo el esce-
nario B2, con solamente cinco clases (Fig. 1, Tabla 3).

Tabla 3. Superficie en km2 y porcentaje del territorio de Bolivia para todas las clases de cada modelo climático
con los escenarios A2 y B2. Cada grilla medió 576 km2. (Vea tabla 2 para combinaciones climáticas).

ESCENARIO A2

Modelo
Parámetro Clases
HadCM3 CSIRO PRECIS

km2 % km2 % km2 %

Aument. c1 603 072 56.8 447 552 42.2 201 024 18.9
Temp. c2 14 976 1.4 10 368 0.9 14 976 1.4
c3 107 136 10.1 63 360 5.9 117 504 11.1
s-1 576 <0.1
Dismin. s-1c1 140 544 13.3 335 232 31.6 4 032 0.4
Precip. s-1c2 23 040 2.2 43 776 4.1 9 216 0.8
s-1c3 32 256 3.0 124 992 11.8 108 288 10.2
h1 576 <0.1
h1c1 43 776 4.1 12 096 1.1 585 792 55.2
h1c2 7488 0.7 2 304 0.2 4 608 0.4
h1c3 61 056 5.8 10 944 1.0 13 824 1.3
Aument. h1c4 1 152 0.1 1 152 0.1
Precip. y Temp. h2c-1 1 152 0.1
h2c2 2 880 0.3
h2c3 8 064 0.8 2 304 0.2 576 <0.1
h2c4 2 304 0.2
h3c2 2 880 0.3 4 032 0.4
h3c4 1 728 0.2 1 152 0.1
h4c2 2 304 0.2 2 880 0.3
Sin cambios Sc 0 4 032 0.4

76
 RÍOS-UZEDA, B.; D., LARREA-ALCÁZAR; CH., SEILER; S., ESPINOZA y S., CUÉLLAR: Posibles escenarios de cambios climáticos en Bolivia

ESCENARIO B2

Modelo

Parámetro Clases HadCM3 CSIRO PRECIS

km2 % km2 % km2 %

Aument. c1 625 536 58.9 197 568 18.6 347 904 32.8
Temp. c2 9 792 0.9 6 336 0.6
c3 107 712 10.1 69 120 6.5
s-1 10 368 0.9
Dismin. s-1c1 159 552 15.1 514 368 48.5 5 184 0.5
Precip. s-1c2 28 224 2.6 64 512 6.1 27 072 2.5
s-1c3 61 632 5.8 174 528 16.4 141 696 13.4
h1 1 152 0.1
h1c1 17 856 1.7 456 192 43
h1c2 4 032 0.4
h1c3 13 248 1.2 6 336 0.6
Aument. h1c4 2 880 0.3
Precip. y Temp. h1c-1 1 152 0.1
h2c3 576 0.05
h2c4 576 0.05
h3c2 3 456 0.3
h3c3 576 0.05
h3c4 2 304 0.2
h4c-1 576 0.05
Sin cambios Sc 0 9 792 0.9 110 016 10.4 1 152 0.1

En ningún escenario se detectaron diferencias en el En cada escenario, la comparación espacial entre

número de píxeles de las clases que representan >1%
del territorio boliviano [A2 (HadCM3, CSIRO, PRECIS): x2= 0.45,
p= 0.79; B2 (HadCM3, CSIRO, PRECIS): x2= 2.5, p= 0.28]. Las
clases c1, s-1c1, c3 y h1c1 se extendieron sobre la
mayor superficie en los tres modelos y escenarios.
Resalta el caso de la clase c3 (caliente considera-
blemente) porque fue la clase con mayor cantidad de
píxeles ( 50% del total) para los tres modelos, sobre
todo bajo el escenario A2. La clase s-1c1 (seco
levemente, caliente levemente) también fue importante,
ocupando la mayor superficie en el modelo CSIRO (B2).
En ninguno de los modelos se detectaron diferencias
entre el número de píxeles por cada clase cuando ambos
escenarios fueron comparados [HadCM3 (A2, B2): z= 0.64,
p= 0.52; CSIRO (A2, B2): z= 1.34, p= 0.18; PRECIS (A2,
B2): z= 0.29, p= 0.77]. Con el modelo HadCM3 se detectó
mayor similitud entre el porcentaje de la superficie que
ocuparon las clases en ambos escenarios (Fig. 1a, Tabla
3) que entre el porcentaje de superficie que ocuparon
las clases generadas con los modelos PRECIS y CSIRO
(Fig. 1b, Tabla 3).
modelos resultó en mapas diferentes para cada modelo
de circulación. Sin embargo, cuando se compararon los
mapas de un mismo modelo entre los dos escenarios,
únicamente los mapas del modelo CSIRO fueron distintos
entre sí (r= 0.273). Los mapas generados con el modelo
HadCM3 mostraron cierta dependencia (r= 0.537), que
era más evidente en los mapas generados con el modelo
PRECIS (r= 0.71).
Se detectó mayor homogeneidad de valores en todos
los mapas (Fig. 2) en las tierras bajas de la Amazonía,
el Chaco, la Chiquitanía y del Pantanal, ubicadas al este
de Bolivia. La clase c1 (caliente levemente) fue la clase
con mayor representación en este sector, seguida por
la clase s-1c1 (seco levemente, caliente levemente).
Por el contrario, la clase s-1c3 (seco levemente, caliente
considerablemente) estuvo representada con mayor
frecuencia en la parte suroeste de Bolivia (Altiplano).
Otra clase frecuente, representada en el Altiplano, fue
c3 (aumento considerable de la temperatura).

77
 REVISTA BOLIVIANA DE ECOLOGÍA Y CONSERVACIÓN AMBIENTAL

HadCM3 CSIRO

60 60
Superficie de Bolivia (%)

Superficie de Bolivia (%)

Escenario A2 Escenario A2
50 50

Escenario B2 Escenario B2
40 40

30 30

20 20

10 10

0 0

c4
c3

c3
c1
h3

s1
c-1

c2
c2
h2 4

c2
c4

c3
c1
h3 2
c2

c2
c4
h2 0

0
c2

c2

c2
s-1 1

c3
c3

c3

c3
c2
c3
c2
c3
c1

c1
s-1 1

c1
c
c
Sc

Sc
c
c

h3
h3

h2
h3

h1
h4
h1

h3
h1
h1
h4

s-1
h2
h1

h3
h1
h1

h2

h1
s-1

s-1
Clases de Combinaciones Climáticas Clases de Combinaciones Climáticas

PRECIS

60
Superficie de Bolivia (%)

Escenario A2
50

Escenario B2
40

30

20

10

0
c3
c4
c3

0
c2

c1
c2
c3
c3
c1

c2
c1

Sc

h2
h1
h1

s-1

s-1
s-1

h1
h1

Clases de Combinaciones Climáticas

Figura 1. Comparación del porcentaje de superficie a nivel de Bolivia de cada una de las clases de variación climática entre
el clima actual y la proyección en base a dos escenarios (A2 y B2) y los tres modelos de circulación climática (a=
HadCM3, b= CSIRO y c= PRECIS). Las clases dominantes son las que resultan en aumentos leves de temperatura
en los tres modelos. Se observó una disminución de precipitación para los modelos HadCM3 y SCIRO y aumento
de precipitación para el modelo PRECIS. (Vea tabla 1 para la descripción de las clases de combinación climáticas).

La zona de los Yungas o bosques montanos al centro En ambos escenarios, los tres modelos climáticos
oeste de Bolivia fueron los sitios de mayor representación pronostican variaciones que afectarían a las áreas
de clases relacionadas al aumento de precipitación y protegidas nacionales. En todos los escenarios, la
temperatura. Se detectó una configuración espacial muy Reserva Nacional de Fauna Andina Eduardo Avaroa
heterogénea (Fig. 2). En cuatro de las seis combinaciones (Dpto. de Potosí) y el Parque Nacional Sajama (Dpto.
entre los tres modelos y los dos escenarios se detectó de Oruro) fueron las áreas protegidas con frecuentes
la clase Sc (sin cambio). Únicamente en el modelo píxeles de la clase s-1c3 (seco levemente, caliente
HadCM3 se detectaron clases que indican posibles considerablemente, Fig. 2). Otras áreas con posibles
descensos de la temperatura (h1c-1 y h2c-1). Estas modificaciones fueron el Parque Nacional Carrasco
áreas se extienden solamente sobre el 0.16% del territorio (Dpto. de Cochabamba) y el Parque Nacional Área
en la parte central de Bolivia en ambientes montanos. Natural de Manejo Integrado Amboró (Dpto. de Santa

78
 RÍOS-UZEDA, B.; D., LARREA-ALCÁZAR; CH., SEILER; S., ESPINOZA y S., CUÉLLAR: Posibles escenarios de cambios climáticos en Bolivia

Escenario A2

Escenario B2

Figura 2. Mapa de Bolivia con los límites de las áreas protegidas nacionales (áreas delimitadas con líneas verdes) y los sitios
con cambios climáticos futuros (2080) en relación a las condiciones actuales de temperatura y precipitación en
base a tres modelos de circulación (HadCM3, CSIRO y PRECIS). Cada color equivale a una clase de condición
climática. La letra c indica variación de la temperatura, h significa un aumento de la precipitación, s representa la
disminución de la precipitación y Sc0 indica sitios sin cambios en comparación a las condiciones climáticas actuales.
Los valores entre -1 y 5 son valores de intensidad (-1= disminución; 0= sin cambios y 1-4= aumentos graduales,
vea tabla 1).

Cruz). Para estos áreas se observaron píxeles DISCUSIÓN

principalmente de las clases c3 (CSIRO A2 y PRECIS
A2), s-1c1 (CSIRO B2), s-1c3 (CSIRO B2) y h3c4
(húmedo considerablemente, caliente significativamente;
HadCM3 A2 y B2 y CSIRO A2, Fig. 2). Dependiendo
del modelo y escenario, en las áreas protegidas ubicadas
en las tierras bajas, se generaron principalmente píxeles
de las clases c1, s-1c1 y h1c1 (húmedo levemente,
caliente levemente; PRECIS A2 y B2).
Se detectaron diferencias entre los modelos de circulación
(HadCM3, CSIRO y PRECIS) pero no así entre los dos
escenarios futuros (A2 y B2). Esto sugiere que
-independientemente de los escenarios- los efectos de
los cambios climáticos podrían ser muy similares para
toda Bolivia, al menos para las variables analizadas
(ppa, tmin y tmax). Sin embargo, el análisis de 34 modelos

79
 REVISTA BOLIVIANA DE ECOLOGÍA Y CONSERVACIÓN AMBIENTAL
de circulación indicó diferencias en el aumento de
temperatura entre escenarios, aunque el patrón general
-a nivel nacional- no cambió.
La zona sur fue más seca y la zona norte más húmeda,
por diferencias en la duración e intensidad de cada
estación (C. Seiler, datos no publicados). Sin embargo,
no se puede descartar que existan diferencias con otros
escenarios propuestos por el IPPC y es necesario ampliar
el análisis.
Se recomienda el uso cauteloso de los modelos de
circulación. Burgao (2008), aplicando HadCM3 y CSIRO,
reportó resultados diferentes en las proyecciones de
precipitación. Mientras HadCM3 pronosticaba un
incremento en las lluvias a nivel nacional, CSIRO
proyectó un descenso (Burgao, 2008). Este patrón
concuerda con nuestros resultados. Con HadCM3, la
superficie cubierta con clases que indican un descenso
de precipitación se extiende aproximadamente sobre el
doble de la superficie en comparación a los mapas
generados por el CSIRO A2. Diferencias más marcadas
se detectaron en el mapa generado con el modelo
CSIRO B2 porque no se detectó un aumento en la
precipitación.
Las condiciones climáticas futuras dependerán de
muchos factores, tanto físicos, como biológicos, y no
solamente de la precipitación y de la temperatura
(Berstein et al., 2007; West et al., 2011). Por tanto, se
debe interpretar y utilizar nuestros resultados con cautela
porque representan seis posibilidades, generadas a
partir de dos de varios posibles escenarios. IPCC sugiere
que todos los escenarios futuros tienen la misma
posibilidad de ocurrir (IPCC, 2000), lo cual implica
necesariamente la existencia de diferentes grados de
incertidumbre (Ruiz, 2007; Xu et al., 2009). Así, los
resultados de las predicciones dependen del modelo de
circulación climática que se use (sensu Burgoa, 2008).
Por lo tanto, recomendamos analizar varios escenarios
y modelos de circulación climáticos para identificar
patrones espaciales de cambio climático, con el fin de
definir posibles acciones de mitigación y adaptación. Es
evidente que los resultados basados en la elección de
un solo escenario son inevitablemente subjetivos (IPPC,
2000; Burgoa, 2008; Xu et al., 2009).
Todos los modelos y escenarios generaron resultados
diferentes para los parámetros climáticos. No obstante,
se observó un patrón consistente. Las tierras bajas
(<1 000 m) fueron más homogéneas en sus diferencias
que las tierras altas (>1 000 m). Además, las zonas
80
posiblemente más impactadas por el cambio climático
fueron el Altiplano sur de Bolivia, especialmente zonas
en los departamentos de Oruro y Potosí. Para esas
regiones, se proyectó una disminución de la precipitación
y un aumento de la temperatura. Otra área con resultados
interesantes fue la zona de los Yungas (bosques
montanos del centro y norte de Bolivia). Para esta zona
se proyectó aumentos más heterogéneos de la
precipitación y temperatura. Algo distinto ocurriría en
las tierras bajas, principalmente en los departamentos
de Beni, Pando y Santa Cruz (región de bosques
amazónicos, Llanos de Moxos y el Chaco), donde
probablemente exista mayor homogeneidad climática,
con un ligero incremento de la temperatura y pre-
cipitación.
El incremento de la precipitación en la región de los
Yungas podría originar un aumento en la diversidad
local (diversidad ), como ocurre en el Chocó colombia-
no, uno de los sitios más diversos del continente y con
la mayor precipitación registrada (8 000-12 000 mm yr-1,
Galeano et al., 1998). Sin embargo, Gentry (1988)
observó que, en sitios con precipitaciones superiores a
4 000 mm yr-1, los aumentos en diversidad de plantas
vasculares ya no serían tan marcados. Además, una
mayor precipitación en la zona de los Yungas de Bolivia
podría causar mayores inundaciones en las tierras bajas,
especialmente hacia la región de la llanura beniana, lo
que alteraría drásticamente los patrones hidrológicos y
biológicos de la región de Moxos (cuencas de los ríos
Mamoré, Itenéz y parcialmente Beni).
Las áreas protegidas han sido consideradas como una
respuesta de conservación a las amenazas del cambio
climático sobre la biodiversidad (Hannah, 2008; Soares-
Filho et al., 2010). Existen estudios como el de Hannah
(2008), que exploran los diferentes componentes para
el diseño de las áreas protegidas y cómo los compo-
nentes podrían ser ajustadas para permitir enfrentar los
futuros cambios del clima.
Nuestros resultados sugieren que algunas áreas
protegidas podrían ser más afectadas que otras. Para
proponer acciones que ayuden a mitigar los posibles
efectos del cambio climático, es importante determinar
cuáles podrían ser los posibles escenarios para cada
una de las áreas protegidas. Además, se debe analizar
cada conjunto de áreas protegidas (bloques Amazónico,
del Cerrado, Chaqueño y Andino), para establecer los
posibles impactos de los cambios climáticos en la
biodiversidad. Los resultados presentados en este
estudio son un primer paso.
 RÍOS-UZEDA, B.; D., LARREA-ALCÁZAR; CH., SEILER; S., ESPINOZA y S., CUÉLLAR: Posibles escenarios de cambios climáticos en Bolivia
CONCLUSIONES
Los tres modelos de circulación (HadCM3, CSIRO y
PRECIS) generan resultados diferentes en relación a
las condiciones climáticas futuras para Bolivia.
Los resultados de los dos escenarios futuros (A2 y B2)
concordaron entre sí.
Los modelos y escenarios futuros pueden generar
resultados muy diferentes entre sí. No obstante, tal
como lo sugiere el IPCC, recomendamos usar varios
modelos para proyectar de manera más robusta los
posibles cambios climáticos para Bolivia.
Si bien todos los modelos y escenarios evaluados
indicaron diferencias en el aumento y descenso en los
valores climáticos, el patrón identificado indica que las
diferencias climáticas en las tierras bajas (<1 000 m)
serían más homogéneas que las en las tierras altas
(>1 000 m) de Bolivia.
El SNAP es una herramienta de alto potencial para
mitigar los efectos del cambio climático sobre la
biodiversidad en Bolivia, debido a que administra
extensas áreas naturales prístinas. Sin embargo, es
necesario fortalecer la gestión de algunas áreas -como
la Reserva Nacional de Fauna Andina Eduardo Avaroa,
el Parque Nacional Sajama, el Parque Nacional Carrasco
y el Parque Nacional Área Natural de Manejo Integrado
Amboró- en las cuales el efecto del cambio climático
podría ser mayor.
AGRADECIMIENTOS
El estudio fue realizado con fondos otorgados por la
Embajada del Reino de los Países Bajos a FAN.
Humberto Gómez, Eric Armijo, Dennise Quiroga y Karina
Sauma comentaron las versiones preliminares del
manuscrito. Marcelo Alarcón ayudó en el procesamiento
en ArcGis de los modelos analizados. Boris Rios-Uzeda
es becario de los Fondos de Incentivo Laboral del
Programa EFN-WWF.
81
BIBLIOGRAFÍA
Bernstein L. , P. Bosch, O. Canziani, Z. Chen, R. Christ,
O. Davidson, W. Hare, S. Huq, D. Karoly, V.
Kattsov, Z. Kundzewicz, J. Liu, U. Lohmann, M.
Manning, T. Matsuno, B. Menne, B. Metz, M.
Mirza, N. Nicholls, L. Nurse, R. Pachauri, J.
Palutikof, M. Parry, D. Qin, N. Ravindranath, A.
Reisinger, J. Ren, K. Riahi, C. Rosenzweig, M.
Rusticucci, S. Schneider, Y. Sokona, S. Solomon,
P. Stott, R. Stouffer, T. Sugiyama, R. Swart, D.
Tirpak, C. Vogel & G. Yohe. 2007. Climate Change
2007: Synthesis Report. IPCC Plenary XXVII. An
Assessment of the Intergovernmental Panel on
Climate Change.
Bonnie, R., S. Schwartzman, M. Oppenheimer & J.
Bloomfield. 2000. Counting the Cost of
Deforestation. Science 288: 1763-1764.
Burgoa, A.W. 2008. Escenarios climáticos para el Monzón
Sudamericano: Determinado por los modelos de
acoplamiento del IPCC AR4. Revista Boliviana
de Física, 14, 100-115.
Buzas, M.A. & L.C. Hayek. 1996. Biodiversity resolution:
an integrated approach. Biodiversity Letters 3:
40-43.
Embert, D., S. Reichle, C. Cortez, A. Muñoz, L. Gonzales,
R. Montaño, R. Aguayo, E. Domic, J.M. Padial,
M. Maldonado, P. Caballero & M. Guerrero. 2011.
Priority areas for amphibian conservation in a
Neotropical megadiverse country – The need for
alternative, non-place based, conservation.
Biodiversity and Conservation.
ESRI. 1999. ArcView Desktop: Release 3.2.
Environmental Systems Research Institute.
Redlands, CA.
ESRI. 2008. ArcGIS Desktop: Release 9.3. Environmental
Systems Research Institute. Redlands, CA.
Fearnside, P.M. 2007. Uso da terra na Amazônia e as
mudanças climáticas globais. Revista SEB, 10,
16: 21-50.
Galeano, G., S. Suárez & H. Balslev. 1998. Vascular
plant species count in a wet forest in the Chocó
area on the Pacific coast of Colombia. Biodiversity
and Conservation, 7, 12: 1563-1575.
Gentry, A.H. 1988. Changes in Plant Community Diversity
and Floristic Composition on Environmental and
Geographical Gradients. Annals of the Missouri
Botanical Garden, 75, 1: 1-35.
Hannah, L. 2008. Protected areas and climate change.
Annals of the New York Academy of Sciences,
1134: 201-212.
 REVISTA BOLIVIANA DE ECOLOGÍA Y CONSERVACIÓN AMBIENTAL

Ibisch, P.L. & G. Mérida. 2003. Biodiversidad, la riqueza Vargas, A., L.F. Aguirre, L. Siles, M.F. Terán, I. Moya
de Bolivia. FAN, Santa Cruz de la Sierra, Bolivia, y C.M. Zambrana-Torrelio. 2010. Patrones de
644 p. riqueza potencial de especies y áreas importantes
IPCC. 2000. Informe especial del IPCC: Escenarios de para la conservación de murciélagos (AICOMs)
emisiones. Grupo Intergubernamental de Expertos de Bolivia. Ecología y Conservación Ambiental,
sobre el Cambio Climático. OMM, PNUMA. 26 p. 27: 9-24.
Jack, B.K., C. Kously & K.R.E. Sims. 2008. Designing West, P.C., G.T Narisma, C.C. Barford, C.J. Kucharik,
Payments for Ecosystem Services: Lessons from & J.A. Foley. 2011. An alternative approach for
Previous Experience with Incentive-Based quantifying climate regulation by ecosystems.
Mechanism. Proceeding of the National Academy Frontiers in Ecology and the Environment, 9(2):
of Sciences of the United States of America 105: 126-133.
9465-9470. Wu, Z., P. Dijkstra, G.W. Koch, J. Peñuelas & B.A.
Jones, R.G., M. Noguer, D.C. Hassell, D. Hudson, S.S. Hungate. 2011. Responses of terrestrial
Wilson, G.J. Jenkins & J.F.B. Mitchell. 2004. ecosystems to temperature and precipitation
Generating high resolution climate change change: a meta-analysis of experimental
scenarios using PRECIS, Met Office Hadley manipulation. Global Change Biology, 17:
Centre, Exeter, UK, 40 p. 927–942.
Navarro, G. 2002. Vegetación y Unidades Biogeográficas. Xu, C., G.Z. Gertner & R.M. Scheller. 2009. Uncertainties
En: G. Navarro & M. Maldonado (eds). Geografía in the response of a forest landscape to global
Ecológica de Bolivia. Fundación Simón I. Patiño, climatic change. Global Change Biology, 15: 116-
Cochabamba, Bolivia, 1-500 pp. 131.
PROCLIM. 2005. Escenarios del cambio climático en el
Perú al 2050. Cuenca del Río Piura. (Informe
preliminar) Servicio Nacional de Meteorología e
Hidrología, Perú.
Ribera, M.O. y M. Liberman. 2006. El uso de la tierra y
los recursos de la biodiversidad en las áreas
protegidas de Bolivia. Sernap – Proyecto GEF II.
La Paz. 520 p.
Ruiz, J.F. 2007. Escenarios de cambio climático, algunos
modelos y resultados de lluvia para Colombia
bajo el escenario a1b. IDEAM–METEO/003-2007.
55 p.
Scholze, M., W. Knorr, N.W. Arnell & I.C. Prentice. 2006.
A climate-change risk analysis for world
ecosystems. Proceedings of the National Academy
of Sciences of the United States of America, 103,
35: 13116-13120.
Seiler, C. 2009. Implementation and validation of a
regional climate model in Bolivia. FAN (unpubl.)
www.precis.metoffice.com (último acceso 30 junio
2011).
Soares-Filho, B., P. Moutinhob, D. Nepstadb, A.
Andersond, H. Rodrigues, R. Garcia, L. Dietzsch,
F. Merry, M. Bowman, L. Hissa, R. Silvestrini &
C. Marettid. 2010. Role of Brazilian Amazon
protected areas in climate change mitigation.
PNAS, 107, 24: 10821-10826.
StatSoft, Inc. 2001. STATISTICA (data analysis software
system), version 6. www.statsoft.com.

82

View publication stats