Atlas de Hidrologia Superficial Del Peru 2021
Atlas de Hidrologia Superficial Del Peru 2021
Atlas de Hidrologia Superficial Del Peru 2021
de Hidrología superficial
del Perú:
Una evaluación presente y futura
2021
Atlas de Hidrología superficial del Perú: Una
evaluación presente y futura
2021
4 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Director de Hidrología
Oscar Felipe Obando
Directora Ejecutiva
Pia Zevallos
Editado por:
© Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI)
Jr. Cahuide 785, Jesús María - Lima.
Publicación realizada en el marco del Proyecto de Apoyo a la Gestión del Cambio Climático (Fase 2). Una iniciativa del gobierno
peruano, liderado por el Ministerio del Ambiente y el Servicio Nacional de Meteorología e Hidrología del Perú. Financiado por la
Agencia Suiza para el Desarrollo y la Cooperación - COSUDE, ejecutado por Libélula Instituto para el Cambio Global y South South
North.
Referencia sugerida:
Lavado-Casimiro, W., Traverso , K. y Gutierrez, L., E. (Ed). (2021). Atlas de Hidrología Superficial del Perú: Una evaluación presente
y futura. Servicio Nacional de Meteorología e Hidrología del Perú. https://hdl.handle.net/20.500.12542/1252
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 5
Presentación
La disponibilidad de recursos hídricos en el Perú varía entre las vertientes hidrográficas,
pero comprender a detalle la oferta estimada y sus posibles cambios frente al cambio cli-
mático es clave para tomar medidas de gestión y posibles adaptaciones futuras. Algunos
estudios para analizar esta problemática se han realizado en el Perú, pero generalmente
cubren áreas parciales del territorio peruano o en algunos casos algunas vertientes, pero
un estudio que englobe todo el territorio nacional no ha sido realizado hasta la fecha. El
presente trabajo describe con base científica el Atlas de Hidrología superficial en el Pe-
rú: Una evaluación presente y futura, en la cual se describe la disponibilidad hidrológica
del Perú a escala de las unidades hidrográficas del país para las tres vertientes. Para
este propósito se ha construido un modelo hidrológico a escala de todo el Perú y de to-
das sus unidades hidrográficas obteniéndose resultados satisfactorios durante el proceso
de simulación hidrológica. Adicionalmente, para evaluar el impacto del cambio climático
sobre la oferta hídrica se ha trabajado con tres modelos climáticos regionales robustos
( 10 km de resolución espacial) desarrollados por el SENAMHI. Estos modelos han per-
mitido entender el impacto del cambio climático sobre la oferta hídrica para el período
2035-2065. Este trabajo es parte del proyecto de apoyo a la Gestión del Cambio Climáti-
co en su segunda fase (2019-2011), financiado por la Agencia Suiza para el Desarrollo y
Cooperación (COSUDE) e implementado por South South North (SSN) y Libélula Instituto
del Cambio Global bajo la dirección del Ministerio del Ambiente (MINAM) y el Servicio de
Meteorología e Hidrología del Perú (SENAMHI).
Contenido
1 Introducción 1
2 Área de Estudio 3
2.1 Vertiente hidrográfica del Pacífico (VP) . . . . . . . . . . . . . . . . . . . . 3
2.2 Vertiente hidrográfica del Amazonas (VA) . . . . . . . . . . . . . . . . . . . 4
2.3 Vertiente hidrográfica del Titicaca (VT) . . . . . . . . . . . . . . . . . . . . . 5
3 Datos 6
3.1 Forzantes climatológicas (Datos PISCO) . . . . . . . . . . . . . . . . . . . . 6
3.2 Estaciones Hidrométricas (datos de caudales) . . . . . . . . . . . . . . . . 6
3.3 Escenarios de cambio climático – SENAMHI . . . . . . . . . . . . . . . . . 9
3.4 Modelo numérico de terreno (MNT) . . . . . . . . . . . . . . . . . . . . . . . 10
3.5 Uso y cobertura de suelo (UCS) . . . . . . . . . . . . . . . . . . . . . . . . 10
3.6 Tipo de suelo (TS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6 Resultados. 20
6.1 Vertiente del Pacífico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.1.1 Calibración y validación del modelo SWAT. . . . . . . . . . . . . . . 20
6.1.2 Determinación de la oferta hídrica presente: Precipitación, evapo-
transpiración real, rendimiento hídrico y caudal . . . . . . . . . . . . 21
6.1.3 Determinación de la oferta hídrica futura: Precipitación, evapotrans-
piración real, rendimiento hídrico y caudal . . . . . . . . . . . . . . . 28
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
8 Referencias 70
9 Anexos 76
9.1 Anexo 1: Tablas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
9.2 Anexo 2: Mapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
9.2.1 Mapa de ubicación política: provincias y departamentos . . . . . . . 99
9.2.2 Mapa de hidrografía . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
9.2.3 Mapa de elevación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
9.2.4 Mapa de pendientes . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
9.2.5 Mapa de unidades hidrográficas y de las AAA . . . . . . . . . . . . 103
9.2.6 Mapa de ubicación de las estaciones hidrológicas . . . . . . . . . . 104
9.2.7 Mapa de cobertura de suelo . . . . . . . . . . . . . . . . . . . . . . 105
9.2.8 Mapa de tipo de suelo . . . . . . . . . . . . . . . . . . . . . . . . . . 106
9.2.9 Mapa de temperatura máxima promedio multianual (1981-2016) . . 107
9.2.10 Mapa de temperatura mínima promedio multianual (1981-2016) . . 108
9.2.11 Mapa de precipitación promedio multianual (1981-2016) . . . . . . . 109
9.2.12 Mapa de precipitación promedio multianual DEF (1981-2016) . . . . 110
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
1. Introducción
Además, el reporte del Panel Intergubernamental sobre Cambio Climático (IPCC) de 2018
sobre los impactos del calentamiento global considerando 1.5° C por encima de la épo-
ca pre-industrial evalúa los impactos hidrológicos debido al cambio climático (Jimenez-
Cisneros, 2015; Masson-Delmotte et al., 2018), indicando en resumen y de mayor im-
plicancia para el Perú lo siguiente: i) producto del incremento de los gases de efecto
invernadero, estudios de modelado estiman que por cada grado de calentamiento global,
aproximadamente se proyecta que el 7 % de la población mundial estará expuesta a una
disminución de los recursos hídricos renovables en al menos un 20 %; ii) se espera que
en Suramérica se incrementen las frecuencias de inundaciones, las frecuencias de se-
quías y las cargas de sedimentos en los ríos, lo que contribuirá a tener una mala calidad
del agua (UN WATER, 2019).
La cordillera de los Andes norte-sur divide el Perú (1 285 216 km²) en tres vertientes hi-
drográficas: uno que desemboca en el Océano Pacífico (vertiente del Pacífico-VP); en
el sur, la cuenca endorreica del Lago Titicaca en el altiplano (vertiente del Titicaca-VT)
y hacia la cuenca del Amazonas (vertiente del Amazonas - VA). Las áreas de estas ver-
tientes en el territorio peruano comprenden el 21.7 %, 3.8 % y 74.5 % e incluyen 62, 13 y
84 subcuencas principales para la VP, VT y VA, respectivamente (ANA, 2012). La dispo-
nibilidad hídrica en la VP es de 1.8 %, mientras que en la VT es de 0.5 % y en la VA es
de 97.7 % (ANA, 2012). La población, a su vez, se distribuye de manera no uniforme: el
70 % de población se concentra en la VP, mientras que el 26 % habita en la VA y el 4 %
en la VT.
Estudios sobre impactos del cambio climático en la hidrología del Perú han sido realizados
en cada una de las tres vertientes hidrográficas del Perú. Los enfoques utilizados tienen
la metodología de primero construir un modelo hidrológico bien calibrado y validado; y
luego asimilarles datos de escenarios de cambio climático futuro y finalmente evaluar el
cambio del futuro respecto al presente en las características hidrológicas; que son los
enfoques clásicos en la literatura científica.
En la VP, Olsson et al. (2017) muestra que la región central (cuenca Chancay-Huaral)
tendría un incremento de caudales durante la temporada de lluvias (noviembre - abril),
con un aumento de hasta el 31 % de la media considerando el horizonte 2051-2080.
En la VT un estudio reciente de Zubieta et al. (2021) muestra que para el horizonte 2034-
2064 las sequías hidrológicas serán más intensas, frecuentes y prolongadas y se pro-
yecta también un aumento significativo en la frecuencia de sequías hidrológicas de corta
duración.
En la VA, al ser una vertiente más grande que constituye los Andes y la Amazonía, los
estudios muestran resultados más variables. Lavado Casimiro et al. (2011), evalúa los
impactos en la parte andina y amazónica de Perú considerando escenarios hasta el 2100
encontrando discrepancias en las tendencias de los caudales en el futuro mostrándose
tendencias al incremento (disminución) en el Norte (Sur). En la cuenca del Vilcanota en
la región sur Andina Andres et al. (2014) muestra resultados de mayores caudales du-
rante la temporada de lluvias de enero a marzo, pero disminuciones importantes de los
caudales durante la temporada seca considerando escenarios hasta el 2100. En la Ama-
zonia peruana, Zulkafli et al. (2016) encuentra que los pulsos de caudales se proyectan
a una mayor severidad durante la estación húmeda (10 % en promedio para períodos de
retorno de 100 años) hasta los años 2100. Dalagnol et al. (2017), estima para la cuenca
del Purus, en la frontera entre Brasil y Perú, que para fines del siglo XXI los caudales
en esta región disminuirán en el orden de 27 % con diferentes patrones entre la estación
seca y húmeda, así como cambios en las tendencias de estacionalidad.
En resumen, bajo efectos del cambio climático la mayoría de estudios describen un amplio
rango de variabilidades sobre sus impactos sobre la oferta hídrica, pero proyectan una
intensificación del ciclo hidrológico sobre todo en la región Andina Amazónica (Pabon et
al. 2021).
hidrológica empleando el modelo SWAT (“Soil and Water Assessments Tools”) en las
vertientes hidrográficas del Pacífico, Amazonas y Titicaca, en el periodo presente 1981-
2016 y su proyección futura empleando 3 modelos climáticos regionales para el horizonte
2035-2065. Los objetivos de este documento son: (1) realizar el modelamiento hidrológico
con SWAT para el período presente 1981-2016 y (2) evaluar el impacto del cambio climá-
tico sobre la oferta hídrica superficial para el horizonte 2035-2065; para cumplir con estos
objetivos se muestran de manera detallada a escala del Perú tablas y mapas que facilitan
su comprensión. Asimismo, todos los resultados están de libre acceso en el repositorio
de datos de figshare: https://doi.org/10.6084/m9.figshare.16606766.v2 y
se ha desarrollado un portal web donde se muestran todos estos resultados (https:
//idesep.senamhi.gob.pe/balance-hidrico/).
El presente Atlas se encuentra dentro del marco del proyecto de apoyo a la Gestión del
Cambio Climático (GCC), en su Segunda Fase (2019-2021). Este tiene como visión final
para mediados del 2021, establecer enfoques de acción subnacionales para las princi-
pales condiciones habilitantes en el marco de las NDC (Contribuciones Nacionalmente
Determinadas) peruanas. El componente 2 del proyecto, está formulado en generar “me-
jor información sobre el clima para la toma de decisiones” para evaluar la vulnerabilidad
al cambio climático e informar las decisiones de planificación e inversión clave en tres
sectores (salud, agua y bosques) usando escenarios de cambio climático robustos.
2. Área de Estudio
Los mayores caudales se producen a lo largo de tres a cuatro meses al año, principal-
mente entre diciembre a marzo, período durante el cual se estima que fluye entre 60 a
70 % del escurrimiento total anual, tendiendo durante el resto del año a tener un período
de estiaje. Esto queda en evidencia cuando un 75 % de los ríos de esta región se seca
durante el período de estiaje (ANA, 2012).
En esta vertiente el deshielo de nevados es una fuente natural de agua de relativa im-
portancia. Destacan las cuencas del río Santa y Cañete, con un área de glaciares de 312
y 13 km² respectivamente (INAIGEM, 2018). Además, en las cabeceras de las cuencas
cada año se incrementa la cantidad de lagunas (ANA, 2019).
La mayoría de los caudales en esta vertiente tienen efecto antrópico (Rau et al., 2017). Los
trabajos de Rau et al. (2018) estiman tasas de caudales promedio en la VP de 709 m³/s
y Asurza-Véliz y Lavado-Casimiro (2020) estiman mediante modelizaciones hidrológicas
tasas de caudales promedio anuales de 990 m³/s considerando los eventos El Niño y un
caudal de 872 m³/s sin considerar estos eventos, durante el período 1981-2016 .
En cuanto a los impactos del cambio climático en esta vertiente a nuestro conocimiento
está el trabajo de Olsson et al. (2017) en la cuenca Chancay Huaral, quien encuentra que
para el periodo 2051–2080 un incremento de los caudales de hasta 20 y 22 % (usando el
escenario RCP8.5), en los periodos secos y húmedos respectivamente. Además Brêda
et al. (2020), encuentra en la VP un mayor cambio promedio de caudales en las regiones
del sur (>20 %), respecto a las regiones del norte.
La cuenca Amazónica se extiende entre las latitudes 5°N - 20°S y desde los Andes hasta el
Océano Atlántico, cubriendo aproximadamente 6 000 000 km². Su contribución de agua
dulce al océano global es del 15 % y su descarga promedio en su desembocadura es
de 209 000 m³/s (Molinier et al., 1996); la cuenca Amazónica, se caracteriza por tener
tierras bajas tropicales calientes cerca del nivel del mar y por otro lado, montañas altas
tropicales (parte Andina) heladas que alcanzan altitudes mayores a 6 000 m.s.n.m., donde
los ríos son de pendientes pronunciadas en la región andina occidental y de gradientes
muy pequeños en las tierras bajas planas orientales (ACTO, 2005).
La vertiente hidrográfica del Amazonas (VA) que pertenece al Perú, se denomina así de-
bido a que los cursos de agua vierten su descarga al río Amazonas, abarca una superficie
de 957 822 km², que representa el 74.5 % de la extensión total del país, está constituida
por numerosos ríos, entre los cuales destacan los tres principales: Marañón, Huallaga y
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 5
Ucayali (ANA, 2012). La VA se caracteriza por tener territorios bajos muy cerca a nivel del
mar; está constituida por 82 Unidades hidrográficas, que a su vez pertenecen a ocho AAA,
se constituyen de la siguiente manera (ver Mapa M-05): Marañón (VI), Amazonas (VII),
Huallaga (VIII), Ucayali (IX), Mantaro (X), Pampas-Apurímac (XI), Urubamba-Vilcanota
(XII) y Madre de Dios (XIII). Además, la VA la constituyen cuencas transfronterizas pro-
venientes del Ecuador las cuales se han considerado en este estudio para obtener los
caudales en el conjunto de VA norte, que se encuentra en el límite de Perú y Brasil en el
río Amazonas.
La Vertiente hidrográfica del Titicaca (VT) en Perú es una cuenca endorreica localizada
en el Altiplano y forma parte de un sistema hidrográfico localizado en los Andes Centrales
de Sudamérica, donde se localizan dos grandes lagos: Titicaca y Poopó conectados por
el río Desaguadero y dos grandes salares. Este sistema hidrográfico se denomina TDPS
(Titicaca, Desaguadero, Poopó, Salar de Coipasa) que se extiende entre las latitudes
14.2° - 20.04° S y las longitudes 66.4° - 71.07° O y comprende los países de Perú, Bolivia
en mayor área y Chile. Este sistema varía altitudinalmente entre los 3 600 a 6 550 m.s.n.m.
y está ubicado entre la cordillera Oriental y Occidental, con la parte Amazónica al este y
la cuenca desértica del Pacífico al Oeste (Molina et al., 2014; Zubieta et al., 2021).
La VT en Perú, está constituida por 13 ríos principales dispuestos en forma radial que
drenan al Lago Titicaca, el cual es considerado el más alto del mundo, abarcando una
extensión de 48 910 km², que representa el 3.8 % de la superficie nacional (ANA, 2012).
Está constituida por 15 unidades hidrográficas, que pertenecen a la XIV AAA (Titicaca)
(ver Mapa M-5). Algunos estudios han estimado tasas de caudales de estos ríos en Perú.
Por ejemplo, Roche et al. (1992) menciona que el promedio multianual de escurrimiento
producido por las cuencas peruanas es de 190.4 m³/s, siendo los ríos que más aportan:
Ramis con 78.1 m³/s, Coata con un 46.6 m³/s, Ilave con 42.7 m³/s y Huancané con un
20.8 m³/s; Lavado et al. (2012) recalcula estos valores considerando el período 1969 -
2004 encontrando que el promedio multianual es de 76 m³/s, 20 m³/s y 39 m³/s para los
6 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
3. Datos
Las forzantes climatológicas para la modelización hidrológica, son los datos de precipi-
tación y temperatura, variables que inician el proceso del ciclo hidrológico en el modelo
SWAT. Estos datos climatológicos provienen del producto PISCO (“Peruvian Interpolate
data of SENAMHI´s Climatological and Hydrological Observatios”), y las variables utili-
zadas son la precipitación, temperaturas máximas y mínimas. Las versiones utilizadas
para precipitación es la 2.1 elaborados por (Aybar et al., 2019) y la versión de Tempera-
tura es la 1.1 elaborados por (Huerta et al., 2018). PISCO abarca una extensión espa-
cial que se encuentra entre las latitudes de 0.95°N – 18.78 °S y las longitudes 81.25°O
– 60.05°O, la resolución espacial de las grillas es de 0.1° (1̃0 kilómetros) y la informa-
ción se encuentra libre y disponible para el periodo de 1981 – 2016 en el siguiente en-
lace: https://iridl.ldeo.columbia.edu/SOURCES/.SENAMHI/.HSR/.PISCO/
index.html?Set-Language=es
Los datos observados de caudales que se utilizan en este estudio provienen en su ma-
yoría de las estaciones hidrométricas del SENAMHI (Servicio Nacional de meteorología
del Perú), pero algunas provienen del PE CHIRA PIURA (Proyecto especial Chira Piura),
PE CHINECAS (Proyecto especial Chinecas), JU TAMBO (Junta de usuarios Tambo) y
ELECTRO PERÚ (Empresa de Electricidad del Perú) (ver Tabla 4).
Los escenarios climáticos para el horizonte 2050 para el Perú, tienen como base la ge-
neración de modelos climáticos regionales. Estos han sido desarrollados basados en la
reducción de escala dinámica con el modelo regional “Weather Research and Forecas-
ting” con núcleo dinámico “Advanced Research” WRF-ARW (Skamarock et al., 2008), en
su versión 3.8.1. En la configuración de WRF-ARW se utilizó la proyección geográfica
Mercator sobre los dominios Sudamérica (130° a 20°O y 70°S a 15°N) con resolución
espacial horizontal 50 km y para Perú (88° a 62°O y 23°S a 5°N) a 12 km. Se consideró
35 niveles verticales desde superficie hasta 5 hPa en la atmósfera. El conjunto de pa-
rametrizaciones físicas fueron las propuestas por (Llacza y Jacome, 2018), siendo para
la microfísica WSM Single-Moment 6-class scheme, cúmulos Betts-Miller-Janjic (Janjić,
1993) y para Capa Limite Yonsei University Scheme (Hong et al., 2006).
Las forzantes del modelo WRF-ARW para las simulaciones climáticas fueron los datos
de los modelos climáticos globales (MCG) de la fase 5 del Proyecto de Intercomparación
de Modelos Acoplados (CMIP5), siendo los modelos seleccionados: ACCESS1-0 del Ins-
tituto Meteorológico de Australia (Bi et al., 2012) y el MPI-ESM-LR del Max Plank Institut
(Jungclaus et al., 2013). Para lo cual se consideró como periodos HISTÓRICO (1981-
2005) y FUTURO (2006-2065) considerando el escenario de altas emisiones RCP8.5.
Estos dos MCG fueron seleccionados porque tienen una buena representación de los
patrones de circulación de gran escala sobre Sudamérica, como el Alta de Bolivia, el An-
ticiclón del Pacífico Sur y el núcleo de la Baja Amazónica; los cuales modulan el clima
en el Perú (Barreto y Llacza A., 2014). Se aplicó la corrección de sesgos sistemáticos a
estos datos con la propuesta de Bruyère et al. (2014), utilizando los datos de reanálisis
ERA Interim (Dee et al., 2011). Estos 2 MCG fueron complementados con los del modelo
WRF-ARW-HadGEM2-ES SENAMHI (2016), el cual fue llevado a la resolución espacial
de 10 km desde su resolución original de 16 km.
Para la distribución espacial de las cotas de terreno representadas como matrices numé-
ricas, se ha tomado la información de los productos del HydroSHEDS (“Hydrological data
and maps bases on SHuttle Elevation Derivates at multiple Scales”). El producto del MNT
(ver Mapa M-3) proporciona información hidrográfica para aplicaciones a escala regional
y global, está comprende la base de datos de alta resolución obtenidos del transbordador
SRTM (“Space Shuttle flight Topography Mission”) de la NASA (Administración Nacional
de Aeronáutica y el Espacio de Estados Unidos) (Lehner et al., 2013). La resolución es-
pacial del pixel del MNT es de 400 metros, la información se encuentra disponible en el
siguiente enlace: https://www.hydrosheds.org/downloads
cargas de agua se determinan los sedimentos, los nutrientes, los pesticidas y las cargas
de agua se canalizan a través de corrientes y reservorios, que se producen dentro de la
cuenca (Neitsch et al., 2011).
El balance del ciclo hidrológico del modelo SWAT, está basado en la siguiente ecuación
de balance:
t
SWt = SWo ∑(Rday − Qsurf − ETa − Wseep − Qgw ) (1)
i=1
Donde:
t ∶ Tiempo en días
Wseep ∶ Agua que ingresa a la zona vadosa desde el perfil del suelo (mm HO)
P = ET + R + ∆S (2)
En primer lugar, a partir de los dos primeros pasos realizados anteriormente, se proce-
derá a la configuración del modelo hidrológico en las vertientes peruanas, inicialmente,
la configuración de los parámetros físicos del modelo fue ingresando la información de
la caracterización física del modelo, del mismo modo determinar las pendientes (0 %-
10 %, 10 %-20 %,20 %-30 %,30 %-40 %,>40 %) (ver Mapa M-4), para definir las unidades
14 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Una vez determinada la calibración y validación del modelo, el paso a seguir fue realizar
la simulación con los parámetros óptimos encontrados en el paso anterior, en el periodo
denominado presente/histórico (1981-2016), esto con la finalidad de entender los proce-
sos hidrológicos actuales, entender la oferta hidrológica y dar una perspectiva holística
de la hidrología en el Perú.
Sin embargo, si el modelo hidrológico tiene los atributos opuestos, se pueden encontrar
muchos conjuntos de parámetros óptimos durante la calibración. La filosofía de modelado
actual requiere que los modelos se describan de manera transparente y que el análisis
de incertidumbre se realice de forma rutinaria como parte del trabajo de modelado. Este
análisis es esencial para evaluar la optimización del modelo calibrado (Abbaspour et al.,
2015; Arsenault y Brissette, 2014).
Para calibrar un modelo de base física como SWAT, es importante recordar que todos
los parámetros de ingreso del modelo deben mantenerse dentro de un rango realista y
que ningún procedimiento automático pueda reemplazar el comportamiento físico real de
la cuenca (Arnold et al., 2012), el proceso de calibración ha considerado un periodo de
calentamiento de dos años.
Los parámetros óptimos se derivaron del algoritmo de calibración multiobjetivo Elitist Non-
Dominated Sorting Genetic Algorithm II (NSGA-II), cuya aplicación ha proporcionado ex-
celentes resultados en el modelado hidrológico utilizando SWAT y ha demostrado ser más
eficiente que el método de Monte Carlo para reducir la incertidumbre de los parámetros
optimizados (Remegio B. Confesor Jr. y Gerald Whittaker, 2013; Chiang et al., 2002).
A diferencia de los algoritmos genéticos de objetivo único, NSGA-II asigna la aptitud por
clasificación de Pareto (no dominante) y distancia de apiñamiento a las poblaciones com-
16 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Con las funciones objetivas como problemas de minimización, los individuos que están
dominados por menos soluciones (es decir, tienen un rango más bajo) obtienen una mejor
aptitud que los dominados. En los casos en que las soluciones tienen el mismo rango de
no dominación, se prefiere al individuo con mayor distancia de aglomeración, asegurando
así una población diversa y bien distribuida. La nueva población de padres se elige de la
población combinada de padres e hijos en función de la aptitud o rango de los individuos,
por lo tanto, es una selección elitista (Asurza-Véliz y Lavado-Casimiro, 2020).
N 2
∑i=1 (Qmodl og,i − Qobsl og,i )
NSE log = 1 − 2
(4)
N
∑i=1 (Qmodl og,i ̄ )
− Qobsl og
Con el objeto de realizar una descripción más clara de nuestros resultados, se ha deci-
dido enfocar las regiones de análisis en las áreas de las Autoridades Administrativas del
Agua (AAA), definidas por la Autoridad Nacional del Agua (ANA). De esta manera, a nivel
nacional se tienen catorce AAA teniendo cada una de ellas internamente las Unidades
Hidrográficas (UH). Así, se van a describir un total de 169 UH que constituyen 31 355
subcuencas modelizadas a escala de todo el Perú. La Tabla 2 2, describe el total de AAA
analizadas, así como las UH en cada una de ellas y las estaciones hidrométricas repre-
sentativas que serán descritas en la sección de resultados. Para fines de la descripción
de resultados se utilizó la columna código AAA de la Tabla 2. Así tenemos las regiones
de la I al V correspondientes a la VP, de la VI al XIII en la VA y finalmente la región XIV
correspondiente a la VT.
Para la evaluación del impacto del cambio climático, se ha determinado los promedios
mensuales del periodo presente (1981-2016) y futuro (2035-2065), para los Modelos re-
gionales de cambio climático (ACCESS1-0, MPI-ESM-LR y HadGEM2-E) descritos en la
sección 3.3. Para este propósito, se utilizó el método del “Delta change”, que se puede cal-
cular basándose en un factor de cambio mensual para la precipitación y las temperaturas
(Camici et al., 2014); la aplicación del método en mención se expresa en las ecuaciones
5, 6 y 7:
P̄
ΔPi = ̄ GCMfut,i (5)
PGCMhist,i
Donde: ΔPi , ΔTmax,i y ΔTmin,i , son los cambios en precipitación y temperaturas (máxi-
mas y mínimas) para el mes i-ésimo (enero a diciembre) respectivamente, T̄ maxGCMfut,i y
T̄ maxGCMhist,i son el promedio a largo plazo del i-ésimo (enero a diciembre) para tempera-
tura máxima para un periodo futuro e histórico (presente), respectivamente. T̄ minGCMfut,i y
T̄ minGCMhist,i , son el promedio a largo plazo del mes i-ésimo (enero a diciembre) para la
temperatura mínima en el periodo futuro e histórico (presente), respectivamente (Magh-
18 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
La aplicación de impacto del cambio climático sobre la oferta hídrica nacional, siguiendo
la metodología “Delta Change” presenta los siguientes pasos:
2. Realizar la simulación hidrológica para cada modelo regional conservando los pa-
rámetros óptimos encontrados en el periodo presente (para mantener la física del
modelo), esto con el objetivo de calcular y determinar los balances hidrológicos para
el periodo 2035-2065 (futuro).
3. Obtener los resultados de los balances de considerando los modelos ACCESS 1.0,
HadGEM2-ES Y MPI-ESM-LR, donde, finalmente es posible realizar el proceso
comparativo del periodo futuro (2035-2065) con el presente (1981-2016), evaluando
las principales variables hidrológicas como son: Precipitación (PC), Evapotrans-
piración Real (ER), el Rendimiento Hídrico (RH) y los Caudales (Q).
Tabla 2. Ámbitos jurisdiccionales, Autoridades Administrativas del Agua (AAA), sub-cuencas (SB) y unida-
des hidrográficas (UH) y estaciones hidrométricas representativas para el análisis espacial, adap-
tado de ANA (2012)
Código Denominación UH SB Abrev. EHR Abrev. Superficie
AAA AAA AAA EHR Km2 %
I Caplina - Oco±a 16 229 CO Santa Rosa SR 93 130 7.2
II Chaparra-Chincha 11 128 CC Letrayoc LT 48 479 3.8
III Ca±ete-Fortaleza 15 87 CF Malvados MA 39 937 3.1
IV Huarmey-Chicama 11 89 HC Condorcerro CC 37 110 2.9
V Jequetepeque-Zarumilla 18 197 JZ El Ciruelo EL 62 156 4.8
VI Mara±≤n 11 247 M Borja BR 85 599 6.7
VII Amazonas 25 857 A Tabatinga TB 280 659 21.8
VIII Huallaga 9 204 H Chazuta CH 89 416 7
IX Ucayali 23 557 U Requena RE 232 744 18.1
X Mantaro 1 83 MA La Mejorada LM 34 363 2.7
XI Pampas-Apurφmac 3 156 PA Cunyac CU 64 373 5
XII Urubamba-Vilcanota 1 1126 UV Egemsa km105 EG 58 735 4.6
XIII Madre de Dios 9 280 MD La Pastora LP 111 933 8.7
XIV Titicaca 15 115 TC Ramis RA 4 6582 3.6
Total 168 4355 1 285 216 100
Figura 3. Esquema metodológico del presente Altas de cambio climático de hidrología superficial
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
19
20 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
6. Resultados.
En base a la Figura 4, se observa que los componentes hidrológicos (PC, ER y RH) cierran
el ciclo hidrológico en esta vertiente. En resumen, las tasas de PC, RH y Q muestran
mayores valores en las regiones hacia el norte de la VP. Los datos a detalle considerando
la escala de cada una de las UH se exponen en las Tablas A5, A6, A7 y A8.
22 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 4. Promedio multianual presente (1981-2016) de las variables hidrológicas: precipitación (mm), eva-
potranspiración real (mm), rendimiento hídrico (mm) y caudales (m3 /s) en las regiones de la VP.
Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio consi-
derando todas las UH pertenecientes a las regiones y este valor promedio se observa en la parte
superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 23
La Figura 5 muestra la variabilidad de las PC para las estaciones del año clasificadas
por trimestres como DEF, MAM, JJA y SON durante el período 1981-2016. Esta figura
representa diagramas de cajas para los valores de PC de las UH presentes en cada región
de la VP.
Se observa que las estaciones con mayores tasas de lluvia se presentan hacia el norte
(región V), mientras que en promedio la región II es la de menor tasa de PC. Además, los
trimestres más lluviosos son DEF y MAM, mientras los trimestres JJA y SON muestran
valores de lluvia bastante bajos. Los valores a detalle considerando la escala de cada
una de las UH se muestran en la Tabla A5 y en los Mapas M-12 al M-15.
La Figura 6 muestra la variabilidad de la ER para cada uno de los trimestres del año
(DEF, MAM, JJA y SON) durante el período 1981-2016, estimadas para cada una de las
5 regiones de la VP.
En cuanto a la ER para los 4 trimestres analizados, se observa que las mayores tasas se
presentan en DEF, mientras que las menores en JJA. Al igual que la PC, se observa que
las mayores tasas de ER están hacia el norte (región V). Los datos a detalle considerando
la escala de cada una de las UH se observa en la Tabla A6 y en los Mapas M-17 al M-20.
La Figura 7 muestra la variabilidad del RH para las estaciones del año clasificados por
trimestres durante el período 1981-2016. El promedio de las UH se agrupó para cada una
de las 5 regiones de la VP.
Se observa que de los 4 trimestres del año al igual que las PC, las mayores tasas de
RH están localizados en el norte (región V). Las estaciones con menores tasas de RH es
JJA y SON, mientras que las mayores en DEF y MAM en ese orden. Los datos a detalle
considerando la escala de cada una de las UH se observa en la Tabla A7 y en los Mapas
M-22 al M-25.
La Figura 8 muestra la variabilidad de los caudales (Q) para los trimestres del año durante
el período 1981-2016 para cada una de las regiones de la VP.
Se observa que las estaciones con mayores tasas de Q varían de acuerdo a la latitud,
24 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 5. Precipitación estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regiones de la
VP. Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio y
estos valores se observan en la parte superior de cada subfigura.
observándose que las mayores tasas se presentan en la región V, durante los trimestres
DEF y MAM. Los Q son inferiores en la región I y II, durante JJA y SON. Al igual que el RH,
se observa que las mínimas tasas de Q se registran durante el trimestre JJA, al contrario
de la PC que presenta sus mínimas tasas durante SON. Los datos a detalle considerando
la escala de cada una de las UH se observa en la Tabla A8 y en los Mapas M-27 al M-30.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 25
Figura 6. Evapotranspiración real estacional presente, en los periodos DEF, MAM, JJA, y SON, en las
regiones de la VP. Los puntos en color rojo representa la localización del valor dentro del eje Y
del promedio y estos valores se observan en la parte superior de cada subfigura.
26 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 7. Rendimiento hídrico estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regiones
de la VP. Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio
y estos valores se observan en la parte superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 27
Figura 8. Caudal estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regiones de la VP.
Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio y estos
valores se observan en la parte superior de cada subfigura.
28 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
El cambio del RH está diferenciado por las regiones más hacia el norte (IV y V) y las
australes (I, II y III); mostrando las primeras proyecciones de incremento del RH y las
segundas disminuciones en el RH. Estos patrones se asemejan a las proyecciones de
las PC multianuales.
El cambio de las proyecciones de Q, muestra una respuesta casi similar al RH. Sin em-
bargo, los cambios de Q en las regiones I, II, III y IV muestran mayoritariamente dis-
minuciones de los Q. Estas discrepancias se pueden deber a que la VP es una región
semi-árida con algunas zonas con precipitaciones nulas, por ello, el Q que es producto de
la acumulación de las subcuencas aguas arriba tiene diferentes respuestas hidrológicas.
En MAM y JJA los cambios proyectados en las 5 regiones señalan una disminución de
la PC en el futuro, a excepción de la región V en MAM. Sin embargo, estos cambios no
tendrían mayor significancia, ya que son los trimestres con poca cantidad de PC.
Los datos a detalle considerando la escala de cada una de las UH se observa en la Tabla
A17 y en los Mapas M-31 al M-35.
Los datos a detalle considerando la escala de cada una de las UH se observa en la Tabla
A18 y en los Mapas M-36 al M-40.
La Figura 12 presenta los porcentajes de cambio estacionales del RH, resultantes del
promedio de todas las UH pertenecientes a cada región. Los porcentajes de cambio va-
rían en función a las estimaciones de cada modelo de cambio climático: ACCESS 1.0,
HadGEM2-ES y MPI-ESM-LR.
Se observa que durante los trimestres SON y DEF las regiones I, II y III (IV y V) muestran
una clara señal hacía la disminución (incremento) del RH considerando la mayoría de
las proyecciones de los modelos. Mientras los trimestres MAM y JJA muestran en las
regiones I, II, III y IV (V) mayoritariamente una disminución (incremento) del RH.
Figura 11. Porcentaje de cambio estacional en la evapotranspiración real (ETR) presente y futura, en las regiones de la VP (2035-2065 vs. 1981-2016). El
diagrama de cajas ha sido construido en base a todas las UH presentes en cada una de las regiones de la VP. Los puntos en color rojo representa
la localización del valor dentro del eje Y del promedio en cada modelo y estos valores se observan en la parte superior de cada subfigura.
32
Figura 12. Porcentaje de cambio estacional en el rendimiento hídrico (RH) presente y futuro, en las regiones de la VP (2035-2065 vs. 1981-2016). El
diagrama de cajas ha sido construido en base a todas las UH presentes en cada una de las regiones de la VP. Los puntos en color rojo representa
la localización del valor dentro del eje Y del promedio en cada modelo y estos valores se observan en la parte superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
33
34 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Las estaciones hidrológicas analizadas fueron: Santa Rosa (UH Tambo), Letrayoc (UH
Pisco), Malvados (UH Fortaleza), Condorcerro (UH Santa) y El Ciruelo (UH Chira) para
las regiones I, II, III, IV y V respectivamente.
Figura 13. Impacto del cambio climático en los promedios mensuales de caudales (2035-2065 vs 1981-
2016), la primera columna representa los porcentajes de cambio en los caudales mensuales
y la segunda columna representa los valores de caudales mensuales para el presente (1981-
2016) y el futuro (2035-2065. Las letras indican los nombres de las estaciones hidrométricas
representativas seleccionadas de las 5 regiones de la VP)
36 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Las métricas estadísticas en la fase de validación, muestra para KGE una buena respues-
ta en la parte Andino-Amazónica llegando a 0.91 como valor máximo, mientras que para
LogNSE se ha encontrado 0.89 como eficiencia máxima, los resultados obtenidos según
la clasificación de Moriasi et al. (2007) muestra que el modelo en la VA es muy bueno.
Los valores obtenidos para la ER muestran una uniformidad (valores semejantes) en toda
la vertiente, con valores ligeramente bajos en las regiones VI, X y XI y valores ligeramente
altos en las regiones VII, IX y XIII.
La obtención de los valores del balance hidrológico en las regiones VI y VII (regiones que
presentan cuencas transfronterizas) se han estimado también para la parte ecuatoriana.
Sin embargo, al ser un trabajo que prioriza la parte peruana; no se han mostrado los
resultados de esa zona.
En bases a los resultados trimestrales en las regiones de la VA, se observa que los tri-
mestres con mayores (menores) tasas de PC se dan en DEF y MAM (JJA y SON). Las
regiones Andinas (VI, X, XI y XII) son las que presentan menores tasas de PC en todos
los trimestres. En cuanto a los trimestres con los mayores valores de PC se observa que
en las regiones VI y VII es DEF y en las regiones restantes los mayores valores se dan
en MAM, esto describe la alta variabilidad de las precipitaciones en la VA.
38 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 14. Promedio multianual presente (1981-2016) de las variables hidrológicas: precipitación (mm),
evapotranspiración real (mm), rendimiento hídrico (mm) y caudales (m3 /s) en las regiones de
la VA. Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio
considerando todas las UH pertenecientes a las regiones y este valor promedio se observa en
la parte superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 39
Figura 15. Precipitación estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regiones de
la VA. Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio
y estos valores se observan en la parte superior de cada subfigura.
40 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
La variabilidad del RH, se han determinado de manera trimestral para DEF, MAM, JJA y
SON, para el presente en función del promedio de las UH que comprende a cada una de
las regiones de la VA (ver Figura 17). Los resultados se muestran a detalle en los Mapas
M-22, M-23, M-24 y M-25 y Tabla 11.
Figura 16. Evapotranspiración real estacional presente,en los periodos DEF, MAM, JJA, y SON, en las
regiones de la VA. Los puntos en color rojo representa la localización del valor dentro del eje Y
del promedio y estos valores se observan en la parte superior de cada subfigura.
42 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 17. Rendimiento hídrico estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regio-
nes de la VA. Los puntos en color rojo representa la localización del valor dentro del eje Y del
promedio y estos valores se observan en la parte superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 43
Figura 18. Caudal estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regiones de la VA.
Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio y
estos valores se observan en la parte superior de cada subfigura.
44 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
El cambio porcentual en las PC proyectadas señalan que la señal será mayormente hacía
una disminución en todas las regiones de la VA, pero con tasas en su mayoría por debajo
de -5 %.
Para el RH, se observa un patrón similar al de las PC. Es decir, se esperan mayormente
disminuciones en todas las regiones de la VA, pero con tasas en su mayoría por debajo
de -10 %. Este mismo patrón se observa para los valores estimados de Q en todas las
regiones de la VA.
Figura 19. Porcentaje de cambio en la VP (2035-2065 vs. 1981-2016) de las variables precipitación, evapotranspiración real, rendimiento hídrico y caudal
considerando los 3 modelos climáticos regionales utilizados. El diagrama de cajas ha sido construido en base a todas las UH presentes en cada
una de las regiones de la VA. Los puntos en color rojo representa la localización del promedio considerando todas las UH presentes en cada
región y estos valores se observan en la parte superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
45
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 20. Porcentaje de cambio estacional en la precipitación (PC) presente y futuro, en las regiones de la VA (2035-2065 vs. 1981-2016). El diagrama
de cajas ha sido construido en base a todas las UH presentes en cada una de las regiones de la VA. Los puntos en color rojo representa la
localización del valor dentro del eje Y del promedio en cada modelo y estos valores se observan en la parte superior de cada subfigura.
46
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 47
La evaluación del cambio trimestral (DEF, MAM, JJA y SON) en las PC han sido deter-
minadas por medio de cambios porcentuales, para los valores multianuales del periodo
presente (1981-2016) y futuro (2035-2065) (ver Figura 20 y Tabla 21).
En la VA para las PC se observa que al igual que los cambios multianuales, se obser-
va mayormente disminuciones para los cuatro trimestres analizados. Sin embargo, esta
señal cambia en las regiones X y XI donde se obtuvieron valores de cambio hacia el
incremento en las precipitaciones sobre todo en los trimestres JJA y SON.
Para las PC en DEF y MAM se observa que en las regiones VI, VIII, IX y XIII se obtu-
vieron disminuciones porcentuales por parte de todos los modelos, por otro lado, en las
regiones X y XI se aprecia un incremento significativo por parte de todos los modelos; fi-
nalmente en las regiones VII y XII solo en MAM se muestra este incremento por parte del
modelo HadGEM2-ES. En JJA se obtuvo incrementos porcentuales solo para el modelo
HadGEM2-ES para todas las regiones de la VA.
En SON los incrementos más significativos se dieron por parte del modelo MPI-ESM-
LR este incremento porcentual se presenta en todas las regiones. Por parte del modelo
ACCESS 1.0 solo el incremento se obtuvo en la región VI, por otro lado, en las regiones
X y XI se obtuvo un incremento en todos los modelos.
48 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
La evaluación del cambio trimestral en la ER ha sido determinada por medio de los incre-
mentos y disminuciones porcentuales, para DEF, MAM, JJA y SON en las regiones de
la VA; evaluando el periodo presente (1981-2016) y futuro (2035-2065) de los modelos
climáticos regionales ACCESS 1.0, HadGEM2-ES y MPI-ESM-LR; para tal propósito se
ha desarrollado diagramas de caja para un mejor entendimiento del cambio climático de
esta variable hidrológica (ver Figura 21 y Tabla 22).
Evaluando la ER, se obtuvo un incremento porcentual en DEF para todas las regiones por
parte de todos los modelos, estos incrementos porcentuales son semejantes; en MAM los
incrementos más significativos se dan en las regiones VII, X, XI y XIII, del mismo modo
este incremento se da en todos los modelos; en las VIII y XII solo el modelo ACCESS
1.0 muestra disminuciones porcentuales; en la región IX esta disminución se obtuvo por
parte del modelo MPI-ESM-LR; finalmente en la región VI solo se obtuvo un incremento
por parte del modelo HadGEM2-ES.
En JJA el incremento porcentual se dio en todas las regiones por parte del modelo Had-
GEM2-ES; seguidamente el modelo MPI-ESM-LR muestra incremento porcentual solo en
las regiones VII y XI; el modelo ACCESS 1.0 obtuvo disminuciones porcentuales en todas
las regiones de análisis. Después, en SON los incrementos más significativos se obtuvie-
ron en las regiones IX, X, XI, XII y XIII por parte de todos los modelos; en las regiones VI
y VII solo se obtuvo la disminución porcentual del modelo HadGEM2-ES y finalmente en
la región VIII se obtuvo el incremento porcentual por parte del modelo MPI-ESM-LR.
Figura 21. Porcentaje de cambio estacional en la evapotranspiración real (ER) presente y futuro, en las regiones de la VA (2035-2065 vs. 1981-2016). El
diagrama de cajas ha sido construido en base a todas las UH presentes en cada una de las regiones de la VA. Los puntos en color rojo representa
la localización del valor dentro del eje Y del promedio en cada modelo y estos valores se observan en la parte superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
49
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 22. Porcentaje de cambio estacional en el rendimiento hidrico (RH) presente y futuro, en las regiones de la VA (2035-2065 vs. 1981-2016). El
diagrama de cajas ha sido construido en base a todas las UH presentes en cada una de las regiones de la VA. Los puntos en color rojo representa
la localización del valor dentro del eje Y del promedio en cada modelo y estos valores se observan en la parte superior de cada subfigura.
50
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 51
La evaluación del cambio trimestral del RH ha sido determinada de igual manera que la
PC para las regiones de la VA; evaluando el periodo presente (1981-2016) y futuro (2035-
2065) de los modelos climáticos regionales ACCESS 1.0, HadGEM2-ES y MPI-ESM-LR
(ver Figura 22 y Tabla 23).
El cambio porcentual del RH en DEF, muestra una disminución significativa en las re-
giones VI, VII, VIII, IX, XII y XIII; en cambio para las regiones X y XI solo se aprecia un
incremento por parte del modelo HadGEM2-ES; del mismo modo ocurre en MAM, con ex-
cepción que la región VII presenta un incremento por el modelo HadGEM2-ES. En JJA se
aprecia una disminución significativa para las regiones IX y XIII, mientras que en las regio-
nes VI, VII, VIII, X y XII solo se aprecian incrementos por parte del modelo HadGEM2-ES,
por otro lado en la región XI se presenta una disminución por parte del modelo ACCESS
1.0.
En relación con el análisis de los caudales en las regiones de la VA, se observa que las
regiones VI, VII, VIII, IX y XIII exhibirán disminuciones en sus caudales con las mayores
disminuciones porcentuales en los meses de septiembre a mayo. Sin embargo, las regio-
nes X, XI y XII, localizados en la parte andina de la VA, presentaran incrementos en los
caudales con mayores valores durante sus meses lluviosos (septiembre a febrero).
52 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 23. Impacto del cambio climático en los promedios mensuales de caudales (2035-2065 vs 1981-
2016), sé representa los porcentajes de cambio en los caudales mensuales de las 8 regiones
de la VA)
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 53
Figura 24. Impacto del cambio climático en los promedios mensuales de caudales (2035-2065 vs 1981-
2016), sé representa los valores de caudales mensuales para el presente (1981-2016) y el futuro
(2035-2065. Las letras indican los nombres de las estaciones hidrométricas representativas
seleccionadas de las 8 regiones de la VA
54 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
En la VT se ha encontrado que toda esta área se comporta como una sola región de
respuesta hidrológica basada en un enfoque de similitud física. La información hidrológica
que se encuentra para la VT (Tabla A1) es más completa; por lo que se ha definido un
periodo de calibración considerando el período 2000-2010 y el periodo de validación para
2011-2016, teniendo dos años para el periodo de calentamiento.
Figura 25. Promedio multianual presente (1981-2016) de las variables hidrológicas: precipitación (mm),
evapotranspiración real (mm), rendimiento hídrico (mm) y caudales (m3 /s) en la VT. Los puntos
en color rojo representa la localización del valor dentro del eje Y del promedio considerando
todas las UH pertenecientes a las regiones y este valor promedio se observa en la parte superior
de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 55
Finalmente en la Figura 25, se muestra que los resultados de las variables hidrológicas
PC, ER y RH cierra el balance en la VT; los datos a detalle se muestran en las Tablas
A13, A14, A15 y A16 por cada UH.
56 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 26. Precipitación estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regiones de
la VT. Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio
y estos valores se observan en la parte superior de cada subfigura.
Figura 27. Evapotranspiración real estacional presente, en los periodos DEF, MAM, JJA, y SON, en las
regiones de la VA. Los puntos en color rojo representa la localización del valor dentro del eje Y
del promedio y estos valores se observan en la parte superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 57
Se obtuvo que en DEF se alcanza los mayores valores de PC en la VT, estos valores van
disminuyendo y en JJA se observa ausencia de PC, para un mejor entendimiento de las
distribuciones espaciales ver los Mapas M-12 al M-15.
La ER muestra los mayores valores en DEF, seguido de MAM y SON con valores pró-
ximos entre ellos. Finalmente, JJA muestra los valores más bajos; para una mejor com-
prensión de la distribución espacial por estaciones de la ER ver los mapas M-17 al M-20.
La Figura 28, presenta la variabilidad del RH por trimestres para el periodo presente, la
cual es representada por el diagrama de caja de las UH pertenecientes a la VT.
Se observó que el RH muestra los mayores valores en DEF y MAM (hay mayor presencia
de PC), siendo este aporte uniforme en la vertiente; en JJA los valores calculados son muy
bajos del mismo modo en SON, para una mejor comprensión de la distribución espacial
del RH ver los mapas M-22 al M-25.
La Figura 29, presenta la variabilidad del Q en los trimestres para el periodo presente,
representada por el diagrama de caja de las UH pertenecientes a la VT.
Se obtuvo que los Q muestran mayores valores en DEF y MAM en toda la vertiente, para
la época de estiaje en JJA y SON los valores son próximos a cero (debido a la ausencia
de PC), para una mejor comprensión de la distribución espacial ver los Mapas M-22 al
M-25.
58 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 28. Rendimiento hídrico estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regio-
nes de la VA. Los puntos en color rojo representa la localización del valor dentro del eje Y del
promedio y estos valores se observan en la parte superior de cada subfigura.
Figura 29. Caudal estacional presente, en los periodos DEF, MAM, JJA, y SON, en las regiones de la VA.
Los puntos en color rojo representa la localización del valor dentro del eje Y del promedio y
estos valores se observan en la parte superior de cada subfigura.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 59
La evaluación del Impacto del Cambio Climático, ha sido evaluado por el porcentaje de
cambio, para lo cual se estimaron la diferencia entre las variables hidrológicas (PC, ER,
RH y Q) tomando los valores multianuales obtenidos en el periodo presente (1981-2016)
y el periodo futuro (2035-2065) de los modelos climáticos regionales ACCESS 1.0, Had-
GEM2-ES y MPI-ESM-LR; para tal propósito se han desarrollado diagramas de cajas para
un mejor entendimiento de los cambios en estas variables hidrológicas (ver Figura 30).
Las proyecciones de PC y ER, muestran que 2 de los 3 modelos dan una señal hacia el
incremento, pero con valores por debajo de 8 % y un modelo muestra que disminuirán
hasta en 8 % (2 %) la PC (ER).
En tanto las proyecciones multianuales para el RH y los Q muestran que 2 de los 3 mode-
los climáticos regionales dan señales hacía una disminución presentándose valores más
elevados para el modelo ACCESS 1.0 (de hasta -27 %).
Figura 30. Porcentaje de cambio en la VT (2035-2065 vs. 1981-2016) de las variables precipitación, eva-
potranspiración real, rendimiento hídrico y caudal considerando los 3 modelos climáticos regio-
nales utilizados. El diagrama de cajas ha sido construido en base a todas las UH presentes
en cada una de las regiones de la VP. Los puntos en color rojo representa la localización del
promedio considerando todas las UH presentes en cada región y estos valores se observan en
la parte superior de cada subfigura.
60 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
La evaluación del cambio trimestral de las PC han sido determinadas por medio de las
estimaciones de cambios porcentuales (incrementos y disminuciones) en las regiones de
la VT; evaluando el periodo presente (1981-2016) y futuro (2035-2065) de los modelos
climáticos regionales ACCESS 1.0, HadGEM2-ES y MPI-ESM-LR; para tal propósito se
ha desarrollado diagramas de caja para un mejor entendimiento del cambio climático de
esta variable hidrológica (ver Figura 31 y Tabla 25).
En base a nuestros resultados se observa una discrepancia en el signo del cambio para
el futuro 2035-2065 para los 4 trimestres analizados. En DEF y MAM 2 de los 3 modelos
señalan que se presentaran disminuciones siendo más marcadas en MAM con valores
cercanos -10 %. Mientras que para JJA y SON, 2 de los 3 modelos indican que las PC se
incrementarán con valores de hasta 23 % en SON; los datos obtenidos considerando las
UH se observan en la tabla A25.
La evaluación del cambio trimestral en el RH han sido determinados de igual manera que
para la PC en la VT; para tal propósito se ha desarrollado diagramas de cajas para un
mejor entendimiento del cambio climático de esta variable hidrológica (ver Figura 33 y
Tabla 27).
Respecto a las proyecciones del RH para los trimestres analizados, las simulaciones
muestran en su mayoría una disminución del RH para DEF, MAM y JJA siendo el mo-
delo HadGEM2-ES el discrepante; mientras que para SON se estima incrementos en sus
valores de RH siendo el modelo discrepante el ACCESS 1.0.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 61
Figura 31. Porcentaje de cambio estacional en la precipitación (PC) presente y futuro, en las regiones de
la VT (2035-2065 vs. 1981-2016). El diagrama de cajas ha sido construido en base a todas las
UH presentes en cada una de las regiones de la VT. Los puntos en color rojo representa la
localización del valor dentro del eje Y del promedio en cada modelo y estos valores se observan
en la parte superior de cada subfigura.
Figura 32. Porcentaje de cambio estacional en la evapotranspiración real (ER) presente y futuro, en las
regiones de la VT (2035-2065) vs. 1981-2016). El diagrama de cajas ha sido construido en
base a todas las UH presentes en cada una de las regiones de la VT. Los puntos en color rojo
representa la localización del valor dentro del eje Y del promedio en cada modelo y estos valores
se observan en la parte superior de cada subfigura.
62 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 33. Porcentaje de cambio estacional en el rendimiento hídrico (RH) presente y futuro, en las regiones
de la VT (2035-2065 vs. 1981-2016). El diagrama de cajas ha sido construido en base a todas
las UH presentes en cada una de las regiones de la VT. Los puntos en color rojo representa la
localización del valor dentro del eje Y del promedio en cada modelo y estos valores se observan
en la parte superior de cada subfigura.
En esta sección evaluaremos los impactos del cambio climático sobre los caudales pro-
medios mensuales. Para este propósito se ha seleccionado una cuenca representativa
dentro de la VT (estación hidrométrica Pte. Ramis). La comparación se realizó tomando
las simulaciones del futuro (2035-2065) y del presente (1981-2016).
Al igual que en las salidas de las otras variables hidrológicas analizadas, en esta estación
representativa los modelos discrepan en sus proyecciones futuras tal como se ve en la
Figura 34. Así, el modelo HadGEM2-ES muestra un incremento en todos los meses; MPI-
ESM-LR presenta incrementos únicamente en los meses húmedos y ACCESS 1.0 expone
mayoritariamente disminuciones porcentuales, para mayor detalle ver Tabla A 28.
Figura 34. Impacto del cambio climático en los promedios mensuales de caudales (2035-2065 vs 1981-2016), la primera columna representa los porcentajes
de cambio en los caudales mensuales y la segunda columna representa los valores de caudales mensuales para el presente (1981-2016) y el
futuro (2035-2065. La letra indica el nombre de la estación hidrométrica representativa seleccionada en la VT)
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
63
64 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Así, los resultados obtenidos en este trabajo han podido dar estimaciones óptimas en
gran parte del territorio nacional sobre las componentes del ciclo hidrológico (precipita-
ción, evapotranspiración real, rendimiento hídrico y caudales) a escala de 168 Unidades
Hidrográficas (UH). A escala de todo el Perú y por vertiente hidrográfica se ha estimado
una oferta hídrica (caudales) de 1010 m³/s en la vertiente del Pacífico (VP), 40538 m³/s en
la vertiente del Amazonas (VA) y 285 m³/s en la vertiente del Titicaca (VT). Estos caudales
representan a escala nacional el 2.42 %, 96.90 % y 0.68 % de la disponibilidad hídrica en
las VP, VA y VT respectivamente. Sin embargo, en cada una de estas vertientes existe
una alta variabilidad espacial y temporal de los componentes hidrológicos, presente en
los periodos húmedos y secos.
Sin embargo, nosotros consideramos que a escala de todo el Perú la fiabilidad del modelo
basado en sus métricas estadísticas de comparación son diferenciadas y para entender
mejor esta variabilidad espacial se ha creado un mapa de fiabilidad de la modelización
hidrológica realizada (Figura 35), esta figura fue realizada basándonos en los estadís-
ticos obtenidos durante las fases de calibración y validación. Además, se consideró la
proximidad espacial entre las UH considerando características de respuestas hidrológi-
cas comunes. En base a estos criterios se observa que en la VP, VT y en la región Andino
Amazónica de la VA la hidrología es representada aceptablemente utilizando SWAT. Sin
embargo, la hidrología de la parte de los ríos provenientes del Ecuador en la VA son
considerados con fiabilidad baja, ya que no se cuenta con la suficiente información de es-
taciones climáticas e hidrométricas para la verificación de los resultados de la simulación
en esta región.
Figura 35. Fiabilidad de la simulación hidrológica SWAT, en las unidades hidrográficas del Perú
66 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
En este trabajo, se ha estimado los impactos del cambio climático sobre la oferta hídrica
considerando 3 modelos regionales de cambio climático para el período 2035-2065. Si
bien es cierto, el número de modelos climáticos utilizados no es lo suficiente para reali-
zar un análisis de la incertidumbre a detalle, estos modelos utilizados provienen de una
simulación dinámica robusta lo que garantiza replicar con mayor detalle las caracterís-
ticas atmosféricas de un país como el Perú en el cual las variabilidades son bastantes
marcadas tanto espacial como temporalmente. Estos modelos provienen de los experi-
mentos del CMIP5, pero se espera incorporar próximamente las salidas de los modelos
del CMIP6.
Los resultados del impacto del cambio climático sobre la oferta hídrica basado en las simu-
laciones con el modelo hidrológico SWAT muestran diferentes resultados para cada una
de las 14 regiones hidrológicas evaluadas para el horizonte 2035-2065. En ese contexto
con el objetivo de presentar una sistematización más ordenada de nuestros resultados,
se ha desarrollado un resumen de los impactos. En primer lugar, la señal de los impactos
de los modelos climáticos regionales (incremento o disminución) considerando un límite
de ±10 % fueron estimados. Luego, solo se seleccionaron las Unidades Hidrográficas en
la que al menos 2 de los 3 modelos climáticos regionales muestran el mismo patrón y los
mismos límites porcentuales.
De esta manera se han desarrollado las Figuras 36 y 37 donde se observan los cambios
estacionales de rendimiento hídrico (RH) y caudales (Q) respectivamente considerando
solo las UH donde se siguen los criterios descritos en el párrafo antecedente. Se observa
que los patrones de cambios más sobresalientes son similares para ambas variables
hidrológicas, es decir se observan más disminuciones que incrementos para todas las
UH y estos últimos están localizados espacialmente en la parte norte de la VP. En total,
considerando el número de UH que en alguno de los 4 trimestres presentaría un cambio
significativo hacia el incremento o disminución se han contabilizado 129 de 168 UH.
VI donde se expresa un cambio de señal entre MAM y JJA versus SON con cambios hacia
la disminución e incremento respectivamente. La Tabla 30 muestra a detalle los cambios
más resaltantes de las 129 UH estimadas.
Finalmente, recalcamos que todos los datos generados en este Atlas están disponibles
en el repositorio de datos de figshare: https://doi.org/10.6084/m9.figshare.
16606766.v2 y se ha desarrollado un portal web donde se muestran todos estos resul-
tados (https://idesep.senamhi.gob.pe/balance-hidrico/).
68 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Figura 36. Cambio del Rendimiento hídrico estacional, en los periodos a) DEF, b) MAM, c) JJA, y d) SON.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 69
Figura 37. Cambio en caudal estacional, en los periodos a) DEF, b) MAM, c) JJA, y d) SON.
70 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
8. Referencias
Abbaspour, K. C., Rouholahnejad, E., Vaghefi, S., Srinivasan, R., Yang, H. y Kløve, B.
(2015), ‘A continental-scale hydrology and water quality model for Europe: Calibration
and uncertainty of a high-resolution large-scale SWAT model’, Journal of Hydrology
524, 733–752.
ACTO (2005), A proposal for defining the geographical boundaries of Amazonia, number
January.
ANA (2012), Recursos hídricos en el Perú, Autoridad Nacional del Agua, Perú, Lima.
ANA (2019), ‘Retroceso glaciar en la cordillera blanca 1948 - 2018’, Repositorio institu-
cional - ANA .
Andres, N., Vegas Galdos, F., Lavado Casimiro, W. S. y Zappa, M. (2014), ‘Modé-
lisation de ressources en eau et impact du changement climatique sur une éche-
lle de temps journalier dans les Andes péruviennes’, Hydrological Sciences Journal
59(11), 2043–2059.
Arnold, J. G., Moriasi, D. N., Gassman, P. W., Abbaspour, K. C., White, M. J., Srinivasan,
R., Santhi, C., Harmel, R. D., van Griensven, A., Liew, M. W. V., Kannan, N. y Jha, M. K.
(2012), ‘SWAT: MODEL USE, CALIBRATION, AND VALIDATION’, 55(4), 1491–1508.
Aybar, C., Fernández, C., Huerta, A., Lavado, W., Vega, F. y Felipe-Obando, O. (2019),
‘Construction of a high-resolution gridded rainfall dataset for Peru from 1981 to the pre-
sent day’, Hydrological Sciences Journal 0(0), 1.
Bi, D., Dix, M., Marsland, S. J., O’Farrell, S., Rashid, H. A., Uotila, P., Hirst, A. C., Ko-
walczyk, E., Golebiewski, M., Sullivan, A., Yan, H., Hannah, N., Franklin, C., Sun, Z.,
Vohralik, P., Watterson, I., Zhou, X., Fiedler, R., Collier, M., Ma, Y., Noonan, J., Ste-
vens, L., Uhe, P., Zhu, H., Griffies, S. M., Hill, R., Harris, C. y Puri, K. (2012), ‘Vali-
dation of CMIP5 models by means of representing pattterns of mesoscale systems on
South America for the summer and winter’, Australian Meteorological and Oceanograp-
hic Journal 63(1), 41–64.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 71
Bruyère, C. L., Done, J. M., Holland, G. J. y Fredrick, S. (2014), ‘Bias corrections of glo-
bal models for regional climate simulations of high-impact weather’, Climate Dynamics
43(7), 1847–1856.
Camici, S., Brocca, L., Melone, F. y Moramarco, T. (2014), Impact of Climate Change on
Flood Frequency Using Different Climate Models and Downscaling Approaches, Vol. 19.
Castro, A., Davila, C., Laura, W., Cubas, F., Ávalos, G., López Ocaña, C., Villena, D.,
Valdez, M., Urbiola, J., Trebejo, I. et al. (2021), ‘Climas del perú: mapa de clasificación
climática nacional’.
Deb, K., Agrawal, S., Pratap, A. y Meyarivan, T. (2000), ‘A Fast Elitist Non-dominated
Sorting Genetic Algorithm for Multi-objective Optimization: NSGA-II’, CEUR Workshop
Proceedings 1917, 849–858.
Dee, D. P., Uppala, S. M., Simmons, A., Berrisford, P., Poli, P., Kobayashi, S., Andrae,
U., Balmaseda, M., Balsamo, G., Bauer, d. P. et al. (2011), ‘The era-interim reanalysis:
Configuration and performance of the data assimilation system’, Quarterly Journal of
the royal meteorological society 137(656), 553–597.
Espinoza Villar, J. C., Guyot, J. L., Ronchail, J., Cochonneau, G., Filizola, N., Fraizy, P.,
Labat, D., de Oliveira, E., Ordoñez, J. J. y Vauchel, P. (2009), ‘Contrasting regional
discharge evolutions in the Amazon basin (1974-2004)’, Journal of Hydrology 375(3-
4), 297–311.
URL: http://dx.doi.org/10.1016/j.jhydrol.2009.03.004
FAO/Unesco (1971), Soil map of the world, Volume IV South America, Vol. IV, unesco
edn, FAO, Paris.
Farmer, D., Sivapalan, M. y Jothityangkoon, C. (2003), ‘Climate, soil, and vegetation con-
trols upon the variability of water balance in temperate and semiarid landscapes: Down-
ward approach to water balance analysis’, Water Resources Research 39(2), 1–21.
72 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Garreaud, R. D. y Rutllant, J. (2003), ‘Coastal lows along the subtropical West coast
of South America: Numerical simulation of a typical case’, Monthly Weather Review
131(5), 891–908.
Gupta, H. V., Kling, H., Yilmaz, K. K. y Martinez, G. F. (2009), ‘Decomposition of the mean
squared error and NSE performance criteria: Implications for improving hydrological
modelling’, Journal of Hydrology 377(1-2), 80–91.
URL: http://dx.doi.org/10.1016/j.jhydrol.2009.08.003
Hong, S. Y., Noh, Y. y Dudhia, J. (2006), ‘A new vertical diffusion package with an explicit
treatment of entrainment processes’, Monthly Weather Review 134(9), 2318–2341.
INAIGEM (2018), ‘Inventario nacional de glaciares: Las cordilleras glaciares del perú’.
Jungclaus, J. H., Fischer, N., Haak, H., Lohmann, K., Marotzke, J., Matei, D., Mikolajewicz,
U., Notz, D. y Von Storch, J. S. (2013), ‘Characteristics of the ocean simulations in the
Max Planck Institute Ocean Model (MPIOM) the ocean component of the MPI-Earth
system model’, Journal of Advances in Modeling Earth Systems 5(2), 422–446.
Lavado, W. (2010), Modélisation du bilan hydrique à pas de temps mensuel pour l’évalua-
tion de l’impact du changement climatique dans le bassin Amazonien du Pérou., PhD
thesis.
URL: http://tel.archives-ouvertes.fr/tel-00467030/
Lavado, W., Ronchail, J., Labat, D., Espinoza, J. C. y Guyot, J. L. (2012), ‘Basin-scale
analysis of rainfall and runoff in Peru (1969–2004): Pacific, Titicaca and Amazonas drai-
nages’, Hydrological Sciences Journal 57(4), 625–642.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 73
Luo, M., Liu, T., Meng, F., Duan, Y., Frankl, A., Bao, A. y De Maeyer, P. (2018), ‘Com-
paring bias correction methods used in downscaling precipitation and temperature from
regional climate models: A case study from the Kaidu River Basin in Western China’,
Water 10(8), 1046.
Maghsood, F. F., Moradi, H., Bavani, A. R. M., Panahi, M., Berndtsson, R. y Hashemi,
H. (2019), ‘Climate change impact on flood frequency and source area in northern Iran
under CMIP5 scenarios’, Water (Switzerland) 11(2).
URL: https://www.mdpi.com/2073-4441/11/2/273
Masson-Delmotte, V., P. Zhai, H.-O. P., Roberts, D., Skea, J., Shukla, P., Pirani, A.,
Moufouma-Okia, W., C. Péan, R. P., Connors, S., Matthews, J., Y. Chen, X. Z., Go-
mis, M., Lonnoy, E., Maycock, T., Tignor, M. y (eds.), T. W. (2018), Global warming of
1.5°C. An IPCC Special Report on the impacts of global warming of 1.5°C above pre-
industrial levels and related global greenhouse gas emission pathways, in the context
of strengthening the global response to the threat of climate change„ Technical Report
October.
URL: www.environmentalgraphiti.org
Molina, J., Sargé, F. y Pilco, R. (2014), Los Recursos Hídricos Del Sistema Tdps, Tech-
nical Report December.
Molinier, M., Guyot, J. L., De Oliveira, E. y Guimaraes, V. (1996), ‘Les regimes hydrologi-
ques de l’amazone et de ses affluents’, IAHS-AISH Publication (238), 209–222.
Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D. y Veith,
T. L. (2007), ‘Model evaluation guidelines for systematic quantification of accuracy in
watershed simulations’, Transactions of the ASABE 50(3), 885–900.
Nash, J. E. y Sutcliffe, J. (1970), ‘River Flow Forecasting Through Conceptual Models Part
I - A Discussion of Principles’, Journal of Hydrology (10), 282–290.
Neitsch, S., Arnold, J., Kiniry, J. y Williams, J. (2011), Soil and Water Assessment Tool
Theoretical Documentation Version 2009.
74 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
Olsson, T., Kämäräinen, M., Santos, D., Seitola, T., Tuomenvirta, H., Haavisto, R. y
Lavado-Casimiro, W. (2017), ‘Downscaling climate projections for the peruvian coas-
tal chancay-huaral basin to support river discharge modeling with weap’, Journal of
Hydrology: Regional Studies 13, 26–42.
Oudin, L., Andréassian, V., Perrin, C., Michel, C. y Le Moine, N. (2008), ‘Spatial proxi-
mity, physical similarity, regression and ungaged catchments: A comparison of regio-
nalization approaches based on 913 French catchments’, Water Resources Research
44(3), 1–15.
Rau, P., Bourrel, L., Labat, D., Melo, P., Dewitte, B., Frappart, F., Lavado, W. y Felipe, O.
(2017), ‘Regionalization of rainfall over the peruvian pacific slope and coast’, Internatio-
nal Journal of Climatology 37(1), 143–158.
Rau, P., Bourrel, L., Labat, D., Ruelland, D. y Lavado, W. (2018), ‘El balance hÍdrico de la
vertiente del pacifico peruano (1970-2008) en el contexto hidroclimatico’, LADHI 2018 .
Roche, M. A., Bourgues, J., Cortes, J. y Mattos, R. (1992), Climatology and Hydrology of
the Lake Titicac basin, in C. DEJOUX y A. ILTIS, eds, ‘Lake Titicaca A synthesis of Lim-
nological Knowledge’, Kluwer Academic Publishers, LONDON, chapter CLIMATOLOG.
SENAMHI (2016), Estudio de vulnerabilidad climática de los recursos hídricos en las cuen-
cas de los ríos Chillón, Rímac, Lurín y parte alta del Mantaro: Resumen ejecutivo. Ser-
vicio Nacional de Meteorología e Hidrología del Perú, Technical report.
Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D., Duda, M. G. y Powers,
J. G. (2008), A Description of the Advanced Research WRF Version 3 (No. NCAR/TN-
475+STR), Technical report, University Corporation for Atmospheric Research.
Ucl, P. D., Bontemps, S., Ucl, C. L., Arino, E. S. A. O., Kalogirou, V., Romaino, F. y Seifert,
F. M. (2014), Product Specification Document, Technical Report 1.
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 75
UN WATER (2019), Climate Change and Water UN-Water Policy Brief, Technical report.
URL: https://www.unwater.org/publications/un-water-policy-brief-on-climate-change-
and-water/
Zubieta, R., Molina-Carpio, J., Laqui, W., Sulca, J. y Ilbay, M. (2021), ‘Comparative analy-
sis of climate change impacts on meteorological, hydrological, and agricultural droughts
in the lake titicaca basin’, Water (Switzerland) 13(2).
Zulkafli, Z., Buytaert, W., Manz, B., Rosas, C. V., Willems, P., Lavado-Casimiro, W., Guyot,
J. L. y Santini, W. (2016), ‘Projected increases in the annual flood pulse of the Western
Amazon’, Environmental Research Letters 11(1).
76 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura
9. Anexos
Tabla 22. Porcentaje de cambio en la evapotranspiración real estacional estacional, de los modelos de CC
en la VA
AAA COD ACCESS 1.0 HadGEM2-ES MPI-ESM-LR
DEF MAM JJA SON DEF MAM JJA SON DEF MAM JJA SON
VI 49898 7.7 -1.3 -21.9 6.5 4.4 8.5 14.3 3.8 2.7 -2 -22 6
VI 49897 5 -2.3 -15.8 1.1 0.1 2.4 18.5 -5.1 1.8 -1.8 -19 1.1
VI 49895 -3.4 -12.2 -17 -9.4 -1.9 -4.2 23.8 -11.3 -0.8 -8.8 -8.3 -6.7
VI 49894 2.7 -5.5 -11.7 -4.2 -0.3 -2.7 15.3 -8 1.4 -4.6 -12.9 -3.7
VI 49896 4.5 -4.6 -19.7 7.5 1.7 5.2 30.2 -4.8 0.1 -2.1 -13.6 4.2
VI 49891 1.3 -1.6 -2.6 -1.8 0.9 -1.8 8.4 -6.3 0.7 -1.5 -3.1 0.8
VI 49892 0.8 -4.5 -2.7 -1.3 -0.7 -1.9 12.6 -6.5 0.3 -4.3 -2.9 2.3
VI 49879 1.5 -0.3 0.3 0.7 1.1 -0.1 9.5 -4.5 0.5 0 0.8 2.4
VI 49878 1.1 -1.6 0 0.5 2.2 0.7 9.9 -3.2 0 -0.6 1.6 1.6
VI 4988 2 -0.5 1 1.3 2 0 9.1 -2.5 1.4 -0.2 1.6 2.8
VI 49899 5.5 -4 -15.4 1.6 2 3.5 11.5 0.9 2.7 -1.5 -11.5 3.4
VII 49872 3.1 0.2 0.3 0.2 3.5 1.6 9.8 -3.3 1.3 0.7 0 1.1
VII 49874 2.6 0.2 1.7 1.6 3.2 0.9 11.2 -2.3 1.1 0.4 1.3 2.6
VII 49875 3 0 2.8 2.9 3.8 1.8 15.7 -2.6 1.1 1.4 1.8 2.7
VII 49871 3.9 0.8 3.3 1.6 3.5 0.6 13.4 -3.4 2.4 1.3 3.9 3.6
VII 49877 3.3 0 1.9 3.2 3.1 1.4 12.7 -1.8 1.8 0 2 2.4
VII 49873 3.5 0.5 2.7 2.7 4.3 1.1 13.8 -2.9 2 1.1 3.8 3
VII 49796 4.4 -0.1 -1.8 5.7 3.8 1.2 15.2 2.8 3.6 0.9 3.1 4.1
VII 49799 4.6 -0.2 -2.1 5.2 3.7 1.1 15.8 2.1 3.7 0.2 2 4.7
VII 49798 4.4 -0.2 -0.8 5.1 3.6 1.4 14.7 1.8 3.7 0.1 2.2 4.6
VII 49797 3.9 -0.5 -2.1 5.3 3.4 1.2 14 2 3.7 -0.4 1.9 4.3
VII 49795 0 -1.4 -1.4 0 0 -1 1.8 0 0 -1.4 0 0
VII 49792 4.4 -0.2 -2.4 5.5 3.7 2 16.5 2 3.4 -0.2 2.2 4.1
VII 49791 3.8 -0.2 -3.7 4.8 3.5 1.9 14.6 1.5 2.7 -0.7 0.7 3.3
VII 49793 4.6 0.7 -2.4 5.3 3.9 2.3 15.7 1.5 3.5 0 2.3 4.2
VII 49876 4.4 0 2.2 4.2 4.5 1.4 12.3 -1.7 2.3 1.2 4 3
VII 49794 4.4 0.1 -0.7 5.1 3.9 1.6 15.9 2.3 3.4 0.2 2.2 4.3
VII 4974 2.1 -0.1 -2.8 1.9 2 1.4 14.1 -0.1 0.5 0.1 0.5 1.8
VII 4978 2.8 -0.1 -0.2 1.9 2.9 1.2 11.9 0 0.7 -0.1 2 2
VII 4982 4.5 0.6 0.3 2.9 3.6 1.4 16.3 -0.4 2.3 0.7 1.7 4
VII 4986 4.6 0.5 1.4 2.8 3.8 1.3 13.6 -3.2 2.4 0.8 3 2.9
VII 4981 5 0.2 -1.6 4.8 4.2 1.7 14.6 1.3 4 0.7 2.9 4.3
VII 4983 3.9 0.9 -4.2 -0.6 3.1 2 9.1 -5.9 2.1 1.8 -0.6 0.7
VII 4985 3.6 1.3 -6.3 -4.8 2.8 2.5 3.5 -10.2 1.6 2.1 -3.9 -2.9
VII 4977 4.8 0.7 -5.6 5.5 3.9 2.4 17.4 2.1 3.5 0.8 -1.3 3.7
VII 4976 5 -0.1 -3.5 5.6 4 1.5 16.8 1.6 4 0.2 0.3 4.7
VIII 49849 4.6 -1 -4.5 -1.7 3.6 0.9 12.4 -1.8 2.9 -0.5 -2.7 0.6
VIII 49845 5.1 0 -1.7 -1.4 1.5 -5.6 9.4 -4.6 1.8 -1.4 0.9 1.9
VIII 49847 4.2 0.2 -2.8 -3.2 0.1 -1.9 5.5 -5.3 1.4 0.5 -1.4 -0.3
VIII 49848 5.3 -0.3 -7 -4 3.7 0.1 5.7 -6.3 3.2 0.6 -4.7 -2.1
VIII 49843 3.9 0 2.1 1.2 3.1 -0.3 12.1 -2.1 2 0.1 4.2 2.8
VIII 49842 3.5 0.6 3 2.6 3.2 1.6 13.6 -1.6 1.1 1.3 3.9 2.5
VIII 49844 2.7 -1.7 -1.3 -3.4 0.8 -3 7.9 -7.5 1.4 -1.4 -1 -0.3
VIII 49841 3.4 0.1 0.8 1.8 3 1.5 12.5 -4.7 1.7 1.6 4.5 2.8
VIII 49846 3.7 -0.5 0 -0.4 1.4 -2.5 9.9 -2.7 2.4 -0.5 -1.7 1.7
IX 4964 2.3 0.7 -2.1 1.3 2.4 -1.2 10 0.2 2.1 0.4 -3.4 1.5
IX 4969 2.4 -1.4 -0.6 1.9 2.3 -2.1 7.3 -1.7 2.1 -0.3 -4 2.3
IX 49289 2.5 1.6 -2.7 2.6 2.8 -2.1 11.7 2.6 2.5 -1.7 -6.5 1.8
IX 49299 2.2 -0.9 -1.5 1.6 2.2 -3.4 9.9 0.8 2.3 -2.6 -3.4 1.7
IX 49959 5.4 1.5 -10.2 -5.9 8.2 4.2 -1.6 -9.5 4.3 1.6 -6.2 -3.5
IX 49956 3.8 1.6 -5.2 -3.8 5.5 5.5 16.6 -6.4 1.7 -0.6 -2.8 -0.8
IX 49958 5.3 0.6 -7.9 -5.3 6.5 2.8 9.9 -7.5 3.9 -1.3 -6.2 -2.4
IX 49952 1.2 0.6 -8.4 0.7 0.8 2.7 4.7 -1.9 -0.2 0 -10.1 1.5
IX 49955 2.9 1.3 -7.8 -2.5 1.5 3 16.6 -5.3 2 -2.8 -2.6 -0.3
IX 49953 2.4 4 -12.3 -1.1 0.5 1.7 9.5 -0.4 1.8 1 -9.1 -0.5
IX 49951 2.8 -0.9 -5.6 1.1 3.6 -3.8 15.9 -0.6 2.2 -2.8 -4.9 2.4
IX 49954 4.1 0.5 -11.2 -4.3 5 5.5 9 -3.9 2.7 -1.1 -8 -2
IX 49919 2.5 -2.5 4.5 1.2 3.9 -1.4 7.7 -0.2 2.1 -1.6 3.2 1.4
IX 49918 3.2 0 3.7 1.1 3.3 -0.5 8 -1.1 2.4 0.2 0 2.1
IX 49916 4.3 -0.5 3.1 3.1 5.4 0.4 10.6 2.9 3.9 -0.2 2.4 3.5
IX 49917 4.5 -1.1 0.3 2.6 4.6 -0.3 8.3 0.2 4.1 -0.8 0.4 3.5
IX 49915 4.4 -0.6 1.9 3.5 4.4 -0.5 11.8 2.1 3 -0.1 2.2 3.5
IX 49914 5.8 -0.9 -0.2 2.6 2.6 -2.3 12.1 -1.6 2.8 -0.8 0.6 3
IX 49912 5.1 0.7 -1.1 3.5 4.2 1.4 11.8 -0.4 4.6 1 -1.3 3.3
IX 49913 4.7 -0.6 0.8 3.2 4 0.2 13.5 0.3 3.5 -0.5 2.5 3.3
IX 49911 4.5 0.2 -0.2 5 3.9 1.6 14.9 2.3 4.1 0.5 3.5 4.1
IX 4992 4.4 -0.4 -2.5 2.3 5.4 0.8 12.3 2.5 3.4 -0.1 1.7 2.5
IX 4993 3 -0.4 -0.2 1.5 3.2 -1.9 9.7 -0.4 2.6 -0.2 -0.6 2.3
X 4996 5.1 1.2 -12.3 2.6 6 7.9 9.9 7.9 3.9 1.4 -6.6 7.8
XI 4998 5.7 1.7 -10.5 5 8.5 7.4 1.1 11.6 4.6 5.1 0 16.6
XI 4999 5.7 2.3 -4.7 6 8.3 7.6 7.9 14.3 5.6 5.3 4.9 20.1
XI 4997 4.9 0.1 -5.7 -5.3 8.7 5.7 9.9 -5.1 3.9 1.3 6.5 -0.2
XII 4994 3.3 -1 -6.5 -0.1 5.3 3.3 11 -0.4 2.5 -0.2 -3.7 1.6
XIII 49269 2.8 0.6 -1 1.8 2.4 -2.2 10.7 1.2 3.2 -0.2 -9.6 2
XIII 46648 3.2 0.3 -5.4 0 3.9 5.2 11.3 2.2 2.5 0.4 -3.5 2
XIII 46644 2.2 -1 -5.9 -0.2 2.1 1.1 10.4 1.1 1.6 -0.1 -4.1 3.1
XIII 46647 2.9 0.6 -5.2 1.3 3.2 -1.1 8.6 3.1 2.6 0.2 -5.5 4.5
XIII 46645 2.6 2.4 -9.1 -2.4 2.1 -3.1 12.1 3.4 2.1 -0.4 3.2 1.9
XIII 46643 2.7 1 -3 0.1 2.6 -0.8 10.9 2.9 2.1 0.9 1 2.3
XIII 46649 2.8 -0.4 -4.7 1.6 3.1 0.8 12.7 0.6 2.3 -0.1 -7.3 1.3
XIII 46646 2.8 0.3 -4.6 2.5 2.5 -1 12.9 2.2 2.2 -1.1 -8.6 2.4
XIII 4662 2.8 1 -3.1 1.1 1.6 -2.8 14 1.6 2.6 -0.8 -4.2 2
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 93
Tabla 29. Unidades hidrográficas con cambios significativos para caudales y rendimiento hídrico (2035-
2065 vs 1981-2016)
AAA COD UH Caudales Rendimiento hídrico
DEF MAM JJA SON DEF MAM JJA SON
I 132 Cuenca Quilca - Vitor - Chili NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
I 134 Cuenca Camanß NEGATIVO NEGATIVO NEGATIVO NEGATIVO
I 136 Cuenca Oco±a NEGATIVO NEGATIVO NEGATIVO NEGATIVO
I 1316 Cuenca Locumba NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
I 1318 Cuenca Tambo NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
I 13155 Int 13155 NEGATIVO
I 13156 Cuenca Caplina NEGATIVO
I 13158 Cuenca Sama NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
I 13172 Cuenca Ilo - Moquegua NEGATIVO
I 13712 Cuenca Pescadores - Caraveli NEGATIVO NEGATIVO
I 137152 Cuenca Chocl≤n POSITIVO
II 1372 Cuenca Grande NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
II 1374 Cuenca Ica NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
II 13716 Cuenca Yauca NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
II 13718 Cuenca Acarφ NEGATIVO NEGATIVO NEGATIVO NEGATIVO
II 13752 Cuenca Pisco POSITIVO
II 137154 Cuenca Chßparra NEGATIVO NEGATIVO NEGATIVO
II 137156 Cuenca Chala POSITIVO POSITIVO POSITIVO POSITIVO
II 137158 Cuenca Honda POSITIVO
III 13754 Cuenca Ca±ete POSITIVO POSITIVO
III 13758 Cuenca Pativilca NEGATIVO NEGATIVO NEGATIVO NEGATIVO
III 137552 Cuenca Mala NEGATIVO NEGATIVO NEGATIVO
III 137554 Cuenca Rφmac NEGATIVO NEGATIVO POSITIVO NEGATIVO NEGATIVO
III 137556 Cuenca Chill≤n NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
III 137558 Cuenca Chancay - Huaral NEGATIVO POSITIVO
III 137559 Int 137559 POSITIVO
III 137572 Cuenca Supe NEGATIVO NEGATIVO NEGATIVO NEGATIVO
III 137592 Cuenca Fortaleza NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
III 1375512 Cuenca Omas NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
III 1375534 Cuenca Lurφn NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO POSITIVO
IV 1376 Cuenca Santa NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IV 13772 Cuenca Chicama POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
IV 137593 Int 137593 POSITIVO
IV 137594 Cuenca Huarmey NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IV 137596 Cuenca Casma NEGATIVO NEGATIVO
IV 137598 Cuenca Nepe±a POSITIVO POSITIVO
IV 137712 Cuenca Huamansa±a NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IV 137714 Cuenca Vir· NEGATIVO
IV 137716 Cuenca Moche POSITIVO POSITIVO
IV 1375952 Cuenca Culebras POSITIVO POSITIVO POSITIVO
IV 1375992 Cuenca Lacramarca POSITIVO
V 138 Cuenca Chira POSITIVO POSITIVO POSITIVO POSITIVO
V 1378 Cuenca Piura POSITIVO POSITIVO POSITIVO POSITIVO
V 1392 Cuenca Pari±as POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 1394 Cuenca Tumbes POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 13774 Cuenca Jequetepeque POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 13776 Cuenca Chancay - Lambayeque POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 13778 Cuenca Cascajal POSITIVO NEGATIVO POSITIVO NEGATIVO
V 13779 Int 13779 POSITIVO POSITIVO POSITIVO POSITIVO
V 13932 Cuenca Fernßndez POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 13934 Cuenca Quebrada Seca POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 13936 Cuenca Bocapßn POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 137752 Cuenca Chamßn POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 137754 Cuenca Za±a POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 137771 Int 137771 POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 137772 Cuenca Motupe POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO POSITIVO
V 137773 Int 137773 POSITIVO POSITIVO POSITIVO POSITIVO
V 137774 Cuenca Olmos POSITIVO POSITIVO POSITIVO POSITIVO
V 137779 Int 137779 POSITIVO POSITIVO POSITIVO POSITIVO
VI 49891 Int Alto Mara±≤n I NEGATIVO NEGATIVO
VI 49892 Cuenca Chinchipe NEGATIVO NEGATIVO
VI 49894 Cuenca Utcubamba NEGATIVO NEGATIVO NEGATIVO NEGATIVO
VI 49895 Int Alto Mara±≤n III NEGATIVO NEGATIVO POSITIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
VI 49896 Cuenca Chamaya NEGATIVO NEGATIVO POSITIVO NEGATIVO NEGATIVO POSITIVO
VI 49897 Int Alto Mara±≤n IV NEGATIVO NEGATIVO POSITIVO NEGATIVO NEGATIVO POSITIVO
VI 49898 Cuenca Crisnejas NEGATIVO POSITIVO NEGATIVO POSITIVO
VI 49899 Int Alto Mara±≤n V NEGATIVO NEGATIVO NEGATIVO NEGATIVO
VII 4974 Cuenca Putumayo NEGATIVO
VII 4976 Cuenca Yavari NEGATIVO NEGATIVO NEGATIVO NEGATIVO
VII 4977 Int 4977 NEGATIVO NEGATIVO NEGATIVO
VII 4981 Int Bajo Mara±≤n NEGATIVO NEGATIVO
VII 49791 Int 49791 NEGATIVO
VII 49792 Cuenca Manitφ NEGATIVO NEGATIVO
VII 49793 Int 49793 NEGATIVO
VII 49794 Cuenca Nanay NEGATIVO NEGATIVO
VII 49796 Cuenca Tahuayo NEGATIVO
VII 49798 Cuenca Itaya NEGATIVO NEGATIVO
Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura 97
Tabla 30. Unidades hidrográficas con cambios significativos para caudales y rendimiento hídrico (2035-
2065 vs 1981-2016). Continuación
AAA COD UH Caudales Rendimiento hídrico
DEF MAM JJA SON DEF MAM JJA SON
IX 4969 Int Alto Yur·a NEGATIVO NEGATIVO
IX 4992 Cuenca Pachitea NEGATIVO NEGATIVO NEGATIVO
IX 4993 Int Medio Bajo Ucayali NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IX 49289 Int Alto Iaco NEGATIVO NEGATIVO
IX 49299 Int 49299 NEGATIVO
IX 49911 Int 49911 NEGATIVO NEGATIVO
IX 49912 Cuenca Tapiche NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IX 49913 Int 49913 NEGATIVO NEGATIVO NEGATIVO
IX 49915 Int 49915 NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IX 49916 Cuenca Aguaytφa NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IX 49917 Int 49917 NEGATIVO NEGATIVO NEGATIVO
IX 49918 Cuenca Tamaya NEGATIVO NEGATIVO
IX 49919 Int 49919 NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IX 49951 Int 49951 NEGATIVO NEGATIVO NEGATIVO
IX 49952 Cuenca Poyeni NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IX 49953 Int 49953 NEGATIVO NEGATIVO NEGATIVO
IX 49954 Cuenca PerenΘ NEGATIVO NEGATIVO NEGATIVO
IX 49955 Int 49955 NEGATIVO
IX 49956 Cuenca Cutivireni NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
IX 49959 Int 49959 NEGATIVO NEGATIVO
XI 4997 Int Bajo Apurφmac NEGATIVO
XI 4999 Int Alto Apurφmac POSITIVO POSITIVO
XII 4994 Cuenca Urubamba NEGATIVO
XIII 4662 Cuenca Orthon NEGATIVO NEGATIVO
XIII 46643 Int Medio Bajo Madre de Dios NEGATIVO NEGATIVO
XIII 46644 Cuenca Tambopata NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIII 46645 Int Medio Madre de Dios NEGATIVO NEGATIVO NEGATIVO
XIII 46646 Cuenca De Las Piedras NEGATIVO
XIII 46647 Int Medio Alto Madre de Dios NEGATIVO NEGATIVO
XIII 46648 Cuenca Inambari NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIII 46649 Int Alto Madre de Dios NEGATIVO
XIII 49269 Int Alto Acre NEGATIVO NEGATIVO NEGATIVO
XIV 16 Cuenca Ilave NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIV 18 Cuenca Pucarß POSITIVO POSITIVO
XIV 19 Cuenca Azßngaro POSITIVO POSITIVO
XIV 144 Cuenca Mauri NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIV 146 Cuenca Ca±o NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIV 148 Cuenca Ushusuma NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIV 152 Cuenca Mauri Chico NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIV 155 Int 0155 NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIV 156 Cuenca Callaccame NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIV 157 Int 0157 NEGATIVO NEGATIVO NEGATIVO NEGATIVO
XIV 172 Cuenca Suches NEGATIVO NEGATIVO POSITIVO NEGATIVO NEGATIVO POSITIVO
XIV 174 Cuenca Ilpa NEGATIVO NEGATIVO NEGATIVO POSITIVO NEGATIVO NEGATIVO NEGATIVO POSITIVO
XIV 176 Cuenca Coata NEGATIVO NEGATIVO NEGATIVO POSITIVO NEGATIVO NEGATIVO NEGATIVO POSITIVO
XIV 178 Cuenca HuancanΘ NEGATIVO NEGATIVO NEGATIVO POSITIVO NEGATIVO NEGATIVO NEGATIVO POSITIVO
XIV 179 Int Ramis POSITIVO NEGATIVO NEGATIVO NEGATIVO
98 Atlas de Hidrología Superficial del Perú: Una evaluación presente y futura