escenarios de cambio climático y tendencias en la zona del golfo de … · 2017. 3. 18. ·...

Capítulo 6

Escenarios de cambio climático y tendencias en la zona del Golfo de México

Víctor Magaña Rueda (Baldemar Méndez Antonio, Ernesto Caetano dos Santos, Juan Matías Méndez Pérez, Edgar Pérez Pérez)

Boris Graizbord (Emelina Nava García, Anabel Martínez Guzmán, Jaime Ramírez Muñoz, Raúl Lemus Pérez)

Jacinto Buenfil Friedman

Leticia Gómez Mendoza (Daniel Ocaña Nava, Carolina Neri Vidaurri)

571

6.1.1 introduCCión

El Panel Intergubernamental sobre Cambio Climático (IPCC) define el cambio cli-mático como “una variación estadísticamente significativa, ya sea de las condiciones climáticas medias o de su variabilidad, que se mantiene durante un periodo pro-longado (generalmente durante decenios o por más tiempo)”. El cambio del clima puede deberse a procesos naturales internos o a un forzamiento externo, a cambios duraderos en la composición de la atmósfera o modificaciones en el uso del suelo, resultado de las actividades humanas. La Convención Marco sobre el Cambio Climá-tico (CMNUCC), en su artículo 1, define el cambio climático como “cambio del clima atribuido directa o indirectamente a actividades humanas que alteran la composición de la atmósfera mundial, y que viene a añadirse a la variabilidad natural del clima observada durante periodos de tiempo comparables”. La CMNUCC hace pues una distinción entre “cambio climático”, atribuible a actividades humanas que alteran la composición de la atmósfera, y “variabilidad del clima”, atribuible a causas naturales.

Como país en desarrollo, México tiende a ser más vulnerable al cambio climático que muchos países desarrollados. Las proyecciones del IPCC y otros grupos de cien-tíficos dedicados al análisis de los impactos del cambio climático sugieren que aun con aumentos pequeños de la temperatura, el cambio climático podría traducirse en impactos negativos serios sobre diversos sectores, principalmente aquellos relacio-nados con el recurso agua. Los escenarios de cambio climático son “una descripción

6.1 Escenarios de cambio climático para México Víctor Magaña et al. Boris Graizbord et al.

572 esCenarios de CamBio ClimátiCo y tendenCias

coherente, internamente consistente y plausible de un posible estado futuro del mun-do”. No son pronósticos, ya que cada escenario es una alternativa de cómo se puede comportar el clima futuro. Una proyección puede servir como material fuente para un escenario, pero los escenarios en general requieren de información adicional; por ejemplo, condiciones de emisiones de gases de efecto invernadero o de un escenario base. Un conjunto de escenarios se adopta para reflejar, de la mejor manera posible, el rango de incertidumbre en las proyecciones.

Los escenarios socioeconómicos pueden ser construidos como lo ha hecho el IPCC en el Informe Especial de Escenarios de Emisiones (Special Report on Emis-sions Scenarios o SRES). Estos escenarios se realizaron para explorar el desarrollo futuro del medio ambiente global, con especial énfasis en la producción de gases de efecto invernadero1 (GEI). La emisión de estos gases a la atmósfera depende en gran medida del nivel de desarrollo de los países a futuro, de su población y del uso de hidrocarburos como fuente principal de abastecimiento de energía. Para poder hablar de escenarios, primero se debe conocer la terminología:

• Líneaevolutiva(Storyline): Descripción narrativa de un escenario (o familia de es-cenarios) que resalta sus principales características, las relaciones entre las fuerzas determinantes fundamentales y la dinámica de su evolución.

• Escenario:proyeccionesdeunfuturopotencial,conbaseenunalógicaclarayunalínea evolutiva cuantificada.

• Familia de escenarios: escenarios que tienen una línea evolutiva similar en lo querespecta a sus características demográficas, sociales, económicas y de cambio tecno-lógico. La serie de escenarios del SRES consta de cuatro familias: A1, A2, B1 y B2.

En el Informe Especial del IPCC sobre Escenarios de Emisiones se elaboraron cua-tro líneas evolutivas (A1, A2, B1 y B2), donde se describen las fuerzas determinantes en las emisiones de gases de efecto invernadero y aerosoles2, así como su evolución

1 Gases cuya presencia en la atmósfera contribuye al efecto invernadero. El efecto invernadero tiene que ver con la capacidad de la atmósfera terrestre para retener las radiaciones emitidas por el Sol y ocurre en todos los planetas que tienen atmósfera. El consenso científico actual es que el incremento en la concentración de ciertos gases como el dióxido de carbono (CO2) y el metano (CH4), así como de los aerosoles, está aumentando este efecto.

2 Conjunto de partículas sólidas o líquidas en suspensión en el aire, cuyo tamaño oscila generalmente entre 0.01 y 10 mm, y que permanecen en la atmósfera como mínimo durante varias horas. Los aerosoles pueden ser de origen natural (volcanes, incendios) o antropogénico (quema de combustibles). Los aerosoles pueden influir en el clima de dos maneras: directamente, mediante la dispersión y la absorción de la radiación, e indirectamente, al actuar como núcleos de condensación para la formación de nubes, o al modificar las propiedades ópticas y el periodo de vida de las nubes.

esCenarios de CamBio ClimátiCo para méxiCo 573

durante el siglo XXI tanto en términos globales como de distintas regiones. Cada línea evolutiva representa un nivel de desarrollo divergente en cuestiones demográficas, sociales, económicas y tecnológicas.

Figura 1. Ilustración esquemática de los escenarios del SRES.

Escenarios SRES

Económico

Fuerzas motoras

AmbientalAmbiental

RegionalGlobal

A1 A2

B1 B2

EconomíaTecnología

Energía

Agricultura(uso de suelo)

Población

Las cuatro familias de escenarios se muestran, de manera muy simplista, como ramas de un árbol bidimensional. En realidad, estas cuatro familias de escenarios comparten un espacio dimensional mucho más amplio, dadas las nume-rosas suposiciones necesarias para definir cada escenario dentro de cada modelo. El diagrama esquemático ilustra las principales fuerzas motoras que rigen las emisiones de GEI. Cada familia de escenarios se basa en especificaciones comunes de estas fuerzas motoras.

Fuente: Nakicenovic et al., 2000.

En términos simples, las cuatro líneas evolutivas combinan dos series de ten-

dencias divergentes: una serie desarrolla las variaciones entre valores económicos y

ambientales; la otra serie explora las variaciones entre mayor globalización y regiona-

lización. Estas líneas evolutivas pueden resumirse de la siguiente forma3:

3 Nakicenovic et al., 2000.


• Línea evolutiva y familia de escenariosA1: presentaunmundo futuro concrecimiento económico muy rápido; la población mundial llega a su punto máximo a mediados del siglo y decrece desde entonces. Se asume una rápida introducción de tecnología nueva y más eficiente.

• LíneaevolutivayfamiliadeescenariosA2:suponeunmundomuyheterogé-neo, con la población global en constante aumento y el crecimiento económi-co orientado regionalmente; éste es más lento y fragmentado que en las otras líneas evolutivas.

• LíneaevolutivayfamiliadeescenariosB1:muestraunmundoconvergentecon los mismos patrones de población que la familia A1, pero con cambios rápidos en las estructuras económicas hacia una economía de servicios e in-formación. Esto supone una reducción en la intensidad del uso de materiales, y la introducción de tecnologías limpias y eficientes en el uso de recursos.

• Línea evolutiva y familia de escenariosB2: planteaunmundoendondeelénfasis se concentra en soluciones locales para la sustentabilidad económica, social y ambiental. Asume una población en continuo crecimiento (menor al de la familia A2) y un nivel de desarrollo económico intermedio.

A partir de estas líneas evolutivas se desarrollaron cuarenta escenarios que caben dentro de cada una de las cuatro familias. Es importante recalcar que todos los esce-narios se consideran como válidos y no tienen asignada una probabilidad de ocurren-cia. De las cuatro familias se tomaron seis grupos de escenarios: uno para cada una de las familias A2, B1 y B2, y tres para la familia A1. Estos últimos caracterizan los desarrollos alternativos de tecnologías energéticas: A1F1 (uso intensivo de recursos fósiles), A1T (uso predominante de recursos alternativos a los fósiles) y A1B (asume un balance de las fuentes energéticas).

Se puede decir, en resumen, que los escenarios del SRES consideran diferentes

condiciones del desarrollo global para los próximos cien años y son, en un sentido

más amplio, escenarios del estado, y crecimiento de la población y la economía. Las

dos grandes familias de escenarios conllevan a estimar las emisiones globales de ga-

ses de efecto invernadero. Los escenarios “A” describen un mundo futuro con alto

crecimiento económico, mientras que en los “B” ese crecimiento es más moderado.

Los escenarios A1 y B1 suponen que habrá una globalización tal que las economías


convergerán en su desarrollo. En los A2 y B2 se considera que el desarrollo se dará

más en un nivel regional. Estos escenarios parten de un conjunto de suposiciones

acerca de la evolución de los forzantes (población, tecnología, economía, uso del

suelo, agricultura y energía) tanto en el ámbito global como regional.

Entre las suposiciones inherentes a los escenarios mencionados, se estima que

las reservas petroleras y de carbono serán la fuente principal de energía por lo menos

para los próximos cien años. El año 1990 se toma como marco de referencia para

evaluar las condiciones futuras. Así, para ese año, la población mundial constaba de

5 300 millones de habitantes, el producto interno bruto mundial era de 12 billones

de dólares por año y la tasa del ingreso era de $16.1 per cápita. La población mundial,

según los escenarios A1 y B1, crecerá a 7 mil y 7 100 millones de habitantes, respec-

tivamente; mientras que los escenarios A2 y B2 consideran que ésta aumentará a 15

100 y 10 400 millones, respectivamente. La tasa de ingreso personal será semejante

en los escenarios A, mientras que en el escenario B2 aumentará a casi el doble. Por úl-

timo, las emisiones de gases de efecto invernadero proyectadas por el IPCC, respecto

a los escenarios elaborados, pueden resumirse de la siguiente manera:

• Emisionesaltas A1B• Emisionesmedia-alta A2• Emisionesmedia-baja B2• Emisionesbajas B1

6.1.2 reduCCión de esCala

Los experimentos numéricos con modelos de circulación general de la atmósfe-ra (General Circulation Models o GCM) permiten concluir que el aumento en las concentraciones de gases de efecto invernadero tendrá impactos significativos en el clima global y regional. Sin embargo, es menos claro en qué medida se modificarán las condiciones climáticas en sitios particulares. Las llamadas técnicas de reducción de escala o downscaling se han desarrollado como puentes para ligar la información generada en los experimentos de cambio climático con los posibles impactos que pueden producirse a escalas regionales. La información requerida para estudios de


impacto del cambio climático debe tener escalas espaciales mucho más finas que las generadas por los GCM. Dichos modelos tienen resoluciones espaciales de cientos de kilómetros, mientras que los estudios de impacto a menudo se realizan en zonas de tan sólo unos cuantos kilómetros. La baja resolución espacial de los GCM no permite considerar los forzantes del clima local como topografía o uso de suelo. Algunas veces, los impactos de las variaciones globales del clima cobran características particulares en lugares de topografía marcada, islas o regiones de contrastes en el uso de suelo. Esto se debe a que dichos factores generan circulaciones de mesoescala4. De ahí el interés por aplicar técnicas de reducción de escala.

También existen algunos modelos llamados de clima regional que tienen resolu-ción de decenas de kilómetros y pueden ser alimentados con información de los mo-delos de baja resolución espacial, como los GCM. Estos modelos contienen una mejor representación de, por ejemplo, la topografía o el uso de suelo de la región de interés que es considerada en el dominio del modelo. Sin embargo, los modelos regionales son susceptibles a los errores sistemáticos en los campos del modelo global y pueden incluso exacerbarlos, generando así una pobre simulación del clima regional.

La forma más directa de obtener escenarios locales de cambio climático es utili-zando los cambios del clima proyectados por los modelos de baja resolución espacial y sumarlos al clima considerado como base. Este método se utiliza generalmente cuando no existe posibilidad de aplicar modelos de clima regional o para estimar la incertidumbre que surge de los numerosos modelos y experimentos de cambio cli-mático.

Sin embargo, algunos escenarios de cambio climático también pueden obtenerse a través de técnicas estadísticas. Estas técnicas tienen la ventaja de ser económicas en términos computacionales y por lo tanto pueden aplicarse rápidamente. Además, pueden proveer información puntual, lo cual es importante para los estudios de im-pacto del cambio climático. El esquema tiene como hipótesis fundamental que las relaciones construidas con el clima actual se mantienen aun bajo cambio climático. Para las décadas por venir (2010-2030), la hipótesis no es mala, pues la incertidum-

4 La mesoescala en meteorología es el estudio de sistemas del tiempo atmosférico más pequeños que la escala sinóptica meteorológica, pero más grandes que la microescala y la escala de tormenta de los sistemas de nubes cúmulos. Sus dimensiones horizontales generalmente oscilan de cerca de 9 km a varios centenares de kilómetros (brisas de mar).


bre dada por los diferentes escenarios de emisiones es mínima. Por ello, generalmente se presta más atención a periodos en los que el cambio climático proyectado será más notable; es decir hacia finales de siglo. Ahí, las diferencias entre escenarios cobran importancia y se utilizan como uno de los factores de incertidumbre de la magnitud de los cambios esperados.

Figura 2. Precipitación promedio anual en la costa del Golfo de México.

Fuente: Magaña et al., 2007.

6.1.3 inCertidumbre en las proyeCCiones del Cambio ClimátiCo

Hay dos fuentes fundamentales de incertidumbre en los escenarios de cambio climá-

tico regional que deben considerarse en los estudios de impacto:

1. La incertidumbre acerca de las emisiones futuras de GEI y aerosoles. Los gases como dióxido de carbono (CO2), metano (CH4) y los aerosoles afectan el for-zamiento radiativo5 del sistema climático; es decir, rompen el equilibrio entre la

5 Se denomina forzamiento radiativo al cambio en el flujo neto de energía radiativa hacia la superficie de la Tierra medido en el borde superior de la troposfera (a unos 12 000 m sobre el nivel del mar) como resultado de cambios internos en la composición de la atmósfera, o cambios en el aporte externo de energía solar. Se expresa en W/m2.


Figura 3. Cascada de incertidumbre en la relación entre emisiones e impactos.

Escenariosde emisiones

Respuesta delciclo del carbono

Sensibilidad del clima global

Escenarios de cambioclimático regional

Rango deposibles impactos

radiación solar que incide en la Tierra y la que es reflejada por el planeta. El Infor-me Especial sobre Escenarios de Emisiones provee una estimación de la incerti-dumbre en dichas emisiones. Este elemento es importante, pues los cambios en temperatura y precipitación, incluso a escala regional, pueden variar de acuerdo con las concentraciones proyectadas.

2. La incertidumbre en la sensibilidad global del clima y los cambios de patrones de circulación a escala regional que simulan los modelos del clima. Las diferencias en la formulación de los modelos de circulación general de la atmósfera llevan a que se generen diferencias entre escenarios, incluso para un mismo forzante. Así, mientras un modelo proyecta un cambio de 1 ºC, otro puede indicar un cambio de 2 ºC. Por estas mismas razones, algunos modelos predicen incrementos en la precipitación, mientras que otros sugieren una disminución.

La incertidumbre se propaga de una estimación a otra; es decir, la incertidumbre

de los escenarios produce incertidumbre en el ciclo del carbono para los modelos, y

ésta se propaga en los climas globales y regionales proyectados en los modelos que,

a su vez, generan incertidumbre cuando se estiman los impactos en una región o

localidad (figura 3).

Una fuente adicional de duda se encuentra en la variabilidad natural del sistema climático, que en gran medida es el resultado de inestabilidades propias, o forzamien-tos externos, como los que resultan de la actividad volcánica o la actividad solar. Para analizar los impactos y las medidas de adaptación se han utilizado escenarios de


cambio climático, cuya selección, en la mayoría de los casos, ha sido arbitraria y con poca consistencia en términos de manejo de sesgos de los modelos.

6.1.4 tendenCias de la temperatura y el Clima en los últimos Cien años

Para la región de México casi no se dispone de experimentos con modelos de clima

regional que permitan estimar directamente los cambios en parámetros meteoro-

lógicos y por ello se usan técnicas de reducción de escala. Existen dos fuentes de

información de escenarios de cambio climático generados con modelos dinámicos de

clima regionales. Uno de ellos es el Modelo Japonés desarrollado por el Meteorolo-

gical Research Institute (MRI), con el cual se han generado proyecciones de cambio

de clima con escalas espaciales de 22 x 22 km. Dicha información ha sido de gran

utilidad para analizar algunos de los procesos que resultarán en México bajo un clima

más cálido. También se dispone de una salida construida con el modelo PRECIS para

la región de México, Centroamérica y el Caribe, desarrollada con información del

modelo Hadley Centre. Ambas proyecciones con modelos de clima regional han sido

analizadas y sus resultados son comparables con algunos de los obtenidos con técni-

cas estadísticas. En la figura 4 se ilustran los pasos para obtener escenarios locales a

partir de la información generada en modelos globales.

Figura 4. Secuencia de acciones para generar escenarios locales de cambio climático.


Las tendencias de la temperatura en los últimos cien años, de acuerdo con el

análisis de temperatura de superficie, indican que en la mayor parte de México han

ocurrido aumentos que varían de región en región (figura 5). Los cambios observados

en temperatura media anual varían de -0.5 °C, en ciertas partes del noreste, a cerca

de 1.5 °C, en el noroeste. Las tendencias en la temperatura en gran parte del país

podrían estar influenciadas por el efecto de la urbanización de las estaciones con las

que se construye el campo de datos. Sin embargo, es probable que dicho efecto sólo

sea perceptible en el Valle de México.

Figura 5. Tendencias de la temperatura media anual (°C/100 años) en México de acuerdo con los datos del Climate Research Unit (CRU).


De acuerdo con los datos del Climate Research Unit (CRU), las tendencias de la

precipitación de los últimos cien años sugieren una especie de dipolo: incremento en

el sur y disminución en el norte. Al comparar las tendencias de los últimos cien años

con las de los últimos cincuenta años, se encuentra que la precipitación en la región

del Golfo de México parece disminuir. Aún no es claro si se trata sólo de una forma de

variabilidad de la precipitación de muy baja frecuencia (ver figuras 6 y 7).


Figura 6. Tendencias de la precipitación media anual (mm/100 años) en México de acuerdo con los datos del Climate Research Unit (CRU).



Figura 7. Tendencias de la precipitación para los últimos cien años y para los últimos cincuenta años de acuerdo con los datos del Centro de Ciencias de la Atmósfera de la UNAM.


La figura 7 ilustra las tendencias en precipitación de los últimos cien y cincuenta

años, y ha sido elaborada al volver a analizar los patrones de precipitación construidos

en el Centro de Ciencias de la Atmósfera, con una base de datos de estaciones más

completa que la serie utilizada por CRU.

Se puede concluir que los cambios registrados en la precipitación son relativa-

mente pequeños, si se comparan con los cambios porcentuales experimentados por

la temperatura.

6.1.5 esCenarios de Cambio ClimátiCo para méxiCo

El presente análisis se basa en los resultados de modelos numéricos de simulación

del clima. En él se presenta una visión de las condiciones actuales y futuras de la

región del Golfo de México en su conjunto, utilizando campos de precipitación y

temperatura tanto observados como simulados con modelos para la condición actual

y futura. Se pone especial énfasis en el modelo del Simulador de la Tierra (Earth

Simulator) del Instituto de Investigaciones Meteorológicas de Japón, ya que cuenta

con alta resolución espacial. Sin embargo, debemos mantener en mente que se trata

de un solo escenario (A1F) y que el periodo de tiempo con el que se cuenta para

este estudio es 2080-2099. Si bien el modelo arroja información sobre procesos

físicos que consideran la topografía con detalle, debe considerarse en un contexto

probabilístico, en el cual otros escenarios son posibles.

Los modelos de circulación general utilizados para el 4º Informe del IPCC inclu-

yen a los grandes centros de pronóstico como NCAR, Hadley Centre, Centro Europeo

(ECHAM), el MRI de Japón y otros. Generalmente se utiliza el valor ensamble para

reflejar el promedio de los modelos. Además, se presenta la dispersión entre modelos

para tener una estimación de la incertidumbre en las proyecciones. No se considera que

haya un modelo superior a otro, por lo que todos, en principio, tienen el mismo peso. La

resolución promedio de los modelos es del orden de 300 x 300 km. Sin embargo, dan

una primera aproximación de las tendencias del clima para la república mexicana.

Las proyecciones de los modelos globales en forma de ensamble han sido pre-

sentadas en la Tercera Comunicación Nacional de México ante la Convención Marco


de las Naciones Unidas sobre Cambio Climático6 y han servido para analizar la vul-

nerabilidad, y los potenciales impactos en los distintos sectores y regiones del país.

Los resultados de las proyecciones con modelos de circulación general dependen

del escenario de emisiones utilizado. Como ya se mencionó, una de las fuentes de

incertidumbre proviene de los escenarios utilizados y la otra, de las diferencias entre

modelos.

Una climatología se construye utilizando el promedio de las condiciones en

treinta años. Por ello, ha sido costumbre analizar los periodos 2010-2039, 2040-

2069 y 2070-2099, refiriéndose a cada uno de ellos como climatologías de 2020,

2050 y 2080, respectivamente. Si se considera un ensamble de las proyecciones

de los modelos de circulación general, así como la dispersión entre las proyecciones

de temperatura y precipitación para los climas 2020, 2050 y 2080, se encuentra

que, en general, el clima de México será más cálido (de 2 a 4 °C). Los resultados

indican que la parte más continental en el norte de México será la que experimente

mayores incrementos de temperatura. Durante las primeras décadas del siglo XXI no

se distinguen marcadas diferencias si las emisiones siguen el escenario A2 o el B2

(figura 8), pero después del clima del 2050, las diferencias serán marcadas. De ahí

la importancia de promover estrategias globales de mitigación y medidas locales de

adaptación.

La figura 8 muestra claramente que para las proyecciones en las próximas décadas

no existe gran diferencia entre los escenarios A2 y B2, con los mayores incrementos

en la temperatura hacia la zona norte de México. En casi todo el país, los aumentos

en temperatura fluctúan entre 1 y 1.5 °C tanto en invierno (enero) como en verano

(julio).

Cuando las proyecciones se realizan para la parte final del presente siglo (figura

9), las diferencias de magnitud del calentamiento se vuelven evidentes. Mientras que

los aumentos promedio proyectados para la república mexicana bajo el escenario

B2 oscilan entre 1.5 y 4 °C, el incremento bajo el escenario A2 es de entre 2.5 y 5

°C. Los mayores aumentos se proyectan hacia la parte norte de México y la mayor

dispersión entre modelos (incertidumbre en la magnitud del cambio) se da hacia la

6 INE-SEMARNAT, 2006.


Figura 8. Escenarios de cambio en temperatura en el clima 2010-2039 (2020) para enero y julio (colores), correspondiente a los escenarios de emisiones A2 y B2. La dispersión entre modelos (líneas) corresponde a una medida de la incertidumbre en las proyecciones.


zona noroeste y sureste de México. Tal diferencia en la magnitud del calentamiento

de un escenario a otro demuestra la importancia que tendrá la mitigación en los años

por venir.

En el caso de la precipitación, la incertidumbre entre modelos es aún mayor que la

incertidumbre entre escenarios de emisiones. La magnitud de la incertidumbre en la

precipitación es, en general, del mismo orden de magnitud que el cambio proyectado

para el clima alrededor de 2020. En México, tanto en los meses de invierno (enero)

como de verano (julio), existen sólo algunas señales en el promedio de los modelos

que sugieren una disminución en la precipitación (figura 10).


Figura 9. Escenarios de cambio en temperatura en el clima 2070-2099 (2080) para enero y julio (colores), correspondiente a los escenarios de emisiones A2 y B2. La dispersión entre modelos (líneas) corresponde a una medida de la incertidumbre en las proyecciones.

.

Fuente: Magaña et al., 2007

Las proyecciones del clima al año 2080 parecen amplificar los cambios tanto en

los modelos que indican disminuciones en las lluvias como en aquellos que sugieren

aumentos. La dispersión entre modelos y escenarios se amplifica cuando las proyec-

ciones de cambios en la precipitación se hacen para finales del presente siglo. Las

proyecciones promedio de los modelos a 2080 (figura 11) sugieren que el centro

occidente de México experimentará las mayores disminuciones en precipitación tan-

to de invierno como de verano. La zona del Golfo de México experimentará pocos

cambios en las lluvias de verano.


Figura 10. Proyecciones de cambios en la precipitación (mm/día) para el clima de 2020, resultado de promediar diversos GCM para un mes de invierno (enero) y de verano (julio) (colores). La dispersión entre modelos (líneas) corresponde a una medida de la incertidumbre en las proyecciones.


Un elemento a considerar es que las presentes simulaciones no incluyen eventos

extremos como ciclones tropicales y por lo tanto su efecto en las lluvias no está

representado. Dicho elemento resulta en una importante fuente de incertidumbre

que hasta el momento no ha sido cuantificada, pues requiere de estudios específicos

para zonas de ciclones tropicales, los cuales involucran el análisis de modelos con alta

resolución espacial.

Los cambios para las lluvias de invierno indican una disminución de entre 0 y

0.6 mm/día. Ese valor significa reducciones de menos de 10 o 15% en regiones del


centro de México, y de menos del 5% en la zona costera del Golfo de México. Las

menores reducciones en precipitación se estiman bajo el escenario A2 en los plazos

del clima alrededor de 2080. Sin embargo, es necesario mencionar que los cambios

proyectados son del mismo orden de magnitud que la incertidumbre resultante de la

dispersión entre modelos. Evidencia de ello es que algunos modelos proyectan ligeros

aumentos en precipitación, mientras otros proyectan disminuciones drásticas.

Los eventos extremos, como huracanes y “nortes”, requieren consideración es-

pecial en las proyecciones de precipitación para México. Es posible que los “nortes”

Figura 11. Proyecciones de cambios en la precipitación (mm/día) para el clima de 2080, resultado de promediar diversos GCM para un mes de invierno (enero) y de verano (julio) (colores). La dispersión entre modelos (líneas) corresponde a una medida de la incertidumbre en las proyecciones.



se vuelvan menos frecuentes. Es incierto en qué medida dicha disminución podría

afectar las precipitaciones, pero de acuerdo con ciertos escenarios éstas tenderán a

bajar principalmente en la vertiente del Golfo de México. En el caso de los ciclones

tropicales, se espera que, en promedio, su intensidad aumente. En efecto, se estima

una aminoración en la presión central promedio de estos sistemas de alrededor de

14%, un incremento de 6% en la velocidad de los vientos más intensos y una inten-

sificación en las precipitaciones de alrededor del 18%, en un radio de 100 km con

respecto al centro del huracán. Finalmente, puesto que el ciclo hidrológico se volverá

más intenso, las teorías sugieren un aumento en el número de tormentas severas,

así como periodos de sequía más severos y prolongados. Las observaciones de los

últimos años en México parecen coincidir con tal planteamiento.

589

A continuación se presenta una serie de análisis de salidas de modelos regionales del

clima, que permiten dar más detalle de los cambios en sitios específicos de la zona del

Golfo de México y el mar Caribe. Hasta hoy sólo se cuenta con salidas de los modelos

MRI de Japón, conocido como el Simulador de la Tierra, para el escenario A1F y

para el periodo 2080-2099. Los resultados de este modelo se comparan con los del

modelo PRECIS del Centro Hadley del Reino Unido para el escenario A2. PRECIS es

un modelo de menor resolución espacial (la mitad) que el MRI1. Las proyecciones en

ambos casos se hacen para finales del siglo XXI y se comparan con el escenario base

de finales del siglo XX. La razón de concentrarse en finales del presente siglo radica en

que para este periodo los cambios y su tendencia se vuelven mucho más claros.

6.2.1 temperatura media anual, modelo MRI de Japón

En la primera parte se tiene el campo de temperatura media actual2, construido con

observaciones de 1979 a 1998 (figura 1a), y se compara con el campo simulado

para el mismo periodo con el modelo MRI (figura 1b). La proyección para el periodo

2080-2099 con el modelo, bajo el escenario de emisiones A1F, muestra el mismo

1 El modelo PRECIS tiene una resolución espacial de 50 km, mientras que la del MRI es de 22 km.2 CCA-UNAM.

6.2 Escenarios de cambio climático para el Golfo de México

Víctor Magaña et al.


patrón de temperatura que el observado, pero con valores más elevados (figura 1c).

Las anomalías se pueden encontrar cuando se obtiene la diferencia entre el clima

simulado actual y la proyección hecha por el mismo modelo (figura 1d). El escenario

de emisiones A1F es algo intermedio entre A2 y B2.

Figura 1. a) Temperatura media anual (°C) observada (1979-1998); b) clima presente (1979-1998) simulado por el modelo MRI (AJ); c) proyección del clima futuro (2080-2099) bajo el escenario de emisiones A1F (AK); d) diferencia entre el clima presente y el escenario futuro (AK-AJ).


Los cambios proyectados con el modelo japonés de alta resolución espacial bajo

el escenario A1F indican que el calentamiento en la región del Golfo de México será

mayor a 2 °C, pero menor a 2.8 °C hacia finales del presente siglo. Esto coincide con

las proyecciones promedio obtenidas con los GCM. Los mayores aumentos parecen

ocurrir en Tamaulipas, Campeche y Yucatán.

golFo de méxiCo 591

6.2.2 preCipitaCión media anual, modelo MRI de Japón

En el caso de la precipitación, se ha seguido la misma estrategia de comparar el clima

actual observado con el simulado por el modelo, para así poder analizar las proyeccio-

nes de las lluvias hacia finales del presente siglo (figura 2).

El modelo japonés bajo el escenario A1F proyecta que la precipitación anual

cambiará muy poco hacia finales del presente siglo, y que quizá los mayores cambios

ocurrirán en la península de Yucatán. Cabe recalcar que ésta es una de las zonas en

Figura 2. a) Precipitación media anual (en mm/día) observada (1979-1998); b) clima presente (1979-1998) simulado por el modelo MRI (AJ); c) proyección del clima futuro (2080-2099) bajo el escenario de emisiones A1F (AK); d) diferencia entre el clima presente y el escenario futuro (AK-AJ).



donde los huracanes tienen gran importancia dentro del balance de la precipitación

anual.

6.2.3 temperatura y preCipitaCión media anual, modelo PRECIS del hadley Centre

Cuando los cambios se comparan con otro modelo de clima regional (PRECIS), pero

bajo un escenario de emisiones distinto (A2), se encuentra que es también hacia la

parte sureste del país donde se proyectan los mayores aumentos en temperatura

(figura 3). PRECIS proyecta que para finales del presente siglo, la temperatura sobre

Campeche podrá aumentar hasta en 4 °C. Por otro lado, las proyecciones de precipita-

ción indican una disminución máxima cercana al 10% en la zona del Golfo de México.

Los resultados son consistentes con el hecho de que el escenario A2 implica mayores

concentraciones de gases de efecto invernadero que el A1F. Debe mencionarse, sin

embargo, que el GCM que alimenta a PRECIS (el modelo del Hadley Centre) tiende a

producir uno de los mayores calentamientos de todos los GCM usados por el IPCC.

6.2.4 temperatura mínima, modelo MRI de Japón

Los cambios en la temperatura mínima proyectados por el modelo japonés son si-

milares a los encontrados para la temperatura media (figura 4). Sólo en Yucatán, la

disminución en precipitación podría reducir la humedad en la atmósfera y con ello el

efecto invernadero local sería menor.

6.2.5 temperatura máxima, modelo MRI de Japón

La disminución en precipitación, como lo proyecta el modelo japonés, produce menor

nubosidad sobre Yucatán y con ello los aumentos en temperatura máxima pueden ser

mayores incluso que los de la temperatura media o mínima, alcanzando localmente


Figura 3. a) Diferencia entre la temperatura media anual (en °C) simulada por PRECIS para el periodo actual (1961-1990) y el escenario futuro A2 (2071-2100); b) diferencia entre la precipitación (mm/día) simulada por PRECIS para el periodo actual (1961-1990) y el escenario futuro A2 (2071-2100).


hasta 3.2 °C para finales del presente siglo (figura 5). Para el resto de la zona del

Golfo de México, los cambios son en general menores a 2.8 °C.


Figura 4. a) Temperatura mínima media anual (en °C) observada (1979-1998); b) clima presente (1979-1998) simulado por el modelo MRI (AJ); c) proyección del clima futuro (2080-2099) bajo el escenario de emisiones A1F (AK); d) diferencia entre el clima presente y el escenario futuro (AK-AJ).


6.2.6 ondas de Calor, periodos seCos y ondas de frío, modelo MRI de Japón

El contar con valores diarios de los parámetros meteorológicos permite calcular al-

gunas variables derivadas, como la duración media de las ondas de calor o periodos

secos. De acuerdo con el modelo japonés, las ondas de calor y los periodos secos

aumentarán en duración (figura 6).


Figura 5. a) Temperatura máxima media anual (en °C) observada (1979-1998); b) clima presente (1979-1998) simulado por el modelo MRI (AJ); c) proyección del clima futuro (2080-2099) bajo el escenario de emisiones A1F (AK); d) diferencia entre el clima presente y el escenario futuro (AK-AJ).


Los valores extremos de temperatura aumentarán en menos de un grado; es

decir, cuando se presenten valores extremos de temperatura máxima, éstos serán en

promedio casi 3 °C más elevados de lo que son en la actualidad. Por ejemplo, en el

norte de Tamaulipas, la temperatura máxima en un evento extremo de calor podría

alcanzar los 43 °C a finales de siglo.

De manera opuesta a las ondas de calor, la duración de las ondas de frío disminuirá

de acuerdo con las proyecciones hechas con el modelo japonés de alta resolución


Figura 6. a) Duración media anual de ondas de calor (días) observada (1979-1998); b) clima presente (1979-1998) simulado por el modelo MRI (AJ); c) proyección para el periodo 2080-2099 bajo el escenario de emisiones A1F (AK); d) diferencia entre la duración media anual simulada para el periodo actual y el escenario futuro (AK-AJ).


(figura 7). Éstas tendrían, en promedio, alrededor de un día menos de duración que

las actuales.

6.2.7 ConClusiones

Los modelos numéricos del clima proyectan que la temperatura en la zona del Golfo

de México aumentará. Tanto los modelos de circulación general como los de cli-

ma regional proyectan cambios en temperatura menores a los 3 °C para finales del


Figura 7. a) Duración media anual de ondas de frío (días) observada (1979-1998); b) clima presente (1979-1998) simulado por el modelo MRI (AJ); c) proyección para el periodo 2080-2099 bajo el escenario de emisiones A1F (AK); d) diferencia entre la duración media anual simulada para el periodo actual y el escenario futuro (AK-AJ).


presente siglo. Sin embargo, es claro que los mayores incrementos resultan de los

escenarios de emisiones altas como el A2. Los escenarios de emisiones medias (A1F)

proyectan, sin embargo, que el aumento de temperatura en las regiones de mayor

cambio, como el sureste de México, no será mayor a 2.8 °C.

En cuanto a la precipitación, los cambios en promedio apuntan hacia muy ligeras

disminuciones, de menos del 10%, para finales del presente siglo. Algunas de las

proyecciones regionales sugieren que es hacia el sur y sureste de México donde se

producirán los mayores decrementos de precipitación. Debe mencionarse, sin embar-

go, que la dispersión entre modelos de circulación es grande, casi del mismo orden


de magnitud que la variación de las proyecciones, con algunos modelos indicando

posibles aumentos en la precipitación. Adicionalmente, la inadecuada representación

del efecto de los ciclones tropicales puede influir en la proyección de los cambios en

precipitación, pues ante ciclones tropicales más intensos podrían esperarse eventos

de precipitación abundante que modifiquen el balance hacia anomalías positivas.

599

6.3.1 introduCCión

Un escenario no es una predicción, sino una descripción coherente de un posible es-

tado del futuro del mundo. En su construcción influyen las fuerzas que determinan el

crecimiento, la tasa de cambios en la tecnología, los precios, el comercio internacional

y otras variables económicas o naturales. Los escenarios pueden constituir futuros

alternativos, con posibilidades de ocurrir o no, dado que no se elaboran con simples

extrapolaciones de tendencias históricas en una o varias variables1. Lo importante a

destacar es que los escenarios se elaboran asumiendo trayectorias posibles de emisio-

nes contaminantes y sus probables efectos en el cambio del clima, lo cual es útil para

la determinación de medidas de adaptación y políticas de mitigación.

Como se expuso en la sección 6.1, las “Líneas evolutivas” consisten en cuadros

coherentes del futuro, dentro de los cuales ciertas tendencias tienen sentido; también

se les conoce como familias de escenarios, las cuales divergen tanto cualitativa como

cuantitativamente. Las líneas evolutivas que se elaboraron en el Informe Especial

de Escenarios de Emisiones (SRES, por sus siglas en inglés) contienen contextos

demográficos, sociales, políticos y tecnológicos, pero no incluyen políticas explícitas

para limitar emisiones de gases de efecto invernadero o de adaptación al cambio

1 Carter et al., 1994.

6.3 Escenarios socioeconómicos

Boris Graizbord et al.


esperado. Por lo tanto, no constituyen propiamente pronósticos de las variables antes

citadas, pero es fundamental definirlas para saber cómo, a partir de ello, representar el

futuro; saber bajo qué criterios se asumen los cambios, y conocer su efecto en datos

trascendentales para los modelos tanto económicos como sociales.

Las líneas evolutivas describen progresos en dimensiones diversas: económicas,

técnicas, ambientales y sociales. Es por ello que ocupan un espacio multidimensional,

bajo el que se requieren asumir dos direcciones de análisis:

• Elgradodeconvergenciaeconómica,einteraccionessocialesyculturalesatravés

de las regiones (globalización).

• El grado de equilibrio entre los objetivos económicos y ambientales

(sustentabilidad).

Los escenarios del SRES son descriptivos, no predictivos, dado que sólo pode-

mos interpretar sus resultados como deseables o indeseables. Su utilidad deriva de

la necesidad de ver cómo los cambios del clima afectan las actividades económicas

(y viceversa), y con ello, determinar las implicaciones de las emisiones de gases de

efecto invernadero y aerosoles en el diseño de estrategias de respuesta2. El Informe

Especial de Escenarios de Emisiones incluye información sobre las principales fuerzas

impulsoras de las emisiones de GEI (como crecimiento de la población y desarrollo

económico), expresada generalmente en términos del PIB, del consumo de energía

y del uso del suelo. Para este estudio se utilizó el Producto Interno Neto Ecológico

(PINE), el cual se construye a partir del PIB, ajustado con distintas depreciaciones: del

capital manufacturero, del capital natural, y del costo por agotamiento y degradación.

De esta forma se intentó contabilizar el impacto de las actividades económicas sobre

los recursos naturales. Los cuadros 1 y 2 muestran las variables sugeridas para la

elaboración de escenarios socioeconómicos y su función.

2 Reporte Stern, 2004.

esCenarios soCioeConómiCos 601

Cuadro 1. Variables sugeridas para elaborar los escenarios socioeconómicos.

Variables SRESPoblación Emisiones

cumulativas de CO2

Consumo de energía primaria: petróleo

Emisiones de CH4

PIB Secuestro de carbono

Consumo de energía primaria: gas

Emisiones de NO2 1

PIB ajustado al poder de paridad de compra

Uso de suelo para cultivos

Consumo de energía primaria: nuclear

Emisiones de SOx

2

Consumo final de energía no comercial

Uso de suelo para pastizales

Consumo de energía primaria: eléctrica, no fósil

Emisiones de SO2

Consumo final de energía de sólidos

Uso de suelo para biomasa energética

Consumo de energía primaria: biomasa

Emisiones de CFC y HFC 3

Consumo final de energía de líquidos

Uso de suelo de selvas

Consumo de energía primaria: otras fuentes renovables

Emisiones de PFC 4

Consumo final de energía de gas

Otros usos de suelo Consumo total de energía primaria

Emisiones de SF6

5

Consumo final de energía eléctrica

Uso de suelo total Uso cumulativo de carbón Emisiones de CO

Consumo final de energía: otros

Emisiones de CO2 provenientes de energía

Uso cumulativo de petróleo Emisiones de NMVOC 6

Consumo final de energía total

Emisiones de CO2 provenientes de “otros”

Uso cumulativo de gas Emisiones de NOx 7

Consumo de energía primaria: carbón

Emisiones de CO2

1 Dióxido de nitrógeno.

2 Óxidos de azufre (incluye SO2).

3 Clorofluorocarbonos e hidrofluorocarbonos.

4 Perfluorocarbonos.

5 Hexafluoruro de azufre.

6 Compuestos orgánicos volátiles distintos del metano.

7 Óxidos de nitrógeno (incluye NO y NO2).

Fuente: Reporte Stern, 2004.


Cuad

ro 2

. Var

iabl

es u

tiliz

adas

en

la c

onst

rucc

ión

de lo

s es

cena

rios

soci

oeco

nóm

icos

.

Varia

bles

de

mer

cado

Func

ión

Rela

ción

func

iona

lVa

riabl

es

soci

ales

Func

ión

Rela

ción

func

iona

lVa

riabl

es

tecn

ológ

icas

Func

ión

Rela

ción

func

iona

l

PIB

mun

icipa

lEl

PIB

sirv

e pa

ra h

acer

co

mpa

racio

nes e

ntre

pa

íses y

par

a de

term

inar

si

la riq

ueza

crec

e o

decr

ece

en e

l larg

o pl

azo.

En

est

e es

tudi

o es

una

va

riabl

e de

apr

oxim

ació

n de

la ri

quez

a m

unici

pal.

Esta

var

iable

es

limita

da p

ara

evalu

ar la

de

sigua

ldad

de

ingr

esos

o

los e

fect

os d

e un

a se

quía

o un

a in

unda

ción.

La ca

pacid

ad a

dapt

ativ

a au

men

ta co

nfor

me

el

PIB

per c

ápita

lo h

ace.

Índi

ce d

e m

argi

nació

n.In

dica

el c

recim

ient

o de

l pod

er d

e co

mpr

a de

los l

ugar

eños

, su

nive

l de

pobr

eza

y el

acce

so q

ue ti

enen

a

mer

cado

s de

bien

es

y se

rvici

os.

Exist

e un

a re

lació

n in

vers

a en

tre la

m

argi

nació

n y

el PI

B: la

m

argi

nació

n di

smin

uye

cuan

do cr

ece

el PI

B pe

r cáp

ita.

La c

apac

idad

de

adap

tació

n au

men

ta

conf

orm

e lo

hac

e el

nive

l de

ingr

esos

.

Intro

ducc

ión

de

nuev

as te

cnol

ogías

qu

e su

stitu

yan

a lo

s hi

droc

arbu

ros.

Indi

ca la

crea

ción

de m

erca

dos

limpi

os. E

s un

a m

edid

a de

m

itiga

ción

de G

EI.

Aum

enta

la c

apac

idad

de

ada

ptac

ión

de la

s so

cieda

des.

El co

sto

para

la so

cieda

d es

alto

cu

ando

se in

trodu

ce la

m

edid

a, pe

ro a

larg

o pl

azo

el ef

ecto

se

suav

iza.

Prod

ucto

Inte

rno

Net

o Ec

ológ

icoM

unici

pal (

PIN

E)

Es u

na v

ariab

le d

e ap

roxi

mac

ión

para

med

ir la

rique

za m

unici

pal,

inclu

yend

o lo

s act

ivos

ec

onóm

icos n

o pr

oduc

idos

por

el h

ombr

e (p

or e

jem

plo,

fore

stale

s y

petro

lero

s). L

a lim

itació

n es

que

el P

INE

mun

icipa

l es

una

var

iable

est

imad

a a

parti

r del

PIB

esta

tal.

La ca

pacid

ad a

dapt

ativ

a se

incr

emen

ta co

nfor

me

el P

INE

lo h

ace.

Est

e in

dica

dor t

iene

la

vent

aja d

e in

cluir

los

cost

os d

e m

itiga

ción

y ga

sto

ambi

enta

l.

Índi

ce d

e D

esar

rollo

H

uman

o.

Su v

íncu

lo co

n lo

s mer

cado

s es

a tra

vés d

el PI

B y

las v

ariab

les

econ

ómica

s que

lo

inte

gran

.

Este

indi

cado

r au

men

ta co

nfor

me

lo h

acen

la p

oblac

ión

y el

PIB.

Dism

inuy

e si

la di

strib

ució

n de

l in

gres

o se

conc

entra

. La

cap

acid

ad d

e ad

apta

ción

aum

enta

si

este

indi

cado

r lo

hace

.

Nue

vas v

arie

dade

s de

sem

illas r

esist

ente

s a

hum

edad

y se

quías

.

Indi

ca e

l m

ejor

amie

nto

gené

tico

y de

las

cond

icion

es d

e pa

rticip

ació

n de

lo

s pro

duct

ores

. Es

una

med

ida

de a

dapt

ació

n al

cam

bio

clim

ático

.

Aum

enta

la c

apac

idad

de

ada

ptac

ión;

redu

ce

la in

certi

dum

bre

en la

se

gurid

ad a

limen

taria

.

Pode

r de

parid

ad d

e co

mpr

a

Indi

ca e

l gra

do d

e in

tegr

ació

n de

los

mun

icip

ios

y su

pod

er

de c

ompr

a.

Pued

e au

men

tar o

di

smin

uir c

onfo

rme

lo

haga

el P

IB.

Índi

ce d

e G

ini.

Es u

n in

dica

dor

del p

oder

ad

quisi

tivo

de

los

habi

tant

es.

Indi

ca e

l acc

eso

a m

erca

dos

de

créd

ito.

Aum

enta

si e

l in

gres

o di

smin

uye.

Índi

ce d

e es

peci

aliz

ació

nPe

rmite

det

erm

inar

el

grad

o de

glo

baliz

ació

n de

los

mun

icip

ios

y su

dep

ende

ncia

ec

onóm

ica

con

ciud

ades

prin

cipa

les.

Perm

ite c

onoc

er e

l gr

ado

de in

tegr

ació

n co

n la

regi

ón y

ent

re

los

sitio

s pi

loto

.


6.3.2 ConstruCCión de esCenarios

Los escenarios considerados asumen que ninguna localidad puede actuar indepen-

dientemente de las otras, dada la gran dependencia económica que existe entre los

municipios, los estados y sus regiones. Además, los municipios funcionan bajo la

estructura de las políticas socioeconómicas elaboradas en México en el ámbito de

estado y país. Entre las consideraciones necesarias para la construcción de escenarios

destacan los impactos climáticos y los factores socioeconómicos que influyen en la

economía local (actividades como extracción y procesamiento de petróleo, agricultu-

ra, pesca y turismo, entre otras).

El objetivo del desarrollo de un escenario es explorar alternativas futuras, tanto

cualitativa como cuantitativamente, de forma que se puedan evaluar las implica-

ciones de las decisiones actuales y las políticas a largo plazo sobre vulnerabilidad y

adaptación al cambio climático. De acuerdo con Lim y Moss (2001), la identificación

de los escenarios debe considerar los siguientes elementos:

1. Representar los factores importantes de la economía y la sociedad.2. Contabilizar los efectos de la variabilidad climática, y el cambio en la sociedad y la

economía.3. Ser coherente a escala global, nacional y regional, así como entre los sectores; es

decir, apoyar la exploración de al menos dos direcciones diferentes y coherentes para el futuro (por ejemplo, diferentes líneas evolutivas).

Estos puntos dirigen la elaboración de escenarios, considerando que deben ser

representativos de la economía y la sociedad local, además de incorporar adecuada-

mente las variaciones del clima y sus efectos. Por otra parte, su desarrollo debe ser

coherente con los cambios estimados a escala global y nacional en, al menos, dos

direcciones opuestas y extremas.

Puesto que la evaluación de capacidad adaptativa y grado de vulnerabilidad no es

fácil de medir, para determinar los valores relativos entre los municipios de la región

se utilizaron variables de aproximación o proxies. El ejemplo más común del uso de

este tipo de herramientas es el PIB per cápita como indicador de bienestar. Para que


exista una correlación importante entre las variables y el indicador de interés, éstas

deben contar con las siguientes características:

1. Resumir o simplificar la información relevante existente. 2. Hacer visible o perceptible un fenómeno de interés.3. Cuantificar, medir y comunicar dicha información relevante.

En este sentido, primero se caracterizaron las condiciones actuales y, a partir de

ello, se identificaron las variables que describieran de la manera más adecuada la vul-

nerabilidad actual y futura3. Para la elaboración de los escenarios socioeconómicos en

la región del Golfo de México se consideraron las variables presentadas en el cuadro

2.

Para utilizar los modelos que permiten estimar los efectos del cambio climático

sobre las variables socioeconómicas primero es indispensable proyectarlas o predecir

su comportamiento a futuro en intervalos determinados. En este caso, las proyec-

ciones se realizaron para los años 2010, 2020, 2030 y 2040. El estudio que a

continuación se presenta es una primera estimación sobre la progresión de dichas

variables, la forma en que están relacionadas entre sí y el efecto probabilístico del

cambio climático en ellas.

Debido a la carencia de datos sociodemográficos estadísticos en series de tiempo

prolongadas para la región del Golfo de México fue necesario utilizar valores determi-

nados de manera aleatoria a través del método de Monte Carlo. Para el año 2010, la

tendencia histórica de las variables reportadas en los censos de 1980 a 2000 fungió

como valor “semilla”. Para la determinación de las emisiones de carbono (CO2) se

usó como valor semilla la varianza de las emisiones per cápita nacionales, compa-

rada con los puntos máximos y mínimos entre 1992 y 2002, que aparecen en la

Tercera Comunicación Nacional sobre el Cambio Climático. A partir de numerosas

iteraciones (diez mil) se obtuvo la probabilidad de ocurrencia de cada una de las

variables, con resultados relativamente confiables. Podemos decir que la proyección

3 Lim y Moss, 2001.


de las condiciones actuales denota la tendencia de “seguir como vamos” o business

as usual y construir, a partir de esta línea base, las distintas líneas evolutivas a consi-

derar (asumiendo que todos los datos proyectados tienen una probabilidad entre cero

(0) y uno (1) de ser escogidos). El análisis detallado fue realizado para dos variables

bien definidas en el ámbito municipal (población y PINE), así como para las emisiones

de CO2.

En este estudio combinamos los métodos de extrapolación histórica con la con-

tinuación de las tendencias en el corto plazo. Adicionalmente, consideramos que las

dos líneas evolutivas con más probabilidades de desarrollarse en la región costera

del Golfo de México son la A2, que enfatiza autoconfianza y conservación de las

identidades locales, y la B1, que enfatiza las soluciones globales para la estabilidad

económica, social y ambiental. De esta manera, las condiciones del mundo hetero-

géneo contrastan con las del mundo convergente. El cuadro 3 retoma, en términos

generales, algunas de las consideraciones para cada escenario.

Cuadro 3. Escenarios del SRES para la zona costera del Golfo de México.

Escenarios Población

Productividad media de los sectores no agrícolas

Productividad media del sector primario*

Eficiencia en las inversiones

Términos de intercambio

Escenario A1 Alta Alta Baja Alta Alto

Escenario A2 Baja Alta Baja Baja Bajo

Escenario B1 Alta Alta Alta Alta Alto

Escenario B2 Alta Alta Baja Alta Alto

* Agricultura, ganadería pesca y silvicultura.

En términos generales, las zonas de influencia de los ocho sitios piloto que com-

prenden el área de estudio fueron delimitadas con base en lo propuesto por los planes

de desarrollo estatal de las seis entidades costeras del Golfo de México: Tamaulipas,

Veracruz, Tabasco, Campeche, Yucatán y Quintana Roo. Dichas zonas comprenden


102 municipios, pertenecientes a cinco entidades federativas4, que albergaban en

1990 una población de 4 976 468 habitantes. Esto representa el 40.22% del total

que habita en la zona costera del Golfo de México. La tendencia calculada por el

CONAPO para 2030 contabiliza 8 095 245 habitantes. La figura 1 muestra los mu-

nicipios pertenecientes a la zona de influencia de los sitios piloto.

Figura 1. Municipios en la zona de estudio.

Fuente: elaboración propia.

Es importante aclarar que los efectos del cambio climático se pueden contabilizar

en el plano nacional; pero a la escala de los sitios piloto, las imprecisiones y errores

acarreados son muy grandes. Esto se debe a los vacíos de información existentes

para extrapolar algunas de las variables, sobre todo las relacionadas con emisiones

energéticas. Además de la carencia de datos municipales sobre emisiones a la atmós-

fera, no es posible presuponer que el comportamiento de las emisiones nacionales de

CO2 pueda aplicarse en el ámbito municipal.

4 Ningún sitio piloto fue seleccionado en Yucatán.


6.3.3 proyeCCiones de poblaCión

Las proyecciones de población para la zona de influencia de los ocho sitios piloto se

estimaron con base en los escenarios del SRES propuestos para América Latina, y

cuyas tasas de crecimiento por decenio se presentan en el cuadro 4. Esta decisión

fue tomada al notar que las tasas de crecimiento calculadas con las proyecciones

del CONAPO parecían modestas. El cuadro 5, por su parte, muestra las tasas de

crecimiento estimadas a partir de las tendencias sugeridas para América Latina en el

SRES, utilizando el modelo MINICAM. Finalmente, el cuadro 6 y la figura 2 resumen

las estimaciones de población para la zona de estudio.

Cuadro 4. Porcentaje que aumenta y decrece la población de América Latina, desde 1990 hasta 2100, con base en los escenarios del SRES.

2000 2010 2020 2030 2040 2050 2060 2070 2080 2090 2100

Escenario A1 24 51 81 104 124 141 148 150 147 135 123

Escenario A2 26 58 94 133 172 212 248 281 309 329 349

Escenario B1 24 51 81 104 124 141 148 150 147 135 123

Escenario B2 25 55 88 120 151 180 202 219 232 236 239

Fuente: Nakicenovic et al., 2000.

Cuadro 5. Tasas de crecimiento promedio anual para los sitios piloto, considerando el crecimiento poblacional estimado por MINICAM para América Latina, de acuerdo con los escenarios del SRES.

2010 2020 2030 2040 2050

Escenario A1 14.01% 16.83% 18.80% 20.77% 22.21%

Escenario A2 14.84% 18.77% 21.67% 24.56% 26.91%

Escenario B1 14.01% 16.83% 18.80% 20.77% 22.21%

Escenario B2 15.40% 20.01% 22.60% 25.18% 27.16%

Fuente: estimaciones propias utilizando el método de MonteCarlo y usando como variables semilla los datos reportados por Nakicenovic et al., 2000.


Cuadro 6. Proyecciones de población en la zona de influencia de los humedales costeros del Golfo de México, de 2010 a 2050, usando los escenarios del SRES para América Latina.

2000 2010 2020 2030 2040 2050

Escenario A1 6 010 837 6 913 064 7 022 461 8 342 684 10 075 459 12 313 218

Escenario A2 6 010 837 6 902 603 8 198 045 9 974 218 12 424 305 15 768 261

Escenario B1 6 010 837 6 852 993 8 006 125 9 511 296 11 487 154 14 038 633

Escenario B2 6 010 837 6 936 778 8 325 017 10 206 371 12 776 832 16 246 511

Fuente: estimaciones propias utilizando el método de MonteCarlo con datos del cuadro 5 y datos de INEGI, 2005, por municipio.

En el cuadro 6 se puede apreciar que la diferencia entre los dos escenarios con-

siderados como viables para la zona costera del Golfo de México hacia el año 2050

(A2 y B1) es de poco más de un millón y medio de personas. Por otro lado, en la

figura 2 se observa la tendencia de mayor crecimiento poblacional bajo el escenario

B1, con respecto al A2.

Fuente: elaboración propia usando como base el cuadro 6.

Figura 2. Resumen de las tendencias de la población de la zona de influencia de los humedales costeros del Golfo de México, primera aproximación.

Escenario A1

Escenario B1

Escenario A2

Escenario B2

18 000 000

16 000 000

14 000 000

12 000 000

10 000 000

8 000 000

6 000 000

4 000 000

2 000 000

2000 2010 2020 2030 2040 2050

Pob

laci

ón

Año


6.3.4 proyeCCiones del pib y del pine

La variable económica más importante en los escenarios del SRES es el crecimiento

del PIB per cápita. El cuadro 7 muestra la tendencia esperada de la relación entre

el Producto Nacional Bruto (PNB) y el PIB generado por toda la región de América

Latina. Para hacer las proyecciones esperadas de cómo va a crecer el PIB en México,

se consideraron varios aspectos generales:

a) Tendencia histórica del PIB nacional y las proyecciones existentes hasta 2030. Las más aventuradas eran para 2015.

b) Selección de variables altamente correlacionadas con el PIB y que sirvan para evaluar su tendencia.

c) Estimaciones del PIB municipal, pues este dato no se obtiene tan desagregado en el país.

d) Estimaciones del PINE para los municipios, así como de los términos de intercam-bio supuestos.

Cuadro 7. Porcentaje de aumento en la relación PNB/PIB para la región de América Latina,

desde el año 1990, con base en las proyecciones del MINICAM y por escenario.

2000 2010 2020 2030 2040 2050 2060 2070 2080 2090 2100

Escenario A1 47 147 289 710 1 331 2 142 3 426 4 852 6 410 8 068 9 915

Escenario A2 47 126 226 421 673 989 1 452 1 978 2 578 3 284 4 073

Escenario B1 47 147 289 657 1 147 1 773 2 636 3 510 4 405 5 242 6 152

Escenario B2 47 136 257 521 868 1 310 1 926 2 589 3 300 4 052 4 884

Fuente: Lim y Moss, 2001.

Cabe recordar que el cálculo del PINE se basa en el Producto Interno Neto5, pero

toma en cuenta los costos de agotamiento de recursos naturales y de degradación del

5 Es el total de bienes y servicios producidos en el interior de un país (PIB) menos los bienes y servicios utilizados en el proceso productivo. Se obtiene restando el consumo de capital fijo del producto interno bruto. Este concep-to permite conocer el valor de la nueva producción final, al suprimirse la parte de la formación de capital destinada a sustituir el acervo de capital que dejó de tener utilidad económica.


ambiente. Se evaluaron los costos por agotamiento de los yacimientos y los gastos de

mitigación de PEMEX en la zona. También hubo que considerar en términos económi-

cos la tala de bosques maderables y la pérdida de árboles cuando el suelo cambia de uso.

La erosión del suelo y la contaminación tanto de agua como de aire fueron, a su vez,

incorporadas en el análisis. Así, el PINE ajustado a través de la óptica de la producción

incluye los efectos correspondientes del agotamiento del petróleo y la deforestación, y

refleja, asimismo, el deterioro y la degradación del aire, agua y suelo.

Para las proyecciones del PIB (y por lo tanto del PINE) fue necesario considerar

las condiciones que influyen en el desarrollo de esta variable. Una de las formas de

hacer crecer el PIB per cápita es aumentando la participación laboral de la población.

En efecto, reducir el desempleo es una manera muy directa y eficiente de aumentar la

participación laboral de la población y con ello el PIB per cápita. Las tasas de desem-

pleo en la región de los humedales son altas y evidencian la pérdida de productividad

en el sector industrial. El aumento en la participación laboral está limitado físicamente

por la cantidad de personas disponibles para trabajar.

La otra manera de incrementar el PIB per cápita es aumentando la productividad

media laboral. La productividad media laboral depende de dos factores: el acervo del

capital físico a disposición de cada trabajador y la eficiencia. El primero corresponde

a las inversiones necesarias para una óptima producción y el segundo al óptimo uso

que los trabajadores hacen del capital físico. El aumento de estos factores fomenta la

productividad. Sin embargo, dicho incremento tiene costos. Por ejemplo, presuponer

aumentos en la productividad del petróleo en la zona implicaría asumir una progresión

en la degradación ambiental y en los gastos de mitigación. Aun así, el aumento de la

productividad media laboral puede, en teoría, garantizar un crecimiento sostenido en

el largo plazo, lo que no ocurre con la participación laboral.

Los escenarios de crecimiento del PIB (y del PINE) se realizaron bajo las siguientes

suposiciones:

• Eldesempleosemantienemásomenosestableconeltiempo.• Laeficienciacreceatasasdelordendel1.7%poraño.Estorepresentaríaungran

cambio en la tendencia de la región, cuyo promedio anual desde 1990 hasta 2004 es de -5.6%.


• Elacervodecapitalportrabajadorcrecea2%poraño.Estoimplicaríaunniveldeinversión de alrededor de 23% del PIB regional.

• Laparticipación laboral crece en el tiempodebido al incrementopromedio de0.85% anual de la población mayor de 15 años y el aumento en los niveles de al-fabetismo de 3.23% entre 1990 y 2000. Se asume que la fuerza laboral crecerá a la misma tasa que la población en edad laboral. Así, la participación laboral de la población pasa de 36.8% en el año 2000 a 42.6% en 2030.

Bajo estos supuestos, el PIB per cápita crecería a 2.9% en promedio durante el

periodo, mientras que el PIB total crecería en promedio a 4.3%. De esta forma, en el

año 2030, los municipios de la zona de influencia de los sitios piloto6 aumentarían su

producción a tasas superiores al 15% como promedio anual, bajo escenarios optimis-

tas de incrementos en productividad e inversión.

El cuadro 8 contiene las estimaciones por escenario del crecimiento esperado en

el PINE, valuado en términos de intercambio base 2005 para la región de influencia

de los sitios piloto. El cuadro 9 resume las proyecciones de los valores esperados

para el PINE en la zona de estudio. La figura 3 muestra gráficamente la tendencia de

crecimiento.

Cuadro 8. Porcentaje de crecimiento del PINE para la región de influencia de los humedales costeros del Golfo de México.

2010 2020 2030 2040 2040-2050Escenario A1 21.31% 31.81% 39.04% 46.27% 51.70%

Escenario A2 18.29% 25.44% 30.79% 36.14% 40.51%

Escenario B1 21.31% 30.86% 37.25% 43.64% 48.59%

Escenario B2 19.86% 28.03% 33.86% 39.70% 44.48%

Fuente: estimaciones propias.

6 En la figura 1 de esta sección se pueden apreciar los municipios comprendidos en el área estudio. El cuadro 2 de la sección 8.4 presenta los municipios en cuestión.


Cuadro 9. Estimaciones del PINE para la región de influencia de los humedales costeros del Golfo de México (dólares base 2005).

2000 2010 2020 2030 2040 2050

Escenario A1 11 664 661 14 150 141 18 651 386 25 933 373 37 933 940 57 545 086

Escenario A2 11 664 661 13 797 768 17 308 418 22 638 408 30 821 015 43 308 088

Escenario B1 11 664 661 14 150 141 18 517 179 25 414 676 36 504 676 54 243 886

Escenario B2 11 664 661 13 981 043 17 899 447 23 960 564 33 472 316 48 362 374

Fuente: estimaciones propias usando como base el cuadro 9.

Figura 3. Resumen de las tendencias del crecimiento del PINE en la región de influencia de los humedales costeros del Golfo de México (primera aproximación).


Escenario A1 Escenario A2 Escenario B1 Escenario B2

70 000 000

60 000 000

50 000 000

40 000 000

30 000 000

20 000 000

10 000 000

2000 2010 2020 2030 2040 2050

PIN

E (

dóla

res

base

200

5)

Año


6.3.5 estimaCiones de las emisiones de Carbono (Co2)Las estimaciones de emisiones de carbono y de otras variables que contribuyen a la generación de GEI son necesarias para la construcción de los escenarios socioeconó-micos. De acuerdo con la Tercera Comunicación Nacional sobre el Cambio Climático, las emisiones de CO2 equivalentes al PIB en el 2002 para el país fueron de 0.34 kg por peso PIB. Ello representó un incremento del 8% con respecto a 1990. Debido a la inexistencia de datos para los municipios por sector generador se usó esta cifra para obtener aproximaciones de lo que sería el porcentaje del PINE municipal, evaluado a términos de paridad de compra, bajo las siguientes suposiciones:

• LaparticipacióndelasemisionesdeCO2 con respecto al PINE municipal es de 0.34 kg por dólar generado de producción. La razón de usar la tendencia nacional, pero en dólares, se debe a que la presencia de PEMEX y del sector de petroquí-mica básica en la región tiene un impacto mayor en la zona costera del Golfo de México que si se considera todo el país.

• Lademandadeenergíadeloshogaresruralesyurbanosenlaregióncreceatasassu-periores a la media nacional como consecuencia del desarrollo económico y turístico.

• Enlosescenariosmásviablesparalaregión(A2yB1),PEMEXtieneuncreci-miento económico significativo y el número de pozos petroleros en Campeche aumenta en los próximos diez años. Al correlacionar las variables de producción del sector con viviendas y producción eléctrica en los años pasados y futuros se obtienen las tasas de crecimiento del cuadro 10. Dichas tasas fueron usadas para proyectar las emisiones de CO2 en la zona de influencia de los humedales costeros del Golfo de México.

Cuadro 10. Coeficientes de correlación entre demanda de energía eléctrica por vivienda y producción de PEMEX.

Escenarios 2010 2020 2030

B1 0.108 0.068 0.136

A2 0.190 0.250 0.290

Fuente: estimaciones propias con datos de PEMEX, 2007.

El comportamiento de las emisiones de carbono puede apreciarse en la figura 4

para los escenarios A2 y B1. Estos datos están expresados en kilogramos de CO2 por


habitante entre 2010 y 2030. Bajo este esquema se observa un comportamiento

claramente divergente, según el escenario escogido. Las medidas de mitigación juga-

rán, por lo tanto, un papel determinante en el futuro de las emisiones de CO2 y demás

gases de efecto invernadero.Con base en lo expuesto anteriormente se realizó un resumen del comporta-

miento esperado de las tres variables estudiadas bajo los escenarios A2 y B1 (cuadro 11). Dicho cuadro sintetiza los supuestos considerados para la población, el PINE municipal ajustado al poder de paridad de compra y las emisiones de CO2, además de la tendencia esperada.

En el cuadro 12 se presentan las estimaciones obtenidas, con base en las supo-siciones realizadas durante el análisis, para las variables clave de población, PINE y emisiones de CO2 en los ocho sitios piloto.


Figura 4. Estimaciones de las emisiones por habitante/dólar en kilogramo de carbono (CO2) para la zona de influencia de los humedales costeros del Golfo de México.

2000 2010 2020 2030

0.450.4

0.350.3

0.250.2

0.150.1

0.050

Año

Emis

ione

s de

car

bono

(kg

de C

O2/h

abita

nte-

dóla

r) Escenario A2

Escenario B1



Cuadro 11. Escenarios A2 y B1 en la región de influencia de los humedales costeros del Golfo de México y las tendencias esperadas en las variables de 2010 a 2030.

Variables Tendencia A2 Tendencia B1

PoblaciónAumento de la pobla-ción a tasas de 15% en 2010, 27% en 2050.

Aumento moderado de la población a tasas de 14% en 2010, 22% en 2050.

Indicadores de salud (esperanza de vida, acceso a servicios médicos, educativos, pobreza y marginación)

Se trataría de una situación business as usual. Históricamente, los estados del sur de México tienen altos índices de marginación y pobreza, que no se reducirían dramáticamente en al menos treinta años.

Rápido crecimiento en los servicios de salud pública y educativos en la zona, reducción del indice de marginación y de la pobreza extrema en 10%.

PINE municipal

Sectores en declive: la agricultura y la manufactura (Tamaulipas y Vereacruz).

Sectores clave favorecidos con políticas emergentes:agricultura y silvicultura.

Sectores en ascenso: el petrolero y el turismo (Campeche y Quintana Roo).

Reducción de la producción petrolera e incremento sostenido del turismo ambientalmente sustentable.

TemperaturaAumento de la temperatura de 1.5 a 2°C.

Aumento de la temperatura de 1.5 a 2°C.

Precipitaciones Disminuyen en la zona. Siguen su tendencia histórica sin cambios.

Emisiones de carbono

Crecimiento alto de emisiones superior al registrado en el país, que puede llegar a los 0.64 kilogramos por peso del PIB en 2030.

Crecimiento medio. En el país, la tendencia fue de 0.34 kilogramos por peso del PIB en 2002.

Ámbito internacional

No hay reducción voluntaria de emisiones.

Emisión de bonos de carbono en los estados con vocación forestal (Veracruz).

PEMEX no invierte en mitigación ambiental en los estados petroleros.

Reducción voluntaria de emisiones.

PEMEX invierte en resolver conflictos ambientales en la zona, propiciado por una reforma fiscal orientada a reconvertir el sector petrolero; estado favorecido: Campeche.


Cuad

ro 1

2. P

roye

ccio

nes

de y

em

isio

nes

de C

O2 p

or s

itio

pilo

to y

el t

otal

de

la z

ona

de in

fluen

cia.

D

atos

obt

enid

os p

or e

xtra

pola

ción

y te

nden

cias

his

tóric

as d

e va

riabl

es p

roxi

es.

Emis

ione

s po

r hab

itant

e

Hum

edal

esEs

cena

rio A

2Es

cena

rio B

1Es

cena

rio A

2

Esce

nario

A2

Esce

nario

B1

2000

2010

2020

2030

2010

2020

2030

2000

2010

2020

2030

2010

2020

2030

2000

2010

2020

2030

2010

2020

2030

1 08

4 05

1

1 24

4 88

0

1 47

8 51

3

1 79

8 84

4

1 23

5 93

3

1

443

900

1

715

357

1

993

264

2 35

7 77

1

2

957

672

3 86

8 46

4

2

417

984

3 16

4 22

6

4

342

874

0.03

0.03

0.03

0.04

0.03

0.03

0.02

539

143

619

130

735

325

894

639

614

680

71

8 11

1

85

3 11

7

93

6 46

8

1 10

7 71

9

1

389

563

1 81

7 46

8

1

136

009

1 48

6 60

5

2

040

354

0.03

0.03

0.03

0.04

0.03

0.03

0.02

575

382

660

745

784

750

954

773

655

997

76

6 37

9

91

0 46

0

1

952

751

2 30

9 84

9

2

897

558

3 78

9 83

8

2

368

839

3 09

9 91

3

4

254

606

0.03

0.03

0.03

0.

04

0.03

0.03

0.02

1 30

0 28

0

1 49

3 18

9

1 77

3 42

2

2 15

7 64

9

1 48

2 45

7

1 73

1 90

6

2 05

7 50

8

1 67

3 51

1

1 97

9 54

5

2 48

3 21

2

3 24

7 89

8

2 03

0 09

9

2 65

6 63

1

3 64

6 20

5

0.03

0.03

0.03

0.04

0.03

0.03

0.02

1 50

4 89

1

1 72

8 15

6

2 05

2 48

7

2 49

7 17

5

1 71

5 73

6

2 00

4 43

7

2 38

1 27

6

1 99

1 00

7

2 35

5 10

1

2 95

4 32

3

3 86

4 08

4

2 41

5 24

6

3 16

0 64

3

4 33

7 95

7

0.03

0.03

0.03

0.04

0.03

0.03

0.

02

91 4

17

104

980

124

682

151

695

104

225

121

763

144

654

234

397

277

260

347

805

454

909

284

341

372

095

510

697

0.03

0.03

0.03

0.04

0.03

0.03

0.02

548

034

629

340

747

451

909

393

624

817

729

953

867

186

856

421

1 01

3 03

4

1 27

0 78

7

1 66

2 11

6

1 03

8 90

6

1 35

9 53

4

1

865

950

0.03

0.03

0.03

0.04

0.03

0.03

0.02

367

639

422

182

501

415

610

050

419

148

489

676

581

737

2 02

6 84

2

2 39

7 48

9

3 00

7 49

7

3 93

3 63

1

2 45

8 71

7

3 21

7 53

0

4 41

6 03

3

0.03

0.03

0.03

0.04

0.03

0.03

0.02

6 01

0 83

7

6 90

2 60

3

8 19

8 04

5

9 97

4 21

8

6 85

2 99

3

8

006

125

9

511

296

11

664

661

13 7

97 7

68

17 3

08 4

18

22 6

38 4

08

14 1

50 1

41

18

517

179

25

414

676

0.25

0.26

0.27

0.29

0.23

0.21

0.18

Pobl

ació

n (h

abita

ntes

)PI

NE

(dól

ares

bas

e 20

05)

Esce

nario

B1

2010

2020

2030

2010

2020

2030

39 8

40

49 9

34

64 2

30

36 2

16

38 1

24

39 1

22

19 8

14

24 8

34

31 9

44

18 0

12

18 9

60

19 4

57

21 1

46

26 5

03

34 0

92

19 2

22

20 2

35

20 7

65

47 7

87

59

893

77 0

42

43 4

39

45 7

28

46 9

25

55 3

07

69 3

18

89 1

65

50 2

75

52 9

24

54 3

09

3 36

0

4 21

1

5 41

6

3 05

4

3 21

5

3 29

9

20 1

41

25 2

44

32 4

71

18 3

09

19 2

73

19 7

78

13 5

11

16 9

34

21 7

83

12

282

12 9

29

13 2

67

200

809

21

1 38

8

216

921

20

0 80

9

21

1 38

8

216

921

Emis

ione

s de

CO

2(k

ilogr

amos

/dól

ar b

ase

2005

)(k

ilogr

amos

/dól

ar b

ase

2005

/hab

)

Esce

nario

B1

Esce

nario

A2

2000

33 5

07

16 6

64

1

7 78

5

4

0 19

0

46 5

15

2 82

6

16 9

39

11 3

63

185

790

Hum

edal

es

Río

Coat

zaco

alco

s -L

agun

a El

Co

lora

do

Río

Pánu

co

-Alta

mira

Sist

ema

Lagu

nar

Carm

en-P

ajon

al-

Mac

hona

Río

Papa

loap

an-

Lagu

na d

e A

lvar

ado

Sis

tem

a La

guna

r Bo

ca P

aila

(Pu

nta

Alle

n)

Río

San

Fern

ando

-Lag

una

La N

acha

Los

Pet

enes

Los

Pet

enes

Tota

les

Sist

ema

Lagu

nar

Nic

hupt

é (C

ancú

n)

Río

Coat

zaco

alco

s -L

agun

a El

Co

lora

do

Río

Pánu

co

-Alta

mira

Sist

ema

Lagu

nar

Carm

en-P

ajon

al-

Mac

hona

Río

Papa

loap

an-

Lagu

na d

e A

lvar

ado

Sis

tem

a La

guna

r Bo

ca P

aila

(Pu

nta

Alle

n)

Río

San

Fern

ando

-Lag

una

La N

acha

Tota

les

Sist

ema

Lagu

nar

Nic

hupt

é (C

ancú

n)

Fuen

te: e

labo

raci

ón p

ropi

a.


Cuad

ro 1

2. P

roye

ccio

nes

de e

mis

ione

s de

CO

2 por

siti

o pi

loto

y e

l tot

al d

e la

zon

a de

influ

enci

a.

Dat

os o

bten

idos

por

ext

rapo

laci

ón y

tend

enci

as h

istó

ricas

de

varia

bles

pro

xies

(co

ntin

uaci

ón).

Fuen

te: e

labo

raci

ón p

ropi

a.

Emis

ione

s po

r hab

itant

e

Hum

edal

esEs

cena

rio A

2Es

cena

rio B

1Es

cena

rio A

2

Esce

nario

A2

Esce

nario

B1

2000

2010

2020

2030

2010

2020

2030

2000

2010

2020

2030

2010

2020

2030

2000

2010

2020

2030

2010

2020

2030

1 08

4 05

1

1 24

4 88

0

1 47

8 51

3

1 79

8 84

4

1 23

5 93

3

1

443

900

1

715

357

1

993

264

2 35

7 77

1

2

957

672

3 86

8 46

4

2

417

984

3 16

4 22

6

4

342

874

0.03

0.03

0.03

0.04

0.03

0.03

0.02

539

143

619

130

735

325

894

639

614

680

71

8 11

1

85

3 11

7

93

6 46

8

1 10

7 71

9

1

389

563

1 81

7 46

8

1

136

009

1 48

6 60

5

2

040

354

0.03

0.03

0.03

0.04

0.03

0.03

0.02

575

382

660

745

784

750

954

773

655

997

76

6 37

9

91

0 46

0

1

952

751

2 30

9 84

9

2

897

558

3 78

9 83

8

2

368

839

3 09

9 91

3

4

254

606

0.03

0.03

0.03

0.

04

0.03

0.03

0.02

1 30

0 28

0

1 49

3 18

9

1 77

3 42

2

2 15

7 64

9

1 48

2 45

7

1 73

1 90

6

2 05

7 50

8

1 67

3 51

1

1 97

9 54

5

2 48

3 21

2

3 24

7 89

8

2 03

0 09

9

2 65

6 63

1

3 64

6 20

5

0.03

0.03

0.03

0.04

0.03

0.03

0.02

1 50

4 89

1

1 72

8 15

6

2 05

2 48

7

2 49

7 17

5

1 71

5 73

6

2 00

4 43

7

2 38

1 27

6

1 99

1 00

7

2 35

5 10

1

2 95

4 32

3

3 86

4 08

4

2 41

5 24

6

3 16

0 64

3

4 33

7 95

7

0.03

0.03

0.03

0.04

0.03

0.03

0.

02

91 4

17

104

980

124

682

151

695

104

225

121

763

144

654

234

397

277

260

347

805

454

909

284

341

372

095

510

697

0.03

0.03

0.03

0.04

0.03

0.03

0.02

548

034

629

340

747

451

909

393

624

817

729

953

867

186

856

421

1 01

3 03

4

1 27

0 78

7

1 66

2 11

6

1 03

8 90

6

1 35

9 53

4

1

865

950

0.03

0.03

0.03

0.04

0.03

0.03

0.02

367

639

422

182

501

415

610

050

419

148

489

676

581

737

2 02

6 84

2

2 39

7 48

9

3 00

7 49

7

3 93

3 63

1

2 45

8 71

7

3 21

7 53

0

4 41

6 03

3

0.03

0.03

0.03

0.04

0.03

0.03

0.02

6 01

0 83

7

6 90

2 60

3

8 19

8 04

5

9 97

4 21

8

6 85

2 99

3

8

006

125

9

511

296

11

664

661

13 7

97 7

68

17 3

08 4

18

22 6

38 4

08

14 1

50 1

41

18

517

179

25

414

676

0.25

0.26

0.27

0.29

0.23

0.21

0.18

Pobl

ació

n (h

abita

ntes

)PI

NE

(dól

ares

bas

e 20

05)

Esce

nario

B1

2010

2020

2030

2010

2020

2030

39 8

40

49 9

34

64 2

30

36 2

16

38 1

24

39 1

22

19 8

14

24 8

34

31 9

44

18 0

12

18 9

60

19 4

57

21 1

46

26 5

03

34 0

92

19 2

22

20 2

35

20 7

65

47 7

87

59

893

77 0

42

43 4

39

45 7

28

46 9

25

55 3

07

69 3

18

89 1

65

50 2

75

52 9

24

54 3

09

3 36

0

4 21

1

5 41

6

3 05

4

3 21

5

3 29

9

20 1

41

25 2

44

32 4

71

18 3

09

19 2

73

19 7

78

13 5

11

16 9

34

21 7

83

12

282

12 9

29

13 2

67

200

809

21

1 38

8

216

921

20

0 80

9

21

1 38

8

216

921

Emis

ione

s de

CO

2(k

ilogr

amos

/dól

ar b

ase

2005

)(k

ilogr

amos

/dól

ar b

ase

2005

/hab

)

Esce

nario

B1

Esce

nario

A2

2000

33 5

07

16 6

64

1

7 78

5

4

0 19

0

46 5

15

2 82

6

16 9

39

11 3

63

185

790

Hum

edal

es

Río

Coat

zaco

alco

s -L

agun

a El

Co

lora

do

Río

Pánu

co

-Alta

mira

Sist

ema

Lagu

nar

Carm

en-P

ajon

al-

Mac

hona

Río

Papa

loap

an-

Lagu

na d

e A

lvar

ado

Sis

tem

a La

guna

r Bo

ca P

aila

(Pu

nta

Alle

n)

Río

San

Fern

ando

-Lag

una

La N

acha

Los

Pet

enes

Los

Pet

enes

Tota

les

Sist

ema

Lagu

nar

Nic

hupt

é (C

ancú

n)

Río

Coat

zaco

alco

s -L

agun

a El

Co

lora

do

Río

Pánu

co

-Alta

mira

Sist

ema

Lagu

nar

Carm

en-P

ajon

al-

Mac

hona

Río

Papa

loap

an-

Lagu

na d

e A

lvar

ado

Sis

tem

a La

guna

r Bo

ca P

aila

(Pu

nta

Alle

n)

Río

San

Fern

ando

-Lag

una

La N

acha

Tota

les

Sist

ema

Lagu

nar

Nic

hupt

é (C

ancú

n)


6.3.6 esCenarios probabilístiCos de los efeCtos del Cambio ClimátiCo en la eConomía

Hasta ahora hemos realizado un análisis de los posibles cambios en tres variables rele-

vantes para la formulación de escenarios. Sin embargo, el cambio climático repercute

en la economía de diversas formas, a través de múltiples variables, y es necesario

caracterizar tal impacto para formular medidas de adaptación. A continuación trata-

mos de estimar, en términos probabilísticos, el efecto del aumento de temperatura

(1 a 2 °C por década) en 35 variables socioeconómicas, de acuerdo con las líneas

evolutivas del SRES y una tendencia de “seguir como vamos”. Los resultados sólo

pueden ocurrir si se cumplen los supuestos realizados con el método de Monte Carlo

para los años de 2010 a 2040. El cuadro 13 presenta las variables de estudio y las

abreviaturas utilizadas en los demás cuadros de este apartado.

Cuadro 13. Variables SRES proyectadas por zona de influencia de los sitios piloto.

Nombre de la variable Concepto Unidad

Población Población municipal proyectada a 2030 personas

Sup_has Superficie municipal por hectárea ha

Ind_dep Índice de dependencia, 2000 %

Ind_ractv Índice de reemplazo en actividad, 2000 %

Tot_emp Empleo total en 2004 personas

Viv_comb Viviendas particulares que usan combustible para cocinar, 2000

unidades por municipio

Viv_len Viviendas particulares que usan leña o carbón, 2000 unidades por municipio

Ind_urb Índice de urbanización, 2000 %

Tc_90_00 Tasa de crecimiento, 1990-2000 %

Cs_90_00 Tasa de crecimiento social, 1990-2000 %

Hog_rem Hogares con remesas, 2000 unidades por municipio

Prpistec_12 Porcentaje de población con instrucción superior tecnológica, 2000 %

Tmorinf Tasa de mortalidad infantil %

Insobinf Índice de supervivencia infantil %

Innivesc Índice de nivel de escolaridad %


Nombre de la variable Concepto Unidad

IDH Índice de Desarrollo Humano %

Prind Porcentaje de población indígena, 2000 %

Prnoind Porcentaje de población no indígena, 2000 %

Cere Producción de cereales, 1991 toneladas

Sup_pest Superficie con uso de pesticidas, 1991 ha

Prgresc Porcentaje de escolaridad, 2000 %

Gra_adap Grado de adaptación %

Gra_sens Grado de sensibilidad %

VP Primario Valor bruto de la producción del sector primario, 2004 pesos

VP Secundario Valor bruto de la producción del sector secundario, 2004 pesos

VP Terciario Valor bruto de la producción del sector terciario, 2004 pesos

Producción Producción volumen toneladas volumen

PINE Producto interno neto ecológico entre términos de intercambio pesos

Sup_bosq Superficie de bosque en ha, 2000 ha

CO2 Estimación de CO2, 2002 toneladas

CH4 Estimación de CH4, 2000 toneladas

NO2 Estimación de NO2, 2000 toneladas

Vprefr Valor de la producción de refrigeradores, 2000 pesos

Otros elec Valor de la producción de otros electrónicos, 2000 pesos

Vpauto Valor de la producción de autos, 2000 pesos


La parte central de este estudio consistió en determinar qué variables estaban

correlacionadas entre sí para agruparlas y poder generar una tendencia de los po-

sibles efectos del clima sobre ellas. El método utilizado fue el de análisis factorial

y de componentes principales. Se obtuvieron ocho componentes, que en conjunto

explicaron el 88.5% de la varianza total. A partir de este análisis se obtuvieron los

cambios marginales que miden el efecto del cambio de una unidad de temperatura en

el resto de las variables. Los valores positivos se encuentran por arriba de la media y

los negativos son datos inferiores a ella. El cuadro 14 resume los resultados.

Cuadro 13. Variables SRES proyectadas por zona de influencia de los sitios piloto (continuación).


Cuadro 14. Magnitud marginal del efecto del cambio climático en las variables SRES7 cuando la temperatura aumenta en 1 °C.

VariableMagnitud del cambio

VariableMagnitud del cambio

Población -0.151 Cere 0.428

Sup_has -0.02 Sup_pest 0.502

Ind_dep 0.062 Prgresc -0.046

Ind_ractv 0.489 Gra_adap 0.242

Tot_emp 0.533 Gra_sens 0.212

Viv_comb -0.167 VP Primario 0.33

Viv_len -0.006 VP Secundario 0.426

Ind_urb 0.253 VP Terciario -0.568

Tc_90_00 0.089 Producción -0.392

Cs_90_00 0.276 PINE -0.574

Hog_rem -0.644 Sup_bosq -0.428

Prpistec_12 -0.408 CO2 -0.097

Tmorinf -0.448 CH4 -0.103

Insobinf -0.216 NO2 0.321

Innivesc -0.227 Vprefr 0.295

IDH -0.062 Otros elec 0.427

Prind -0.132 Vpauto -0.3Prnoind 0.384

Fuente: estimaciones propias con el paquete SPSS versión 12.

Las variaciones marginales indican el cambio porcentual que sufre determinada

variable ante un aumento en una unidad de temperatura, con respecto al año en que

la variable fue establecida (ver cuadro 14). Por ejemplo, el incremento de tempera-

tura en una unidad produce un cambio en la población de -0.15%, posiblemente

como consecuencia de los desastres naturales o por enfermedades relacionadas con

el cambio climático, como el dengue. Esto nos indica el tamaño de la externalidad.

Al comparar las tasas marginales de las variables porcentaje de población indíge-

7 El cambio es con respecto al año de determinación de la variable (ver cuadro 14).


na y porcentaje de población no indígena vemos que la primera tiene un valor de

-0.132% y la segunda de 0.384%. Esto demuestra que la población indígena es

más vulnerable ante el cambio climático en la zona de estudio. Lo mismo sucede

con la población infantil, pues el índice de su supervivencia tiene un cambio negativo

(-0.216%).

Según estos resultados, el aumento de temperatura aumenta el grado de sensibili-

dad en la población en 0.212%, pero también su grado de adaptabilidad en 0.242%.

Este aumento positivo significa que, conforme aumenta la temperatura, las poblacio-

nes se vuelven más sensibles, pero se adaptan gradualmente. Una forma de explicar

la adaptación es a través del incremento de viviendas con refrigeradores y el uso de

aparatos eléctricos, con variaciones de 0.295% y 0.427%, respectivamente.

Sin embargo, no podemos aventurarnos a decir que esto ocurrirá en cuarenta años,

dado que los resultados sólo tienen validez si ocurren las predicciones elaboradas con

el modelo de Monte Carlo. Si dichas predicciones son correctas de 2010 a 2040,

el sector económico más afectado sería el terciario, con un cambio de -0.568%,

y el PINE tendría una disminución de 0.574% por el incremento en degradación

ambiental a causa del cambio climático.

El efecto del cambio climático en el sector primario no está debidamente repre-

sentado, pues el análisis no incluye estimaciones del estrés hídrico, del número de

huracanes o de precipitación; la pesca tampoco fue incorporada en los componentes

principales. El índice de sequía puede ser sumamente importante, desde el punto de

vista energético, porque da una idea de la competencia que se establecería entre el

sector energético y el agrícola. Posiblemente la inclusión de la predicción de estas

variables cambiaría la magnitud de las externalidades que estos sectores generan en

todo el sistema.

El último paso del análisis consistió en proyectar las 36 variables de acuerdo con

cada escenario del SRES. A partir de los resultados obtenidos se pueden alimentar

modelos como el MINICAM y así contar con imágenes del posible estado futuro del

clima y el desarrollo socioeconómico de la zona costera del Golfo de México, al igual

que la manera en que los dos sistemas se relacionan. El cuadro 15 muestra los valores

obtenidos.


Cuadro 15. Cambios en las variables SRES para las cuatro líneas evolutivas posibles hacia el año 2040.

A1 A2 B1 B2

2000 2040 2040 2040 2040Población 6 010 837 8 232 974 5 799 730 6 762 169 4 115 066

Ind_dep 74.00 100.00 81.38 79.52 52.24

Ind_ractv 40.13 69.03 48.40 43.42 36.93

Tot_emp 911 417 1 362 847 930 297 990 675 593 843

Viv_comb 1 985 881 3 027 260 2 028 626 2 177 710 948 997

Viv_len 599 413 1 096 182 688 142 665 731 491 357

Ind_urb 88.90 100.00 95.02 97.43 39.60

Tc_90_00 1.72 3.10 1.84 1.94 1.03

Cs_90_00 -0.77 -1.39 -0.83 -0.87 -0.46

Hog_rem 2.01 3.24 2.22 2.20 1.23

Prpistec_12 9.55 13.89 10.67 10.67 3.44

Tmorinf 29.04 47.95 34.66 31.36 23.22

Insobinf 0.80 1.36 0.91 0.89 0.59

Innivesc 1.78 2.79 2.16 1.90 1.61

IDH 74 943 124 081 86 340 83 036 49 884

Prind 70.38 100.00 70.28 79.78 89.19

Prnoind 29.62 - 30.71 31.43 10.81

Cere 40 567 70 921 47 173 44 688 29 727

Sup_pest 4 260 6 774 4 362 4 860 2 005 Prgresc 6 9 6 6 2

Gra_adap 4 6 4 4 2

Gra_sens 3 5 3 3 2

VP Primario 2 169 462 3 198 230 2 296 677 2 327 503 1 381 433

VP Secundario 122 169 921 186 832 293 134 443 654 138 025 616 78 818 097

VP Terciario 297 181 851 452 868 219 315 472 344 338 508 506 145 159 596

Producción 422 024 961 718 249 521 468 787 283 475 406 698 266 717 168

Sup_bsq 1 872 646 3 156 652 2 069 671 2 074 452 1 417 276

PINE 11 664 661 20 101 459 13 673 673 12 846 694 8 318 106

CO2 23 40 27 26 18

CH4 0 0 0 0 0

NO 18 31 18 20 10

Vprefr 886 042 1 576 551 981 111 1 000 110 562 243 Otros elec 3 881 524 7 044 303 3 994 577 4 417 945 1 995 626 Vpauto 319 881 590 903 351 928 360 451 215 411



Tras la realización e interpretación del análisis factorial llegamos a la conclusión

parcial de que los sectores más vulnerables de la población ante los efectos del

cambio climático son los niños, ancianos e indígenas. Aunque el sector productivo

tradicionalmente afectado por este fenómeno es el primario, también observamos

impactos en los sectores secundario y terciario. El turismo y la extracción petrolera

son de particular interés por su vulnerabilidad ante eventos hidrometeorológicos ex-

tremos en el corto plazo. En efecto, si los ocho sitios piloto son considerados como

un todo, el humedal de Cancún aporta el 36.24% del total del empleo afectado

por el cambio climático, mientras que el Sistema Lagunar Carmen-Pajonal-Machona

genera el 78.44% del total del valor de la producción. Las medidas de adaptación que

se diseñen e implementen deberán tomar en cuenta este dipolo para prevenir serios

daños económicos.

624

6.4 Tendencias en el uso del agua

Jacinto Buenfil Friedman1


6.4.1 introduCCión

En México, los cambios en la disponibilidad de agua representan un problema de gran importancia, pues se ha vuelto recurrente el paso de periodos de sequía a periodos de inundaciones. El ciclo sequías-exceso de lluvia, reflejo de la variabilidad climática natural, frecuentemente se traduce en desastres y manifiesta nuestra alta vulnera-bilidad. Parte del problema radica en que la información climática actualmente sólo se utiliza para explicar desastres y no se ha implementado un esquema donde se use para prevenirlos. La mayor parte de los escenarios de cambio climático sugieren un ciclo hidrológico más intenso2, con efectos negativos para el desarrollo del país, en caso de no reducirse la vulnerabilidad. Sin duda, en una atmósfera más cálida habrá mayor variabilidad del clima, por lo que se requerirá de medidas de adaptación, entre las cuales se encuentra el aprovechamiento sistemático de la información del clima. Ya se comienzan a dar algunos pasos en esta dirección, pero el mayor reto sigue siendo la generación de capacidades para interpretar diagnósticos y pronósti-cos climáticos entre científicos, autoridades de gobierno y usuarios de información climática en general.

1 Con base en la publicación Prospectiva de la demanda de agua en México, 2000-2030, Fundación Gonzalo Río Arronte-Fundación Javier Barros Sierra, A.C., 2004.

2 Un ciclo hidrológico más intenso se relaciona, entre otras cosas, con sequías más agudas y prolongadas, y un mayor número de eventos de precipitación fuerte.

6.4 Tendencias en el uso del agua

Jacinto Buenfil Friedman1


tendenCias en el uso del agua 625

Los cambios en el ciclo hidrológico, así como el grado de desarrollo que adquiera

nuestro país en el presente siglo, determinarán en gran medida la disponibilidad de

agua en regiones sensibles como la zona costera del Golfo de México. En efecto,

lluvias de mayor intensidad implican menor cantidad de agua infiltrada y, por lo tanto,

un incremento en los escurrimientos superficiales. La mayor demanda de superfi-

cie irrigada, la intensificación de la ganadería, la generación de energía, el aumento

poblacional y el crecimiento del sector industrial, entre otros factores, tienen una

repercusión directa en la cantidad y calidad de agua disponible para sostener a las

poblaciones humanas y los ecosistemas naturales.

El futuro del agua dependerá en gran medida de las decisiones que se tomen

desde ahora, pero también de factores externos que alterarán el ciclo hidrológico en

nuestro país. Específicamente, el cambio climático será un elemento de suma impor-

tancia a considerar.

6.4.2 esCenarios de demanda de agua 2000-2030 para la zona Costera del golfo de méxiCo

El siguiente análisis toma como base la publicación Prospectiva de la demanda de

agua en México, 2000-20303, pero se enfoca en las regiones hidrológicas de la

CONAGUA que comparten la zona costera del Golfo de México. Las proyecciones

se complementan con la integración de los efectos del cambio climático4 en el grado

de presión para el área de estudio. En el documento de referencia se estima la de-

manda de agua futura en los tres principales usos consuntivos (servicios municipales,

agricultura e industria) por región hidrológica. Para ello, los autores seleccionaron las

siguientes variables:

• Lapoblación,total,urbanayrural.• ElcrecimientodelPIB,sectorialyregional.• Laeficienciaenelusodelaguamunicipal,agrícolaeindustrial.• Elconsumodeaguaporpersona.

3 Fundación Gonzalo Río Arronte-Fundación Barros Sierra, A.C, 2004. En lo subsiguiente FGRA-FJBS, 2004. 4 Víctor Magaña en INE-SEMARNAT, 2006.


• Lademandadealimentosporpersona.• Lasuperficiecosechada,decicloanualydeperennes,tantoderiegocomode

temporal.• Laimportacióndeproductosagropecuarios.• Lasextraccionesregionalesdeagua.• Ladisponibilidadregionaldeagua.

La figura 1 muestra esquemáticamente las relaciones de las variables estudiadas

con la demanda de agua.

Fuente: FGRA-FJBS, 2004.

Figura 1. Esquema de relación entre variables de la demanda de agua.


Los escenarios futuros de demanda de agua hacia 2030 fueron creados a partir de un análisis histórico retrospectivo de 1970 a 2000 de las variables antes mencionadas y de acuerdo con los datos disponibles. A partir de ello se delinearon las tendencias de crecimiento y distribución poblacional, del incremento en el PIB y de los posibles escenarios en el uso agrícola, público-municipal e industrial. La conjunción de todos estos elementos permite obtener un panorama aproximado de las demandas mínimas y máximas de agua que pueden esperarse en el año 2030.

Uno de los principales indicadores de disponibilidad de agua es el grado de presión sobre el recurso hídrico, que se estima de la siguiente manera:

Grado de presión sobreel recurso hídrico

Volumen total concesionado de agua

Disponibilidad natural media de agua=

En la figura 2 se muestran los grados de presión estimados por la CONAGUA en 2004 en las distintas regiones hidrológicas del país. Se puede observar que la zona costera del Golfo de México tiene grados variados de presión: fuerte en la región VI, moderado en la región IX y escaso en el resto.

Fuente: Magaña, 2006, en INE-SEMARNAT, 2006, con datos de CONAGUA, 2006.

Figura 2. Grado de presión sobre el recurso hídrico en las 13 regiones administrativas de México.


6.4.2.1 Escenarios de población

Con base en los registros históricos de población del CONAPO (cuadro 1) y las ta-

sas de crecimiento registradas en el último censo, se obtuvieron las proyecciones

de población hacia el año 2030 (cuadro 2) para las regiones administrativas de la

CONAGUA en la zona de estudio.

Cuadro 1. Población histórica 1950-2000 (número de habitantes).

Región administrativa 1950 1960 1970 1980 1990 1995 2000

VI Río Bravo 2 082 339 3 042 915 4 357 142 5 979 120 7 448 754 8 580 927 9 417 492

IX Golfo Norte 1 787 486 2 193 267 2 815 351 3 647 222 4 195 261 4 531 204 4 691 707

X Golfo Centro 2 896 320 3 749 484 4 974 620 6 718 458 8 044 471 8 710 954 9 121 672

XI Frontera Sur 1 286 008 1 727 875 2 362 691 3 178 791 4 748 097 5 374 240 5 853 616

XIIPenínsula de

Yucatán658 983 826 109 1 090 597 1 702 175 2 384 240 2 894 771 3 215 461

Total 8 711 136 11 539 650 15 600 401 21 225 766 26 820 823 30 092 096 32 299 948

Fuente: modificado de FGRA-FJBS, 2004 (datos en el CD-ROM). Estimaciones de la Fundación Javier Barros Sierra,

A.C.

Cuadro 2. Proyecciones de población 2005-2030 (número de habitantes).

Región administrativa 2005 2010 2015 2020 2025 2030

VI Río Bravo 10 643 902 11 553 928 12 422 716 13 248 691 14 016 019 14 695 950

IX Golfo Norte 5 041 345 5 209 377 5 351 249 5 468 399 5 553 301 5 596 296

X Golfo Centro 9 749 239 9 973 443 10 157 947 10 305 177 10 401 217 10 428 228

XI Frontera Sur 6 530 819 6 929 218 7 304 903 7 656 370 7 968 443 8 226 073

XIIPenínsula de

Yucatán3 665 642 4 035 189 4 401 284 4 757 519 5 092 851 5 396 079

Total 35 630 947 37 701 155 39 638 099 41 436 156 43 031 831 44 342 626

Fuente: modificado de FGRA-FJBS, 2004 (datos en el CD-ROM). Estimaciones de la Fundación Javier Barros Sierra, A.C., con datos del CONAPO, 2006.

En los cuadros 1 y 2 se puede apreciar que las regiones administrativas con el

incremento de población más acelerado son Río Bravo (VI), Frontera Sur (XI) y Pe-

nínsula de Yucatán (XII).


6.4.2.2 Escenarios del producto interno bruto regional

Para estimar el desarrollo económico de la región hacia 2030 se utilizaron tres alter-

nativas de crecimiento del producto interno bruto por habitante, con tasas anuales de

2.1, 3.3 y 4.7%. La primera suposición parte de las proyecciones realizadas a partir

de la evolución histórica del PIB en México desde hace casi dos siglos. Las dos alter-

nativas restantes asumen que el PIB del año 2000 se multiplicará en los próximos

treinta años por factores de dos y tres, respectivamente.

El cuadro 3 presenta el PIB y el PIB por habitante para estos tres posibles escena-

rios de crecimiento y distribución de riqueza en la región de estudio.

6.4.2.3 Escenarios de la demanda agropecuaria

Las actividades agropecuarias consumen la mayor cantidad de agua, por lo que repercuten de manera sustancial en la disponibilidad de la misma. Cabe destacar que dichas actividades y su creciente expansión constituyen la principal fuerza motora del cambio de uso de suelo en la zona costera del Golfo de México. Los escenarios propuestos utilizan datos históricos de las variables determinantes en la demanda agropecuaria de agua: la superficie de riego, la lámina promedio de riego y la producción de carne en canal. También se evaluaron los cambios en la superficie de agricultura de temporal, la eficiencia de los sistemas de riego y el rendimiento de la producción.

Los resultados obtenidos para el escenario tendencial muestran que la extracción para usos agropecuarios se mantendrá relativamente constante, pues el abatimiento de los acuíferos (sobre todo en el norte y centro del país) se ha traducido en un menor uso de agua. Por su parte, la lámina de agua requerida para riego indica una tendencia decreciente debido, entre otros factores, al incremento en los rendimientos. Estas dos tendencias neutralizan el incremento en la cantidad de agua requerida por la apertura de mayores extensiones para cultivo y ganado.

Considerando la producción de forrajes y el uso pecuario directo, la producción

de carne es una de las actividades que más agua demanda: aproximadamente 20%

del total extraído en el sector. La tendencia sugiere un crecimiento sostenido en los


Regi

ón

2000

PIB

en 2

030

(mile

s de m

illone

s de p

esos

de 2

000)

PIB/

hab

en 2

030

(mile

s de p

esos

de 2

000)

PIB,

mile

s de

millo

nes

de p

esos

%PI

B/ha

b.,

mile

s de

peso

s

Crec

imie

n-

to an

ual

2.1%

Crec

imie

nto

anua

l 3.3

%

Crec

imie

nto

anua

l 4.7

%

% (p

ara c

re-

cimie

nto

de

4.7%

)

Crec

imie

nto

anua

l 2.1

%

Crec

imie

nto

anua

l 3.3

%

Crec

imie

nto

anua

l 4.7

%

VI R

ío B

ravo

741

49.4

791

586

2 25

23

373

50.3

108

153

229

IX G

olfo

Nor

te16

811

.236

281

399

597

8.9

5071

107

X Go

lfo C

entro

255

1728

464

660

988

14.7

4563

95

XI F

ront

era S

ur14

19.

424

265

376

563

8.4

3246

68

XII P

eníns

ula d

e Yuc

atán

196

13.1

6155

779

111

85

17.7

103

147

220

Sum

a1

501

100

46.5

1 56

72

226

6 70

610

035

.350

.215

1.2

Not

a: la

“su

ma”

en

las

colu

mna

s de

PIB

/hab

. es

el p

rom

edio

pon

dera

do.

Fuen

te: m

odifi

cado

de

FGR

A-F

JBS,

20

04.

Cuad

ro 3

. Tre

s es

cena

rios

del P

IB y

del

PIB

/hab

en

2030

.


si guientes treinta años. En el cuadro 4 se pueden observar las extracciones históricas

y futuras asociadas con las distintas actividades del sector agropecuario.

Cuadro 4. Escenario tendencial. Extracciones de agua a 2030 requeridas por las actividades agropecuarias.

AñoSuperficie de riego,

ha

Lámina de riego

promedio, cm

Extracciones para la

agricultura, hm3

Producción de carne en canal,

ton

Extracciones para uso pecuario

específico, hm3

Extracciones totales hm3

Datos históricos; promedios

1981 5 170 145 121 56 448 2 767 675 986 57 434

1985 5 284 715 110 58 132 2 920 860 1 040 59 172

1990 4 943 443 124 61 299 2 682 494 956 62 254

1995 4 979 706 103 51 291 3 685 344 1 313 52 604

2000 4 679 720 120 56 210 4 359 457 1 553 57 810

Tendencia

2010 4 923 686 114 55 934 5 984 664 2 132 58 066

2020 4 878 631 113 54 992 7 615 256 2 713 57 705

2030 4 833 576 112 54 058 9 245 847 3 293 57 352


A diferencia de la superficie de riego, la de temporal tiende a aumen tar. La su-

perficie de temporal en el país pasaría, según las estimaciones del documento de

referencia, de 14 a 19.8 millones de hectáreas entre 2000 y 2030. Los dos cultivos

más importan tes para el consumo alimenticio (cereales y forrajes) tienen una clara

tendencia al aumento de los rendimientos tanto en las tierras de rie go como en las

de temporal. De cumplirse estas tendencias, la producción de cereales se multiplicaría

por un factor de 1.5 entre 2000 y 2030, y la de forrajes aumentaría 1.7 veces.

Sin embargo, estos incrementos serían insuficientes para abastecer la demanda de

cereales y carne en 2030, por lo que las importaciones de ambos crecerían.

En cuanto a la demanda de alimentos, los factores que más influyen son el tama-

ño de la población y la tendencia a modificar los patrones de consumo. En la medida

que se incrementa el ingreso de las personas, también aumenta su capacidad de com-

pra y por lo tanto los productos consumidos. Uno de los principales indicadores del


crecimiento económico es el aumento en el consumo de carne, lo que implica mayor

demanda de agua para su producción. Los escenarios mostrados por las fundaciones

Río Arronte y Barros Sierra (2004) muestran que, con sólo los aumentos tendencia-

les de la superficie cosechada, el incremento en los rendimientos de los cultivos no

sería suficiente para atender la demanda nacional en la medida en que la economía

crezca a tasas mayores del 3% anual.

6.4.2.4 Escenarios de la demanda municipal urbana

En los escenarios de la demanda municipal urbana se utilizaron los tres factores más

influyentes para servicios municipales y domésticos: el tamaño de la población, el

ingreso promedio por habitante y las pérdidas en los sistemas de abastecimiento. El

documento asume que para el año 2030 toda la población contará con servicio de

agua potable. La relación entre consumo de agua e ingresos per cápita se obtuvo

utilizando los datos de población y las extracciones del año 2000, pero tomando en

cuenta las eficiencias regionales5, para obtener el consumo neto por habitante. La

eficiencia en los sistemas de distribución de agua se calcula como el cociente entre el

agua facturada y el agua producida.

Los escenarios del sector se estimaron bajo las siguientes hipótesis:

• Laspoblacionesregionalesevolucionaránsegúnlosescenariosdeloscuadros1y2.

• ElPIB/habencadaregiónvaríasegúnlomuestraelcuadro3;larelaciónentreconsumo de agua e ingresos sigue la tendencia de la figura 3.

• Laeficienciadelossistemasdeabastecimientoseguirácomoestáactualmente(demanda máxima) o mejorará hasta llegar a 0.75 en todo el país (demanda mí-nima).

5 En el documento de referencia, las eficiencias se estimaron distribuyendo las poblaciones urbanas estatales de 2000 (XII Censo General de Población y Vivienda, 2000) en las regiones de CONAGUA, ponderándolas según las eficiencias estatales (I Censo de Captación, Tratamiento y Suministro de Agua, Censos Económicos, 1999), INEGI, 2000a.


l/hab/ día

PlB/hab

350

300

250

200

150

100

50

00 50 000 100 000 150 000 200 000

y = 50.604Ln(x) - 306 5

R2 = 0.4612

Figura 3. Relación entre el ingreso por habitante y la demanda neta de agua para uso público-urbano.

A partir de este análisis resulta claro que, demás de atender la mayor demanda por

el incremento poblacional y el aumento en el PIB/hab, el sector público-urbano debe

afrontar el reto de mejorar las eficiencias. En el cuadro 5 se presentan las eficiencias

estimadas en las regiones administrativas de estudio en el año 2000. Se puede ob-

servar que los valores de este parámetro son en general bajos, con mejores resultados

en las zonas de mayor estrés hídrico.

Cuadro 5. Eficiencia de los sistemas de abastecimiento de agua para uso municipal-urbano en 2000.

Región administrativa EficienciaVI Río Bravo 0.67IX Golfo Norte 0.53X Golfo Centro 0.61XI Frontera Sur 0.49XII Península de Yucatán 0.58

Fuente: estimaciones de la Fundación Javier Barros Sierra, A.C., 2000b, basadas en INEGI, 2000b, I Censo de Captación, Tratamiento y Suministro de Agua, 1999.

Con base en los escenarios de referencia para el crecimiento del PIB y la población,

y a partir de las eficiencias mostradas en el cuadro anterior, se determinó la demanda

Fuente: FGRA-FBS, 2004.


Cuad

ro 6

. Esc

enar

ios

de la

dem

anda

de

agua

mun

icip

al y

urb

ana

en 2

030,

con

las

efici

enci

as d

e 20

00 y

con

efic

ienc

ias

de 0

.75,

de

acue

rdo

con

las

hipó

tesi

s pr

opue

stas

de

crec

imie

nto

del P

IB y

pob

laci

ón.

Regi

ón

adm

inis

trat

iva

Cons

umo

l/ha

b/dí

aEx

trac

cion

es, h

m3 /a

ño, e

ficie

ncia

s de

200

0Ex

trac

cion

es, h

m3 /a

ño,

efici

enci

as d

e 0.

75

2000

2030

(2

.1%

)20

30

(3.3

%)

2030

(4

.7%

)20

0020

30

(2.1

%)

2030

(3

.3%

)20

30

(4.7

%)

2030

(2

.1%

)20

30

(3.3

%)

2030

(4

.7%

)

VI

Río

Brav

o18

517

619

020

794

81

409

1 52

11

649

1 26

21

362

1 47

7

IXG

olfo

Nor

te10

814

616

017

634

855

861

167

339

743

547

8

XG

olfo

Cen

tro

119

141

155

171

650

884

971

1 07

271

678

786

9

XI

Fron

tera

Sur

112

128

141

158

485

775

859

957

511

566

631

XII

Pení

nsul

a de

Yu

catá

n17

717

518

920

535

658

863

568

945

949

553

8

Tota

l Reg

ión

Gol

fo23

6.4

260.

428

431

1.4

2 787

4 21

44

597

5 04

03

345

3 64

53

993

Fuen

te: m

odifi

cado

de

FGR

A-F

JBS,

20

04.


del sector público urbano hacia el año 2030 (cuadro 6). Para poner en relieve la

importancia de mejorar las eficiencias, el cuadro 6 también muestra las extracciones

esperadas si se adoptan medidas para incrementar las eficiencias hasta lograr 75% en

los sistemas de distribución.

Como lo muestra el cuadro 6 para la demanda municipal, el promedio de consu-

mo de agua per cápita en la zona del Golfo de México se estimó, para el año 2000 en

236.4 l/hab-día. Ello es equivalente al promedio nacional estimado en la publicación

de referencia para ese año de 233 l/hab-día. Bajo los escenarios tendenciales, sin

mejora de eficiencias, el consumo promedio neto aproximado en el área de estudio

se incrementaría a 260, 288 o 311 litros por habitante por día. Por su lado, las ex-

tracciones en el año 2000 para toda la región ascendían a cerca de 2 800 hm3, y

podrían aumentar en 2 030 a 4 200 hm3 como mínimo, y hasta más de 5 000 hm3.

Bajo el supuesto de que las eficiencias en las redes de abastecimiento aumentaran

a 0.75, las extracciones totales aproximadas del sector variarían de 3 400 a 4 000

hm3. Este punto pone de manifiesto la necesidad imperante de invertir para mejorar

la operación del servicio, pues con las medidas empleadas se podrían ahorrar hasta

1 000 hm3 en la región.

6.4.2.5 Escenarios de demanda industrial

La distribución de los sectores productivos en el país muestra una tendencia hacia el

aumento del sector terciario, y la disminución de los sectores primario y secundario.

Sin embargo, a pesar de su menor aportación porcentual, el sector secundario incre-

mentará su volumen de producción entre dos y cuatro veces más con respecto al

2000, si se cumplen los escenarios de crecimiento propuestos. El cuadro 7 muestra

la distribución de cada sector en la zona de estudio en el año 2000 y las proyecciones

para 2030.

En lo que concierne al consumo de agua, la tendencia nacional en el perfil de las

manufacturas se ha inclinado hacia industrias de menor demanda en sus procesos

productivos. Industrias que requieren de una gran cantidad de agua, como la produc-

ción de alimentos, textiles y papel, han disminuido su participación en el PIB. Por su


parte, divisiones de sustancias químicas y productos de plástico han sido más diná-

micas que el conjunto manufacturero y se han expandido hacia ramas de consumo

bajo. El cuadro 8 muestra las diferencias porcentuales entre 1970 y 2000 de ambos

Cuadro 7. Distribución porcentual sectorial del PIB regional en los años 2000 y 2030.

Región administrativa

2000 Escenarios en 2030

Primario Secundario Terciario Primario Secundario TerciarioVI Río Bravo 2.1 32.2 65.7 0.6 31.9 67.5IX Golfo Norte 9.3 29.6 61.1 3.3 35.5 61.2X Golfo Centro 8.6 30.1 61.3 3.3 32.1 64.6XI Frontera Sur 8.1 25.6 66.4 2.0 21.8 76.2

XIIPenínsula de

Yucatán2.9 29.0 68.1 0.6 26.8 72.6

Fuente: modificado de FGRA-FJBS, 2004.

tipos de empresas.

Cuadro 8. Cambios en la distribución porcentual del PIB manufacturero entre 1970 y 2000 (ámbito nacional).

Industria manufacturera 1970 (%) 2000 (%)Industrias de alto consumo de agua 54.23 45.27

Beneficio y molienda de cereales 3.68 1.47Molienda de nixtamal y fabricación de tortillas 3.52 1.06Industria textil de fibras duras y cordelería de todo tipo 5.59 2.35Industria básica del hierro y acero 4.52 2.21Industria azucarera 1.69 0.58

Industrias de bajo consumo de agua 45.77 54.73Petroquímica básica 0.63 2.53Elaboración de productos de plástico 1.42 3.35Fundición y moldeo de piezas metálicas ferrosas y no ferrosas

11.52 14.04

Industria automotriz 4.7 10.14



Con las consideraciones anteriores, los escenarios de demanda industrial de agua

se construyeron mediante las siguientes hipótesis:• LatasadecrecimientoanualdelPIBentre2000y2030seguirálosescenarios

propuestos.• ElPIBde lazonacosteradelGolfodeMéxicosedistribuirádeacuerdocon lo

expuesto en el cuadro 7.• La eficiencia del uso del agua en las manufacturas mejorará 1% anualmente

(como se está logrando actualmente en los países desarrollados) o 2% (si se asume que el cambio será mayor en México, porque los procesos industriales se modernizarán a partir de niveles de tecnología inferior).

Los escenarios de la demanda de agua industrial pueden observarse en el cuadro

9. Al analizar dicho cuadro se puede inferir la importancia de promover, mediante

tarifas u otra clase de incentivos, el mejoramiento de la eficiencia en el uso industrial

del agua, sobre todo en la región Río Bravo y ciudades manufactureras como Coat-

zacoalcos y Tampico-Madero.

6.4.2.6 Escenarios de demanda total de agua

Al sumar las proyecciones de demanda de agua de cada uso consuntivo, se pueden

deducir los posibles escenarios en el año 2030 para la zona costera del Golfo de

México. En el cuadro 10 se incluyen las demandas mínimas y máximas esperadas

de los tres principales usos. Como la industria se multiplicaría por un factor de 3.6 y

la población por 1.9, en la región Golfo Norte el aumento de la eficiencia en el uso

agrícola no alcanzaría para cubrir las otras demandas. A causa de ello, el grado de

presión aumentaría cinco puntos en el caso de un desarrollo del PIB alto.


Cuad

ro 9

. Esc

enar

ios

de la

dem

anda

indu

stria

l en

2030

(hm

3 ), d

e ac

uerd

o co

n la

s po

sibl

es m

ejor

as d

e efi

cien

cia

y lo

s es

cena

rios

de c

reci

mie

nto

econ

ómic

o pr

opue

stos

.

Regi

ón

adm

inis

trat

iva

Es

cena

rios

de c

reci

mie

nto

del P

IB

2.

1 %

3.3

%4.

7 %

2000

Si n

o m

ejor

a la

efic

ienc

ia

Si

mej

ora

la

efici

enci

a 1%

anu

al

Si m

ejor

a la

efi

cien

cia

2% a

nual

Si n

o m

ejor

a la

efi

cien

cia

Si

mej

ora

la

efici

enci

a 1%

anu

al

Si

mej

ora

la

efici

enci

a 2%

anu

al

Si n

o m

ejor

a la

efi

cien

cia

Si

mej

ora

la

efici

enci

a 1%

anu

al

Si

mej

ora

la

efici

enci

a 2%

anu

al

VI

Río

Brav

o61

110

7279

358

51

522

1 12

683

02

280

1 68

61

244

IXG

olfo

N

orte

541

916

677

500

1 30

096

270

91

947

1 44

01

062

XG

olfo

Ce

ntro

1 45

31

875

1 38

71

023

2 66

21

969

1 45

23

987

2 94

92

175

XIFr

onte

ra

Sur

286

324

240

177

460

340

251

689

510

376

XII

Pení

nsul

a de

Yu

catá

n10

818

713

910

226

619

714

539

829

521

7

Su

ma

2 99

94

374

3 23

62

387

6 21

04

594

3 38

79

301

6 88

05

074

Fuen

te: m

odifi

cado

de

FGR

A-F

JBS,

20

04.


Cuad

ro 9

. Esc

enar

ios

de la

dem

anda

indu

stria

l en

2030

(hm

3 ), d

e ac

uerd

o co

n la

s po

sibl

es m

ejor

as d

e efi

cien

cia

y lo

s es

cena

rios

de c

reci

mie

nto

econ

ómic

o pr

opue

stos

.

Regi

ón

adm

inis

trat

iva

Es

cena

rios

de c

reci

mie

nto

del P

IB

2.

1 %

3.3

%4.

7 %

2000

Si n

o m

ejor

a la

efic

ienc

ia

Si

mej

ora

la

efici

enci

a 1%

anu

al

Si m

ejor

a la

efi

cien

cia

2% a

nual

Si n

o m

ejor

a la

efi

cien

cia

Si

mej

ora

la

efici

enci

a 1%

anu

al

Si

mej

ora

la

efici

enci

a 2%

anu

al

Si n

o m

ejor

a la

efi

cien

cia

Si

mej

ora

la

efici

enci

a 1%

anu

al

Si

mej

ora

la

efici

enci

a 2%

anu

al

VI

Río

Brav

o61

110

7279

358

51

522

1 12

683

02

280

1 68

61

244

IXG

olfo

N

orte

541

916

677

500

1 30

096

270

91

947

1 44

01

062

XG

olfo

Ce

ntro

1 45

31

875

1 38

71

023

2 66

21

969

1 45

23

987

2 94

92

175

XIFr

onte

ra

Sur

286

324

240

177

460

340

251

689

510

376

XII

Pení

nsul

a de

Yu

catá

n10

818

713

910

226

619

714

539

829

521

7

Su

ma

2 99

94

374

3 23

62

387

6 21

04

594

3 38

79

301

6 88

05

074

Fuen

te: m

odifi

cado

de

FGR

A-F

JBS,

20

04.

Cuad

ro 1

0. R

esum

en d

e es

cena

rios

de la

dem

anda

en

2030

(hm

3 ).

2000

203

0

Regi

ónD

ispo

nibi

lidad

20

00

Ex

trac

cion

es

2000

Gra

do d

e pr

esió

n en

20

00 %

Dem

anda

mun

icip

al-

urba

naD

eman

da in

dust

rial

Dem

anda

ag

rope

cuar

ia5

Dem

anda

tota

l y g

rado

de

pres

ión

Mín

ima

Máx

ima

Mín

ima

Máx

ima

Mín

ima

Máx

ima

Dem

anda

to

tal

mín

ima

Gra

do d

e pr

esió

n m

ínim

o,

%

Dem

anda

to

tal

máx

ima

Gra

do d

e pr

esió

n m

áxim

o,

%

VI R

ío

Brav

o14

261

8 01

056

1 26

21

649

585

2

280

5 55

55

555

7 40

252

9 48

467

IX G

olfo

Nor

te24

339

5 21

721

397

673

500

1 94

73

727

3 72

74

624

196

347

26

X G

olfo

Cent

ro10

2 63

33

946

471

61

072

1

023

3 98

71

587

12

443

3 32

63

17 5

0217

XI F

ront

era

Sur

155

906

1 84

11

511

957

177

689

921

17

412

1 60

91

19 0

5812

XII

Pení

nsul

a

de Y

ucat

án

26 4

961

307

545

968

910

239

872

63

528

1 28

75

4 61

517

Sum

a32

3 63

520

321

63

345

5 04

02

387

9 30

112

516

42 6

6518

248

657

006

18

Fuen

te: m

odifi

cado

de

FGR

A-F

JS, 2

004

.

5

Las

cant

idad

es d

e la

dem

anda

agr

opec

uaria

cor

resp

onde

n a

los

valo

res

mín

imos

y m

áxim

os s

egún

los

esce

nario

s A

gr 1

, Agr

2, A

gr 3

y A

gr 4

, ela

bora

dos

por F

GR

A-F

JBS,

20

04 y

que

son

dem

asia

do e

xten

sos

para

incl

uir e

n es

ta s

ecci

ón.


La figura 4 fue construida al tomar en cuenta los escenarios de mayor demanda

de agua para el uso agrícola, y bajo las tendencias propuestas en el crecimiento del

PIB y la población. Dicha figura permite visualizar los grados de presión para el año

2030 en las distintas regiones: la región Río Bravo se encontrará bajo muy fuerte

presión; la región Golfo Norte, bajo presión moderada, y el resto de las regiones en la

zona de estudio tendrá grados escasos.

Fuente: Magaña, 2006 en INE-SEMARNAT 2006, con datos de la Fundación Gonzalo Río Arronte-Fundación Javier Barros Sierra, A.C. 2004.

Figura 4. Escenario de grado de presión (máxima) sobre el recurso agua al 2030, considerando sólo las tendencias en población, PIB y agricultura.

6.4.3 efeCto del Cambio ClimátiCo en los esCenarios tendenCiales

Los resultados de los párrafos anteriores sobre la demanda futura de agua se ven modificados cuando se agrega el efecto del cambio climático. Tomando los escena-


rios para la climatología de 2020, se considera que la disponibilidad natural del agua disminuye por el aumento en la temperatura y evapotranspiración, además de por una ligera disminución en la precipitación anual. Esto lleva a una reducción anual de aproximadamente 10%, con respecto a la disponibilidad de 2000. En dicho escena-rio se aumenta además la demanda de agua en el sector agrícola en un 10%, pues al disminuir la humedad en el suelo (como se proyecta), se tendrá que extraer más agua para riego.

Los escenarios con cambio climático para 2030 muestran que la región Río Bravo continuará con grados fuertes de presión; pero el cambio más significativo sucede en las regiones Golfo Norte, Golfo Centro y Península de Yucatán, las cuales podrían experimentar una presión de media a fuerte. Lo anterior indica que los aumentos en el grado de presión sobre el recurso agua por efectos del cambio climático pueden ser tan importantes como los de orden socioeconómico para las próximas dos décadas.

También cabe recalcar que aunado a los factores de presión en los recursos hídri-cos aquí expuestos, la contaminación del agua reduce aún más su disponibilidad para los distintos usos.

Fuente: Magaña, 2006 en INE-SEMARNAT 2006, con datos de la Fundación Gonzalo Río Arronte-Fundación Javier Barros Sierra, A.C., 2004.

Figura 5. Grado de presión cuando se consideran las proyecciones socioeconómicas para el 2030 y se incluyen los escenarios de cambio climático como moduladores de la disponibilidad natural de agua.

642

6.5.1 introduCCión

El uso que tiene el suelo es uno de los factores determinantes de la vulnerabilidad al cambio climático. Cambios como la deforestación, la expansión de la frontera agro-pecuaria, el dragado y relleno de humedales, al igual que la urbanización, aumentan la vulnerabilidad, pues acarrean modificaciones en la mayoría de los procesos naturales que sustentan y protegen la vida (pensemos en el ciclo hidrológico). Sin embargo, la vulnerabilidad ante dicho fenómeno se reduce implementando medidas de sanea-miento del agua, conservación de suelos, reforestación y restauración de ecosistemas, entre otras. Por lo tanto, la intensidad de los efectos del cambio climático en la zona de estudio dependerá de la dirección que tomen las modificaciones en el uso del sue-lo. El punto anterior destaca la importancia de contar con ordenamientos territoriales o ecológicos, y de hacerlos respetar.

En las regiones tropicales, el cambio de uso de suelo contribuye sustancialmente a la alteración de los ecosistemas, pues es el principal responsable de, al menos, los siguientes problemas:

• Pérdidadebiodiversidad1.

• Cambiosenladistribuciónespacialdelostiposdevegetación2.

1 Sala et al., 2001.2 Velázquez et al., 2003.

6.5 Tendencias en el uso de suelo

Leticia Gómez et al. Víctor Magaña et al.

tendenCias en el uso de suelo 643

• Emisiones“naturales”deCO2 a la atmósfera3.

• Alteracióndelciclohidrológico4.

La diversidad y heterogeneidad de los procesos de uso del suelo debe ser analizada

detalladamente debido a sus efectos diferenciales sobre el ambiente. La mayor degra-

dación ambiental se alcanza cuando la magnitud de los daños sobrepasa la capacidad

de los mecanismos naturales del ambiente (resistencia y resiliencia5) para regenerar

las estructuras y los procesos ecológicos que favorecen la permanencia del potencial

natural y de los servicios ambientales asociados con los ecosistemas6.

El efecto del cambio de uso de suelo y cobertura vegetal sobre las zonas de recar-

ga de agua y las regiones de humedales aún no ha sido considerado en México. Por su

parte, el cambio climático a escala regional también puede influir en el funcionamiento

de los ecosistemas costeros, al modificar la cantidad y los ciclos anuales de precipi-

tación, en igual o mayor grado que el propio cambio de uso de suelo; por ejemplo,

la disminución de la precipitación conllevaría a un cambio en la productividad de la

vegetación, haciéndola aún más vulnerable a la deforestación actual por actividades

humanas7. En este sentido, si se evalúan paralelamente el cambio de uso de suelo y el

cambio climático como dos de los principales procesos de presión sobre los recursos

hídricos en el largo plazo, se puede estar en condición de proponer políticas de adap-

tación o mitigación desde hoy, y lograr disminuir sus efectos en el futuro.

Los principales mecanismos controladores de los cambios de uso de suelo son

de carácter demográfico, político-económico y biofísico8. Estos alteradores han sido

integrados en diversos modelos globales, regionales y locales mediante el uso de

sistemas de información geográfica9 (SIG) para entender los patrones espaciales y

temporales del cambio. Los resultados pueden integrarse en la construcción de esce-

3 INE-SEMARNAT, 2001.4 Magaña et al., 2007, para este estudio. Ver apartado 6.5.4.5 La propiedad de los ecosistemas para regresar a su estado original después de un evento que altera el estado de

equilibrio. La resiliencia es mayor conforme hay mayor diversidad dentro del ecosistema.6 Galicia et al., 2007.7 Gerhardt y Foster, 2002.8 Veldkamp y Lambin, 2001.9 Galicia et al., 2007.


narios futuros, y en la confección de políticas de desarrollo sustentable y de reducción

de la degradación ambiental.

6.5.2 proyeCCiones del uso de suelo al 2020 para la Vertiente del golfo de méxiCo

En las siguientes páginas se presentan las proyecciones elaboradas para las coberturas

de uso de suelo en la zona costera del Golfo de México hacia el año 2020. Los

resultados se elaboraron a partir de modelos probabilísticos (módulo de Markov),

alimentados con el uso de suelo del año 2000 (figura 1) y las tendencias encontradas

en los cambios entre 1976 y 200010 (cuadro 1). El módulo de Markov aplicado en

IDRISI produce una matriz de probabilidades de transición entre todas las categorías

de uso de suelo y cobertura vegetal. También se obtiene una matriz de áreas de tran-

sición que indica el número de píxeles con probabilidades de sufrir una transformación

de una categoría a otra. Finalmente el sistema da como salida una serie de mapas de

probabilidad condicional (con valores entre 0 y 1) para cada una de las categorías en

el tiempo 2020, como proyección desde el periodo 1976-2000. Para ello se asume

una evolución lineal de los usos de suelo. Es claro que, de implementarse medidas para

revertir dichas tendencias, los cambios aquí proyectados serían de menor magnitud.

En el análisis de las tendencias se identificaron dos grandes controladores del cam-

bio de uso de suelo: la expansión de zonas agrícolas y el crecimiento de la actividad

ganadera, mediante la expansión de potreros, pastizales inducidos y cultivados. En

efecto, el mapa de uso de suelo para el año 2020 indica un aumento en la actividad

agrícola, tanto de riego como de temporal, al igual que las actividades de ganadería en

las partes más planas de la zona. Se observa también un deterioro en las regiones de

humedales costeros, debido a la expansión espacial del sector agropecuario. Las re-

giones de selva baja y selva mediana, situadas en las zonas de pie de monte, disminui-

rán su extensión debido al aumento de la frontera agrícola. En las regiones más altas

(cabeceras de cuenca), las zonas de bosques templados disminuirán drásticamente.

10 Para un análisis detallado de los cambios aquí presentados entre 1976 y 2000, referimos al lector a la sección 4.4 “Diagnóstico del uso de suelo en la zona costera del Golfo de México”.


Es importante señalar que, de acuerdo con el modelo utilizado, si se considera

un escenario tendiente a la conservación tanto de áreas naturales protegidas como

del Corredor Biológico Mesoamericano, y otro que permitiera la introducción de

actividades agropecuarias en dichas zonas, las disminuciones de cobertura vegetal

natural serían menos drásticas en el primero. Sin embargo, dada la complejidad del

método, no puede aseverarse que exista deforestación dentro de las áreas naturales

protegidas.

Figura 1. Mapa de uso de suelo y vegetación del año 2000.

Fuente: Gómez et al., 2007.


Cuadro 1. Cambios en el uso de suelo observados entre 1976 y 2000.

Cobertura o uso de suelo1976(ha)

2000(ha)

Cambio%

Urbano 1 455 752 11 210 855 670Pastizal inducido, cultivado, agricultura de temporal y riego

2 212 785 879 5 088 148 997 130

Pastizal natural (incluye pastizal-huizachal) 8 555 252 8 907 085 4

Matorral espinoso tamaulipeco 153 878 176 137 716 807 -11

Vegetación secundaria arbustiva y herbácea (de los tipos de vegetación arbórea)

1 209 962 697 220 034 163 -82

Sabana 54 742 922 3 219 102 -94Selvas bajas caducifolias, bosques de encino, selvas medianas y vegetación espinosa

607 069 095 204 038 342 -66

Selvas perennifolias y subperennifolias 2 384 270 754 1 730 875 851 -27Bosques de pino, oyamel, ayarín y encino 73 599 347 49 881 833 -32Cuerpo de agua 280 525 587 12 171 279 -96Popal-tular 371 284 317 44 982 737 -88

Vegetación de galería (incluye bosque de galería, selva de galería y vegetación de galería, manglar y comunidades inundables)

112 745 332 6 812 623 -94

Área sin vegetación aparente 14 765 234 277 302 -98

Nota: en el proceso de homologación de las coberturas se crean inconsistencias que deben considerarse a la hora de interpretar los resultados.


6.5.3 proyeCCiones para algunos tipos de Cobertura releVantes

De acuerdo con los resultados del modelo, a continuación se describen los cambios

que experimentarán algunos usos de suelo y tipos de cubierta vegetal para la región

del Golfo de México hacia el año 2020, en términos de probabilidad (con valores

entre 0 y 100%). En las figuras 3 a 8 se describen los rangos de probabilidad de


que el estado del suelo actual pase a ser un uso de suelo dado, por ejemplo urbano,

pastizal o agricultura. Para los tipos de vegetación que están perdiendo superficie de

manera importante se habla de probabilidad de permanencia para la cobertura en

particular. La probabilidad para 2020 obedece a la dinámica del cambio de uso de

suelo observado de 1976 a 2000; por ello, algunas clases de uso de suelo dominarán

sobre otras.

6.5.3.1 Uso de suelo urbano

El uso de suelo urbano presentará una probabilidad máxima de 1% de aumento,

localizado en los alrededores de las actuales zonas urbanas. Las regiones de mayor

Figura 2. Proyecciones de uso de suelo en 2020.



probabilidad se ubican en la porción noreste de la península de Yucatán, posiblemente

debido a la concentración de poblaciones rurales y la expansión del corredor turístico

de la Riviera Maya. Sin embargo, las probabilidades de cambio son muy bajas.

6.5.3.2 Pastizal inducido y agricultura de temporal

Los valores de probabilidad de cambio hacia este tipo de vegetación van de 2 a 39%

en toda la región. Estos usos de suelo dominarán en la península de Yucatán, en

regiones costeras y regiones de las estribaciones11 de las cabeceras de las cuencas.

Será el uso de suelo dominante para la región (figura 3).

Figura 3. Probabilidad de cambio a pastizal inducido y agricultura de temporal para 2020.

6.5.3.3 Pastizal cultivado y agricultura de riego

Las probabilidades de cambio hacia este uso de suelo van del 8 al 43% y los valores

más elevados se localizan a lo largo de las costas, en los humedales definidos para

11 Estribación: estribo o ramal de montaña que deriva de una cordillera.



este estudio. Tal hecho debe activar la señal de alerta para implementar medidas de

conservación. Las probabilidades intermedias (22 a 33%) se observan en regiones

que actualmente presentan uso de suelo de agricultura de riego y pastizales inducidos

(figura 4). El cambio de uso de suelo a actividades agropecuarias indica una alta

intensificación y mayor tecnificación de las actuales zonas abiertas para cultivo en la

región.

Figura 4. Probabilidad de cambio a pastizal cultivado y agricultura de riego para 2020.


6.5.3.4 Matorral espinoso tamaulipeco

A diferencia de otros usos de suelo, este tipo de cubierta vegetal, predominante en las

zonas de pie de monte de las cabeceras de cuenca, se presentará para 2020 princi-

palmente en la Sierra de San Carlos, Sierra de Tamaulipas, en las cabeceras de los ríos

Tuxpan, y Jamapa, y en las zonas secas de los Altos de Chiapas. Todas estas regiones

con valores de probabilidad de cambio de entre 36 y 44%.


6.5.3.5 Vegetación secundaria

En el estudio se consideró a la vegetación secundaria como la correspondiente a

todas las coberturas de tipo herbáceo y arbustivo, de acuerdo con la clasificación del

INEGI. El modelo indica baja probabilidad de cambio de estos tipos. El estado de la

vegetación secundaria es un indicativo tanto del deterioro de la vegetación como de

su regeneración.

6.5.3.6 Selvas bajas y vegetación espinosa

La probabilidad de permanencia de estos tipos de vegetación para 2020 es muy baja

(entre 1 y 11%). En la figura 5, la superficie de permanencia, cuyo rango de valores

se ubica entre 0.09 y 0.11, corresponde a las regiones que van a ser sustituidas por

pastizal inducido y agricultura de temporal, con probabilidades de entre 25 y 35% de

la figura 3. Esto sugiere que la actividad agrícola tradicional sustituirá a la vegetación

espinosa y de selvas bajas.

Figura 5. Probabilidad de cambio a selvas bajas, bosques espinosos, selvas medianas y vegetación espinosa para 2020.



6.5.3.7 Cuerpos de agua, popal-tular y vegetación de galería

La permanencia de esta cobertura será muy baja (0 a 1%). La probabilidad de perma-

nencia en las regiones de humedales sólo es de cerca del 1% (figura 6). Por otro lado,

la permanencia de vegetación representativa de lagos y zonas riparias también pre-

senta bajas probabilidades (0 a 1%). Para los sitios piloto de este estudio se identifica

una probabilidad de permanencia de sólo el 1% para popal y tular, que predominará

sobre los actuales cuerpos de agua (figura 7). La vegetación de galería presenta una

probabilidad de permanencia de entre 0 y 0.4%, predominando en actuales zonas

riparias, principalmente en el noroeste de Campeche y en Quintana Roo (figura 8).

6.5.4 uso de suelo e hidrología

Figura 6. Probabilidad de presencia de popal y tular para 2020.



Figura 7. Probabilidad de presencia de cuerpos de agua para 2020.


Figura 8. Probabilidad de presencia de vegetación de galería para 2020.



El suelo juega un papel importante dentro de la fase terrestre del ciclo hidrológi-

co, pues dependiendo de su grado de permeabilidad determina la fracción del agua

precipitada que se infiltra hacia los acuíferos o escurre hacia los océanos. Una parte

del agua también es retenida en la superficie antes de llegar al mar, formando lagos,

lagunas y humedales. Si se aprovechan de manera sustentable, estos ecosistemas

pueden beneficiar a la economía de las zonas aledañas y proveer sustento a la vida

silvestre. La alteración del uso de los suelos modifica el balance hídrico y altera los

frágiles ecosistemas dependientes del recurso agua.

Al comparar el mapa de uso de suelo del 2000 (figura 1) con el de proyecciones

para 2020 (figura 2), se puede observar la reducción de las áreas con mayor densidad

de vegetación, como los diferentes tipos de selva, la desaparición de los manglares

y un aumento en las áreas con vegetación rala, como los pastizales. Este cambio es

muy importante, ya que una vegetación más pobre ocasiona una menor infiltración

y el aumento de los escurrimientos. También disminuye la fricción entre el escurri-

miento y la superficie del suelo, aumentando la velocidad de las corrientes. Si se toma

en cuenta que la vegetación rala tiene menor capacidad para retener tanto el suelo

como el agua, el cambio a este tipo de vegetación aumenta la erosión. Una de las

consecuencias es el mayor arrastre de sedimentos hacia las partes bajas de la cuenca,

azolvando humedales y bocas de lagunas y esteros. Así, los humedales van reducien-

do su capacidad de almacenamiento del líquido, lo que afecta a todo el ecosistema.

El aumento del porcentaje de escurrimiento debido al cambio del uso del suelo se

observa principalmente en la península de Yucatán y en Tamaulipas (figuras 9 y 10),

así como en los humedales que se encuentran a la salida de estas cuencas. De acuer-

do con el balance hídrico de una cuenca, si se tienen mayores escurrimientos con

lluvias intensas debido a los cambios en el uso del suelo, las infiltraciones se reducen,

y en temporadas de secas los acuíferos no serían capaces de mantener la humedad

suficiente como para alimentar los humedales. En otras palabras, la existencia de los

humedales depende de un frágil equilibrio que mantiene el balance hídrico adecuado

entre las diversas etapas del ciclo hidrológico; el cambio de uso del suelo es la variable

que más afecta este balance.


El uso de suelo aquí proyectado tendrá los mayores impactos en el balance hídrico

regional. Las alteraciones en el uso de suelo, principalmente por pérdida de bosques, Figura 9. Porcentaje de lluvia que escurre con una precipitación de 100 cm. Situación actual (izquierda) y proyecciones a futuro (derecha).


Figura 10. Porcentaje de lluvia que escurre con una precipitación de 50 cm. Situación actual (izquierda) y futura (derecha).



resultarán en mayores escurrimientos y menor infiltración. Estas alteraciones en el

ciclo hidrológico regional repercutirán en la salud de los humedales costeros del Golfo

de México. Por ello, es necesario que las medidas de adaptación consideren como

fundamental un reordenamiento territorial y ecológico en toda la zona de estudio.

656

6.6.1 introduCCión

Como se vio en las secciones 6.1 y 6.2, para obtener estimaciones locales de los

cambios futuros en el clima, se realizan reducciones de escala a partir de las proyec-

ciones obtenidas de los modelos generales de circulación de la atmósfera. Uno de los

esquemas de reducción de escala espacial más útil en materia de generación de es-

cenarios de cambio climático se basa en procedimientos estadísticos de regresión. El

Modelo de Reducción de Escala Espacial Estadístico (Stastistical Downscaling Model

o SDSM) constituye una de las herramientas más fáciles de usar y que aporta gran

cantidad de valiosa información para el estudio de impactos del cambio climático1.

La aplicación del SDSM requiere de información diaria de precipitación y temperatura

para construir relaciones estadísticas entre los valores observados locales y los valores

del modelo de circulación general, a partir de un arreglo en malla con baja resolución

espacial.

En el presente análisis se utilizó la información meteorológica disponible en la

base de datos conocida como ERIC III, que compila datos de más de tres mil esta-

ciones durante un periodo promedio de cuarenta años. Para estimar las tendencias

locales en los sitios piloto, se buscaron estaciones cercanas, que reflejaran el clima

1 Wilby y Wigley, 1997; Wilby y Dawson, 2004.

6.6 Escenarios de cambios locales


esCenarios de CamBios loCales 657

puntual de la zona (figura 1). Los escenarios de cambio climático generados con el

SDSM complementan la información obtenida con modelos regionales y permiten

obtener un espectro más amplio de las proyecciones. De esta forma se puede estimar

la incertidumbre (dispersión) entre ellas.

En prácticamente todas las zonas de estudio se encontraron estaciones meteoro-

lógicas, excepto alrededor de la parte costera media de Quintana Roo (figura 1). Se

construyeron proyecciones de cambio climático para el periodo 2010-2099, a partir

de los datos del modelo de circulación general del centro Hadley. Recordemos que el

modelo conocido como HadCM3 genera algunos de los valores de cambio climático

más elevados, comparado con cualquier otro modelo utilizado por el IPCC. De esta

forma, los escenarios obtenidos pueden considerarse como una cota superior de los

cambios esperados en temperatura y precipitación. Para los escenarios puntuales se

utilizaron dos escenarios de emisiones: A2 y B2.

Figura 1. Regiones de humedales de estudio (zonas en negro) y estaciones meteorológicas (número) utilizadas para el análisis de cambios locales.


Las proyecciones se realizaron para una de las estaciones en cada región de los

sitios piloto para las variables temperatura y precipitación, utilizando datos diarios. En

general, la construcción de relaciones entre los valores locales (en la estación) y los

valores modelados resulta más sencilla para la temperatura que para la precipitación

diaria local. La humedad relativa local y la dirección del viento resultaron clave en la

mayoría de los casos para construir escenarios de cambios en la precipitación.

Las estaciones utilizadas para el presente análisis se enlistan en el cuadro 1.

Cuadro 1. Estaciones meteorológicas usadas para determinar las condiciones locales de los sitios piloto.

Número de estación

Nombre Sitios pilotos correspondientes

28086 San Fernando, TamaulipasRío San Fernando-Laguna La Nacha.Río Pánuco-Altamira.

30056 El Tejar Medellín, VeracruzRio Papaloapan-Laguna de Alvarado.Río Coatzacoalcos-Laguna El Colorado.Sistema Lagunar Carmen-Pajonal-Machona.

04012 Champotón, Campeche Reserva de la Biosfera Los Petenes.

23019 La Lagunita, Quintana RooSistema Lagunar Nichupté (Cancún).Sistema Lagunar Boca Paila (Punta Allen).

A continuación se presentan las comparaciones del modelo con la climatología

actual observada, los cambios proyectados en la climatología hacia 2010-2030, así

como los cambios que se esperan hacia 2070-2099, ambos bajo el escenario A2. Fi-

nalmente, se presenta una comparación de la evolución del clima ante los escenarios

A2 y B2, utilizando el modelo Hadley. Como este modelo es el que predice mayores

cambios, y el escenario A2 es uno de los de mayores emisiones, los resultados corres-

ponden a uno de los valores más extremos de cambios. Esto nos permite tener una

idea de la condición de mayor presión climática esperada. El análisis se realiza para

cuatro de los ocho sitios de estudio.


6.6.2 humedales de tamaulipas, estaCión san fernando (28086)

Al comparar la simulación del clima actual para San Fernando con los datos observa-

dos en la estación 28086, podemos notar que la reconstrucción de la temperatura de

superficie entrega muy buenos resultados para el clima de 1961-1990.

Figura 2. Condiciones de temperatura media mensual para el clima 1961-1990, con observaciones en San Fernando, Tamaulipas, y con el modelo SDSM, usando los resultados del HadCM3, bajo el escenario A2.

Con base en la confianza de que el modelo logra reproducir el ciclo anual de la

temperatura media, es posible generar escenarios de cambio en la temperatura para

este sitio piloto y extrapolarlos a otros humedales de la zona. Las proyecciones se

realizan para finales del presente siglo, pues en este periodo se vuelve más claro el

cambio en la temperatura. Como es de esperarse, los cambios de temperatura media

proyectados bajo el escenario A2 son en general superiores a los proyectados con el

B2 (figuras 3 y 4).


Figura 3. Condiciones de cambio en la temperatura media mensual para el clima 2070-2099, con respecto al periodo 1961-1990 en San Fernando, Tamaulipas, a partir del esquema SDSM, usando datos del modelo HadCM3 bajo el escenario A2.

Nótese cómo, en general, se puede esperar un aumento cercano a los 3 °C para los humedales de Tamaulipas .

Figura 4. Condiciones de cambio en la temperatura media mensual para el clima 2070-2099, con respecto al periodo 1961-1990 en San Fernando, Tamaulipas, a partir del esquema SDSM, usando datos del modelo HadCM3 bajo el escenario B2.

Nótese un menor aumento promedio con respecto al escenario A2, cercano a 2 °C.


Recordemos que los aumentos en la temperatura no son constantes en el tiempo.

De acuerdo con las proyecciones de modelos numéricos, los incrementos en las dos

próximas décadas no serán mayores a 1 °C. Sin embargo, para la segunda mitad

del presente siglo, la temperatura aumentará más rápidamente y los cambios para

finales del mismo alcanzarán incluso los 4 °C en el noreste del país. De este modo,

las diferencias entre los escenarios A2 y B2 se harán más evidentes. Esta es la misma

conclusión que se alcanza cuando se analiza el ensamble de modelos GCM o las

salidas del modelo japonés. La figura 5 ilustra los cambios esperados para los sitios

piloto San Fernando-La Nacha y Pánuco-Altamira.

Figura 5. Series de tiempo de la temperatura media en la estación San Fernando, Tamaulipas, entre 1961 y 2099, bajo los escenarios A2 y B2 del modelo Hadley.

Uno de los aspectos interesantes de los cambios en la temperatura está relacionado

con las ondas de calor. Si definimos las ondas de calor como las veces que se rebasa

la temperatura media umbral de 30 °C durante el año, encontramos que después

de 2030, dicha situación se volverá más frecuente. Esto significa que los valores de

temperatura máxima podrían ser muy superiores a los 30 °C más frecuentemente.


Figura 6. Simulación con el modelo HadCM3 del número de veces al año que se rebasa la temperatura media de 30 °C (T>30 °C) en San Fernando, Tamaulipas, bajo los escenarios A2 y B2 entre 1961 y 2099.

En cuanto a la precipitación, la construcción del ciclo anual de las lluvias a partir

de variables meteorológicas de gran escala es una tarea complicada, principalmente

en los trópicos, donde las características de los sistemas nubosos están determinadas

en gran medida por campos de vientos, transportes de humedad y condiciones de

estabilidad atmosférica. Todos ellos son sensibles a las características del modelo. En

el presente análisis, la precipitación se simuló utilizando datos de humedad relativa y

de dirección de viento, debido a que los sistemas de norte, o los vientos alisios, son

los principales generadores de episodios de lluvias en el Golfo de México. Para el

caso de San Fernando, el modelo estadístico sobreestima las precipitaciones para el

periodo 1961-1990 (figura 7). Sin embargo, reproduce el ciclo anual con lluvias más

intensas en el verano, lo cual reduce el problema de sobreestimación de lluvias a un

error sistemático.

Las proyecciones para finales del presente siglo, usando técnicas de reducción

de escala estadísticas con datos del modelo de circulación global HadCM3 y bajo el

escenario A2, sugieren que los cambios en la precipitación serán mínimos en estos


sitios (figura 8). Hacia los meses de octubre y noviembre, los resultados sugieren un

ligero aumento en la precipitación. Bajo tal esquema, las reducciones en precipitación

anual para finales del presente siglo serían de menos del 5%.

Figura 7. Simulación de la precipitación acumulada mensual para el periodo 1961-1990, bajo el esquema SDSM en San Fernando, Tamaulipas, y comparación con valores observados.

Figura 8. Cambios en la precipitación en San Fernando, Tamaulipas, para 2070-2099 en relación con 1979, y de acuerdo con los datos HadCM3 A2 reducidos con el esquema SDSM.


6.6.3 humedales de VeraCruz y tabasCo, estaCión el teJar (30056)

En la estación El Tejar, en Medellín, Veracruz, el modelo simula adecuadamente la

temperatura promedio anual, al igual que su varianza. El modelo es capaz, incluso,

de simular los periodos y el número de veces que se producen episodios de calor, los

cuales ocurren esencialmente a mitad del verano (figura 9). Bajo cambio climático se espera que en esta región los mayores aumentos en

temperatura ocurran en los meses de junio y julio, alcanzando incrementos de tem-peratura de entre 3 y 4 °C. Con ello, el número de episodios de calor (T>30 °C) en esos meses prácticamente se cuadruplicaría para finales del presente siglo (figura 10). Tal amenaza eleva el riesgo por golpe de calor, principalmente entre la población más vulnerable: adultos mayores y niños. El número de episodios con temperaturas superiores a 30 °C será mucho mayor si las emisiones globales siguen el escenario A2 en lugar del B2 (figura 11).

Figura 9. Simulación y comparación con observaciones del número de episodios de temperaturas medias superiores a los 30 °C (T>30 °C) en Medellín, Veracruz, para el periodo 1961-1990, con datos del modelo HadCM3, bajo el escenario A2.


Figura 10. Proyecciones de número de episodios de T>30 °C en Medellín, Veracruz, bajo el escenario A2 con el modelo HadCM3, reducido con el esquema SDSM.

Figura 11. Proyecciones de episodios con temperatura media anual T>30 °C en Medellín, Veracruz, entre 1961 y 2099, con el modelo HadCM3, bajo los escenarios A2 y B2.

Esta figura ilustra las diferencias que los distintos escenarios de emisiones tienen sobre las ondas de calor. Como es de esperarse, el escenario A2 proyecta ondas mucho más frecuentes para finales del siglo.


La temperatura promedio anual para finales del presente siglo en la región de los

humedales de Veracruz y Tabasco podrá incrementarse hasta en 2.5 °C, siendo el

escenario A2 de mayores aumentos que el B2 (figura 12).

Figura 12. Proyecciones de temperatura media anual en Medellín, Veracruz, entre 1961 y 2099, con el modelo HadCM3, bajo los escenarios A2 y B2.

En cuanto a la precipitación, el SDSM es capaz de reproducir el comportamiento

estacional de las lluvias, aunque en ciertos meses subestima el acumulado mensual.

Sin embargo, su capacidad de capturar el patrón anual de precipitación permite tener

confianza en las proyecciones futuras, al menos para el modelo Hadley bajo el escena-

rio A2. En general, la proyección estima un aumento de entre 10 y 15% en las lluvias

en los meses de verano (figura 13). Sin embargo, existen otras proyecciones, con

otros modelos, que sugieren disminuciones en las lluvias. Como se explicó anterior-

mente, las proyecciones de precipitación acarrean diversos grados de incertidumbre,

que se ven reflejados en los resultados de los distintos modelos.


Figura 13. Proyecciones de cambios en la precipitación en Medellín, Veracruz, de acuerdo con el modelo HadCM3, bajo el escenario A2, y procesado con el SDSM.

Al contrario de la temperatura, cuando se alimenta el modelo Hadley con los escenarios de emisiones A2 y B2, la precipitación no muestra contrastes marcados. Los cambios más evidentes en los humedales veracruzanos y tabasqueños ocurrirán hacia finales del presente siglo (figura 14).

Figura 14. Series de tiempo de cambios de la precipitación en Medellín, Veracruz, entre 1961 y 2099 para el modelo HadCM3, bajo los escenarios A2 y B2.


6.6.4 humedales de la Costa noroCCidental de la península de yuCatán, estaCión Champotón (04012), CampeChe

La estación Champotón se utilizó como referencia para proyectar los posibles cam-

bios en la costa noroccidental de la península de Yucatán. La reducción de escala

de las salidas del modelo Hadley muestra que, bajo el escenario A2, los cambios de

temperatura serán ligeramente menores a 2 °C en los meses de primavera e inicios

del verano (figura 15).

Figura 15. Proyecciones de la temperatura media mensual en Champotón, Campeche, para los periodos 1961-1990 y 2070-2099, de acuerdo con el modelo Hadley,bajo el escenario A2.

Estos cambios son menores comparados con los de regiones al norte de México.

Sin embargo, uno de los efectos asociados con el calentamiento es que la distribución

de probabilidades de la temperatura se desplaza hacia valores mayores. Esto quiere

decir que un mayor número de observaciones a lo largo del año se encuentra entre los

valores superiores de temperatura. Como se refleja en la figura 16, el valor del percen-


til 95%2 en la distribución aumenta en más de dos grados en los meses de primavera

bajo cambio climático. Dicha condición se reflejará de forma aún más marcada en

las temperaturas máximas. Por ello, si se combina el incremento de temperatura en

la región de Campeche con las prácticas tradicionales de roza-tumba-quema en la

agricultura, se hace evidente el grave riesgo en que se encuentra la zona en cuanto al

aumento en incendios forestales y pérdida de bosque tropical.

Figura 16. Valores de temperatura media para el percentil 95% en Champotón, Campeche, de acuerdo con el modelo Hadley, bajo el escenario A2 para 1961-1990 y 2070-2099.

El percentil 95% indica que el 95% de las observaciones se encuentran por debajo de ese valor. Así, la figura 16 muestra que para el mes de junio durante el periodo 1961-1990 el 95% de las proyecciones del modelo estuvieron por debajo de 30.6 °C; mientras que para el periodo 2070-2099, el modelo proyecta que el 95% de las observaciones se encontrará por debajo de 31.8 °C.

Como en otros casos, la variable más difícil de reducir en escala mediante técnicas

estadísticas es la precipitación. Sin embargo, su reconstrucción a partir de paráme-

tros de gran escala consigue mostrar las características del ciclo anual, incluyendo

2 El percentil 95% indica que el 95% de las observaciones se encuentran por debajo de ese valor.


un periodo de canícula3 o sequía intraestival en julio. Al igual que en la parte media

de Veracruz, la proyección hacia finales del presente siglo sugiere un aumento en las

precipitaciones de entre 15 y 20% para los meses de verano (figura 17).

Uno de los aspectos interesantes es que la forma de llover en la región también

cambia. El número de eventos de precipitación intensa, caracterizados por lluvias su-

periores a los 50 mm/día, se duplicará y quizá será aún mayor. En efecto, en la zona

de Campeche, las lluvias extremas ocurren generalmente en los meses de verano y,

de acuerdo con las proyecciones realizadas por el modelo Hadley bajo el escenario

A2, durante el mes de agosto estos eventos serán casi tres veces más frecuentes

hacia finales de siglo que en la actualidad (figura 18). Lo anterior tendría impactos

importantes en la erosión sobre regiones deforestadas.

3 Periodo del año en que es más fuerte el calor.

Figura 17. Precipitación acumulada mensual simulada con el modelo Hadley, bajo el escenario A2, para Champotón, Campeche, entre 1961-1990 y 2070-2099.


Figura 18. Proyecciones del número de eventos de precipitación muy intensa (pcp > 50 mm/día) en Campeche (Champotón), bajo el escenario A2, con el modelo Hadley.

6.6.5 humedales del Caribe, estaCión la lagunita (23019), Quintana roo

En la parte del Caribe superior de la península de Yucatán, alrededor de Cancún, los

cambios en la temperatura media proyectados por los modelos representan adecua-

damente los observados en la estación. Como en los casos anteriores, se proyectan

cambios para finales de siglo bajo el escenario A2 con el modelo Hadley del orden de

2.5 °C. Los cambios se reflejarán en una mayor frecuencia de episodios de ondas de

calor (T>30 °C), que pasarán del promedio actual de ocho, entre julio y agosto, a casi

el doble para finales del siglo XXI (figura 19).

Los aumentos en temperatura y ondas de calor proyectados con el modelo Ha-

dley, reducido espacialmente con la técnica SDSM, son mayores bajo el escenario A2

que bajo el escenario B2, principalmente después de la segunda mitad del presente

siglo (figura 20).


Figura 19. Proyecciones con el modelo HadCM3, bajo el escenario A2, del número de veces en que T>30 °C en periodos de treinta años, entre 1961-1990 y 2070-2099, en el noreste de la península de Yucatán.

Figura 20. Proyecciones con el modelo HadCM3 de temperaturas medias anuales en La Lagunita, Quintana Roo, bajo los escenarios de cambio climático A2 y B2.

Como se ha visto a lo largo del análisis, a finales del siglo XXI, el escenario A2 arroja temperaturas superiores a las esperadas con el B2.


Para esta región del Caribe mexicano se proyectan ligeras disminuciones en la

precipitación de entre 5 y 10% mensual bajo el escenario A2. Dicha tendencia hacia

una disminución de las lluvias es menor bajo el escenario B2 (figura 21). Tal situación

se presenta en otros puntos de la costa Caribe de Mesoamérica. Debe recordarse,

sin embargo, que los ciclones tropicales afectan con frecuencia esta zona y no están

debidamente representados en los modelos. Por lo tanto, incluso bajo la considera-

ción de que los cambios en las precipitaciones sean menores, los huracanes de mayor

intensidad constituyen el factor de mayor incremento del riesgo en la región.

Figura 21. Escenarios de precipitación en el noreste de Quintana Roo bajo los escenarios A2 y B2.

Con lo anterior, se tiene una primera aproximación de los cambios que experimen-

tarán las regiones donde se localizan los sistemas de humedales bajo un aumento de

temperatura y cambios en la precipitación. Es claro que aún será necesario estimar a

futuro los cambios previstos en las demandas de agua y de servicios ambientales para

poder realizar los escenarios completos de los humedales y mejorar las estimaciones

de riesgo, como función de la amenaza y la vulnerabilidad.

escenarios de cambio climático y tendencias en la zona del golfo de … · 2017. 3. 18. ·...

Documents