Influencia de la Altitud y la Longitud en la Concentración y Variabilidad Temporal de la Precipitación Diaria en la Cuenca Chancay-Lambayeque, Perú
Resumen
El presente estudio analiza la influencia de variables geográficas (altitud, longitud, latitud) y pluviométricas (precipitación media anual - PPmedia, número de días con lluvia) sobre los índices de concentración de precipitación diaria (CI1, GI1, PCI) en la cuenca Chancay-Lambayeque, comparando los resultados obtenidos de 22 estaciones del SENAMHI y del producto grillado PISCO para el periodo 1981-2016. Se aplicaron los coeficientes de correlación de Pearson, Spearman y Kendall para cuantificar las relaciones en ambas fuentes. Adicionalmente, se evaluó la variabilidad temporal de las series mediante el Índice de Irregularidad Temporal (S1) y el Coeficiente de Variación (CV) de la precipitación anual, también comparando ambas fuentes. Los resultados revelan una correlación negativa muy fuerte y estadísticamente significativa de CI1 y PCI con la altitud (Pearson r = -0.85 para SENAMHI; r = -0.78 para PISCO) y con la longitud (r = -0.77 para SENAMHI; r = -0.77 para PISCO), indicando que a medida que se asciende y se avanza hacia el este, la precipitación se vuelve más homogénea y menos concentrada. La latitud mostró correlación débil y no significativa en ambas fuentes. La variabilidad temporal es extremadamente alta en las estaciones costeras según SENAMHI (CV > 150%, S1 > 1.0), reflejando la influencia del ENSO, mientras que PISCO tiende a suavizar estos valores extremos, aunque mantiene el patrón general. En estaciones altoandinas, ambas fuentes coinciden en baja variabilidad (CV < 35%, S1 < 0.5). Se concluye que la altitud y la longitud son los principales predictores de la concentración de lluvias, con consistencia cualitativa entre fuentes, aunque PISCO subestima la magnitud de las relaciones. La variabilidad temporal marcadamente diferenciada impone desafíos de gestión hídrica específicos para cada zona.
Descargas
Citas
Arana, D., & Moggiano, N. (2023). ENSO Influence on Agricultural Drought Identified by SPEI Assessment in the Peruvian Tropical Andes, Mantaro Valley. Manglar, 20(2), 157-167. https://doi.org/https://doi.org/10.57188/manglar.2023.018
Arias, P., Garreaud, R., Poveda, G., Espinoza, J., Molina-Carpio, J., Masiokas, M., . . . Van Oevelen, P. (2021). Hydroclimate of the Andes Part II: Hydroclimate Variability and Sub-Continental Patterns. Front. Earth Sci, 8(505467). https://doi.org/10.3389/feart.2020.505467
Aybar, C., Fernández, C., Huerta, A., Lavado, W., Vega, F., & Felipe-Obando, O. (2020). Construction of a high-resolution gridded rainfall dataset for Peru from 1981 to the present day. Hydrological Sciences Journal, 65(5), 770-785. https://doi.org/10.1080/02626667.2019.1649411
Aybar, C., Lavado-Casimiro, W., Huerta, A., Fernández, C., Vega, F., Sabino, E., & Felipe-Obando, O. (2017). Uso del producto grilaldo "PISCO" de precipitación en Estudios, investigaciones y Sistemas Operacionales de Monitoreo y Pronóstico Hidrometeorológico. Nota Técnica 001 Senamhi-DHI, 1-22.
Beck, H., Vergopolan, N., Pan, M., Levizzani, V., Van Dijk, A., Weedon, G., . . . Wood, E. (2017). Global-scale evaluation of 22 precipitation datasets using gauge observations and hydrological modeling. Hydrology and Earth System Sciences, 21(12), 6201-6217. https://doi.org/10.5194/hess-21-6201-2017
Benhamrouche, A., & Martín-Vide, J. (2018). Analyse de la distribution spatiale des valeurs de quatre indices de concentration des précipitations quotidiennes sur le littoral du bassin de la Méditerranée occidentale (1951-2010). Geo-Eco-Trop, 42(1), 187-198.
Buytaert, W., Celleri, R., Willems, P., De Bièvre, B., & Wyseure, G. (2006). Spatial and temporal rainfall variability in mountainous areas: A case study from the south Ecuadorian Andes. Journal of Hydrology, 329(3-4), 413-421. https://doi.org/10.1016/j.jhydrol.2006.02.031
Cai, W., McPhaden, M., Grimm, A., Rodrigues, R., Taschetto, A., Garreaud, R., . . . Vera, C. (2020). Climate impacts of the El Niño–Southern Oscillation on South America. Nature Reviews Earth & Environment, 1, 215-231. https://doi.org/10.1038/s43017-020-0040-3
Escobedo, C., & Sarricolea, P. (2017). Análisis y tendencias de la irregularidad temporal y espacial de la precipitación en Chile mediterráneo, periodo 1965-2010. Cuadernos Geográficos, 56(3), 26-43. Obtenido de https://www.redalyc.org/pdf/171/17154972002.pdf
Espinoza, J., Garreaud, R., Poveda, G., Arias, P., Molina-Carpio, J., Masiokas, M., . . . Scaff, L. (2020). Hydroclimate of the Andes Part I: Main Climatic Features. Front. Earth Sci, 8(64). https://doi.org/10.3389/feart.2020.00064
Fuladipanah, M., Rozumbetov, K., Rathnayake, N., Erkudov, V., Koriyec, M., & Rathnayaque, U. (2025). Assessing long-term groundwater level trends in Karakalpakstan using non-parametric statistical methods. Asian Journal of Water, Environment ando Pollution, 22(2), 119-133. https://doi.org/https://doi.org/10.36922/AJWEP025080052
Gastwirth, J. (1972). The Estimation of the Lorenz Curve and Gini Index. The Review of Economics and Statistics, 54(3), 306-316. https://doi.org/10.2307/1937992
Genovese, E., Maesano, C., & Barrile, V. (2025). Augmented Statistics for Hydroclimatic Extremes: Spearman, Mann–Kendall, and AI Classification for Drought Risk Mapping. Sustainability, 17(20), 9251. https://doi.org/10.3390/su17209251
Huerta, A., Lavado-Casimiro, W., & Felipe-Obando, O. (2022). High-resolution gridded hourly precipitation dataset for Peru (PISCOp_h). Data in Brief, 45(2022), 1-11. https://doi.org/10.1016/j.dib.2022.108570
Martín-Vide, J. (2004). Spatial distribution of a daily precipitation concentration index in Peninsular Spain. International Journal of Climatology, 24(8), 959-971. https://doi.org/10.1002/joc.1030
Ochoa-Tocachi, B., Buytaert, W., & De Bièvre, B. (2016). Regionalization of land-use impacts on streamflow using a network of paired catchments. Water Resources Research, 52(9), 6710-6729. https://doi.org/10.1002/2016WR018596
Oliver, J. (1980). Monthly precipitation distribution: a comparative index. The Professional Geografher, 32(3), 300-309. https://doi.org/10.1111/j.0033-0124.1980.00300.x
Patel, G., Das, S., & Das, R. (2024). Determine the best method for analysing long-term (120 years) annual and seasonal rainfall trends in four east India river basins. Journal of Earth System, 133, 70. https://doi.org/10.1007/s12040-024-02282-7
PNUMA. (2008). Perspectivas del Medio Ambiente Urbano: GEO Chiclayo. Chiclayo, Perú: EMDECOSEGE S.A./Impresiones del Castillo.
Sarricolea, P., & Martín-Vide, J. (2012). Distribución espacial de las precipitaciones diarias en Chile mediante el índice de concentración a resolución de 1 mm, entre 1965-2005. 631-639. Salamanca, España: Publicaciones de la Asociación Española de Climatología. Obtenido de http://hdl.handle.net/20.500.11765/8327
Sarricolea, P., & Romero, H. (2015). Variabilidad y cambios climáticos observados y esperados en el Altiplano del norte de Chile. Revista de Geografía Norte Grande, 62, 169-183. https://doi.org/10.4067/S0718-34022015000300010
Satgé, F., Bonnet, M., Timouk, F., Calmant, S., Pillco, R., Molina, W., . . . Garnier, J. (2015). Accuracy assessment of SRTM v4 and ASTER GDEM v2 over the Altiplano watershed using ICESat/GLAS data. International Journal of Remote Sensing, 36(2), 465-488. https://doi.org/10.1080/01431161.2014.999166
Segura, H., Espinoza, J., Junquas, C., Lebel, T., Vuille, M., & Garreaud, R. (2020). Recent changes in the precipitation-driving processes over the southern tropical Andes/western Amazon. Climate Dynamics, 54, 2613-2631. https://doi.org/10.1007/s00382-020-05132-6
Sobkowiak, L., Perz, A., Wrzesiński, D., & Faiz, M. (2020). Estimation of the River Flow Synchronicity in the Upper Indus River Basin Using Copula Functions. Sustainability, 12(12), 5122. https://doi.org/10.3390/su12125122
Takahashi, K., & Martínez, A. (2019). The very strong coastal El Niño in 1925 in the far-eastern Pacific. Climate Dynamics, 52, 7389-7415. https://doi.org/10.1007/s00382-017-3702-1
UNESCO. (2006). Guía metodológica para la elaboración del mapa de zonas áridas, semiáridas y subhúmedas de América Latina y el Caribe. Montevideo, Uruguay: CAZALAC - PHI/UNESCO.
Varghese, G., Chadaga, M., Lathashri, U., & Sachidananda, H. (2024). Investigating the response of groundwater and streamflow to rainfall in a tropical catchment using non-parametric methods. Quarterly Journal of Engineering Geology and Hydrogeology, 57(4). https://doi.org/10.1144/qjegh2024-052
Yang, S.-m., Zhu, D.-k., Cheng, X., Li, B., Zhu, Y.-z., & Ma, W.-s. (2025). Correlation between Rainfall and Runoff in Fuchun River Basin Based on Copula Functions and Kernel Density Estimation. Journal of Changjiang river scientific research institute, 42(5), 43-49. https://doi.org/10.11988/ckyyb.20240068
Zubieta, R., Saavedra, M., Silva, Y., & Giráldez, L. (2017). Spatial analysis and temporal trends of daily precipitation concentration in the Mantaro River basin: central Andes of Peru. Stochastic Environmental Research and Risk Assessment, 31, 1305-1318. https://doi.org/10.1007/s00477-016-1235-5
Derechos de autor 2026 Jimmy Franz Trauco Campos
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.png)
.png)
1.png)
