1 Contribución al estudio del cambio climático en la cuenca media y baja del río Sinú, a partir de variables termodinámicas atmosféricas y radiativas (1983 - 2022) Carolina José Álvarez Pereira Universidad de Córdoba Facultad de Ciencias Básicas, Departamento de Física y Electrónica Montería-Córdoba 2024 2 Contribución al estudio del cambio climático en la cuenca media y baja del río Sinú, a partir de variables termodinámicas atmosféricas y radiativas (1983 - 2022) Carolina José Álvarez Pereira Trabajo de grado presentado como requisito parcial para optar al título de: Físico Director: Phd. Leonardo Gónima Línea de investigación: Física de la Atmósfera Universidad de Córdoba Facultad de Ciencias Básicas, Departamento de Física y Electrónica Montería-Córdoba 2024 3 Resumen En el presente trabajo se estudió el fenómeno del cambio climático en la cuenca media y baja del río Sinú mediante variables termodinámicas, radiativas y precipitación entre 1983 y 2022. La zona de estudio está representada por las estaciones meteorológicas Planeta Rica, Maracayo, Colomboy, Turipaná, El Salado, La Doctrina y San Bernardo del Viento. Se recopilaron datos de Temperatura (T), Humedad relativa (HR) y Precipitación (pp), los cuales fueron procesados teniendo en cuenta ciertas condiciones meteorológicas. Seguidamente, se calcularon los promedios y acumulados mensuales y anuales, que posteriormente fueron sometidos a análisis de calidad mediante métodos estadísticos con alto grado de significancia. Con el cálculo de los promedios y acumulados mensuales y anuales, se calcularon variables como: densidad de vapor de agua (𝜌𝑣), razón de mezcla (w), evapotranspiración potencial (ETP), precipitación (pp), radiación atmosférica (𝐿↓), radiación térmica emitida por la superficie (𝐿↑) y balance de radiación térmica (𝐿∗). Se realizó un análisis de tendencia general (1983-2022), el cual muestra para las variables seleccionadas una tendencia general al aumento (incrementos positivos) y a la disminución (incrementos negativos). Sin embargo, con el análisis de tendencias parciales, se identifica una intensificación (mayores incrementos) en cada una de las variables a partir de 2008/2009 debido al incremento del cambio climático a partir de esos años, atribuido al aumento de la actividad antrópica en la zona de estudio. Además, se determinó que la cuenca media y baja del río Sinú se encuentra bajo el efecto del fenómeno ENOS, ya que los máximos y mínimos de las variables termodinámicas, radiativas y pp están relacionados con la ocurrencia de El Niño y La Niña, y estos a su vez están influenciados por el calentamiento global, intensificando su efecto a medida que transcurren los años. Finalmente, también se confirma la intensificación del efecto del cambio climático en la cuenca media y baja del río Sinú con el cálculo de la clasificación climática de Lang F, la cual muestra para la zona de estudio un clima húmedo de sabana con tendencia a volverse un clima semiárido/árido en el futuro y el índice de confort térmico PR, que corresponde a un clima caluroso con tendencia a ser muy caluroso, a medida que transcurre el tiempo. 4 CONTENIDO 1. INTRODUCCIÓN ........................................................................................................ 5 2. MARCO TEÓRICO ..................................................................................................... 6 3. UBICACIÓN DE LA ZONA DE ESTUDIO ............................................................ 12 4. METODOLOGÍA ....................................................................................................... 13 5. ANÁLISIS DE RESULTADOS ................................................................................. 15 5.1 Regionalización climática ...................................................................................... 15 5.2 Verificación de la existencia del cambio climático en la zona de estudio ............. 17 5.2.1 Análisis termodinámico general del cambio climático................................... 18 5.2.2 Análisis radiativo térmico general del cambio climático ............................... 27 5.2.3 Análisis general de la precipitación ................................................................ 34 5.3 Estimación de incrementos generales de las variables termodinámicas y radiativas 36 5.4 Estimación de incrementos generales de la precipitación...................................... 38 5.5 Análisis termodinámico, radiativo térmico y de precipitación por periodos parciales de tiempo .......................................................................................................................... 39 5.6 Influencia del cambio climático sobre el fenómeno ENOS ................................... 48 5.7 Clasificación climática y confort térmico bajo la influencia del cambio climático 49 6. CONCLUSIONES ...................................................................................................... 53 7. REFERENCIAS BIBLIOGRÁFICAS ..................................................................... 55 5 1. INTRODUCCIÓN El cambio climático, un fenómeno global de creciente preocupación, es el resultado de alteraciones producidas principalmente por actividades humanas que impactan negativamente la vida en nuestro planeta. Este fenómeno se estudia a través del análisis de variables termodinámicas como la temperatura del aire, presión y densidad atmosférica, así como de variables radiativas relacionadas con los flujos de calor entre la superficie terrestre y la atmósfera. Dichas variables son cruciales para describir el estado de la atmósfera durante un periodo determinado y para la comprensión más clara el clima. La física de la atmósfera desempeña un papel fundamental en el estudio del cambio climático a nivel global, regional y local, proporcionando las bases científicas necesarias para entender las complejas interacciones y consecuencias de este fenómeno. Las variaciones en el régimen de temperatura del aire, precipitaciones, evapotranspiración y el calor acumulado en la atmósfera generan alteraciones en los ecosistemas terrestres, que traen como consecuencia la pérdida de vegetación, disminución de recursos hídricos y procesos de desertificación y desertización, todos ellos causados por la acción humana sobre el territorio. Además, las actividades antropogénicas, como la quema de combustibles fósiles, la deforestación y la industrialización, han alterado significativamente la composición atmosférica, aumentando las concentraciones de gases de efecto invernadero (GEI) como el dióxido de carbono (CO₂), el metano (CH₄) y el óxido nitroso (N₂O). Estos gases tienen la capacidad de atrapar el calor en la atmósfera, impidiendo que se escape al espacio, lo que resulta en un calentamiento global. En este contexto, el estudio del cambio climático se manifiesta como un desafío interdisciplinario que requiere un enfoque científico riguroso para su análisis. Del mismo modo, es importante destacar que el conocimiento del cambio climático tiene implicaciones significativas en los ámbitos económico, político y social. La información científica obtenida a través de estos estudios es esencial para guiar la toma de decisiones y la formulación de políticas en aras de la mitigación (reducción de las emisiones de GEI y limitación del calentamiento global) y adaptación (protección de la vida humana y ecosistemas) a nivel global, regional y local. 6 En el presente trabajo se tiene como zona de estudio la cuenca media y baja del rio Sinú, con estaciones meteorológicas ubicadas en Planeta Rica, Maracayo, Colomboy, Turipaná, El Salado, La Doctrina y San Bernardo del Viento, en el periodo de tiempo comprendido entre 1983 y 2022.Regionalmente, Pérez y Gónima (2014) identificaron el cambio climático a partir de la temperatura del aire, la densidad de vapor de agua y la evapotranspiración entre 1975 y 2014 para la cuenca media y baja del río Sinú. Además, Mercado et al. (2021) analizaron el efecto del calentamiento global sobre la oferta hídrica de diferentes lugares de la región Caribe colombiana. Sin embargo, a pesar de que la cuenca media y baja del río Sinú es una región rica en diversidad ecosistémica y en recursos hídricos, ha sido relativamente desatendida en estudios climáticos recientes. Esta falta de atención subraya la necesidad de ampliar y profundizar en el conocimiento sobre el comportamiento climático de la región. Por consiguiente, este estudio se enfoca en el análisis de variables termodinámicas, radiativas térmicas y precipitación, teniendo como objetivo identificar la existencia del cambio climático en la cuenca media y baja del río Sinú y su intensificación a través del tiempo. 2. MARCO TEÓRICO De acuerdo a IDEAM et al. (2015), el cambio climático está relacionado con alteraciones del comportamiento de la atmósfera, debidas a actividades antrópicas que han modificado la termodinámica de esta y el régimen de calor entre la superficie terrestre y la atmósfera. Estas modificaciones se observan en las variaciones de la temperatura del aire, humedad relativa, tensión de vapor de agua, densidad y razón de mezcla de vapor de agua, evapotranspiración, precipitación, radiación atmosférica y radiación térmica emitida por la superficie. En una atmósfera tropical, el contenido de vapor de agua es un indicador del calentamiento global y a la vez del cambio climático (Pérez y Gónima, 2014). Por consiguiente, desde el punto de vista físico, la densidad de vapor de agua atmosférico es la variable termodinámica que mejor expresa dicho contenido, la cual se determina a partir de la ecuación de la ley de los gases ideales (Linke y Baur, 1978): 7 𝜌𝑣 = 𝑒 𝑅𝑣𝑇 (1) siendo, 𝜌𝑣 es la densidad de vapor de agua [g/𝑚3], 𝑅𝑣 = 461.8 [ 𝐽 𝑘𝑔𝐾 ] la constante específica del vapor de agua, T la temperatura del aire [K] y 𝑒 la tensión de vapor de agua [hPa]. Esta última variable se calcula según Fernández-García (1995) con: 𝑒 = 𝐻𝑅 100 ∙ 𝑒𝑠𝑎𝑡 (2) donde, 𝑒𝑠𝑎𝑡 [hPa] es la tensión de vapor de agua saturado (Leckner, 1978), 𝑒𝑠𝑎𝑡 = 𝑒(26.23− 5416 𝑇 ) (3) Otra variable que expresa el contenido de vapor de agua existente en la atmósfera es la denominada razón de mezcla 𝜔 (Leckner, 1978), calculada como: 𝜔 = 0.493 𝐻𝑅 100 𝑒𝑠𝑎𝑡 𝑇 (4) Como el contenido de vapor de agua atmosférico depende de la evaporación del contenido de humedad de los suelos, ciénagas, ríos y demás cursos de agua, y además de la transpiración de la vegetación, la evapotranspiración potencial ETP [mm] es una medida de estos dos procesos (Figura 1). 8 Figura 1. Evaporación del suelo y cuerpos de agua, y transpiración de la vegetación que componen el fenómeno de evapotranspiración. Para determinar la ETP se utilizará el modelo de Thornthwaite (1948), 𝐸𝑇𝑃 = 16 ( 10 𝑇 𝐼 ) 𝑎 ( 𝑁 ∙ 𝑑 365 ) (5) T es la temperatura [°C], I es el índice de calor anual, 𝑎 es el coeficiente de ajuste, N el número máximo de horas de insolación y d es el número de días del mes. Como se mencionó al comienzo de esta sección, el cambio climático también depende del intercambio de radiación térmica entre la atmósfera y la superficie terrestre. Este intercambio de radiación térmica (onda larga: >2.5 𝜇m – 1000 𝜇m) se define como el calor transferido desde la superficie terrestre hacia la atmósfera y viceversa, 9 exclusivamente por efecto radiativo. La Figura 2 muestra los flujos de radiación térmica correspondientes a la radiación atmosférica 𝑳↓ y la emitida por la superficie 𝑳↑. Figura 2. Radiación térmica (calor) emitida por la atmósfera hacia la superficie terrestre 𝐿↓, radiación térmica (calor) emitida por la superficie terrestre 𝐿↑ y radiación neta de onda larga (balance de radiación térmica) 𝐿∗. Para la radiación térmica emitida por la atmósfera hacia la superficie terrestre o simplemente radiación atmosférica 𝐿↓ se utilizará la ley de Kirchhoff de un cuerpo gris, 𝐿↓ = 𝜀𝑎𝑡𝑚𝜎𝑇4 (6) donde, 𝜀𝑎𝑡𝑚 es la emisividad atmosférica expresada como (Mendoza et al., 2017): 10 𝜀𝑎𝑡𝑚 = ( 𝑒 𝑇 ) 1 12 (7) y, 𝜎 = 5.67032 × 10−8 [𝑊/𝑚2𝐾4] es la constante de Planck, T [K]. Por otra parte, la radiación térmica emitida por la superficie terrestre es: 𝐿↑ = 𝜀𝑠𝑢𝑝𝜎𝑇4 (8) siendo, 𝜀𝑠𝑢𝑝 = 0.985 (Fernández Sarría, 2018) la emisividad de la superficie (pastos) y T [K]. La diferencia entre los flujos de calor, ecs. (6) y (8), dan origen al concepto de radiación neta de onda larga (balance de radiación térmica), la cual está estrechamente relacionada con la cantidad de energía térmica necesaria para todos los procesos biofísicos que se desarrollan en la superficie terrestre (vida humana, evolución de la vegetación y evapotranspiración). La ec. (9) expresa la radiación neta de onda larga. 𝐿∗ = 𝐿↑ − 𝐿↓ (9) Aunque la precipitación o lluvia pp no se define intrínsecamente como una variable termodinámica y mucho menos es una variable radiativa, al estar estrechamente relacionada con variables termodinámicas como la temperatura del aire y principalmente la densidad del vapor de agua en la atmósfera, adquiere una importancia decisiva en el estudio del cambio climático sobre un lugar determinado. A modo de contribución adicional al estudio del cambio climático, se utilizará la clasificación climática de Lang (IGAC, 2021) y el poder de refrigeración (confort térmico) de Hill y Morikofer-Davos (Ruíz, 2010) para analizar los cambios temporales en el clima debidos al fenómeno del calentamiento global. La siguiente Tabla muestra la clasificación climática de Lang, que se va a utilizar en este trabajo, a partir del factor F = pp/T calculado para la zona de estudio. 11 Tabla 1. Clasificación Climatológica de Lang (IGAC, 2021) F = pp/T Clase de clima 0 a 20 Desiertos 20 – 40 Árida 40 – 60 Húmedas de estepa y sabana 60 – 100 Húmedas de bosques claros 100 – 160 Húmedas de grandes bosques Mayor que 160 Perhúmeda con prados y tundras El poder de refrigeración (confort térmico) PR, que expresa la sensación térmica, la cual es una medida del impacto sobre la piel humana que ejerce el calor, también es un factor que se puede utilizar para evaluar el impacto del cambio climático en la zona de estudio. PR se determinó por medio de la ecuación Hill y Morikofer-Davos (Ruíz, 2010): 𝑃𝑅 = (36.5 − 𝑇) (0.05 + 𝐻𝑅 250 ) (10) La Tabla 2 muestra los valores del índice de confort térmico PR y a qué tipo de sensación térmica corresponde. Tabla 2. Índice de Confort Térmico PR Sensación térmica 0 a 3 Muy caluroso 3.1 a 5 Caluroso 5.1 a 7 Cálido 7.1 a 11 Agradable 11.1 a 13 Algo frío 13.1 a 15 Frío Mayor a 15 Muy frío 12 Para el análisis de tendencias de las variables termodinámicas, radiativas y pp se utilizó el filtro de Savitzky-Golay. Este filtro es una herramienta válida y de gran utilidad (Pérez y Gónima, 2014) para suavizar series de datos, aumentando la precisión y manteniendo la tendencia de estos. Este método se basa en la convolución de datos adyacentes ajustados a un polinomio mediante mínimos cuadrados (Madden, 1978). Al emplear este método estadístico, se logra una representación más precisa de la serie de datos originales, lo que facilita la identificación de patrones y tendencias, con la ventaja de preservar características importantes de la distribución inicial, como los máximos y mínimos, y el ancho de los picos. 3. UBICACIÓN DE LA ZONA DE ESTUDIO La zona de estudio seleccionada es la cuenca media y baja del río Sinú del departamento de Córdoba, conformada por los municipios de Montería, Cereté, Ciénaga de Oro, San Carlos, San Pelayo, Cotorra, Chimá, Momil, Purísima, Lorica, San Bernardo del Viento y San Antero (CVS, 2017) con un área de 6800 km2 y una altura media de 20 msnm. El clima de la zona de estudio se caracteriza por una temperatura promedio anual de 28 °C y precipitaciones entre 1200 y 1400 mm. La cobertura vegetal está conformada por bosques, cultivos, pastos y vegetación ribereña, y la principal fuente hidrográfica es el río Sinú, que proviene del sur y se dirige hacia el norte, pasando por las ciénagas de la Pacha, Baño, Betancí, Corralito, Martinica, Sierra Chiquita y el complejo cenagoso del bajo Sinú (CVS, 2017). El uso del suelo está enfocado principalmente en actividades agrícolas (cultivos intensivos, semiintensivos, semipermanentes y permanentes) y ganaderas (pastoreo intensivo, semiintensivo, extensivo). Actualmente existen conflictos sobre el uso del suelo por el incremento de la intervención humana (subutilización y sobreutilización), que genera alteraciones en la capacidad del suelo para su uso potencial y en el manejo de los recursos hídricos (IGAC y CORPOICA, 2002). En la Figura 3 se muestran las siete estaciones meteorológicas seleccionadas para el estudio del cambio climático. 13 Figura 3. Ubicación geográfica de las siete estaciones meteorológicas seleccionadas (Planeta Rica, Maracayo, Colomboy, Turipaná, El Salado, La Doctrina y San Bernardo del Viento) en la cuenca media y baja del río Sinú (polígono en rojo). 4. METODOLOGÍA Los datos climáticos (1983 - 2022) para T, HR y pp, de las estaciones meteorológicas Planeta Rica, Maracayo, Colomboy, Turipaná, El Salado, La Doctrina y San Bernardo del Viento, fueron suministrados por el Semillero ATBIENCA (promedios mensuales, 1983-2014) y por el Instituto de Hidrología, Meteorología y Estudios Ambientales - IDEAM (T y HR: datos tri-horarios, pp: datos diarios, 2015-2022). Los datos faltantes de T y HR, se generaron utilizando el promedio de los datos existentes para cada uno de los meses del año, cumpliendo con que los datos faltantes no superaran el 30% de los datos respectivos. En caso contrario, la restitución de los datos faltantes se hizo con los 14 promedios mensuales. Los datos faltantes de pp se obtuvieron por medio de la aplicación del filtro de Savitzky-Golay. Posteriormente, se calcularon de promedios mensuales y anuales de T, HR y pp de los datos suministrados por el IDEAM entre 2015 y 2023, para cada una de las estaciones meteorológicas seleccionadas. La evaluación de calidad de los datos meteorológicos se realizó de acuerdo con la metodología planteada por (WMO, 2011; Wilks, 2006; Fernández-García, 1995): para T y HR, cálculo y análisis de valores medios y desviaciones estándar, distribución de Gauss, y test de persistencia (R) para determinación de la independencia de los datos; para pp, cálculo y análisis de homogeneidad (test de Helmert) y test de persistencia (R). Entonces, mediante los promedios mensuales calculados de T y HR, se calcularon las variables termodinámicas: densidad de vapor de agua (𝜌𝑣), razón de mezcla (𝜔) y evapotranspiración potencial (ETP). Posteriormente, con los promedios mensuales de T y 𝑒, se estimó la radiación atmosférica 𝐿↓, la radiación térmica emitida por la superficie 𝐿↑ y el balance de radiación térmica 𝐿∗. Se empleó el análisis de regionalización del régimen climático de la zona de estudio, siguiendo la metodología propuesta por Pérez (2014) para definir la cuenca media y baja del río Sinú. Posteriormente, se llevó a cabo un análisis cualitativo y cuantitativo de tendencias general y parciales de las variables termodinámicas, radiativas y precipitación, utilizando como métodos estadísticos el filtro de Savitzky-Golay (Pérez Gonzáles, 2017) y la regresión lineal como complemento, con el fin de confirmar la existencia del cambio climático en la zona de estudio y su intensificación. Luego, como un aporte al presente estudio, se analizó el efecto del calentamiento global sobre el fenómeno ENOS que influye en el clima de la zona de estudio (Gobierno Nacional, 2023). Finalmente, se realizó un análisis de la clasificación climática de Caldas-Lang (Tabla 1) y la estimación del poder de refrigeración (confort térmico) para las siete estaciones meteorológicas seleccionadas, como una confirmación adicional de la intensificación del cambio climático en la cuenca media y baja del río Sinú. 15 5. ANÁLISIS DE RESULTADOS 5.1 Regionalización climática El estudio del cambio climático en una determinada zona de estudio, requiere previamente de la identificación de la existencia de una regionalización climática en esta, la cual consiste en analizar e identificar similitudes en patrones climáticos locales a través del estudio de variables climatológicas de distintas estaciones meteorológicas. De esta manera, se define con precisión la zona de estudio, confirmando que el comportamiento de estas variables representa adecuadamente las características climáticas de la región, obteniendo un análisis más detallado del cambio climático. Para tal fin, se analizó la variación mensual multianual de las series de datos de T, HR y pp en la cuenca media y baja del río Sinú, entre 1983 y 2022. La Figura 4 (línea roja) muestra el comportamiento de las tres variables mencionadas y la tendencia aplicando el filtro de Savitzky-Golay a las series de datos correspondientes a cada una de estas. 16 Figura 4. Variación mensual multianual de la temperatura del aire T, humedad relativa HR y precipitación pp de las estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 4). 17 En la Figura 4, el comportamiento de T es similar para las siete estaciones meteorológicas seleccionadas. Así mismo, en todas se observan generalmente dos periodos con valores altos de T de diciembre hasta marzo/abril y relativamente en julio (veranillo de San Juan), correspondientes a la época seca del año, y dos periodos con menores valores de T en mayo- junio y desde agosto hasta octubre/noviembre (época lluviosa), lo que representa un régimen bimodal de esta variable en la cuenca media y baja del río Sinú. De igual forma, HR y pp, también muestran un comportamiento bimodal, con valores bajos desde diciembre hasta marzo/abril y relativamente en julio (época seca) y valores altos en mayo-junio y desde agosto hasta octubre/noviembre (época lluviosa). En síntesis, el análisis anterior permite definir la cuenca media y baja del río Sinú como una región con las mismas características climáticas en general, representado por la regionalización de T, HR y pp. 5.2 Verificación de la existencia del cambio climático en la zona de estudio El estudio temporal de las variables y procesos que influyen en el estado del clima de una región determinada, se puede realizar, según WMO (2013), utilizando métodos estadísticos como análisis de regresión. aplicación de filtros para el análisis de tendencias y el cálculo de incrementos de estas variables para un periodo determinado de tiempo. Por ejemplo, Pérez y Gónima (2014) identificaron el calentamiento global en la cuenca media y baja del río Sinú utilizando datos de T y 𝜌𝑣 aplicando el filtro de Savitzky-Golay y regresión lineal para el análisis de tendencias y el cálculo de incrementos (tendencia lineal) entre 1968 y 2011. Así mismo, Mercado et al. (2021) analizaron el calentamiento global y la oferta hídrica a escala local en el Departamento de Córdoba estudiando las tendencias en el comportamiento temporal de T, 𝜌𝑣 y precipitación pp con el filtro de Savitzky-Golay y sus respectivos incrementos entre 1975 y 2014. En este trabajo, inicialmente se realizó un análisis general estadístico de tendencia (1983- 2022) de las variables termodinámicas T, e, 𝜌𝑣 y w y además ETP, y radiativas 𝐿↑, 𝐿↓ y 𝐿∗ y finalmente pp, calculándose después incrementos de estas variables (1983-2022), para confirmar la existencia del cambio climático en la zona de estudio. 18 Posteriormente y puesto que un análisis estadístico general de tendencia para estudios climáticos en un periodo de tiempo igual o mayor a 30 años, puede ocultar cambios parciales en el comportamiento de variables climatológicas seleccionadas, los cuales pueden contener información muy valiosa para una descripción más precisa del clima como, por ejemplo, la intensificación del cambio climático en los últimos años (IPCC, 2023), se analizaron los cambios parciales de las tendencias de T, e, 𝜌𝑣, w, ETP, 𝐿↑, 𝐿↓, 𝐿∗ y pp en los últimos años y se calcularon los respectivos incrementos. 5.2.1 Análisis termodinámico general del cambio climático A continuación, las siguientes Figuras muestran el comportamiento multianual (1983-2022) de las variables termodinámicas T, e, 𝜌𝑣, w y ETP de las siete estaciones meteorológicas seleccionadas. 19 Figura 5. Comportamiento multianual (1983-2022) de la temperatura del aire T de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal), r: coeficiente de correlación del filtro de Savitzky-Golay. 20 Figura 6. Comportamiento multianual (1983-2022) de la tensión de vapor de agua atmosférica e de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal) r: coeficiente de correlación del filtro de Savitzky-Golay. 21 Figura 7. Comportamiento multianual (1983-2022) de la densidad de vapor de agua atmosférica 𝜌𝑣 de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal) r: coeficiente de correlación del filtro de Savitzky-Golay. 22 Figura 8. Comportamiento multianual (1983-2022) de la razón de mezcla w de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal) r: coeficiente de correlación del filtro de Savitzky-Golay. 23 Figura 9. Comportamiento multianual (1983-2022) de la evapotranspiración potencial ETP de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal) r: coeficiente de correlación del filtro de Savitzky- Golay. Analizando el comportamiento general de la Figura 5, se observa la existencia diferenciada del calentamiento global en la zona de estudio, representado por una tendencia al aumento de T en cada una de las estaciones meteorológicas seleccionadas, como lo demuestra la aplicación cualitativa del filtro de Savitzky-Golay y complementariamente la tendencia lineal. En este trabajo, la tendencia lineal también solamente se utilizará como una aproximación cualitativa para el análisis de las variables termodinámicas relacionadas con la 24 identificación del cambio climático en una región determinada (i.e. Gil Guirado y López Bermúdez, 2011; WMO, 2013; Falco, 2014; Spoljar et al., 2014). Este incremento de T (Figura 5) es debido al proceso de evaporación de las superficies existentes, definido simultáneamente como el transporte de vapor de agua (masa) y la transferencia de radiación térmica (calor) hacia la atmósfera. Al evaporarse las superficies de agua (ciénagas, ríos y arroyos) y el contenido de humedad del suelo, y transpirar la vegetación de la zona de estudio a través de los años (Figura 9: ETP), se va acumulando cada vez más vapor de agua en la atmósfera, el cual es un gas de efecto invernadero (GEI), incrementándose 𝜌𝑣 y consecuentemente e y w (Figuras 6, 7 y 8), calentándose la atmósfera y aumentando T. Este aumento de T, ETP y el contenido de humedad de la atmósfera son las que originan el fenómeno del cambio climático de la zona de estudio. Como ilustración, la Figura 10 muestra los procesos termodinámicos anteriormente mencionados que dan origen al cambio climático en la zona de estudio, que a la vez están relacionados con el comportamiento de las variables termodinámicas (Figuras 5, 6, 7 y 8) y ETP (Figura 9). Figura 10. Procesos termodinámicos en la zona de estudio sin la influencia del cambio climático (ANTES) y bajo la influencia de este (DESPUÉS). La Figura 10 muestra cómo eran los procesos termodinámicos en la zona de estudio sin la existencia del cambio climático (ANTES) y bajo la influencia de este (DESPUÉS). En el 25 primer caso (ANTES), la zona de estudio contenía una cantidad de calor representada por una temperatura de 28°C asociada con procesos de evaporación de cuerpos de agua y suelo, así como transpiración en las plantas, los cuales correspondían a una determinada cantidad de vapor de agua representada por la tensión de vapor de agua e1, una densidad de vapor de agua 𝜌𝑣1 y la razón de mezcla w1 en la atmósfera. Al calentarse la atmósfera y aparecer el fenómeno del cambio climático en la zona de estudio, aumenta T a 33 °C (DESPUÉS), lo cual se debe a que al seguir evaporándose con los años el contenido de humedad del suelo y el agua de ríos, ciénagas y arroyos, y transpirando la vegetación, se acumula cada vez mayor cantidad de vapor de agua, que actúa como GEI, incrementándose e2, 𝜌𝑣2 y w2 en la atmósfera. Continuando con el análisis detallado de la Figura 5, se observa que la tendencia de T (filtro Savitzky-Golay y lineal) es más o menos pronunciada (pendiente) comparada con la de las demás variables termodinámicas e, 𝜌𝑣 y w (Figuras 6, 7 y 8) para las siete estaciones meteorológicas. De acuerdo a las ecs. (2), (3) y (4), la determinación de e, 𝜌𝑣 y w depende principalmente de T y en menor grado de HR. Por consiguiente, la tendencia general (1983- 2022) de estas variables está condicionado a la tendencia que muestran simultáneamente T y HR para esos años. Con base en lo anterior y por simplicidad, se utilizaron las tendencias lineales para el análisis cualitativo del comportamiento de T, e, 𝜌𝑣 y w y HR de las Figuras 5, 6, 7, 8 y 11, y establecer la diferencia en el comportamiento de las tendencias de cada una de las variables termodinámicas. De acuerdo al comportamiento de las tendencias lineales de las Figuras 5, 6, 7, 8 y 11, las estaciones meteorológicas se pueden distribuir en tres grupos, a saber: Turipaná, Maracayo y Planeta Rica muestran una mayor pendiente de T respecto a e, 𝜌𝑣 y w, mientras que en Colomboy, El Salado y San Bernardo del Viento la pendiente de T es menor que las de e, 𝜌𝑣 y w. Finalmente, La Doctrina tiene un comportamiento particular, que se analizará más adelante. La justificación termodinámica de este agrupamiento, está basada en el comportamiento de T (Figura 5) y HR (Figura 11), como se discutirá a continuación. La Figura 11 muestra el comportamiento de HR para cada una de las estaciones meteorológicas seleccionadas. 26 Figura 11. Comportamiento multianual (1983-2022) de la humedad relativa HR de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12) r: coeficiente de correlación del filtro de Savitzky-Golay. En concordancia con la Figura 5, T para las estaciones Planeta Rica, Maracayo y Turipaná, aumenta continuamente entre 1983 y 2022, mientras que HR tiende a la disminución (Figura 11), debido a que a medida que transcurren los años, el contenido de humedad de la atmósfera decrece, siendo menos pronunciada la pendiente de la tendencia de e, 𝜌𝑣 y w (Figuras 6, 7 y 8) en comparación con el aumento de T (Figura 5) en todo el periodo de estudio. Esta situación tiene su explicación en que en el territorio sobre el cual están ubicadas las tres estaciones meteorológicas, está sometido a un proceso de sobreexplotación ganadera, lo que 27 ha causado destrucción de la vegetación, desecación de humedales y compactación de los suelos (CVS y FUNSOSTENIBLE, 2017), generando una mayor sequedad de la atmósfera a medida que transcurren los años. Por el contrario, en las estaciones Colomboy, El Salado y San Bernardo del Viento se muestra una tendencia al aumento de T (Figura 5) y HR (Figura 11), lo que ha generado consecuentemente un aumento de la pendiente de la tendencia de e, 𝜌𝑣 y w. Para Colomboy (Alcaldía Municipal de Sahagún, 2020) y El Salado (Secretaría de Planeación Municipal, 2012), el incremento de la cantidad de vapor de agua atmosférico, representado por e, 𝜌𝑣 y w, como consecuencia del proceso de evapotranspiración, posiblemente se debe a que las actividades agropecuarias, que se han extendido a lo largo de las colinas circundantes a expensas de la vegetación boscosa, ha expuesto los suelos húmedos a la radiación solar y al aumento de T, lo que ha incrementado la evaporación de la humedad de estos. Así mismo, en San Bernardo del Viento, el aumento de HR es causado por una mayor evaporación del mar, como consecuencia del aumento de T. Por último, en La Doctrina el contenido de humedad atmosférico HR (Figura 11) muestra una pequeña disminución, de tal manera que es T la que modula el comportamiento de la pendiente de e, 𝜌𝑣 y w. Por su situación geográfica de cercanía al mar Caribe, aproximadamente a 15 km de distancia en línea recta, la estación meteorológica de La Doctrina está bajo la influencia del clima marítimo, el cual está caracterizado por vientos que transportan aire húmedo desde el mar hacia el interior del departamento de Córdoba (Gonzáles et al., 2022), que unido a la evaporación del río Sinú y los cultivos de arroz existentes, hacen que la pendiente de la tendencia de e, 𝜌𝑣 y w sea mayor que la de T, entre 1983 y 2022. 5.2.2 Análisis radiativo térmico general del cambio climático Los procesos radiativos de onda larga en el sistema superficie terrestre – atmósfera, representados por la radiación térmica emitida por la superficie 𝐿↑, la radiación atmosférica 𝐿↓ y la radiación neta de onda larga 𝐿∗ (Figura 12), que están relacionadas con el comportamiento de las variables termodinámicas explicadas anteriormente, tienen también una gran importancia para la descripción y estudio del comportamiento del clima. 28 Figura 12. Flujos radiativos de onda larga (térmicos) entre la superficie terrestre y la atmósfera al incidir radiación solar. Las Figuras 13, 14 y 16 muestran el comportamiento de 𝐿↑, 𝐿↓ y 𝐿∗ para cada una de las estaciones meteorológicas seleccionadas (1983-2022). 29 Figura 13. Comportamiento multianual (1983-2022) de la radiación térmica emitida por la superficie 𝐿↑ de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal) r: coeficiente de correlación del filtro de Savitzky-Golay. 30 Figura 14. Comportamiento multianual (1983-2022) de la radiación atmosférica 𝐿↓de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal) r: coeficiente de correlación del filtro de Savitzky-Golay. En las Figuras 13 y 14 se observa una tendencia al aumento de 𝐿↑ y 𝐿↓ similar para las siete estaciones meteorológicas seleccionadas. La Figura 15 muestra los procesos radiativo térmico (calor) y energético (evaporación) que explican el incremento de 𝐿↑ y 𝐿↓ a medida que transcurren los años. 31 Figura 15. Procesos radiativos (calor) y energéticos (evaporación) en la zona de estudio sin la influencia del cambio climático (ANTES) y bajo la influencia de este (DESPUÉS). De acuerdo a la Figura 15, en la situación ANTES, al incidir radiación solar en la atmósfera una fracción de esta es absorbida por los gases atmosféricos (𝐾𝑎𝑡𝑚 1 ↓), principalmente el vapor de agua en la zona de estudio, contribuyendo en parte a T de la atmósfera. La radiación solar restante incide sobre la superficie terrestre (𝐾1 ↓), la que absorbe una parte de esta radiación (𝐾𝑠𝑢𝑝 1 ↓), para posteriormente emitir en forma de radiación térmica, una porción de esta hacia la atmósfera 𝐿1 ↑. Al mismo tiempo, 𝐾𝑠𝑢𝑝 1 ↓ también contribuye a la evaporación de las superficies de agua (ciénagas, ríos, arroyos, reservorios, etc.), el contenido de humedad de los suelos y la transpiración de la vegetación (𝐸𝑉1), que posteriormente se transfiere hacia la atmósfera, representado por e1, 𝜌𝑣1 y w1. Entonces, la energía térmica que contiene la atmósfera, que equivale a la suma de 𝐾𝑎𝑡𝑚 1 ↓, 𝐿1 ↑ y 𝐸𝑉1, se acumula en esta en forma de calor 𝑄1, parte del cual es reemitido hacia la superficie terrestre como 𝐿1 ↓, el cual junto con 𝐿1 ↑, 𝐸𝑉1 y en menor grado con 𝐾𝑎𝑡𝑚 1 ↓ contribuyen al valor de 𝑇1. Al existir el fenómeno del cambio climático en la zona de estudio (Figura 15: DESPUÉS) se incrementan 𝐾𝑎𝑡𝑚 2 ↓, 𝐿2 ↑, 𝐿2 ↓ y por lo tanto 𝑄2 en comparación con la situación ANTES, como consecuencia del aumento del contenido de humedad de la atmósfera (e2, 𝜌𝑣2 y w2), produciendo un aumento de la temperatura del aire, representado por 𝑇2. La evaporación 𝐸𝑉2, que también contribuye a 𝑇2, se produce en dos contextos diferentes: en el primer caso, a pesar de la intervención antrópica existente como desecación de ciénagas y otras superficies 32 de agua, compactación de suelos, pérdida de vegetación, actividades agropecuarias, urbanización y asentamientos humanos desordenados (CVS y FUNSOSTENIBLE, 2017), se conserva suficiente agua (ciénagas, ríos, arroyos, etc.), humedad del suelo y vegetación, de tal manera que 𝐸𝑉2 sigue aumentando, calentando la atmósfera continuamente (𝑄2 y 𝑇2). Esto se puede observar en la tendencia parcial de e (Figura 6), 𝜌𝑣 (Figura 7) y w (Figura 8) a partir de aproximadamente 2008, para las estaciones Maracayo, Colomboy, El Salado, La Doctrina y San Bernardo del Viento, lo cual refuerza la tendencia general (1983-2022) al aumento de estas tres variables termodinámicas. En el otro caso, la intervención antrópica que ha tenido una mayor intensidad que en el primer caso, ha producido que las superficies mencionadas pierdan parte de la capacidad de evaporar, de manera que a medida que transcurre el tiempo 𝐸𝑉2 comienza a disminuir, como lo muestran las Figuras 6, 7 y 8 a partir de alrededor de 2005, para las estaciones Planeta Rica y Turipaná. Aunque 𝐸𝑉2 disminuye con el tiempo, se sigue acumulando cada vez más vapor de agua en la atmósfera por efecto invernadero de este, manteniéndose una tendencia al aumento menos pronunciada de e2, 𝜌𝑣2 y w2, que para el caso anterior (ANTES), incrementándose continuamente 𝑄2 y también 𝑇2. Otra de las variables importantes para la descripción del cambio climático en la zona de estudio, desde el punto de vista radiativo, lo constituye 𝐿∗, ec. (9), variable que está relacionada con el calor indispensable para el desarrollo de la vida sobre la superficie. La Figura 16 muestra el comportamiento de 𝐿∗ para las siete estaciones meteorológicas seleccionadas. 33 Figura 16. Comportamiento multianual (1983-2022) de la radiación neta de onda larga 𝐿∗ de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal) r: coeficiente de correlación del filtro de Savitzky- Golay. En la Figura 16 se observa, para las estaciones Planeta Rica y Turipaná, una tendencia al aumento de 𝐿∗ como consecuencia del deterioro de la cobertura vegetal por intervención antrópica (Alcaldía Municipal de Planeta Rica, 2012; Pérez y Gónima, 2014), ya que al calentarse los suelos continuamente aumenta 𝐿↑. Simultáneamente, la evaporación del contenido de humedad de los suelos disminuye con el tiempo, transfiriéndose cada vez menos cantidad de vapor de agua hacia la atmósfera (Figuras 6, 7 y 8) y por lo tanto el aumento de 34 𝐿↓ es proporcionalmente menor que el de 𝐿↑. Por otra parte, para las estaciones Maracayo, Colomboy, El Salado, La Doctrina y San Bernardo del Viento la tendencia de 𝐿∗ es a la disminución, ya que proporcionalmente el aumento de 𝐿↑ es menor que el de 𝐿↓. En particular, para las estaciones Maracayo, Colomboy y El Salado debido a que la magnitud de la intervención antrópica no es tan fuerte (CVS y FUNSOSTENIBLE, 2017; Alcaldía Municipal de Sahagún, 2020; Secretaría de Planeación Municipal, 2012), las superficies de agua (ciénagas, ríos, arroyos, etc.), los suelos y la vegetación existentes todavía tienen la capacidad de evaporar suficiente cantidad de vapor de agua hacia la atmósfera, de manera que el aumento de 𝐿↓ es mayor que el respectivo de 𝐿↑. En las estaciones San Bernardo del Viento y La Doctrina, la causa de este mismo comportamiento de 𝐿↑ y 𝐿↓ es la continua evaporación del agua del mar en San Bernardo del Viento y la influencia que tiene esta evaporación sobre La Doctrina (Gonzáles et al., 2022), como se expuso anteriormente en la subsección 5.2.1. 5.2.3 Análisis general de la precipitación Otra variable importante para el estudio del cambio climático en la zona de estudio es pp, la cual se relaciona directamente con el comportamiento de las variables termodinámicas analizadas anteriormente. La Figura 17 muestra el comportamiento de pp para las siete estaciones meteorológicas seleccionadas. 35 Figura 17. Comportamiento multianual (1983-2022) de la precipitación pp de las siete estaciones meteorológicas seleccionadas (línea roja: filtro de Savitzky-Golay de orden 12, línea azul: tendencia lineal) r: coeficiente de correlación del filtro de Savitzky-Golay. De acuerdo a la Figura 17, pp muestra un comportamiento (tendencia) diferente a las demás variables termodinámicas. Analizando la tendencia general de pp calculada con el filtro de Savitzky-Golay (1983-2022) y complementariamente con la tendencia lineal, se observa que esta no es capaz de representar la disminución de pp a partir de aproximadamente 2010/2011 (tendencia parcial), fenómeno que ha venido ocurriendo en la realidad en la última década (Mercado et al., 2021). Esta disminución de pp se debe a la intervención antrópica en la zona de estudio (CVS y FUNSOSTENIBLE, 2017) que ha generado una mayor sequedad de la 36 atmósfera a medida que transcurren los años, representada por la disminución de la evaporación de las superficies existentes, el efecto de los vientos del noreste que desplazan las masas de aire húmedo hacia zonas situadas al oeste (Thomas et al., 2012) y la orografía del terreno, como se mencionó en la subsección 5.2.2. 5.3 Estimación de incrementos generales de las variables termodinámicas y radiativas Para corroborar el anterior análisis cualitativo de tendencia general de las variables termodinámicas y radiativas, correspondientes a las Figuras 5, 6, 7, 8, 9, 13, 14 y 16 se calcularon los incrementos de T, e, 𝜌𝑣, w, ETP, 𝐿↑, 𝐿↓ y 𝐿∗, utilizando el filtro de Savitzky- Golay (Figuras 5 a 9 y 13, 14 y 16). La Tabla 3 muestra los incrementos calculados para cada una de las variables termodinámicas y la Tabla 4 los incrementos de las variables radiativas. Tabla 3. Incrementos calculados de ∆T, ∆e, ∆𝜌𝑣, ∆w y ∆ETP utilizando el filtro Savitzky- Golay (Figuras 5, 6, 7, 8 y 9) para las siete estaciones meteorológicas seleccionadas (1983- 2022). ∆T (°C) ∆e (hPa) ∆𝝆𝒗 (g/m3) ∆w ∆ETP (mm) Planeta Rica 1.09 -0.04 -0.09 -0.02 280.73 Maracayo 1.67 2.14 1.42 0.32 459.73 Turipaná 0.77 -0.10 -0.06 -0.01 182.95 Colomboy 0.22 0.89 0.63 0.14 75.19 El Salado 0.68 4.75 3.40 0.77 166.54 La Doctrina 0.89 0.88 0.58 0.13 223.96 San Bernardo del Viento 0.24 1.53 1.08 0.25 61.94 La Tabla 3 confirma la existencia del calentamiento global de manera diferenciada en la zona de estudio, mostrando el mayor incremento de T para la estación Maracayo (2.10 °C) debido principalmente a la fuerte intervención antrópica del territorio (subsección 5.2) y el menor incremento para la estación Colomboy (0.22 °C), donde esta ha tenido menor intensidad. Las estaciones Planeta Rica, La Doctrina, Turipaná, El Salado y San Bernardo del Viento 37 muestran valores de los incrementos de T entre 0.24°C y 1.09°C, consecuencia del menor o mayor grado de intervención antrópica en estas (subsección 5.2). Para e, el mayor incremento se observa en la estación El Salado (4.75 hPa) y el mayor decremento en la estación Turipaná (-0.10 hPa). Por otra parte, las estaciones Maracayo, San Bernardo del Viento, La Doctrina, Colomboy y Planeta Rica muestran incrementos y decrementos intermedios. Respecto a 𝜌𝑣 y w se observa que el mayor incremento corresponde a la estación El Salado, 3.40 g/m3 y 0.77 respectivamente, seguida por las estaciones Maracayo, San Bernardo del Viento, La Doctrina, Colomboy, Turipaná y el mayor decremento en la estación Planeta Rica (-0.09 g/m3 y -0.02). Por último, ETP muestra el mismo comportamiento que T, en la cual el máximo valor es para la estación Maracayo y el mínimo para San Bernardo del Viento. De acuerdo al anterior comportamiento de los incrementos (positivos y negativos) de la Tabla 3, la atmósfera sobre las estaciones Planeta Rica y Turipaná están experimentando un proceso de sequedad, es decir, una disminución del contenido de vapor de agua con el transcurso de los años, mientras que en el resto de estaciones meteorológicas (Maracayo, Colomboy, El Salado, La Doctrina y San Bernardo del Viento) este contenido ha ido aumentando, evidenciando la existencia del cambio climático en la cuenca media y baja del río Sinú. De igual manera, los incrementos de las variables radiativas (Tabla 4) verifican la existencia del cambio climático en la zona de estudio. Tabla 4. Incrementos calculados de ∆𝐿↑, ∆𝐿↓ y ∆𝐿∗ utilizando el filtro Savitzky-Golay (Figuras 13, 14 y 16) para las siete estaciones meteorológicas seleccionadas (1983-2022). ∆𝑳↑ (W/m2) ∆𝑳↓ (W/m2) ∆𝑳∗ (W/m2) Planeta Rica 6.66 5.71 0.95 Maracayo 10.12 10.75 -0.40 Turipaná 4.67 3.82 0.85 Colomboy 1.37 2.02 -0.69 El Salado 4.14 7.63 -3.83 La Doctrina 5.44 5.62 -0.11 San Bernardo del Viento 1.47 2.70 -1.54 38 Desde el punto de vista radiativo (Tabla 4), en todas las estaciones meteorológicas la superficie y la atmósfera se están calentando cada vez más (∆𝐿↑ y ∆𝐿↓), siendo mayor este fenómeno en la estación Maracayo y el menor en Colomboy. Este comportamiento demuestra claramente que el aumento del contenido de vapor de agua en la atmósfera está magnificando el efecto invernadero a medida que pasa el tiempo. Respecto a ∆𝐿∗, los valores negativos de esta variable significan que ∆𝐿↓ es mayor que ∆𝐿↑ debido al incremento del efecto invernadero, como consecuencia de una mayor acumulación de vapor de agua en la atmósfera, causada por la intervención antrópica en la zona de estudio. Así mismo, el valor positivo de ∆𝐿∗ indica que ∆𝐿↓ es menor que ∆𝐿↑, lo que se debe a que la desecación de humedales y deforestación han ocasionado una mayor exposición de los suelos a la radiación solar incidente y a 𝐿↓, calentándose cada vez más e incrementado la emisión de radiación térmica por parte de estos. El mayor incremento positivo ∆𝐿∗ se observa en la estación El Salado (-3.83 W/m2) y el mayor incremento negativo en la estación La Doctrina (-0.11 W/m2). Las estaciones San Bernardo del Viento, Planeta Rica, Turipaná, Maracayo y Colomboy muestran valores intermedios. 5.4 Estimación de incrementos generales de la precipitación A continuación, se analizarán los incrementos generales de pp (1983-2022), calculados mediante la aplicación del filtro de Savitzky-Golay (Figura 17), a pesar de que la tendencia general no representa el cambio de esta variable en los últimos años para las siete estaciones meteorológicas. La Tabla 5 muestra los incrementos calculados para pp. 39 Tabla 5. Incrementos calculados de ∆pp utilizando el filtro Savitzky-Golay (Figura 17) para las siete estaciones meteorológicas seleccionadas (1983-2022). ∆pp (mm) Planeta Rica -58.54 Maracayo 56.36 Colomboy 186.09 Turipaná 379.71 El Salado 359.16 La Doctrina -140.17 San Bernardo del Viento -72.89 De acuerdo a la Tabla 5, en las estaciones Maracayo, Colomboy, Turipaná y El Salado pp se ha incrementado hasta 2022, mientras que en Planeta Rica, La Doctrina y San Bernardo del Viento cada vez hay menos disponibilidad de agua lluvia. 5.5 Análisis termodinámico, radiativo térmico y de precipitación por periodos parciales de tiempo Como se mencionó en la sección 5.2, el análisis general de tendencia del periodo 1983-2022, enmascara cambios parciales de tendencia de las variables termodinámicas (Figuras 5 a 9), radiativas (Figuras 13, 14 y 16) y precipitación (Figura 17) que son importantes para la descripción y análisis del cambio climático, lo que fue discutido cualitativamente en las subsecciones 5.2.1, 5.2.2 y 5.2.3. Para identificar los cambios parciales mencionados anteriormente, se utilizó el método descrito en Gónima et al. (2024), en el cual se determinan los mínimos y máximos de cada variable climática de todo el periodo de tiempo seleccionado (valores anuales), con el fin de relacionarlos con la ocurrencia de La Niña y El Niño (ENOS). A continuación, se calculan las diferencias (incrementos) entre el valor de la variable climática, correspondiente al último El Niño ocurrido durante el periodo analizado, y cada valor de esta representativa de La Niña. Es importante tener en cuenta que los incrementos calculados deben corresponder a periodos 40 de tiempo mayores a 10 años, intervalo de tiempo aceptado como el mínimo posible para estudios climáticos (WMO, 2013). Entonces, comparando los incrementos así calculados se estableció el momento en el cual (año) la tendencia de los datos cambió, lo cual se relacionó con la intensificación del fenómeno del cambio climático. A continuación, la Tabla 6 muestra los incrementos calculados (Savitzky-Golay) de T, 𝜌𝑣, 𝐿∗ y pp correspondientes a los dos periodos de tiempo identificados antes y después de la intensificación del cambio climático. Las demás variables termodinámicas (e, w y ETP) y radiativas (𝐿↑ y 𝐿↓) no se incluyen ya que el comportamiento de e y w es similar al de 𝜌𝑣, mientras que el de ETP, 𝐿↑ y 𝐿↓ es comparable con el de T. Tabla 6. Incrementos multianuales de la temperatura del aire ∆T (°C), densidad de vapor de agua atmosférico ∆𝜌𝑣 (g/m3), radiación neta de onda larga ∆𝐿∗ (W/m2) y precipitación ∆pp (mm), calculados utilizando los valores del filtro de Savitzky-Golay (línea roja: Figuras 5, 7, 16 y 17) correspondientes a los periodos de tiempo 1.: 1983-2006/2007 y 2.: 2007/2008-2022 para T y 𝜌𝑣 y 3.: 1983-2008/2009 y 4.: 2009/2010-2022 para 𝐿∗ y pp. ∆T (°C) ∆𝝆𝒗 (g/m3) ∆𝑳∗ (W/m2) ∆pp (mm) 1. 2. 1. 2. 3. 4. 3. 4. Planeta Rica 0.62 0.76 -0.14 0.00 0.63 0.28 -292.22 -65.81 Maracayo 0.99 1.08 1.90 1.03 -1.16 -0.16 -131.09 -61.03 Colomboy 0.14 0.42 0.19 0.15 -0.12 -0.38 233.15 -88.07 Turipaná 0.79 0.70 0.62 -0.31 0.13 0.54 436.65 -190.58 El Salado 0.49 0.83 1.09 2.50 -0.52 -3.36 336.09 -22.45 La Doctrina 0.56 0.62 -0.01 1.20 0.26 -0.50 -29.47 -230.32 San Bernardo del Viento -0.58 0.85 -0.59 2.28 1.01 -2.69 -158.34 -5.52 Como comprobación de los dos periodos de tiempo identificados (Tabla 6), correspondientes al antes y después de la intensificación del cambio climático, se aplicaron a los datos distribuidos normalmente de T, 𝜌𝑣 y 𝐿∗ test estadísticos de significancia: t de Student y p- 41 valor (Tabla 7), mientras que para pp (distribución no paramétrica) se aplicó la prueba estadística de correlación 𝜏 de Kendall como se muestra en la Tabla 8. Tabla 7. Validación estadística del comportamiento temporal de T, 𝜌𝑣 y 𝐿∗, antes y después de la intensificación del cambio climático (Tabla 6), por medio del test t de Student y el p- valor. tc: valor crítico de t de Student (calculado), pc valor crítico de p igual a 0.05 ó 0.1* (95% o 90%* de confiabilidad). T (°C) 𝝆𝒗 (g/m3) 𝑳∗ (W/m2) t tc p t tc p t tc p Planeta Rica 4.5657 1.6939 3.5E-05 1.8232 1.3137 0.0397 6.6076 1.6883 5.4E-08 Maracayo 4.5078 1.6924 3.9E-05 2.2141 1.7531 0.0214 2.4942 1.6924 0.0089 Colomboy 3.1806 1.6939 0.0016 4.7924 1.6860 1.3E-05 2.6708 1.7033 0.0063 Turipaná 4.1731 1.3048 8.7E-05 3.4421 1.7613 0.0020 5.9200 1.7291 5.3E-06 El Salado 3.3265 1.3086 1.1E-03 4.1393 1.7396 0.0003 4.2186 1.7709 0.0005 La Doctrina 4.0035 1.3049 1.4E-04 3.1275 1.7207 0.0025 2.2899 1.7709 0.0197 San Bernardo del Viento 3.0222 1.3150 2.8E-03 1.3757* 1.3450 0.0953* 1.4285* 1.3502 0.0884* La Tabla 7 muestra que, para las tres variables (T, 𝜌𝑣 y 𝐿∗), los valores de t calculados son superiores a cada tc de las siete estaciones meteorológicas. Así mismo, los p-valores se encuentran por debajo del valor crítico pc= 0.05, para las estaciones Planeta Rica, Maracayo, Colomboy, Turipaná, El Salado y La Doctrina, y por debajo de pc=0.1 para San Bernardo del Viento (Förster y Rönz, 1979). Estos resultados demuestran que la definición de los dos periodos de tiempo 1. y 2., y 3. y 4. (Tabla 6) son estadísticamente diferentes y por lo tanto es posible que a partir de 2007/2008, se intensificó el cambio climático en la zona de estudio, evidenciándose para 𝐿∗ a partir de 2009/2010. 42 Tabla 8. Validación estadística del comportamiento temporal de pp, antes y después de la intensificación del cambio climático (Tabla 6), por medio del 𝜏 de Kendall. 𝜏c: valor crítico del 𝜏 de Kendall igual a 0.7734 para 1983-2008 y 2009-2022, y 0.7763 para 1983-2009 y 2010-2022, de acuerdo a 3. y 4. (Tabla 6), con un nivel de significancia de 0.05 (95% de confiabilidad). pp (mm) 𝝉 Planeta Rica 0.4103 Maracayo 0.0000 Colomboy 0.4359 Turipaná 0.0989 El Salado 0.2564 La Doctrina 0.0330 San Bernardo del Viento 0.0989 La Tabla 8 muestra los valores 𝜏 para cada estación meteorológica, los cuales se encuentran por debajo de 𝜏c, lo que significa que los datos de pp de los dos periodos de tiempo definidos son estadísticamente diferentes. Regresando a la Tabla 6, se observa que hay un incremento positivo de T (tendencia al aumento) en todas las estaciones meteorológicas en el periodo de tiempo 1.: 1983-2007, excepto en San Bernardo del Viento, en la cual la tendencia es a la disminución (incremento negativo), mientras que en el periodo 2.:2008-2022 todas las estaciones muestran una tendencia al aumento mayor que en el periodo inmediatamente anterior. Al respecto, Maracayo muestra el mayor incremento (1.08 °C) y Colomboy el menor (0.42 °C), lo que concuerda con lo analizado cualitativamente sobre la Figura 5 en la subsección 5.2. Para el caso de 𝜌𝑣 en 1.: 1983-2006/2007, se evidencia una tendencia al aumento (incremento positivo) para Maracayo, Colomboy, Turipaná y El Salado, excepto en Planeta Rica, La Doctrina y San Bernardo del Viento, en las cuales el incremento es negativo. Esta tendencia se modifica en el periodo 2.: 2007/2008-2022, al incrementarse positivamente en mayor medida 𝜌𝑣 en las estaciones Maracayo, Colomboy y El Salado, y pasando de tendencia 43 negativa a positiva las estaciones La Doctrina y San Bernardo del Viento. El comportamiento en Planeta Rica es diferente, ya que, de tener una tendencia a la disminución en el primer periodo, en el segundo la tendencia es constante, lo que implica un cambio notorio en el comportamiento de 𝜌𝑣. Finalmente, en Turipaná la tendencia al aumento en el primer periodo se convierte en disminución durante el segundo periodo. El mayor incremento positivo es el de la estación El Salado (2.50 g/m3) mientras que el incremento negativo mayor es el de Turipaná (-0.31 g/m3). En cuanto a 𝐿∗, se observa que en el periodo de tiempo 3.: 1983-2008/2009 hay un aumento en el comportamiento de esta variable en las estaciones Planeta Rica, Turipaná, La Doctrina y San Bernardo del Viento, mientras que en 4.: 2009/2010-2022 la tendencia de Planeta Rica y Turipaná es al aumento, y la de La Doctrina y San Bernardo del Viento es a la disminución. Por otra parte, las estaciones Maracayo, Colomboy y El Salado muestran una tendencia a la disminución en 3. y una mayor disminución tendencial en 4.. Estas diferencias por estaciones en el comportamiento de los incrementos se deben a lo expuesto en la subsección 5.3, sobre el efecto que muestran 𝐿↑ y 𝐿↓. Analizando los respectivos incrementos (Tabla 6), la estación Turipaná muestra el mayor incremento positivo (0.54 W/m2), mientras que El Salado es la de mayor incremento negativo (-3.36 W/m2). Este análisis demuestra que la zona de estudio se encuentra bajo la influencia del efecto invernadero, representado principalmente por 𝐿↓ (subsección 5.3). Por último, para pp se observa en la Tabla 6, en el primer periodo 3.: 1983-2008/2009, una tendencia a la disminución de esta en las estaciones Planeta Rica, Maracayo, La Doctrina y San Bernardo del Viento y al aumento en Colomboy, Turipaná y El Salado, mientras que en el segundo periodo 4.: 2009/2010-2022, el régimen tendencial de las lluvias es negativo para las siete estaciones meteorológicas, siendo la mayor disminución en la estación La Doctrina (-230.32 mm), mientras que la menor disminución en San Bernardo del Viento (-5.52 mm). Finalmente, las Figuras 18, 19, 20 y 21 corroboran las dos tendencias parciales discutidas en el análisis anterior de la Tabla 6, las cuales fueron generadas a partir de los incrementos por año, calculados de los incrementos parciales de la Tabla 6. 44 Figura 18. Tendencias lineales parciales de T (°C) (línea azul), calculadas a partir de los incrementos por año obtenidos con el filtro de Savitzky-Golay para las siete estaciones meteorológicas seleccionadas, correspondientes a los periodos de tiempo 1983-2007 y 2008- 2022. 45 Figura 19. Tendencias lineales parciales de 𝜌𝑣 (g/m3) (línea azul), calculadas a partir de los incrementos por año obtenidos con el filtro de Savitzky-Golay para las siete estaciones meteorológicas seleccionadas, correspondientes a los periodos de tiempo 1983-2007 y 2008- 2022. 46 Figura 20. Tendencias lineales parciales de 𝐿∗ (W/m2) (línea azul), calculadas a partir de los incrementos por año obtenidos con el filtro de Savitzky-Golay para las siete estaciones meteorológicas seleccionadas, correspondientes a los periodos de tiempo 1983-2007 y 2008- 2022. 47 Figura 21. Tendencias lineales parciales de pp (mm) (línea azul), calculadas a partir de los incrementos por año obtenidos con el filtro de Savitzky-Golay para las siete estaciones meteorológicas seleccionadas, correspondientes a los periodos de tiempo 1983-2007 y 2008- 2022. En síntesis, el anterior análisis evidencia que los cambios en el comportamiento de todas las variables analizadas, para las siete estaciones meteorológicas seleccionadas, incluidas las demás variables termodinámicas y radiativas, representados por el incremento de unas y la disminución de otras, demuestran la intensificación del cambio climático en la zona de estudio a partir de 2007/2008 o 2009/2010. 48 5.6 Influencia del cambio climático sobre el fenómeno ENOS La influencia del fenómeno ENOS (El Niño y La Niña) en el clima de Colombia ha sido motivo de intensas discusiones en los últimos años. Las opiniones varían ampliamente, desde minimizar su importancia hasta responsabilizarlo por sequías e inundaciones. La postura gubernamental destaca a El Niño como el principal causante de las pérdidas económicas por déficit de lluvias y periodos de intensas sequías, mientras que asocia a La Niña con las inundaciones que ha experimentado el país (Gobierno Nacional, 2023). Al respecto, se han realizado estudios en los cuales se ha evidenciado la influencia del ENOS en el territorio de la cuenca media y baja del río Sinú (Pérez y Gónima, 2014; Mercado et al., 2021), la cual se corrobora en este estudio relacionando los máximos y mínimos del comportamiento temporal de las principales variables climáticas (T, 𝜌𝑣 y pp) con el índice ONI, como se muestra en la Tabla 9. Este índice establece la relación entre la temperatura de la superficie del mar (Océano Pacífico Central) y las condiciones atmosféricas influenciadas por el fenómeno ENOS (NOAA, 2023). Tabla 9. Concordancia entre los máximos y mínimos del comportamiento multianual (1983- 2022) de T (°C), 𝜌𝑣 (g/m3) y pp (mm) (Figuras 5, 7 y 17) y los valores del ONI de las siete estaciones meteorológicas seleccionadas. El Niño La Niña ONI: 0.5 - 2.6 ONI: -0.5 - -1.8 T (°C) 𝝆𝒗 (g/m3) pp (mm) T (°C) 𝝆𝒗 (g/m3) pp (mm) Planeta Rica 78% 75% 56% 89% 87% 75% Maracayo 75% 86% 89% 87% 100% 89% Colomboy 87% 75% 86% 90% 75% 86% Turipaná 86% 71% 78% 89% 87% 100% El Salado 86% 83% 87% 87% 100% 56% La Doctrina 75% 87% 90% 100% 78% 79% San Bernardo del Viento 86% 71% 82% 87% 71% 73% 49 De acuerdo a la Tabla 9, los máximos existentes en T, entre 1983 y 2022, concuerdan entre el 75% y el 87% con la ocurrencia del fenómeno EL Niño, mientras que los respectivos mínimos muestran una concordancia entre el 87% y el 100% con La Niña, para las siete estaciones meteorológicas seleccionadas. En el caso de 𝜌𝑣, es de 71% a 87% de concordancia con El Niño y entre el 71% y 100% con La Niña, y para pp los máximos del comportamiento temporal corresponden entre 56% y 90% con El Niño, mientras que los mínimos concuerdan entre 56% y 100% con el fenómeno La Niña. De acuerdo a lo resultados anteriores, se confirma que la cuenca media y baja del río Sinú se encuentra bajo el efecto del fenómeno ENOS, como ha sido reportado en Pérez y Gónima (2014) y Mercado et al. (2021). Adicionalmente, se observa que el fenómeno ENOS está influenciado simultáneamente por el calentamiento global, ya que los máximos y mínimos de las Figuras 5, 7 y 17 relacionadas con la ocurrencia de El Niño y La Niña (Tabla 9) se intensifican a medida que transcurren los años, lo cual también se puede observar en las Figuras 18, 19 y 21 (tendencias). Es decir, el calentamiento global, especialmente en los últimos años, está modificando el comportamiento del fenómeno ENOS, representado por un aumento mayor de las temperaturas bajo El Niño y un incremento más pronunciado de la intensidad de las precipitaciones bajo La Niña. 5.7 Clasificación climática y confort térmico bajo la influencia del cambio climático Como un aporte adicional al estudio del cambio climático, se categoriza el tipo de clima de la cuenca media y baja del río Sinú, a partir de la clasificación climática de Lang F (Sección 2.). La Figura 22 muestra el comportamiento temporal de F (1983-2007 y 2008-2022) para las siete estaciones meteorológicas seleccionadas. 50 Figura 22. Comportamiento multianual entre 1983-2007 y 2008-2022 de la clasificación climática F para las siete estaciones meteorológicas seleccionadas (línea azul: tendencia lineal). Según la Figura 22, los valores de F entre 1983 y 2007 (tendencia al aumento y a la disminución), para las siete estaciones meteorológicas, se mantienen dentro de la definición de clima húmedo de sabana, de acuerdo a la clasificación climática del IGAC (Tabla 1). Pero a partir de 2008, con la intensificación del calentamiento global (Figura 18), las siete estaciones muestran una tendencia a la disminución, lo que indica que, aunque estas aún se clasifican dentro de un clima húmedo de sabana, es posible que la zona de estudio esté en proceso de transformación, de manera que se podría convertir en un clima semiárido y eventualmente en un clima árido (Tabla 1), como consecuencia del aumento continuo del cambio climático a medida que transcurre el tiempo. Otro tipo de contribución al análisis climático es el índice de confort térmico PR (Sección 2.), importante para evaluar el impacto que ha tenido el cambio climático en la zona de 51 estudio. La Figura 22 muestra el comportamiento de PR calculado entre 1983 y 2022, para las siete estaciones meteorológicas. Figura 23. Comportamiento multianual (1983-2022) del confort térmico PR de las siete estaciones meteorológicas seleccionadas (línea azul: tendencial lineal). Analizando cualitativamente la Figura 23, se observa una tendencia a la disminución de PR para las siete estaciones meteorológicas, lo que implica que debido al calentamiento global en la zona de estudio (Figura 18), las estaciones Planeta Rica, Maracayo, Turipaná y La Doctrina han experimentado un cambio en la sensación térmica, consecuentes con los mayores incrementos de T de la Tabla 3, pasando de calurosa a muy calurosa de acuerdo a la Tabla 2, mientras que Colomboy, El Salado y San Bernardo del Viento todavía se clasifican 52 con una sensación térmica calurosa con tendencia a volverse muy calurosa a futuro (Tabla 3: menores incrementos de T). Los resultados de las Figuras 22 y 23 corroboran lo analizado en las secciones anteriores, respecto al aumento del efecto del cambio climático en la zona de estudio, como consecuencia de la intervención antrópica a la que está sometida el territorio, especialmente en los últimos años. 53 6. CONCLUSIONES • El análisis detallado, tanto cualitativo como cuantitativo, de los resultados obtenidos confirma la existencia del cambio climático en la cuenca media y baja del río Sinú. Además, se evidencia una intensificación de este fenómeno a partir de 2008/2009, como consecuencia del aumento de la intervención antrópica en la zona de estudio. Esta intensificación se observa en las variables termodinámicas, radiativas y precipitación estudiadas: a) Las variables termodinámicas T, e, 𝜌𝑣, w y ETP muestran una tendencia general al aumento (incrementos positivos) y a la disminución (incrementos negativos) (Figuras 5 a 9 y Tabla 3) en la zona de estudio durante el periodo 1983-2022. Sin embargo, al analizar su comportamiento por periodos de tiempo (1983- 2006/2007 y 2007/2008-2022), se observa una intensificación (mayores incrementos: Tabla 6) a partir de 2008/2009 en las siete estaciones meteorológicas (Figuras 18 y 19), debido al incremento del cambio climático a partir de esos años, generado principalmente por la expansión de las actividades agropecuarias y un mal manejo y planificación del territorio. b) Las variables radiativas 𝐿↑ y 𝐿↓ muestran una tendencia al aumento para las siete estaciones meteorológicas (1983-2022) (incrementos positivos: Tabla 4). No obstante, al analizar las tendencias parciales del literal a), se observan incrementos mayores a partir de 2008 (Tabla 6), como consecuencia del aumento del contenido de vapor de agua en la atmósfera por evaporación, lo cual ha incrementado 𝐿↓ por efecto invernadero sobre la zona de estudio. Al mismo tiempo, al perderse la cobertura vegetal, los suelos expuestos reciben una mayor cantidad de radiación solar incidente y radiación atmosférica 𝐿↓, calentándose cada vez más e incrementado la emisión de radiación térmica 𝐿↑. Por otra parte, 𝐿∗ muestra a partir de 2009/2010 una intensificación (incrementos positivos y negativos: Tabla 6) en concordancia con lo analizado sobre el efecto de 𝐿↑ y 𝐿↓ sobre esta variable, atribuido principalmente a la desecación de humedales y deforestación, presentes en la zona de estudio. 54 c) La precipitación pp muestra un comportamiento diferente al de las variables termodinámicas, mostrando una tendencia general (1983-2022) al aumento, incrementos positivos en Maracayo, Colomboy, Turipaná y El Salado (Tabla 5), y una disminución en Planeta Rica, La Doctrina y San Bernardo del Viento (incrementos negativos: Tabla 5). Analizando las tendencias parciales y los respectivos incrementos calculados en la Tabla 6, se observa una disminución del régimen de precipitación, para las siete estaciones meteorológicas, a partir de 2009/2010 como consecuencia de una mayor sequedad de la atmósfera a medida que transcurren los años, representada por la disminución de la evaporación de las superficies existentes, el efecto de los vientos del noreste que desplazan las masas de aire húmedo hacia zonas situadas al oeste y la orografía del terreno. • La cuenca media y baja del río Sinú se encuentra bajo el efecto del fenómeno ENOS, ya que los máximos y mínimos de las Figuras 5, 7, 17, 18, 19 y 21 están relacionados en gran medida con la ocurrencia de El Niño y La Niña: concordancia para T entre 75% y 87% con El Niño y entre 87% y 100% con La Niña. Para 𝜌𝑣, de 71% a 87% con El Niño y entre 71% y 100% con La Niña, y para pp entre 56% y 90% con El Niño, y entre 56% y 100% con el fenómeno La Niña (Tabla 9). Al mismo tiempo en las mencionadas figuras, se observa que el fenómeno ENOS está influenciado simultáneamente por el calentamiento global, el cual intensifica el efecto de El Niño (mayores valores de T y menor pp en general) y La Niña (mayor T y pp) a medida que transcurren los años. • El cálculo de la clasificación climática de Lang F (1983-2007 y 2008-2022) muestra para la zona de estudio un clima húmedo de sabana con tendencia a volverse un clima semiárido/árido en el futuro (Figura 22 y Tabla 1). Del mismo modo, se observa que el índice de confort térmico PR calculado (1983-2022) corresponde a un clima caluroso con tendencia a ser muy caluroso, a medida que transcurre el tiempo. Estos resultados también confirman la intensificación del efecto del cambio climático en la cuenca media y baja del río Sinú, consecuencia del aumento de la intervención antrópica en el territorio. 55 • De acuerdo a los resultados obtenidos, el filtro de Savitzky-Golay es un método estadístico confiable y válido para el análisis de las variables climatológicas seleccionadas, ya que representa el comportamiento original de cada una de ellas con alto grado de significancia estadística, permitiendo identificar y cuantificar características particulares del periodo de tiempo estudiado. • Finalmente, se evidencia que el análisis estadístico de tendencia general, considerando largos periodos de tiempo (≥ 30 años) no permite identificar variaciones temporales de las variables estudiadas, que tienen una importancia decisiva en la cuantificación de la magnitud del cambio climático en la zona de estudio, particularmente a partir de 2008/2009. 7. REFERENCIAS BIBLIOGRÁFICAS 1. Alcaldía Municipal de Planeta Rica. 2012. Plan Básico de Ordenamiento Territorial Planeta Rica Córdoba 2012 – 2015. Escuela Superior de Administración Pública. 152 pp. 2. Alcaldía Municipal de Sahagún. 2020. Plan de Desarrollo Territorial 2020-2023 municipio de Sahagún Córdoba “Mi compromiso es con Sahagún”. Alcaldía Municipal de Sahagún, 483 pp. 3. CVS y FUNSOSTENIBLE. 2017. Actualización del plan general de ordenación forestal del departamento de Córdoba. CVS, 852 pp. 4. Falco, M. 2014. La variabilidad de la precipitación en la región noroeste de la Patagonia Argentina: clima observado e implicancias en el ciclo de carbono. Universidad de Buenos Aires, 96 pp. 5. Fernández-García, F. 1995. Manual de climatología aplicada. Síntesis, Madrid, 385 pp. 56 6. Fernández Sarría, A. 2018. Cálculo de temperatura de superficie a partir de imágenes NOAA, LANDSAT y SENTINEL-3. Universidad Politécnica de Valencia, 10 pp. 7. Förster, E. y Rönz, B. 1979. Methoden der Korrelations- und Regressionsanalyse. Verlag Die Wirtschaft. Berlin, 324 pp. 8. Gil Guirado, S. y F. López Bermúdez. 2011. Tendencia de las precipitaciones y temperaturas en una pequeña cuenca fluvial del sureste peninsular semiárido. Boletín de la Asociación de Geógrafos Españoles. 56. 349-371. 9. Gobierno Nacional. 2023. https://www.minambiente.gov.co/gobierno-nacional- declara-oficialmente-el-fenomeno-de-el-nino-y-alerta-al-pais-a-continuar- preparandose/ 10. Gónima, L., Mercado Fernández, T. y A.D. Ramos Tirado. 2024. Desarrollo de escenarios estadísticos de cambio climático, caso de aplicación: departamento de Sucre, Colombia. Fondo Editorial Universidad de Córdoba, en impresión. 11. Gonzáles Martínez, J.A., Rodríguez Pérez, J.S. y M.T. Torres Bejarano. 2022. Análisis de la dinámica de la cuña salina en el delta del río Sinú mediante el modelo tridimensional EFDC Explorer. Universidad de Córdoba, 98 pp. 12. IDEAM, PNUD, MADS, DNP y CANCILLERÍA. 2015. Escenarios de Cambio Climático para Precipitación y Temperatura para Colombia 2011-2100 Herramientas Científicas para la Toma de Decisiones – Estudio Técnico Completo: Tercera Comunicación Nacional de Cambio Climático. 13. IGAC. 2021. Zonificación climática para levantamiento de suelos. Gobierno de Colombia, IN-GAG-PC05-13. 14. IGAC y CORPOICA. 2002. Zonificación de los conflictos de usos de las tierras en Colombia. Bogotá, D.C. 57 15. IPCC, 2023: Summary for Policymakers. In: Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland, pp. 1-34, doi: 10.59327/IPCC/AR6- 9789291691647.001. 16. Leckner, B. 1978. The Spectral Distribution of Solar Radiation at the Earth’s Surface. Solar Energy, 20, 143-150. 17. Linke, F. y Baur, F. 1978. Meteorologisches Taschenbuch. Geest & Portig, Leipzig, 712 pp. 18. Madden, H. H. 1978. Comments on the Savitzky-Golay convolutionmethod for least- squares-fit smoothing and differentiation of digitaldata. Anal. Chem. 50, 1383−1386. 19. Mendoza, V.M., Villanueva, E.E., Garduño, R. y Sánchez-Meneses, O. 2017. Atmospheric emissivity with clear sky computed by E-Trans/HITRAN. Atmospheric Environment, 155, 174-188. 20. Mercado Fernández, T., Gónima Gónima, L. y A. J. Zabaleta Ortega. 2021. Análisis del calentamiento global y la oferta hídrica a escala local: estudios de caso en el departamento de Córdoba, Colombia. CVS, FUNSOSTENIBLE y Fondo Editorial Universidad de Córdoba. Montería, 80 pp. 21. NOAA. 2023. https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.ph p 22. Pérez Gonzáles, B. A. 2017. Tratamiento matemático de señales espectrofotométricas infrarrojas para la cuantificación de azúcares. Tesis de maestría en matemáticas aplicadas, Universidad del Azuay, 43 pp. 58 23. Pérez Viloria, M. D. 2014. Modelo metodológico para la identificación del calentamiento global a escala local, caso: cuenca media y baja del río Sinú. Tesis de maestría en ciencias ambientales, SUE Caribe: Universidad de Córdoba, 64pp. 24. Pérez Viloria, M. y Gónima, L. 2014. El contenido del vapor de agua de la atmósfera como indicador del calentamiento global en una zona del caribe de Colombia. Cuadernos de Investigación Geográfica, 40 (2): 477-495. 25. Ruíz, J. F. 2010. Cambio climático en temperatura, precipitación y humedad relativa para Colombia usando modelos meteorológicos de alta resolución (panorama 2011- 2100). Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). Bogotá, 91 pp. 26. Secretaría de Planeación Municipal. 2012. Plan de Desarrollo Ciénaga de Oro Córdoba 2012-2015. Alcaldía Municipal de Ciénaga de Oro, 322 pp. 27. Spoljar A., Kisic I., Peremin Volf, T., Kamenjak D., Kaucic D.2014. Influence of climate change on soil water regime in Koprivnica-Krizevci County. Ekológia (Bratislava), Vol. 33, No. 2, p. 178–187, 2014. 28. Thomas, Y., A. Nicolae-Lerma y B. 2012. Posada. Atlas climatológico del mar Caribe colombiano. Convenio Especial de Cooperación Colciencias – Gobernación del Magdalena – Invemar. Serie de Publicaciones especiales #25. Santa Marta. 132 páginas + CD. 29. Thornthwaite, C.W. 1948. An approach toward a rational classification of climate. Geograph. Rev., 38, 55-94. 30. Wilks, D. 2006. Statistical methods in the atmospheric sciences. Academic Press, USA, 627 pp. 31. World Meteorological Organization (WMO). 2011. Guide to climatological practices. WMO-No. 100. Geneva, 115 pp. 59 32. World Meteorological Organization (WMO). 2013. The Global Climate 2001-2010. A Decade Of Climate Extremes. WMO No. 1103. 119 pp.