Influencia del cambio climático en la generación de los caudales de la cuenca alta del rio Mapacho, región Cusco, 2023

• Autores: Ccopa Maque, Danitza Veronica, Camino Morocco, Thalya Noely
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/10691
• Enlace del recurso: https://hdl.handle.net/20.500.12918/10691
• Nivel de acceso: acceso abierto
• Materia: Caudales; Cambio climático; Modelo SWAT; Cuencas altoandinas; https://purl.org/pe-repo/ocde/ford#1.05.11

El objetivo del presente trabajo de investigación consiste en analizar la influencia del cambio climático en la generación de caudales de la cuenca alta del río Mapacho localizado en las provincias de Paucartambo y Quispicanchi de la región del Cusco al año 2099, implementando el modelo hidrológico Soil and Water Assesment Tool (SWAT). Se utilizaron como datos de entrada a la información del Modelo Digital de Elevación, los tipos de suelos, los usos de suelos, además de la información climática de precipitación y temperatura de 4 estaciones del SENAMHI que se encuentran dentro de la cuenca, así como datos del producto grillado PISCO con su respectiva corrección de sesgo en el periodo de tiempo de 1981 al 2022. A partir del modelamiento, fue necesario calibrar y validar el modelo hidrológico con los datos de caudales mensuales medidos en la estación hidrométrica Chacllabamba. Las simulaciones climáticas provienen de tres modelos del proyecto CMIP6 (Coupled Model Intercomparison Project) bajo los escenarios de emisión de Trayectorias Socioeconómicas Compartidas SSP4.5 y SSP8.5, en el periodo de referencia (2016-2022) y en el periodo futuro (2023-2099). Las proyecciones de precipitación y temperatura proceden de los modelos climáticos globales (GCMs) MPI.ESM1-2-LR, CNRM-CM6-1 y CanESM5 regionalizados con la técnica de Mapeo de distribución (DM) para la precipitación y temperatura en el software CMhyd, dando como resultado al modelo MPI.ESM1.2.LR como el que mejor se ajusta según los criterios estadísticos. El modelo mostró un desempeño adecuado según los indicadores estadísticos Nash-Sutcliffe (NSE), PBIAS y el coeficiente de determinación (R²).