<p class="Resumen">Latinoamérica presenta una alta disponibilidad y un elevado volumen de recurso hídrico. Este hecho, combinado con una abrupta topografía, permite generar importantes aprovechamientos hidroeléctricos con estructuras relativamente reducidas, lo que ha hecho proliferar este tipo de explotaciones. De manera reciente, sin embargo, ha comenzado a manifestarse inquietud respecto a los efectos que el cambio climático pueda tener sobre las centrales hidroeléctricas, y cómo esto pueda afectar a la disponibilidad y distribución de energía eléctrica en los distintos países. En el presente trabajo presentamos la metodología y principales resultados obtenidos en el estudio Vulnerabilidad al cambio climático y medidas de adaptación de sistemas hidroeléctricos en países andinos que ha cubierto los sistemas hidroeléctricos de Bolivia, Colombia, Ecuador y Perú. Focalizaremos nuestros esfuerzos en el análisis del recurso hídrico, paso previo al análisis de la evolución del recurso hidroeléctrico, a nivel regional, donde se han generado unas bases de datos homogéneas para toda el área de estudio mediante reconstrucción temporal y espacial, haciendo uso de técnicas de krigeado. También se ha procedido a homogeneizar la información sobre tipos de suelo y usos del suelo. La hidrología se ha resuelto con el modelo hidrológico semidistribuido VIC. Se ha analizado el periodo histórico 1980-2010, y se han generado proyecciones de cambio climático para el corto plazo (2011-2040), el medio plazo (2041-2070) y el largo plazo (2071-2100) para los escenarios RCP4.5 y RCP8.5 utilizados en el 5° informe del IPCC (Panel Intergubernamental para el Cambio Climático). Se ha tenido en cuenta además la posible evolución socioeconómica y su impacto sobre los usos del suelo.</p>

No abstract

Abstract. Long time series of rainfall at different levels of aggregation (daily or hourly in most cases) constitute the basic input for hydrological, hydraulic and climate studies. However, often times the length, completeness, time resolution or spatial coverage of the available records fall short of the minimum requirements to build robust estimations. Here, we introduce NEOPRENE, a Python library to generate synthetic time series of rainfall. NEOPRENE simulates multi-site synthetic rainfall that reproduces observed statistics at different time aggregations. Three case studies exemplify the use of the library, focusing on extreme rainfall, as well as on dissagregating daily rainfall observations into hourly rainfall records. NEOPRENE is distributed from GitHub with an open license (GPLv3), free for research and commercial purposes alike. We also provide Jupyter notebooks with the example uses cases to promote its adoption by researchers and practitioners involved in vulnerability, impact and adaptation studies.

No abstract

No abstract