En las últimas décadas los fenómenos climáticos relacionados con lluvias extremas han provocado inundaciones y deslizamientos afectando la infraestructura residencial, productiva y social. Bajo este contexto, se realiza el análisis de riesgo climático para el sector Asentamientos Humanos mediante la aplicación de modelos de impactos biofísicos usando Aprendizaje Automático para los deslizamientos. Se evaluaron 49 ciudades intermedias, usando 22 indicadores ambientales, urbanísticos y sociodemográficos. Se sistematizó la información a implementar en los modelos de deslizamientos para evaluar las áreas susceptibles en las ciudades priorizadas. Se emplearon técnicas de Machine Learning, que consideran características climáticas y topográficas, prediciendo la susceptibilidad en celdas de 100 x 100 metros. Para mejorar la precisión de la clasificación, se implementaron dos modelos: uno basado en las características permanentes del suelo y otro en la relación entre la pendiente del terreno y la precipitación. Se realiza una estimación de la cantidad de población en condiciones de precariedad e infraestructura social que se ubican en áreas susceptibles bajo diversos escenarios de precipitación en 7 ciudades del Ecuador. La evidencia muestra que áreas susceptibles a deslizamientos se ubican en territorios caracterizados por tener relieves colinados bajos y pendientes medias y altas, donde predominan los suelos arenosos, areniscas y tombas, la susceptibilidad aumenta con la presencia de días extremadamente lluviosos. Se presenta el Análisis de Riesgo Climático para el sector de Asentamientos Humanos por deslizamientos en la ciudad de Chone bajo el escenario de precipitación percentil 99 (probabilidad más alta de precipitación). Periodo Histórico y 5 Años Tipo Futuros.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Maíz Suave, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Papa Fresca, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

En el sector de la salud, los fenómenos climáticos influyen directamente sobre las personas e indirectamente a través de cambios en los sistemas naturales y humanos. La vulnerabilidad ante estas amenazas varía según factores como la geografía, edad, género, grupo étnico y estado socioeconómico. Debido al crecimiento poblacional de la región y las vulnerabilidades existentes relacionadas con el acceso al agua y saneamiento, nutrición, contaminación y producción de alimentos, se anticipa que los cambios climáticos incrementarán los riesgos actuales y futuros para la salud. Para modelar el riesgo que el cambio y la variabilidad climática representan para la expansión e intensificación del impacto del dengue, es necesario obtener datos sobre la distribución actual de los vectores y la ocurrencia de casos de dengue en el territorio. Para lograr modelos óptimos de cambios de idoneidad ambiental se requiere de la recopilación de información sobre la presencia de vectores, tanto de las actividades de control vectorial como de recolecciones. Se definieron sitios de monitoreo mediante la revisión de información secundaria sobre el número de casos de dengue y registros de ocurrencia de los vectores Aedes albopictus y Aedes aegypti en el país. Como resultado, se identificaron a Guayaquil, Manta, Orellana, Portoviejo y Tena como los cinco cantones con mayor número de casos de dengue, donde esta enfermedad es endémica. Se desarrolló un modelo de cambio de idoneidad medioambiental futura de propagación de esta enfermedad para todo el territorio ecuatoriano, con una resolución de 10 km x 10 km. El proceso de modelación se construyó con un ensamble de cuatro modelos (R0): Este procedimiento se resumió en cuatro fases: (i) revisión y configuración de parámetros ento–epidemiológicos; (ii) selección de datos climáticos; (iii) calibración y ejecución del ensamble; y, (iv) corridas finales y resultados. La mayoría de las localidades sobre la Cordillera de los Andes no presentan condiciones idóneas, mientras que algunas regiones de la costa ecuatoriana y la vertiente del Pacífico de la Cordillera muestran los valores más altos de idoneidad ambiental, para los 5 escenarios futuros de cambio climático. Se presenta el Análisis de Riesgo Climático para el Sector Salud mediante cambios en idoneidad medioambiental estacional del vector Aedes para los 5 años tipo futuros.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Fréjol Seco, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

Los cambios de uso del suelo, deforestación y la extracción de agua para riego han influido en las respuestas locales y regionales del ciclo del agua. Los cambios en los patrones de circulación atmosférica también afectan el lugar y la frecuencia en que se producen los fenómenos extremos. Se prevé que los aumentos en la evapotranspiración por mayor demanda atmosférica de agua disminuyan la humedad del suelo, lo que generará mayor aridez en regiones como la cuenca del Amazonas y América Central. La erosión hídrica del suelo consiste en la remoción, transporte y deposición de las partículas individuales de la masa de suelo por acción del agua, se diferencia de la degradación específica o producción de sedimentos (salida total de partículas de suelo de una cuenca hidrográfica, medida en una sección transversal de referencia y por un periodo de tiempo) por presentar valores mucho más altos, ya que no todas las partículas removidas alcanzan a llegar a la red de drenaje y salir de la cuenca como sedimentos. Se analizan las variaciones de erosion hídrica medidas en tn/ha/año. La priorización del sistema sectorial se llevó a cabo en cinco pasos: selección de cuatro Unidades Hidrográficas (UH), ubicadas en las cuencas de Pastaza, Esmeraldas, Jubones y Guayas, identificando criterios nacionales relevantes para la gestión del Recurso Hídrico, realizando un análisis multicriterio espacializado mediante indicadores de prioridad por Unidades Hidrográficas (UH) y validando los resultados preliminares con el Grupo Sectorial de Trabajo (GST). Finalmente, se seleccionaron cuatro Unidades Hidrográficas (UH) para el análisis de modelación hidroclimática usando el modelo SWAT (Soil Water Assessment Tool), que simula procesos hidrológicos a nivel de cuenca para predecir impactos de cambios en el uso del suelo y prácticas de manejo, así como escenarios de cambio climático. La aplicación del modelo SWAT se dividió en tres fases: procesamiento y análisis de la información requerida, calibración y validación de parámetros para establecer una línea base y analizar el balance hídrico actual, y proyección del balance hídrico en las UH priorizadas bajo cinco posibles condiciones climáticas futuras para evaluar los impactos biofísicos . Los principales impactos del cambio climático sobre los caudales, producción de sedimentos y riesgos de erosión hídrica de los ríos Esmeraldas, Guayas y Jubones en Ecuador. En general, se proyecta una reducción de los caudales anuales y mensuales, lo cual podría generar problemas para satisfacer la demanda hídrica de la población y las actividades productivas. Además, se estima un incremento de la producción de sedimentos y las tasas de erosión hídrica. Se presenta el Análisis de Riesgo Climático en el sector Patrimonio Hídrico por el cambio de erosión hídrica en la cuenca del Río Esmeraldas para el Periodo Histórico y los 5 Años Tipo Futuros.

El modelamiento por inundación costera se basó en la metodología 'Bathtub' mejorada, que consiste en la superposición de una capa ráster sobre la topografía (MDT). Se utilizaron Modelos de Elevación Digital (DEM) y datos mareográficos de la Universidad de Hawái para configurar los modelos. La recopilación y preparación de datos incluyó la descarga de series de mareas históricas de la Universidad de Hawái utilizando Delft-dashboard, así como proyecciones futuras de elevación del nivel medio del mar y del oleaje desde la plataforma SPRAAC para futuros cercanos y a mediano plazo. Los Modelos Digitales del Terreno (MDT) empleados contaron con una resolución de 4 metros para Ecuador continental (proporcionados por SIGTIERRAS) y de 12.5 metros para las Islas Galápagos (descargados del satélite Alos Palsar). Para el análisis de mareas y discretización de la costa, se analizaron los datos históricos de mareas determinando los periodos de retorno de 10 y 100 años ajustados a la distribución estadística de valores extremos generalizados (GEV) y comprobados por la prueba de Kolmogorov-Smirnov. La costa ecuatoriana fue discretizada utilizando las estaciones mareográficas y polígonos de Thiessen. La determinación de la cota de inundación modelada se realizó sumando las variables de marea, oleaje y aumento del nivel medio del mar, utilizando datos del Sistema de Información, Proyecciones, Riesgo Climático y Adaptación al Cambio Climático (SPRAAC). Las proyecciones del nivel medio del mar bajo los escenarios SSP2-4.5 y SSP4-8.5 fueron obtenidas de SPRACC, complementándose con registros históricos de oleaje y sus proyecciones futuras. El modelado geoespacial se ejecutó mediante QGIS, creando un modelo que permite determinar las cotas y áreas de inundación mediante el método de Bathtub mejorado, considerando la continuidad hidráulica y eliminando errores del DEM. La línea de costa se trazó utilizando datos del Instituto Geográfico Militar (IGM), escala 1:50,000, como punto de origen de las inundaciones, y se realizó una corrección hidráulica del MDT para asegurar que el agua encuentre un camino correcto desde la costa hacia el terreno. Se definieron tres posibles escenarios de inundación: Escenario E1 correspondiente a condiciones actuales con un evento extremo (T2), donde T2 se refiere al periodo de retorno de 100 años para eventos extremos de marea basado en datos históricos (1980-2023); Escenario E2 que representa un futuro cercano bajo un escenario optimista respecto a los efectos del cambio climático (SLR2 + T1), donde SLR2 corresponde a la proyección del aumento del nivel del mar bajo el escenario SSP4-8.5 para el futuro cercano (2021-2050) y T1 se refiere al periodo de retorno de 10 años para eventos extremos de marea basado en datos históricos; y Escenario E3 que representa un futuro medio bajo un escenario pesimista de los efectos del cambio climático (SLR4 + Hs + T2), donde SLR4 corresponde a la proyección del aumento del nivel del mar bajo el escenario SSP4-8.5 para el futuro medio (2051-2080), Hs representa las proyecciones de oleaje (altura significativa del oleaje) bajo el escenario RCP8.5 para el futuro medio (2081-2100), y T2 se refiere al periodo de retorno de 100 años para eventos extremos de marea. Finalmente, se calcularon las cotas de inundación específicas para cada escenario y área de influencia, utilizando estaciones mareográficas discretizadas con polígonos de Thiessen. En Galápagos, áreas pobladas en Puerto Villamil se verían significativamente afectadas bajo el escenario E3.

El cambio y la variabilidad climática impactará el equilibrio de la gran mayoría de los ecosistemas biológicos, especialmente aquellos altamente degradados y modificados por las actividades antrópicas. En Ecuador, las condiciones ambientales varían mucho en el espacio y esto ha generado regiones naturales con propiedades muy divergentes o diferentes entre sí. La variedad de regiones naturales es uno de los factores que ha hecho que el Ecuador sea un país mega diverso y uno de los mayores centros de concentración de especies a nivel mundial. La definición de estas zonas se basa en la congruencia existente entre los patrones de distribución de especies "endémicas", lo cual sugiere historias evolutivas diferentes entre sus biotas debido a un aislamiento durante largos períodos. En el caso de las plantas vasculares, estas son un grupo importante tanto por dominar la mayor parte de los ecosistemas terrestres como por ser muy utilizadas por el hombre. Por ello, y considerando su papel como agentes que determinan la distribución de comunidades enteras, predecir los futuros efectos del cambio climático en la distribución de especies se ha vuelto un tema prioritario de investigación. El estudio se enfocó en modelar el riesgo climático sobre especies endémicas y casi endémicas de plantas vasculares del Ecuador, pertenecientes a diversas provincias biogeográficas. Para ello, se utilizó el programa MaxEnt, el cual trabaja bajo un enfoque de nicho ecológico de las especies y es ampliamente utilizado en estudios de ecología y conservación. El proceso incluyó: (i) revisión y validación de datos de localidad de especies; (ii) selección de variables climáticas; (iii) calibración y ejecución del método de modelación; y (iv) generación de mapas por especie. Se presenta el Análisis de Riesgo Climático para el sector Patrimonio Natural mediante la distribución potencial de especie para el Periodo Histórico y los 5 Años Tipo Futuros

El modelamiento por inundación costera se basó en la metodología 'Bathtub' mejorada, que consiste en la superposición de una capa ráster sobre la topografía (MDT). Se utilizaron Modelos de Elevación Digital (DEM) y datos mareográficos de la Universidad de Hawái para configurar los modelos. La recopilación y preparación de datos incluyó la descarga de series de mareas históricas de la Universidad de Hawái utilizando Delft-dashboard, así como proyecciones futuras de elevación del nivel medio del mar y del oleaje desde la plataforma SPRAAC para futuros cercanos y a mediano plazo. Los Modelos Digitales del Terreno (MDT) empleados contaron con una resolución de 4 metros para Ecuador continental (proporcionados por SIGTIERRAS) y de 12.5 metros para las Islas Galápagos (descargados del satélite Alos Palsar). Para el análisis de mareas y discretización de la costa, se analizaron los datos históricos de mareas determinando los periodos de retorno de 10 y 100 años ajustados a la distribución estadística de valores extremos generalizados (GEV) y comprobados por la prueba de Kolmogorov-Smirnov. La costa ecuatoriana fue discretizada utilizando las estaciones mareográficas y polígonos de Thiessen. La determinación de la cota de inundación modelada se realizó sumando las variables de marea, oleaje y aumento del nivel medio del mar, utilizando datos del Sistema de Información, Proyecciones, Riesgo Climático y Adaptación al Cambio Climático (SPRAAC). Las proyecciones del nivel medio del mar bajo los escenarios SSP2-4.5 y SSP4-8.5 fueron obtenidas de SPRACC, complementándose con registros históricos de oleaje y sus proyecciones futuras. El modelado geoespacial se ejecutó mediante QGIS, creando un modelo que permite determinar las cotas y áreas de inundación mediante el método de Bathtub mejorado, considerando la continuidad hidráulica y eliminando errores del DEM. La línea de costa se trazó utilizando datos del Instituto Geográfico Militar (IGM), escala 1:50,000, como punto de origen de las inundaciones, y se realizó una corrección hidráulica del MDT para asegurar que el agua encuentre un camino correcto desde la costa hacia el terreno. Se definieron tres posibles escenarios de inundación: Escenario E1 correspondiente a condiciones actuales con un evento extremo (T2), donde T2 se refiere al periodo de retorno de 100 años para eventos extremos de marea basado en datos históricos (1980-2023); Escenario E2 que representa un futuro cercano bajo un escenario optimista respecto a los efectos del cambio climático (SLR2 + T1), donde SLR2 corresponde a la proyección del aumento del nivel del mar bajo el escenario SSP4-8.5 para el futuro cercano (2021-2050) y T1 se refiere al periodo de retorno de 10 años para eventos extremos de marea basado en datos históricos; y Escenario E3 que representa un futuro medio bajo un escenario pesimista de los efectos del cambio climático (SLR4 + Hs + T2), donde SLR4 corresponde a la proyección del aumento del nivel del mar bajo el escenario SSP4-8.5 para el futuro medio (2051-2080), Hs representa las proyecciones de oleaje (altura significativa del oleaje) bajo el escenario RCP8.5 para el futuro medio (2081-2100), y T2 se refiere al periodo de retorno de 100 años para eventos extremos de marea. Finalmente, se calcularon las cotas de inundación específicas para cada escenario y área de influencia, utilizando estaciones mareográficas discretizadas con polígonos de Thiessen. En Galápagos, áreas pobladas en Puerto Villamil se verían significativamente afectadas bajo el escenario E3.

En las últimas décadas los fenómenos climáticos relacionados con lluvias extremas han provocado inundaciones y deslizamientos afectando la infraestructura residencial, productiva y social. Bajo este contexto, se realiza el análisis de riesgo climático para el sector Asentamientos Humanos mediante la aplicación de modelos de impactos biofísicos usando modelos hidrológicos e hidráulicos en el caso de inundaciones. Se realiza una estimación de la cantidad de población en condiciones de precariedad e infraestructura social que se ubican en áreas susceptibles bajo diversos escenarios de precipitación en 7 ciudades del Ecuador. La evidencia muestra que áreas susceptibles a inundación se ubican en localidades cercanas a llanuras aluviales, la susceptibilidad aumenta con la presencia de días extremadamente lluviosos. La metodología comenzó evaluando 49 ciudades intermedias mediante 22 indicadores ambientales, urbanísticos y sociodemográficos. Se sistematizó la información necesaria para implementar modelos de inundaciones. Se seleccionaron siete ciudades intermedias, aprobadas por los Grupos Sectoriales de Trabajo, para la aplicación de modelos de impactos biofísicos, los cuales se usaron para evaluar inundaciones. La evaluación de inundaciones se desarrolló en cinco fases: procesamiento de la información requerida, aplicación del modelo hidrológico HEC-HMS, ejecución del modelo hidráulico HEC-RAS, calibración de los modelos, y corridas finales y obtención de resultados. Se presenta el análisis de riesgo climático para el sector de Asentamientos Humanos por inundaciones en la ciudad de Sangolquí para Periodo de Retorno de 2 años (tiempo promedio para que se repita un evento) y 5 Años Tipo Futuros.