El cambio climático constituye uno de los desafíos más significativos para la ingeniería hidráulica e hidrológica contemporánea. Las alteraciones en los patrones de temperatura, humedad y circulación atmosférica están modificando los regímenes de precipitación y, por ende, los procesos de escorrentía superficial, infiltración y recarga de acuíferos. Estas variaciones pueden traducirse en aumentos en la frecuencia e intensidad de eventos extremos, o, por el contrario, en reducciones prolongadas de la disponibilidad hídrica, dependiendo de la región y del escenario de emisiones considerado.

En este contexto, los modelos hidrológicos tradicionales —calibrados con registros históricos— resultan insuficientes para anticipar las condiciones futuras, ya que suponen estacionariedad climática, es decir, que las estadísticas del clima no cambian en el tiempo. Sin embargo, múltiples estudios han demostrado que dicha hipótesis ya no se cumple: las precipitaciones máximas tienden a intensificarse en muchas cuencas, los períodos secos se alargan, y los patrones estacionales se desplazan. Por ello, la ingeniería moderna requiere abandonar el paradigma estacionario y adoptar una visión prospectiva que incorpore escenarios de cambio climático en el análisis y diseño de infraestructuras hidráulicas.

Los escenarios climáticos desarrollados por el Panel Intergubernamental sobre Cambio Climático (IPCC) —como los RCP (Representative Concentration Pathways) y sus sucesores, los SSP (Shared Socioeconomic Pathways)— representan distintas trayectorias posibles de emisiones y forzamiento radiativo hacia el futuro. A partir de ellos, los modelos climáticos globales (GCM) y regionales (RCM) generan proyecciones de variables meteorológicas —principalmente precipitación y temperatura— bajo diversas condiciones socioeconómicas y de emisiones. Estos conjuntos de datos permiten construir series de lluvia futura o pluviogramas de diseño ajustados, los cuales pueden emplearse para evaluar la respuesta hidrológica de una cuenca frente a futuros escenarios climáticos.

La aplicación práctica de estos datos en la modelación hidrológica —por ejemplo, con HEC-HMS, software ampliamente utilizado para la simulación de cuencas— requiere una metodología estructurada que abarque desde la selección del escenario climático adecuado hasta la integración de los datos procesados en el modelo. Esta metodología debe considerar aspectos fundamentales como:

• La obtención y selección de escenarios climáticos pertinentes (según región, horizonte temporal y nivel de emisiones).
• La descarga y preparación de datos provenientes de modelos globales y regionales.
• El downscaling (reducción de escala) y la corrección de sesgo, necesarios para adaptar los datos climáticos a la escala de la cuenca.
• La generación de pluviogramas futuros, ya sea a partir de curvas IDF ajustadas o mediante factores de cambio aplicados a tormentas de diseño históricas.
• Finalmente, la implementación de los escenarios en HEC-HMS y el análisis comparativo de resultados (caudales pico, volúmenes de escorrentía y tiempos de concentración) entre las condiciones actuales y las futuras.

El propósito de esta entrada es ofrecer guía a una metodología concreta, reproducible y adaptada a las condiciones de Latinoamérica y España, que permita a los profesionales de la ingeniería hidráulica incorporar el componente climático en sus modelaciones con rigor técnico, utilizando fuentes de datos oficiales y procedimientos recomendados por el IPCC y el Hydrologic Engineering Center (HEC).

Más allá del aspecto computacional, integrar escenarios climáticos en el modelado hidrológico representa una evolución conceptual: implica diseñar obras resilientes, preparadas para condiciones de mayor incertidumbre, y con una comprensión más integral del sistema hidrológico ante un clima cambiante.

Paso 1: Selección de escenarios climáticos futuros (RCPs y SSPs)

El primer paso es definir qué escenarios climáticos futuros utilizar. Los escenarios del IPCC se clasifican en dos grandes marcos:

• RCP (Representative Concentration Pathways): Son trayectorias de concentración de gases de efecto invernadero, definidas por su forzamiento radiativo aproximado en 2100. En el Quinto Informe IPCC (AR5, 2014) se usaron principalmente cuatro RCP: RCP2.6, 4.5, 6.0 y 8.5, que corresponden a ~2.6, 4.5, 6.0 y 8.5 W/m² de forzamiento en 2100. Estos representan futuros posibles desde uno muy mitigado (RCP2.6) hasta uno de altas emisiones (RCP8.5).
• SSP (Shared Socioeconomic Pathways): Para el Sexto Informe IPCC (AR6, 2021) se introducen las SSP, que combinan trayectorias socioeconómicas y de emisiones. Los nuevos escenarios se nombran combinando SSP y nivel de forzamiento; por ejemplo SSP2-4.5 (sociedad intermedia, ~4.5 W/m²) o SSP5-8.5 (desarrollo fósil, ~8.5 W/m²). En la práctica, SSP1-2.6 es un futuro sostenible de bajas emisiones, SSP2-4.5 es intermedio, SSP3-7.0 y SSP5-8.5 son desarrollos de emisiones altas. Estos escenarios sustituyen a los RCP tradicionales, aportando una narrativa socioeconómica además de las emisiones.

Al seleccionar escenarios para un estudio hidrológico, se recomienda incluir al menos dos: uno moderado (p.ej. RCP4.5/SSP2-4.5) y otro extremo (RCP8.5/SSP5-8.5), para acotar un rango de posibles futuros. También es importante definir el horizonte temporal: por ejemplo 2030-2060 (medio siglo) y 2070-2100 (fines de siglo) para comparar cambios en periodos futuros. Cada combinación de escenario y periodo representará condiciones climáticas distintas (e.g. un escenario intermedio a mitad de siglo vs. uno pesimista a fines de siglo).

Cómo seleccionar escenarios y modelos: No existe un único criterio universal; depende de los objetivos del estudio. Se deben escoger modelos climáticos globales (GCM) apropiados y periodos acordes. Conviene basarse en estudios locales o métricas de desempeño de los GCM en la región de interés. Por ejemplo, un estudio en Chile utilizó índices de desempeño histórico y de extremos para elegir 3 GCM adecuados para esa región. En general, se sugiere incluir múltiples GCM para capturar incertidumbre y promediar o analizar la dispersión de resultados. A nivel de emisores, algunos organismos (p.ej. agencias ambientales) suelen recomendar escenarios específicos: en España, AEMET ha sugerido usar RCP4.5 y RCP8.5 en sus proyecciones regionalizadas recientes, mientras muchos países latinoamericanos adoptan también esos escenarios (o sus equivalentes SSP) para planes de adaptación.

Paso 2: Fuentes de datos climáticos para Latinoamérica y España

Una vez definidos los escenarios, se deben obtener datos climáticos proyectados (principalmente precipitaciones futuras). Es crucial usar fuentes confiables y adecuadas para la región. En la siguiente tabla se resumen fuentes típicas de proyecciones climáticas y sus características relevantes:

Fuente de datos	Cobertura / Resolución	Comentarios
CMIP5 (AR5) – Datos GCM globales	Global (rejilla ~100-200 km)	Conjunto de modelos globales bajo RCP2.6, 4.5, 6.0, 8.5. Disponibles vía ESGF y portales del IPCC. Se usan para estudios base AR5.
CMIP6 (AR6) – Datos GCM globales	Global (rejilla 50-100 km, según modelo)	Nueva generación de modelos globales con escenarios SSP (SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5, etc). Mejoran simulación, pero aún requieren regionalización para estudios locales.
CORDEX (WCRP) – Modelos regionales (RCM)	Regional (Latinoamérica y Europa). Resolución típica ~50 km; en EURO-CORDEX hasta ~12 km	Proyecciones dinámicas obtenidas con modelos regionales acoplados a varios GCM. Ej: EURO-CORDEX para Europa (incl. España) a 0.11º (~12 km); CORDEX Sudamérica (~50 km) cubre distintas zonas de AL. Útiles para detalle espacial y fenómenos locales.
WorldClim v2.1 – Downscaling global https://www.worldclim.org/data/cmip6/cmip6climate.html	Global (rejilla hasta ~1 km)	Conjunto de datos estadísticamente downscaleados y corregidos con clima observado. Provee capas mensuales de precipitación, Tª, etc. para periodos futuros (2021-2040, 2041-2060, 2061-2080, 2081-2100) bajo SSP1-2.6, 2-4.5, 3-7.0, 5-8.5. Útil para obtener cambios mensuales promedio en alta resolución.
NASA NEX-GDDP – Proyecciones globales ajustadas	Global sobre tierra (rejilla ~25 km)	Bias-corrected (corrección de sesgo) y downscaled por método BCSD. Disponible para CMIP5 (RCP4.5, 8.5, 21 modelos) y actualizado a CMIP6. Incluye datos diarios de precipitación, Tmáx, Tmín 1950-2100. Muy útil para estudios hidrológicos en AL y otras regiones sin necesidad de procesar GCM crudos.
Proyecciones nacionales/regionales	Depende de la fuente	Agencias meteorológicas y proyectos locales pueden ofrecer datos procesados. Ej: AEMET (España) proporciona escenarios regionalizados en AdapteCCA; organismos en Chile, Colombia, etc., tienen sus propias proyecciones ajustadas a nivel nacional. Estas fuentes suelen ya incorporar downscaling/bias-correction para su territorio.

Tabla 1. Fuentes de datos climáticos recomendadas para estudios hidrológicos en Latinoamérica y España.

Nota: Para Latinoamérica, los datos globales (CMIP5/6) deben recortarse a la zona de interés. CORDEX ofrece dominios específicos: por ejemplo, un dominio Centro-América y otro de Sudamérica. En ausencia de proyecciones locales, datasets globales ajustados como WorldClim o NEX-GDDP sirven de atajo, brindando información climática futura con resolución mejorada. En España, además de EURO-CORDEX, se dispone de escenarios regionalizados por AEMET utilizando tanto modelos regionales como técnicas estadísticas, con resolución ~12 km para la Península. Estas proyecciones nacionales (e.g. publicadas en la Guía de Escenarios del MITECO) son confiables y directamente utilizables en estudios locales.

Paso 3: Procesamiento de datos climáticos para obtener series de lluvia futura

Con la fuente de datos identificada, el siguiente paso es procesar los datos climáticos brutos para extraer series de precipitación futura aplicables a nuestra cuenca o proyecto. Este proceso puede involucrar varias tareas:

• Descarga y extracción: Obtener los datos de precipitación proyectada para el/los escenarios elegidos. Por lo general vienen en archivos NetCDF (formato matricial espacio-temporal). Se debe extraer la variable de precipitación (ej. lluvia diaria o mensual) sobre la región de interés. Esto puede implicar descargar grandes datasets (ej. varios GB de CMIP6); conviene acotar espacialmente (cerca de la cuenca) y temporalmente (periodos futuros específicos).
• Selección temporal: Decidir si se analizará un periodo continuo (por ejemplo 2020-2100) o ventanas comparativas (p. ej. 30 años históricos vs 30 futuros). Muchos estudios usan periodos de 30 años (climatológicos) para representar “situación actual” vs “futura”. Por ejemplo, se puede comparar 1980-2010 vs 2050-2080 bajo cierto escenario, o bien comparar décadas específicas. En ocasiones se usan ventanas móviles para analizar variabilidad dentro del siglo.
• Resolución temporal adecuada: Para modelado hidrológico con HEC-HMS, comúnmente se requiere lluvia a intervalos horarios o diarios. Los GCM suelen proveer diarios como máximo (algunos solo mensuales). Si se dispone de series diarias futuras (p.ej. de NEX-GDDP o un RCM), estas pueden usarse directamente (y luego desagregar a intervalos menores si el modelo de cuenca requiere). Si solo hay datos mensuales (como WorldClim), habría que sintetizar series diarias congruentes con esos totales mensuales futuros, o aplicar factores mensuales a series históricas para generar sintéticas futuras (método delta).
• Espacialización / promediado: Decidir cómo representar la lluvia sobre la cuenca. Opciones:
  • Puntual: tomar la celda de rejilla más cercana o una interpolación de varias celdas para obtener una serie representativa en un punto (por ejemplo, estación virtual en el centro de la cuenca).
  • Areal: calcular un promedio areal de la precipitación sobre la cuenca usando los datos de rejilla (GIS o herramientas como Python/R pueden ayudar). HEC-HMS permite ingresar lluvia areal para cada subcuenca, por lo que podríamos extraer una serie para cada subcuenca si la resolución del clima lo permite.
  • Gridded: alternativamente, preparar la lluvia en formato gridded para introducirla directamente en HEC-HMS (ver Paso 6), preservando variaciones espaciales dentro de la cuenca. Esto requiere convertir los datos a formato compatible (HEC-DSS) y crear un gridset en HMS.
• Unir histórico y futuro (opcional): Si se va a calibrar el modelo con datos históricos y luego proyectar al futuro, necesitaremos datos climáticos históricos consistentes con los futuros (por ejemplo, serie de precipitación observada de referencia o reanálisis). En algunos enfoques, se “pegan” series históricas con futuras para simular un largo periodo con cambio paulatino. Otros enfoques mantienen separado el periodo histórico para calibración y luego usan periodos futuros por separado en simulaciones.
• Múltiples modelos o ensemble: Si se consideran varios GCM/RCM, se obtendrá una serie de lluvia por cada modelo (y escenario). Esto puede producir varios escenarios de lluvia (ej. 5 series futuras diferentes). Podemos tratarlos de forma individual (correr el modelo hidrológico con cada uno) o combinar (por ejemplo, obtener una serie promedio o percentiles). HEC-HMS tiene una opción de Ensemble que facilita ejecutar múltiples series y luego analizar distribución de resultados. Por ejemplo, en un caso de estudio se descargaron datos de 5 modelos climáticos bajo RCP4.5/8.5 y se prepararon series etiquetadas como CMIP5-1a, 1b, etc. para cada uno. Esto permite evaluar la variabilidad intermodelo.

Herramientas: El procesamiento puede realizarse con software GIS (ArcGIS, QGIS con complementos para NetCDF), lenguajes como Python (librerías xarray, netCDF4, pandas), R (paquetes ncdf4, raster, climate4R), o herramientas específicas de portales climáticos. Lo importante es exportar las series de precipitación en un formato utilizable (CSV, HEC-DSS, etc.) y verificar que los datos tengan sentido físico (ej. no haya valores negativos, chequear unidades – a menudo mm/día – y convertir si hace falta a mm/h para HEC-HMS en eventos).

Antes de avanzar, es recomendable revisar si las simulaciones climáticas representan bien el clima observado de base. Muchas veces, las precipitaciones simuladas por GCM/RCM tienen sesgos (p.ej. sobreestiman lluvia ligera o subestiman eventos extremos). Por ello, el siguiente paso es fundamental: corrección de sesgo y downscaling, para ajustar las series a la realidad local.

Paso 4: Corrección de sesgo y downscaling (reducción de escala)

Los datos de modelos climáticos globales suelen tener resoluciones muy gruesas y sesgos sistemáticos respecto a observaciones locales. Para aplicar estos datos en un estudio hidrológico se requieren técnicas de reducción de escala (downscaling) y corrección de sesgo (bias correction):

• Downscaling dinámico: Consiste en anidar un Modelo Climático Regional (RCM) de alta resolución que simule los procesos atmosféricos a escala fina, alimentado por las condiciones de frontera del GCM. Ejemplos: las simulaciones de CORDEX ya mencionadas (p.ej. EURO-CORDEX a 12 km para Europa, RegCM u WRF a ~10-50 km en Latinoamérica). El downscaling dinámico captura efectos locales de topografía, costas, etc., pero es complejo computacionalmente. En esta guía asumimos que se utilizan datos ya downscaleados (como los de CORDEX o PRECIS). De hecho, antes de CORDEX, proyectos como PRUDENCE, ENSEMBLES en Europa, o iniciativas en América Latina (p.ej. CLARIS) produjeron proyecciones regionales dinámicas. Si se dispone de un RCM apropiado, es ideal usar sus salidas de precipitación directamente para la cuenca.
• Downscaling estadístico: Aplica relaciones empíricas para trasladar la información climática de gran escala a la escala local. Incluye métodos como:
  • Bias Correction + Spatial Downscaling (BCSD): utilizado en datasets como NEX-GDDP. Primero corrige el sesgo acumulativo del modelo comparando con datos observados en el periodo histórico, luego ajusta la distribución espacial.
  • Mapeo de cuantiles (Quantile Mapping): ajusta la distribución de la variable modelada para que concuerde con la observada, emparejando cuantiles. Puede ser un ajuste univariado o multivariado (p.ej. el método MBCn – Multivariate Bias Correction with N-pdf – que ajusta simultáneamente precipitación y otras variables preservando correlaciones).
  • Análogos locales: método LOCA, utilizado por ejemplo en EE.UU., que encuentra patrones análogos en históricos para refinar las salidas de GCM.
  • Delta Change (método delta): aplica las diferencias (deltas) o factores de cambio porcentuales proyectados a las series históricas. Por ejemplo, si un modelo proyecta +20% de lluvia extrema, se incrementan las lluvias históricas en 20% para generar series sintéticas futuras.
  • Regresión estadística: se ajustan regresiones entre variables de gran escala (ej. presión, humedad) y lluvia local, luego se aplican con datos futuros de esas variables.

En la práctica, muchos datasets disponibles ya incluyen corrección de sesgo. Por ejemplo, WorldClim v2.1 calibra las proyecciones con su climatología observada base; NASA NEX-GDDP aplica BCSD globalmente. Sin embargo, al trabajar con las salidas de un GCM/RCM directamente, es recomendable realizar verificación local: comparar el clima simulado histórico con registros locales. Si hay sesgos significativos (p.ej. el modelo da precipitación media anual 20% mayor que la observada), se debe corregir antes de usar las proyecciones.

Downscaling de temporalidad: Otro aspecto es la resolución temporal. Si solo se tienen proyecciones diarias pero se requiere una serie horaria para modelar una tormenta de diseño, puede emplearse un desagregador temporal. Por ejemplo, usar la distribución horaria típica de las tormentas históricas para un día con X mm de lluvia, y aplicarla a un día futuro de X mm. Así, se combina el total diario proyectado con la forma típica de eventos subdiarios locales.

En resumen, el objetivo del downscaling/bias-correction es obtener series de lluvia futura realistas a escala de cuenca. Tras este paso, deberíamos contar con datos de precipitación futura (ya sea series continuas diarias o hietogramas de diseño ajustados) listos para introducir en HEC-HMS.

Paso 5: Elaboración de hietogramas futuros (eventos de diseño)

Para muchas aplicaciones de ingeniería (diseño de presas, alcantarillado pluvial, puentes) es necesario traducir las proyecciones climáticas a eventos de precipitación de diseño bajo clima futuro, es decir, hietogramas futuros. Un hietograma es la distribución temporal de intensidades de lluvia en una tormenta. Incorporar el cambio climático en eventos de diseño puede hacerse de dos maneras generales:

(a) Método de factor de cambio (delta) en tormentas de diseño existentes: Se parte de los eventos de diseño históricos (e.g. tormenta de 100 años usada actualmente) y se ajusta su magnitud según lo indicado por los escenarios futuros. Por ejemplo, si los análisis climáticos sugieren que la precipitación máxima diaria de 100 años aumentará un 15% en 2050, entonces la tormenta de diseño futura se obtiene multiplicando las intensidades del hietograma histórico por 1.15. Este enfoque mantiene la misma forma temporal de la tormenta pero con mayores volúmenes. En la práctica se puede derivar un factor de cambio por duración: a veces el aumento porcentual difiere para lluvias de 1 hora, 6 horas, 24 horas, etc., en cuyo caso se pueden escalar distintos tramos del hietograma en consecuencia.

(b) Método analítico a partir de proyecciones (generación de IDF futuras): Aquí se utilizan directamente las series futuras (de GCM/RCM ajustadas) para recalcular las curvas IDF (Intensidad-Duración-Frecuencia) bajo clima futuro, y de ellas derivar nuevos hietogramas. El procedimiento sería:

1. Obtener eventos extremos simulados: por ejemplo, extraer la precipitación máxima anual de 1 día (o 1 hora si se dispone) de la serie futura para un periodo dado (ej. 2040-2070). Esto da una serie de máximos anuales futuros.
2. Ajustar distribución de probabilidad a esos máximos (e.g. Gumbel, Log-Pearson III) para estimar cuantiles de precipitación para diversos períodos de retorno (5, 10, 50, 100 años, etc.) bajo clima futuro.
3. Construir curvas IDF futuras: repitiendo el paso anterior para diversas duraciones (15 min, 1h, 24h, etc.) obtenemos intensidades de lluvia de diseño futuras. Alternativamente, algunos estudios aplican factores de cambio a las curvas IDF actuales para obtener las futuras.
4. Generar hietogramas de diseño a partir de las curvas IDF futuras: se puede usar un método estándar (e.g. distribución temporal alternada, hietograma tipo Chicago, Bloques alternos) con las intensidades de lluvia de diseño futuras. Básicamente, las curvas IDF proveen la profundidad total para una duración y periodo de retorno; luego se distribuye esa lluvia en el tiempo según una forma de tormenta crítica (p.ej. más intensa hacia el centro para eventos convectivos breves, o distribución según la recomendación local).

Un ejemplo concreto de este enfoque es el estudio realizado en Haití para evaluar 33 puentes. Allí se definieron dos escenarios (histórico vs. futuro) y para cada uno se generaron hietogramas de diseño para 15 períodos de retorno (desde 5 hasta 500 años). En esencia, calcularon curvas IDF a nivel de cuenca para el escenario histórico y el escenario de cambio climático (basado en 13 modelos CMIP5, RCP4.5 y 8.5) y luego construyeron los hietogramas de diseño correspondientes. Los resultados mostraron, por ejemplo, que bajo el escenario futuro las intensidades de lluvia extrema aumentan mientras que la duración crítica de la tormenta permaneció igual (pues el tiempo de concentración de la cuenca no cambia). Esto implica que, para un mismo periodo de retorno, el volumen de lluvia en el escenario de cambio climático es mayor, con consecuentes aumentos en el caudal pico. publications.iadb.org

Otra aplicación: en Chile, Astudillo et al. (2024) identificaron los eventos máximos anuales en series futuras (SSP5-8.5) y los usaron para simular crecidas de diseño. Encontraron que para un periodo de retorno de 25 años en una cuenca altoandina, los caudales de diseño futuros serían 50–95% mayores que con la metodología tradicional sin considerar clima cambiante. Esto se atribuye a mayor proporción de lluvia (y menos nieve) en eventos invernales futuros debido al calentamiento, ampliando el área de cuenca que contribuye con escorrentía pluvial. repositorio.uchile.cl

Recomendación práctica: Si se cuenta con curvas IDF locales actuales, un camino rápido es obtener de la literatura o proyecciones el factor de cambio en lluvia extrema esperado. Por ejemplo, “se espera que la lluvia diaria de 100 años aumente un 20% para 2050”. Entonces se ajustan las curvas IDF con +20% en duraciones largas (diarias) y quizá un poco menos en subdiarias (si la intensificación de tormentas no es uniforme). Luego se regeneran los hietogramas de diseño con esas curvas IDF modificadas. Siempre es útil generar dos o más escenarios de diseño: uno conservador (p.ej. sin cambio o con aumento moderado) y otro pesimista (con aumento fuerte), para ver el rango de impactos en las obras.

En todos los casos, hay que documentar claramente las suposiciones (periodo, escenario, modelos usados) para las tormentas de diseño futuras. Así, quienes usen esta información entenderán bajo qué contexto climático están calculados esos eventos.

Paso 6: Incorporación de escenarios futuros en HEC-HMS

Llegamos al núcleo de la tarea: implementar los escenarios de precipitación futura en el modelo hidrológico HEC-HMS. Asumiremos que ya existe un modelo HEC-HMS calibrado o al menos configurado para condiciones históricas de la cuenca (si no, se debe calibrar con datos observados antes de explorar escenarios). La incorporación se realiza en varios sub-pasos:

6.1 Preparación de insumos climáticos:
En HEC-HMS, la lluvia se ingresa mediante un Modelo Meteorológico asociado a una simulación. Podemos proceder de dos modos:

• Serie temporal en un punto (gauge): apropiado para lluvia uniforme o promedio en la cuenca. Se crea un Time-Series Precipitation Gage y se importa la serie de lluvia (por ejemplo, un archivo .csv con dos columnas: fecha-hora y precipitación, o directamente desde HEC-DSS). Este método es útil tanto para series continuas diarias como para eventos de diseño (hietogramas). Por ejemplo, podríamos crear un gage “Lluvia_Futuro_RCP8.5” que contiene el hietograma de diseño futuro para X año de retorno.
• Lluvia distribuida (grid): si contamos con datos de lluvia espacialmente variables (rejilla), HEC-HMS permite usarlos definiendo un Gridset. Primero hay que convertir los datos a su formato DSS (Data Storage System de HEC). Luego, en el modelo meteorológico de HEC-HMS se elige tipo Gridded Precipitation y se carga el gridset. Cada grid puede ser una instantánea de precipitación en un intervalo (p.ej. mm/h en celdas de 1 km). Este enfoque permite, por ejemplo, usar salidas de un RCM de alta resolución directamente. En la guía de HEC-HMS se detallan pasos como: Convertir datasets climatológicos a HEC-DSS, crear gridset, definir gage y asignarlo a subcuencas.

6.2 Configuración del escenario en HEC-HMS:
Para organizar las simulaciones, conviene aprovechar la capacidad de escenarios o variants de HEC-HMS. Una práctica común es duplicar el Modelo de Precipitación y reemplazar el insumo:

• Mantener el mismo Modelo de Cuenca (parámetros de la cuenca). (Nota: Si se anticipan cambios en la cuenca a futuro, como urbanización o cambio de uso de suelo, esos podrían reflejarse modificando parámetros de infiltración, CN, etc., pero este tema es aparte; aquí consideramos solo cambio climático en lluvia).
• Crear un Modelo Meteorológico Futuro e ingresar la precipitación futura. Por ejemplo, a partir de un modelo meteorológico “Historico” (con lluvia observada o de diseño actual), se duplica y edita para usar la serie futura. Se puede nombrar “Meteo_RCP85_2050” indicando escenario y periodo.
• Configurar Simulaciones: En HEC-HMS, se define una Simulation Run combinando un Modelo de Cuenca, un Modelo Meteorológico y condiciones iniciales. Se pueden crear distintas simulaciones, como “Sim_Histórico” y “Sim_Futuro_RCP85”. Esto permite ejecutar por separado y comparar resultados. Alternativamente, la función de Ensemble Analysis en versiones recientes de HEC-HMS (v4.10+), permite agrupar varias simulaciones en un ensemble para automatizar comparativas.

6.3 Ejecución de las simulaciones:
Se corre HEC-HMS para cada escenario. Si es una serie continua (ej. 30 años diarios), habrá que asegurarse de simular un periodo suficientemente largo y quizá dividir en sub-periodos si el software o hardware tiene limitaciones. Si son eventos puntuales, las simulaciones serán cortas (horas-días). En cualquier caso:

• Verifique que la serie de lluvia se asignó correctamente a cada subcuenca (si es gridded, HMS asigna automáticamente por geometría; si es un solo gage, asegúrese de asignarlo a todas las subcuencas o usar uno por subcuenca si corresponde).
• Ajuste las condiciones iniciales de la cuenca para cada simulación. Por ejemplo, humedad antecedente del suelo (AMC) o nivel de embalse inicial. En comparaciones de escenario, conviene usar condiciones iniciales similares para no introducir sesgos. Salvo que el escenario futuro implique un cambio en humedad inicial típica (p.ej. por cambio en régimen, esto podría explorarse pero manteniendo consistencia).
• Considere también si se necesita ingresar otras series climáticas: por ejemplo, temperatura del aire si el modelo incluye módulo de nieve o evapotranspiración. Un clima más cálido puede afectar nieve acumulada y pérdidas por evapotranspiración. HEC-HMS permite ingresar series de temperatura y evapotranspiración potencial; idealmente, estas también deberían ser ajustadas a escenarios futuros (p.ej. aumento de temperatura según el escenario). Si el proyecto incluye modelación de nieve, habrá que suministrar proyecciones de temperatura futura para calcular la acumulación/fusión (en España y zonas andinas esto es relevante).

6.4 Análisis de resultados en HEC-HMS:
Una vez completadas las corridas, HEC-HMS proporcionará los hidrogramas resultantes para cada escenario. El análisis típico incluirá:

• Caudales pico: comparar el caudal máximo alcanzado en el escenario futuro vs histórico. Este es el dato clave para diseño. Por ejemplo, se puede tabular que bajo RCP8.5 el caudal de diseño 100 años pasa de 250 m³/s (histórico) a 320 m³/s (futuro).
• Volúmenes de escorrentía: importante para evaluar llenado de embalses, duraciones de inundación, etc. Un escenario más húmedo puede incrementar volúmenes significativamente.
• Tiempo al pico y forma del hidrograma: evaluar si los picos ocurren más rápido o más lento. Si el patrón de lluvia cambia (p.ej. eventos más concentrados), podría reducir el tiempo de concentración efectivo.
• Mapas de inundación (si aplica): Si HEC-HMS está acoplado a un modelo hidráulico (HEC-RAS u otro), los caudales futuros alimentarán cálculos de inundación. Hay que observar cambios en la extensión y profundidad de inundación proyectadas.
• Resultados estadísticos si usó ensemble: HEC-HMS Ensemble Analysis permite extraer percentiles de caudal, bandas de incertidumbre, etc., a partir de múltiples simulacioneshec.usace.army.milhec.usace.army.mil. Esto es muy útil para comunicar rangos: por ejemplo, «bajo RCP8.5, el caudal pico 100 años podría aumentar entre un 20% (modelo más húmedo) y 5% (modelo más seco), con una media de 10%».

Al interpretar los resultados, hay que mantener presentes las incertidumbres: no solo las climáticas, también las hidrológicas (errores de calibración, suposiciones de uso de suelo constante, etc.). Aún así, incorporar escenarios en HEC-HMS proporciona información valiosa para diseñar con mayor resiliencia. Por ejemplo, si un puente se diseñó al filo con caudal histórico de 300 m³/s, saber que en un escenario futuro plausible podría experimentar 360 m³/s (20% más) permite considerar sobredimensionar o tomar medidas adaptativas.

Paso 7: Ejemplos de aplicación en Latinoamérica y España

Para cerrar, revisamos casos reales donde se aplicó esta metodología, demostrando la importancia de incluir el cambio climático en estudios hidrológicos:

• Proyecto de puentes en Haití (Caribe): Como se mencionó, el BID desarrolló una guía metodológica integrando cambio climático en el cálculo de hidrogramas de diseño para 33 puentes en Haití. Utilizaron 13 modelos CMIP5 (RCP4.5 y 8.5) y downscaling estadístico (NEX-GDDP y RCM PRECIS) para obtener proyecciones de lluvia. De las curvas IDF futuras generadas, obtuvieron tormentas de diseño de hasta 500 años de periodo de retorno. Los resultados mostraron aumentos en las precipitaciones extremas futuras, lo que se tradujo en caudales pico mayores para esos puentes. Por ejemplo, para un puente se halló que la crecida de 100 años bajo escenario futuro excedía en ~25% la histórica. Este estudio proporcionó recomendaciones de diseño climático-resiliente, ajustando las dimensiones de drenaje de los puentes considerando los caudales proyectados. (publications.iadb.org)
• Cuenca del río Colina, Chile (Andes centrales): Estudio de una obra de drenaje vial en una cuenca de régimen nivopluvial. Bajo escenario SSP5-8.5 (fines de siglo), se proyectó un aumento de temperatura que eleva la línea de nieve, haciendo que tormentas invernales futuras produzcan más lluvia líquida que nieve. Al simular con HEC-HMS, se encontró que el caudal de diseño de 25 años podría incrementar en 50 a 95% respecto al presente. La metodología tradicional (sin actualizar la línea de nieve ni la lluvia) solo preveía ~10% de incremento. Esto destaca cómo considerar el proceso físico (menos almacenamiento nival, más área contribuyente) cambia drásticamente el resultado. La recomendación fue rediseñar la estructura con mayor capacidad de paso, dada la posibilidad de crecidas casi al doble de volumen en el peor caso futuro. (repositorio.uchile.cl)
• Río Tordera, España (cuenca mediterránea): Investigación sobre recursos hídricos superficiales-subterráneos al 2050 bajo escenario A2 (AR4, similar a un RCP8.5 medio siglo). Se usó el modelo global ECHAM5 y HEC-HMS 3.4 para simulación hidrológica acoplada con un modelo de aguas subterráneas. A diferencia de los casos anteriores, aquí el escenario proyectaba una disminución de la precipitación anual (~11% menos hacia 2050) y aumento térmico de ~1°C. Los resultados mostraron una reducción de escorrentía superficial de ~32%, junto con mermas en recarga de acuíferos (~12%). Es decir, en regiones mediterráneas secas, el cambio climático puede disminuir los caudales de diseño. Aun así, es crucial incorporarlo: subestimar la reducción podría llevar a sobreestimar disponibilidad hídrica o no planificar medidas de gestión de sequía. Este estudio ilustró que los cambios de uso de suelo previstos no tenían impacto apreciable comparado al climático, destacando que las variables climáticas (precipitación y temperatura) dominaban el cambio en recursos hídricos. (aqua-lac.org).

Reflexiones finales

Incorporar escenarios de cambio climático en el modelado hidrológico con HEC-HMS es un proceso multi-etapa pero esencial para el diseño hidráulico moderno. Siguiendo los pasos descritos –desde la selección de escenarios apropiados (RCP/SSP), pasando por la obtención de datos de fuentes confiables, su procesamiento, downscaling y corrección de sesgo, hasta la generación de hietogramas futuros e integración en HEC-HMS– los profesionales pueden evaluar el impacto potencial del clima futuro sobre cuencas y estructuras. Los ejemplos en Latinoamérica y España muestran que los resultados pueden variar desde aumentos significativos de caudales de diseño hasta reducciones por sequías más severas, pero en todos los casos la consideración del cambio climático permite tomar decisiones mejor informadas.

Al aplicar este tipo de metodologías, es importante mantener comunicación con especialistas en clima (p.ej. meteorólogos) y usar el criterio profesional: los escenarios no son predicciones exactas sino proyecciones bajo ciertos supuestos. Por ello, se sugiere manejar rangos y incorporar márgenes de seguridad. HEC-HMS, con su flexibilidad para manejar múltiples insumos y escenarios, es una herramienta valiosa para este fin, posibilitando análisis de sensibilidad y escenarios ensemble.

En resumen, adoptar una perspectiva prospectiva en la hidrología de proyectos –incorporando escenarios de cambio climático y hietogramas futuros– ayuda a diseñar infraestructura hidráulica resiliente, capaz de operar de manera segura bajo las condiciones cambiantes que anticipan las ciencias del clima.