The most extreme precipitation event in Metropolitan Lima (ML) occurred on 15 January 1970 (16 mm), this event caused serious damage, and the real vulnerability of this city was evidenced; the population is still not prepared to resist events of this nature. This research describes the local climate variability and extreme climate indices of temperature and precipitation. In addition, the most extreme precipitation event in ML is analyzed. Extreme climate indices were identified based on the methodology proposed by the Expert Team on Climate Change Detection and Indices (ETCCDI). Some extreme temperature indices highlight an initial trend toward warm conditions (1965–1998); this trend has changed towards cold conditions since 1999, consistent with the thermal cooling during the last two decades in ML (−0.5 °C/decade) and other coastal areas of Peru. The variations of extreme temperature indices are mainly modulated by sea-surface temperature (SST) alterations in the Niño 1 + 2 region (moderate to strong correlations were found). Extreme precipitation indices show trends toward wet conditions after the 1980s, the influence of the Pacific Ocean SST on the extreme precipitation indices in ML is weak and variable in sign. The most extreme precipitation event in ML is associated with a convergence process between moisture fluxes from the east (Amazon region) at high and mid levels and moisture fluxes from the west (Pacific Ocean) at low levels, and near the surface.

1. Los eventos El Niño con mayor impacto en el Perú, particularmente asociados a lluvias intensas, inundaciones y huaicos, son de dos tipos: global y costero, y se prevé que el cambio climático exacerbará dichos impactos. 2. El Niño extremo de escala global (p. ej., 1878, 1983, 1998) se debe a una amplificación de los mecanismos océano atmósfera típicos de ENOS. La capacidad internacional para su predicción ha avanzado sustancialmente, aunque se subestiman los impactos en nuestra costa. 3. El Niño costero (p. ej., 1891, 1925, 2017) está asociado a mecanismos océano-atmósfera locales y se conoce relativamente poco. La capacidad de predicción es limitada aún, por lo que el IGP está desarrollando un modelo océano-atmósfera de alta resolución y modelos de inteligencia artificial para la predicción de El Niño costero con mayor tiempo de anticipación y exactitud.

El presente avance de investigación analiza la distribución de masas de agua durante enero-marzo de 2017 (moderado cálido), 2018 (frío débil), 2019 (cálido débil) y 2020 (neutro) frente a la costa norte del Perú. Para construir un diagrama T-S se utilizan los datos colectados por un flotador (3901231) del programa ARGO que fue lanzado en el año 2016 durante El Niño 2015-2016. Los resultados preliminares muestran una variabilidad en la presencia de las masas agua en la costa norte de Perú.

No existen estudios relacionados con la influencia del acoplamiento de la Zona de Convergencia del Atlántico Sur (SACZ) y El Niño-Oscilación del Sur (ENOS) sobre los futuros cambios de la precipitación de los Andes centrales durante el verano (diciembre-enero-febrero, DEF). Por lo cual, evaluamos las precipitaciones de las simulaciones históricas (1980- 2005) y las proyecciones (2070-2099) bajo el escenario representativo de concentración 8.5 (RCP 8.5, por sus siglas en inglés) de 27 modelos climáticos globales (GCM) de la fase 5 del Proyecto de Intercomparación de Modelos Acoplados (CMIP5, por sus siglas en inglés). Asimismo, se utilizaron las proyecciones de precipitación del Modelo Climático Regional versión 4 (RegCM4, por sus siglas en inglés) anidadas a tres modelos CMIP5 (GFDL-ESM2M, MPI-ESM-MR y HadGEM2-ES) bajo el escenario RCP 8.5. Los resultados revelan que solo tres de los 27 modelos CMIP5 (el grupo A) reproducen las características no lineales del ENOS y la SACZ durante el período histórico. Aunque la mayor parte de los modelos CMIP5 proyectan una disminución de la precipitación sobre los Andes centrales para DEF, la precipitación del grupo A aumenta en relación con el aumento proyectado en la convección profunda sobre la Amazonía peruana central. A escala regional, solo RegGFDL (perteneciente al grupo A) proyecta un aumento estadísticamente significativo de la precipitación durante DEF (~ 5-15 %) sobre los Andes centrales del norte y la Amazonía peruana central. Por el contrario, todas las simulaciones RegCM4 proyectan una disminución en la precipitación DEF (~ −10 %) sobre los Andes centrales del sur.

Los modelos neuronales convolucionales son capaces de aprender patrones complejos que los modelos dinámicos no son capaces de reproducir totalmente, en gran parte debido a la naturaleza no lineal de los eventos. El presente trabajo explora el modelo desarrollado por Ham et al. (2019, 2021), en donde, usando anomalías de temperatura superficial del mar y contenido de calor, se logra pronosticar el índice El Niño 3.4 con tiempos de antelación de hasta 14 meses. La modificación presentada no usa la técnica transfer-learning, por lo que los resultados de las correlaciones son menores que la del estudio citado. Sin embargo, se logra notar un potencial incremento en la habilidad de pronóstico para tiempos de antelación mayores al incluir la estacionalidad en la capa de entrada, lo que indicaría un mejor aprendizaje en la red.