Estudios sobre Escenarios Socioeconmicos y Valoracin de los

Estudios sobre Escenarios Socioeconómicos y Valoración de los Impactos del Cambio Climático al 2030 - Cusco y Apurímac Rosa Morales Saravia – PUCP/IEP María Elena Gutierrez - Libélula Viviana Cruzado - PUCP Olger Dueñas – UNSAAC Elizabeth Merino - IEP SIMPOSIO INTERNACIONAL Perspectivas sobre el calentamiento global y la ganadería en los países en desarrollo de América Latina Lima, 12 de mayo del 2011

Contenido I. Objetivos y alcance del estudio II. Factores de Cambio: Drivers socioeconómicos y escenarios climáticos III. Resultados de los Estudios

I. Objetivos y Alcance del Estudio

Estudios del PACC • • • Agua – Oferta hídrica superficial actual y futura (SENAMHI) – Demanda hídrica superficial actual y futura (IMA) – Gestión y conflictos del agua (CBC) Productivos – Sistemas productivos y culturales: Una percepción desde la población (PREDES y CBC) – Agroclimatología y fenología de cultivos (SENAMHI) Clima – Caracterización climática y escenarios climáticos (SENAMHI) Desastres – Riesgos de eventos de remoción en masa (PREDES) Valoración – Esc. socioeconómicos y valoración de medidas de adaptación (Libélula)

1. Objetivos del Estudio Objetivos • • • Construir escenarios socioeconómicos sectoriales Valorar impactos del cambio climático sobre el desarrollo socioeconómico regionales Valorar los impactos de las medidas de adaptación al CC sobre el desarrollo Etapas • 1 ra – Proyección e Impacto del CC • 2 da – Proyección e Impacto de las medidas de adaptación al CC Características Institución Responsable • Libélula (miembro del Consorcio Ejecutor PACC) Equipo • Responsables: Rosa Morales (IEP/PUCP) y Ma. Elena Gutiérrez (Libélula) • Colaboradores: Olger Dueñas, Viviana Cruzado, Elizabeth Merino, Rodrigo Montes, Lorena Carrasco

2. Alcance del Estudio Sectores Cusco • Agricultura • Transporte (carretero) • Turismo y hotelería Apurímac • Agricultura • Transporte (carretero) • Minería Información, datos y supuestos • • Bibliografía y estudios internacionales sobre Economía del CC Modelos sectoriales agregados y específicos (por producto, por ingreso) y relaciones entre variables Incertidumbre T°C, Precipitación, eventos extremos (frecuencia e intensidad) Supuestos socioeconómicos y climáticos

3. Metodología AGREGADO TOP DOWN ESPECÍFICO BOTTOM UP

3. 1. Enfoque Agregado - TOP DOWN

1 3. 1. Enfoque Agregado - TOP DOWN PBI Históricos Tanto para Apurimac como para Cusco Datos históricos 2008 Años

2 3. 1. Enfoque Agregado - TOP DOWN Escenario BAU PBI 2008 2030 Años

3 3. 1. Enfoque Agregado - TOP DOWN Escenario BAU con driver PBI 2008 2030 Años

4 3. 1. Enfoque Agregado - TOP DOWN Escenario CC PBI PBI CC 2008 2030 Pérdida para la Región Años

3. 2. Enfoque Específico – BOTTOM UP

3. 2. Enfoque Específico – BOTTOM UP • Casos: Papa (C y A), Maíz Amiláceo (C ), Café (C ) • Fenología, rendimientos de los cultivos Agricultura • Caso: Impactos en ingresos de agricultores y CC • Zonas de riesgo a inundaciones y huaycos (C ) • Tramos carreteros (incertidumbre) Transporte • Estimación de daños (infraestructura y flujos) Turismo • Caso Machu Picchu (C ) • Frecuencia de inundaciones/huaycos (incertidumbre) • Pérdidas por daños y efecto multiplicador Minería • Caso Las Bambas (A) • Frecuencia de inundaciones/huaycos (incertidumbre) • Pérdidas por daños en carretera y por conflictos por agua

4. Limitaciones del Estudio a) Estudios de Economía del CC: buscan crear conciencia del impacto más allá del número o cifras obtenidas. Hay y habrán críticas. – – – Stern, 2006: Recesión mundial entre 5% y 20% CAN, 2008 : 4. 4% de reducción en el PBI al 2025 equivalentes a 10, 000 millones de dólares anuales (B. Seminario) BCR, 2009: reducción del PBI entre 5. 7 y 6. 8% al 2030 y superiores al 20% al 2050, considerando aumento en 2ºC y 20% en variabilidad de precipitaciones (P. Vargas) b) Muchas expectativas vs. Poner limite c) Poca información (toma de decisiones basada en coyunturas y no en información) d) Incertidumbre de proyecciones en T°C, precipitación y eventos extremos (frecuencia e intensidad) – amplio rango de impactos biofísicos, ecosistémicos e) Lidiar entre lo local y lo global f) Cambio Climático exacerba las presiones actuales.

II. Factores de cambio: Drivers socioeconómicos y escenarios climáticos

1. Drivers socioeconómicos Los factores de cambio o drivers: -“Son variables, fenómenos o eventos cuya acción o aparición (movimiento) ejerce algún tipo de influencia sobre el futuro del tema bajo estudio”. Son claves para conocer y construir escenarios futuros

2. Las consultas La identificación, caracterización y evaluación de los Factores de Cambio (Drivers) se realizó en tres eventos sucesivos, donde participaron personas relacionadas al desarrollo territorial regional (Caso de los Minitaller de Apurimac y Cusco) y personalidades conocedoras de la economía regional y el desarrollo de prestigio nacional como Efraín Gonzáles O. , Carlos Amat y Leon, Máximo Vega Centeno, Richard Webb, entre otros. • Mini-taller Apurímac: 30 de mayo de 2010 (Sede: Abancay, Oficina de Planificación y Presupuesto) • Mini-taller Cusco: 14 de junio de 2010 (Sede: Cusco, Casa Campesina) • Consulta a Expertos Economistas Lima: 25 de julio 2010 (Sede Lima)

3. Los factores de cambio en Cusco 3. 1. Deseables y ciertos • • • • Conclusión y consolidación de la Carretera Interoceánica. Continuación y ampliación de la explotación del Gas de Camisea (L 88, 56 Y 58). Ampliación de la frontera agrícola (contin. Irrigaciones Plan MERISS). Consolidación de la producción de café. Posicionamiento del maíz blanco gigante U. Aprovechamiento de energías hidro-energéticas Machupicchu: Consolidación como atractivo turístico de calidad mundial. Diversificación turística e incremento del flujo de visitantes (Choquequiraw, etnoturismo, etc). Crecimiento rápido de centros urbanos regionales. Integración comercial de la Región Cusco con zonas fronterizas de Brasil. Incremento de la Actividad Minera (Antapacay, Quechua, Constanza). Mejora sustancial en el manejo y crianza de Alpacas. Carretera Cusco – Quillabamba – Quimbiri – Ayacucho – Pisco – Lima

3. 2. Deseables e inciertos • Aeropuerto internacional Cusco. • Gasoducto Sur-Andino • Planta Térmica en Quillabamba • Constr. Carretera Asfaltada: Quillabamba – Sta. María – Sta Teresa – Hidroeléctrica – Sta Teresa - Mollepata • Fabrica de Cemento • El túnel de La Verónica • Asfaltado de carret. a todas las capitales de provincia.

3. 3. Menos deseables y ciertos • Ahondamiento de la minifundización y fragmentación de la tierra agrícola. • Creciente deterioro del recurso tierra (expos. a erosión, sobre -explotación, otros) • Cultivos andinos típicos en retirada • Contaminación ambiental creciente • Escasez de agua de riego y ahondamiento de la sequedad

3. 4. Menos deseables e inciertos • Introducción de carne de bovina de Brasil, que desplazará la producción de carne de las Provincias Altas de la Región de Cusco (Espinar, Chumvibilcas, Canchis y Canas). • Inseguridad de tenencia de la tierra en el agro regional, debido al lento proceso de COFOPRI y a las dificultades propias de las comunidades campesinas.

4. Los factores de cambio en Apurímac 4. 1. Deseables y ciertos • • • Conclusión Carretera Interoceánica, tramo Iñapari – Pto. Mald. – Cusco – Abancay – Nazca. Asfaltado carr. Abancay – Andahuaylas – Ayacucho Mejoramiento del Aeropuerto de Andahuaylas Explotación yacimiento Las Bambas Canon minero por explotación de Las Bambas y el Proyecto Los Chancas Ampliación de la frontera agrícola, con irrigaciones del Plan MERISS-Apurímac Agricultura orgánica de papas y menestras (Apurímac) Mejoramiento en las técnicas de manejo de Alpacas (Antabamba, Grau, etc. ) Agro-industrialización a pequeña escala de anís en Curahuasi. Rápido crecimiento de las ciudades de Abancay y de Andahuaylas Puesta en valor del Centro Arqueológico de Choquequirao (“El otro Muchupicchu”). Consolidación de las Universidades Regionales en Apurímac

4. 2. Deseables e inciertos • • • Gasoducto Andino del Sur, tramo Cusco- Abancay – Chalhuanca y otros. Construcción de Infraestructura vial para el traslado de minerales Explotación de los yacimientos de hierro en Huancabamba Consolidación de la pequeña minería de oro y plata. Asfaltado carretera Abancay – Grau – Cotabambas Asfaltado Desvío Santa Rosa – Antabamba. Mejoramiento de la carretera Alfapata (Abancay) – Huancarama – Puente Pasaje Construcción y puesta en operación del Puerto San Juan (Nazca-Ica). Construcción del Teleférico Huanipaca-Choquequirao. Equipamiento urbano de la ciudad de Abancay (Constr. Anillo Vial y la Vía de Evitamiento). Relanzamiento de la sericultura en los valles y quebradas de Apurímac

4. 3. Menos deseables y ciertos • Cultivos andinos típicos en franca retirada. • Escasez de agua de riego y ahondamiento de la sequedad. • Creciente presencia del Estado en la Región, pero con servicios de pésima calidad, sobre todo en la educación. • Ahondamiento de la minifundización y fragmentación de la tierra agrícola. • Erosión de laderas severa por efecto de lluvias y el sobre pastoreo indiscriminado. • Importante flujo de emigración regional de la población joven

4. 4. Menos deseables e inciertos • Introducción de transgénicos en la producción de papa y maíz. • Inseguridad de tenencia de la tierra en el agro regional. • Persistencia del uso mayoritario de energía humana y energía animal en el laboreo agrícola. • Persistencia en Apurímac de la dependencia alimentaria (trigo de importación). • Renuencia a la asociatividad por parte de los productores. • Cultura cortoplacista de los políticos y la población

5. Drivers socioeconómicos a. Consultas • Mini-taller Cusco 05/10 • Mini-taller Apurímac 06/10 • Desayuno economistas Lima 06/10 b. Tipos de driver • Proceso (p) • Estructurales (e) c. Priorización Probables Deseables Cusco • � Agro-exportación (p) • �Flujo turismo (p) • IIRSA (e) Apurímac • � Migración (p) • � Rendimientos agropecuarios (p) • Las Bambas (e)

6. Escenarios Climáticos Escenarios del IPCC • • • Los escenarios de emisiones son las representaciones de la evolución futura de las emisiones de GEI. Estos se basan en un conjunto coherente de supuestos sobre las fuerzas que determinan las emisiones, como el desarrollo demográfico y socioeconómico, o la evolución tecnológica, y sobre las principales relaciones entre ellos. Los escenarios de cambio climático consisten en la representación del clima que se observaría bajo una concentración determinada de gases de efecto invernadero en la atmósfera. Los escenarios socioeconómicos describen el futuro en términos de población, de producto interior bruto y de otros factores socioeconómicos importantes para comprender las implicaciones del cambio climático sobre ellos. Mundi al

6. 1. Escenarios Climáticos - IPCC

6. 1. Escenarios Climáticos - IPCC 2030

6. 2. Escenarios Climáticos – Perú SCNCC. MINAM 2010

6. 3. Escenarios Climáticos - Regionales Temperatura • � 1ºC al 2030 • Promedio y constante • Cusco • Apurímac Precipitación • �� 10% al 2030 • Promedio y constante Eventos Extremos • ENSO del 82/83 antes del 2015. MINAM, 2010 (SCNCC) • 2 eventos importantes al 2030

III. Resultados de los Estudios

Enfoque metodológico AGREGADO TOP DOWN ESPECÍFICO BOTTOM UP

III. 1 Enfoque Top-down AGREGADO TOP DOWN

AGREGADO TOP DOWN Históricos Escenario BAU Escenario CC

1. Sector Agricultura

PBI agricultura Fuente datos PBI 1970 -2008 (INEI) 0 -3, 000 PBI Agrícola 2021 2030 2027 2024 PBI datos históricos 2018 2015 2012 2009 2006 2003 2000 1997 1994 50 1991 Apurímac 1988 100 1985 150 1982 200 1979 250 1976 300 1973 350 PBI Agrícola (Millones de soles en base 1994) 400 1970 2030 2027 2024 2021 2018 AGREGADO TOP DOWN 2015 2012 2009 2006 2003 2000 1997 1994 1991 1988 1985 1982 1979 1976 1973 1970 PBI Agrícola (Millonees de soles en base 1994) 1. 1. Sector Agropecuario: Históricos Cusco 4, 000 3, 000 2, 000 1, 000 0 -1, 000 -2, 000

1. 2. Sector Agricultura: proyección BAU AGREGADO TOP DOWN Escenario BAU Apurímac PBI agricultura Intervalo Inferior y Superior Predicción PBI Agricultura PBI Agrícola Intervalo Inferior y Superior Método econométrico: series de tiempo, datos PBI 1970 -2008 (INEI) Predicción PBI Agricultura 2030 2024 2027 2021 2018 2015 2012 2009 2006 2003 2000 1997 1994 -3, 000 1991 -2, 000 1988 0 -1, 000 1985 50 0 1982 100 1, 000 1979 150 2, 000 1976 200 3, 000 1973 250 4, 000 1970 300 PBI Agrícola (Millones de soles en base 1994) 350 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020 2022 2024 2026 2028 2030 PBI Agrícola (Millonees de soles en base 1994) 400 Cusco

1. 3. Sector Agricultura: proyección BAU con IIRSA Sur AGREGADO TOP DOWN Apurímac Cusco Escenario BAU con driver PBI Agrícola (Millones de soles en base 1994) 580 190 570 180 560 550 170 540 530 PBI agricultura Predicción PBI Agricultura corregido por IIRSA Sur 2030 2029 2028 2027 2026 2024 2025 2022 2023 2021 2020 2019 2018 2017 2016 2015 2014 2013 2012 2011 2010 2009 2008 160 520 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Agrícola (Millonees de soles en base 1994) Escenario BAU Predicción PBI Agricultura Vásquez y Bendezú (2008): por cada 10% de incremento en la inversión en infraestructura vial el PBI nacional lo hace en 0. 46%, por lo que el PBI agrícola regional aumentaría en 0. 3%. Inversión IIRSA Sur: US$ 892 millones en el transcurso de 25 años. El impacto sobre el PBI total nacional es de un incremento en 1. 5% anual (ADEX). Por lo tanto, se considera un incremento de 1% en el PBI agrícola regional anual.

1. 4. Sector Agricultura: PBI y temperatura Escenario BAU PBI agricultura Temperatura máxima Temperatura media Temperatura mínima Datos temperatura 1990 -2008 (INIE, Cuanto, SENAMHI) 2007 2006 2005 2004 2003 2002 2001 2000 0 1999 0 5 100 1998 2007 2006 2005 2004 2003 2002 2001 2000 1998 1999 1997 1996 1995 1994 1993 1992 1991 0 10 200 1997 5 300 1996 100 15 1994 10 400 1993 15 200 20 1992 20 500 1991 25 300 25 600 1990 30 400 1990 Variables climáticas Cusco PBI Agrícola (Millones de soles en base 1994) PBI Agrícola (Mill. de soles en base 1994) Apurímac 1995 AGREGADO TOP DOWN PBI Agrícola Temperatura máxima Temperatura media Temperatura mínima 0

1. 5. Sector Agricultura: PBI y precipitación Escenario BAU Apurímac 1000 800 400 600 400 100 200 500 300 400 200 300 200 100 PBI agricultura Datos precipitación 1990 -2008 (INEI, Cuanto, SENAMHI) Precipitación PBI Agrícola 2007 2006 2005 2004 2003 2002 2001 2000 1999 1997 1996 0 1995 0 mm 1994 2007 2006 2005 2003 2004 2002 2001 2000 1999 1998 1997 1996 1995 1994 1993 1992 1991 0 600 1993 50 700 1992 150 800 1991 200 900 1990 250 1000 600 500 300 1990 PBI Agrícola (Mill. soles en base 1994) 350 PBI Agrícola (Mill. soles en base 1994) 1200 400 Precipitación Variables climáticas Cusco 1998 AGREGADO TOP DOWN 0 mm

1. 6. Sector Agricultura AGREGADO TOP DOWN Escenario BAU Modelo econométrico: Dell et al, 2008 Escenario CC Impacto de variaciones climáticas (TºC y Pp) sobre la producción (nivel y tasa de crecimiento) Donde: Yit = producción agregada, L = población, A = productividad, T = indicador climático. β = captura el “efecto de nivel” de la variable climática (efecto directo en el nivel de producción) γ = captura el efecto del clima sobre el crecimiento (vía la productividad)

1. 7. Sector Agricultura: resultados AGREGADO TOP DOWN Variable climática que impacta significativamente: temperatura máxima Escenario BAU Escenario CC Cusco 180 170 160 150 140 130 PBI Potencial PBI CC 590 570 550 530 510 490 470 450 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Agrícola (Millones de Nuevos soles en base 1994) 190 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Agrícola (Millones de Nuevos soles en base 1994) Apurímac Método econométrico: panel de PBI sectorial regional, datos de temperatura y precipitación datos 1990 -2008 (INEI, Cuanto, SENAMHI) PBI Potencial PBI CC

1. 7. Sector Agricultura: resultados AGREGADO TOP DOWN Variable climática que impacta significativamente: temperatura máxima Escenario BAU con driver Escenario CC Cusco 180 170 160 150 140 130 PBI Potencial con Driver PBI CC 590 570 550 530 510 490 470 450 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Agrícola (Millones de Nuevos soles en base 1994) 190 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Agrícola (Millones de Nuevos soles en base 1994) Apurímac PBI Potencial con Driver Tasa de crecimiento del PBI agrícola varia en -1. 7% por cada incremento en 1°C. Esto representa una caída del 23% del PBI en el año 2030 PBI CC

2. Sector Transporte

0 1973 1970 PBI Transporte 2006 2003 2000 1997 1994 1991 1988 1985 1982 1979 1976 Predicción PBI transporte 2030 2027 2024 2021 2018 2015 2012 2009 PBI Transporte (Millones de soles en base 1994) 70 60 50 40 30 20 10 PBI Transporte (Millones de soles en base 1994) 0 PBI Transporte 2030 2027 2024 2021 AGREGADO TOP DOWN 2018 Cusco 2015 2012 2009 2006 2003 2000 1997 1994 1991 1988 1985 Apurímac 1982 1979 1976 1973 1970 2. 1. Sector Transporte Históricos Escenario BAU 700 600 500 400 300 200 100 Predicción PBI Transporte

2. 2. Sector Transporte AGREGADO TOP DOWN Variable climática que impacta significativamente: precipitación Escenario BAU Escenario CC Apurímac Cusco 39 PBI Transportes (Millones de Nuevos soles en base 1994) 550 37 500 35 450 33 400 31 29 Tasa decrecimiento del PBI transportes varia en -0. 001% por cada incremento en 1 mm Esto representa una caída del 1. 45% y 1% del PBI en el año 2030, en Apurímac y Cusco respectivamente 2030 2029 2028 2027 2026 2025 PBI CC 2024 2023 2022 2021 2020 PBI Potencial 2019 2018 2017 2016 2015 2014 2013 2012 2011 300 2010 2030 2029 2027 PBI CC 2028 2026 2025 2023 2024 2022 2021 2020 PBI Potencial 2019 2018 2016 2017 2015 2014 2013 2011 2012 2010 2009 27 2009 350

2. 3. Sector Transporte AGREGADO TOP DOWN Driver – Las Bambas 90 80 70 60 50 40 30 20 10 0 Predicción PBI Transportes Escenario CC 100 90 80 70 60 50 40 30 20 10 0 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Tranpsortes (Mill. de soles en base 1994) 100 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Tranpsortes (Mill. de soles en base 1994) Apurímac Escenario BAU con driver Predicción PBI Transportes PBI transporte presenta sensibilidad frente al Canon. No obstante, el impacto frente al aumento en precipitaciones persiste aunque levemente por el efecto escala de Las Bambas. El impacto del canon minero sobre el PBI transporte se ha calculado usando la elasticidad del PBI respecto al canon (suponiendo que el canon se usa para inversión en infraestructura)

3. Sector Turismo y Hotelería

1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020 2022 2024 2026 2028 2030 PBI Hoteles y restaurantes (Millones de nuevos soles de 1994) 3. 1. Sector Turismo AGREGADO TOP DOWN Históricos Cusco PBI Hoteles y restaurantes Escenario BAU 600 500 400 300 200 100 0 Predicción PBI Hoteles y Restaurantes

3. 2. Sector Turismo proyección BAU con IIRSA Sur AGREGADO TOP DOWN Escenario BAU con driver PBI Hoteles y restaurantes (Millones de nuevos soles de 1994) Cusco Escenario BAU 390. 00 370. 00 350. 00 330. 00 310. 00 290. 00 270. 00 2030 2029 2028 2027 2026 2025 2024 2023 2022 2021 2020 2019 2018 2017 2016 2015 2014 2013 2012 Predicción PBI Hoteles y Restaurantes 2011 2010 2009 2008 250. 00 Según la Cámara Nacional de Turismo (CANATUR) la IIRSA Sur traerá un incremento en el flujo de turistas de 120, 000 personas. Esto representa un incremento de 13% respecto de los niveles actuales de turistas que llegan a Cusco. Por otro lado, el PBI de Restaurantes y Hoteles de Cusco presenta una elasticidad de 0. 75 respecto al número de turistas. Así, se produciría un incremento de 10% en el PBI debido al incremento del flujo turístico.

3. 2. Sector Turismo proyección BAU con IIRSA Sur y CC AGREGADO TOP DOWN Escenario BAU con driver Variable climática que impacta significativamente: precipitación Escenario CC PBI Apurímac( Millones de nuevos solesen base 1994) Cusco 390 370 350 330 310 290 270 2030 2029 2028 2027 PBI CC 2026 2025 2024 2023 2022 2021 2020 2019 PBI Potencial 2018 2017 2016 2015 2014 2013 2012 2011 2010 2009 250

4. Sector Minería

PBI Minero (Millones de nuevos soles de 1994) -50 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020 2022 2024 2026 2028 2030 4. 1. Sector Minería AGREGADO TOP DOWN Históricos Apurímac PBI Minería Predicción PBI minero Escenario BAU 90 70 50 30 10 -30 Intervalo Inferior y Superior IIRSA ? ? ?

4. 2. Sector Minería proyección BAU con Las Bambas AGREGADO TOP DOWN Escenario BAU Apurímac Escenario BAU con driver 2, 000 1, 600 1, 400 1, 200 1, 000 800 600 400 2030 2029 2028 2027 2026 2025 2024 2023 2022 2021 2020 2019 2018 2016 2017 2015 2013 2014 2012 2011 2010 0 2008 2009 PBI Minero (Millones de nuevos soles de 1994) 1, 800 Predicción PBI minero Se estima que la producción anual de las Bambas será de 400 mil toneladas de cobre. El precio actual es de aproximadamente 8. 3 mil dólares la tonelada. Así, los ingresos anuales sería de aproximadamente de 3. 3 millones de dólares. Suponiendo que los costos indirectos son aproximadamente 60% del VBP (Orihuela, 2008), se estima que a nuevos soles constantes de 1994, el incremento en el PBI minero de Apurímac sería, en el año 2018 varias veces su valor en el 2017.

4. 2. Sector Minería proyección BAU con Las Bambas y CC Variable climática que impacta significativamente: precipitación Escenario BAU con driver Escenario CC Apurímac 2000 1800 PBI Apurímac( Millones de nuevos solesen base 1994) 1600 1400 1200 1000 800 600 400 200 PBI Potencial PBI CC 2030 2029 2028 2027 2026 2025 2024 2023 2022 2021 2020 2019 2018 2017 2016 2015 2014 2013 2012 2011 2010 0 2009 AGREGADO TOP DOWN

III. 2 Enfoque Bottom-up ESPECIFICO BOTTOM UP

ESPECIFICO BOTTOM UP

1. Sector Agricultura

1. 1. Sector Agricultura AGREGADO TOP DOWN ESPECIFICO BOTTOM UP Modelo econométrico: Estrada, 2006 y Chang, 2002 Datos de SENAMHI (1970 -2000): por estación del año, por tanto relación con la fenología de los productos

1. 1 Papa - Cusco ESPECIFICO BOTTOM UP a) Importancia económica y sobre la seguridad alimentaria b) Zonas productoras: Quispicanchi (14%), Paucartambo (13%) y Urubamba (13%), Espinar (9%), Anta (9%) c) Supuestos climáticos futuros: ΔT=1°C, Δpp=10% d) Resultados (variables significativas) y fenología: Las variables significativas son: - Precipitación de invierno: impacto negativo se encuentra en época de cosecha, el exceso de humedad podría causar efectos negativos por presencia de plagas por ejemplo - Precipitación otoño: impacto positivo la humedad contribuye a manejar los rangos de temperatura necesarios para la etapa de tuberización (entre 8 y 12°C) - Temperatura mínima de verano: impacto negativo en los inicios de la tuberización esto puede afectar a la formación de los estolones e) Pérdidas en nivel de producción: 5% (asumiendo precios constantes) Si los precios bajan entonces las perdidas serán mayores.

1. 4 Papa - Apurímac ESPECIFICO BOTTOM UP a) Importancia económica y sobre la seguridad alimentaria b) Zonas productoras: Andahuaylas (63%), Cotabambas (12%), Abancay (6%) c) Supuestos climáticos futuros: ΔT=1°C, Δpp=10% d) Resultados (variables significativas) y fenología: Las variables significativas son: - Temperatura media de otoño: impacto negativo las elevaciones de temperaturas medias en otoño desfavorecen a la fase de tuberización de la planta (se requiere una temperatura de entre 8 y 12°C) - Precipitación primavera: impacto positivo favorece la época de la siembra e) Incremento en el nivel de producción: 12%

1. 2 Maíz - Cusco SECTORIAL BOTTOM UP a) Importancia económica y sobre la seguridad alimentaria b) Zonas productoras: Anta (19%), Paucartambo (14%), Urubamba (12%) y Calca (13%) c) Supuestos climáticos futuros: ΔT=1°C, Δpp=10% d) Resultados (variables significativas) y fenología - Precipitación de verano: impacto negativo pues en las primeras fases del periodo reproductivo se puede favorecer la presencia de enfermedades fitopatógenas - Temperatura media de verano: impacto negativo temperaturas elevadas (por encima de la temperatura crítica de 16°C) pueden afectar el desarrollo del cultivo en esta etapa reproductiva - Temperatura media de invierno: impacto positivo favorece la época de cosecha pues temperaturas muy bajas pueden afectar al cultivo en su última fase de maduración e) Pérdidas en nivel de producción: 60%

1. 3 Café - Cusco ESPECIFICO BOTTOM UP a) Importancia económica en agroexportación b) Zona productora: La Convención c) Supuestos climáticos futuros: ΔT=1°C, Δpp=10% d) Resultados (variables significativas) y fenología - Precipitación en otoño: impacto negativo durante la post-cosecha una vez llenado el grano se requieren hora de sol para que se seque, incrementos de la lluvia afectan esta fase de secado e) Reducción en el nivel de producción: 22%

1. 4. Comparación Top-down y Bottom-up SECTORIAL BOTTOM UP 590 570 Pérdida 23% 550 530 • Pp invierno (-) • Pp otoño (+) • TºC verano (-) Pérdida 5% 510 490 470 450 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Agrícola (Millones de Nuevos soles en base 1994) Cusco PBI Potencial con Driver PBI CC Papa Maíz • Pp verano (-) • TºC invierno (+) • Pérdida 60% • Pp Otño (-) • Pérdida 22% Café

1. 5. Ganancias de agricultores Modelo econométrico: Deschênes, 2007 Donde: ESPECIFICA BOTTOM UP π = beneficio o ganancia del agricultor por su actividad agraria T = indicadores climáticas x = variables de control (número de parcelas, extensión de cada parcela, porcentaje de tierras propias, de tierras con cultivos permanentes, porcentaje de tierras con riego tecnificado) ε = error que recupera las variables omitidas Fuentes de datos: Encuesta Nacional de Hogares 2007 SENAMHI: Promedio 1970 -2000. Datos en formato raster (temperatura por estación del año) y en formato shape (precipitaciones por estaciones del año) se trabajaron para aparejar a cada agricultor las correspondientes variables climáticas

1. 5. Ganancias de agricultores Apurímac Cusco Variable climática significativa • Temperatura máxima de verano • Temperatura máxima de otoño • Precipitación mínima invierno • Precipitación máxima invierno Coeficiente • 0. 473 • -0. 558 • 0. 008 • -0. 005 Interpretación • Un aumento en un grado incrementaría en 47% los beneficios • Un aumento en un grado reduciría en 58% los beneficios • Un aumento en 1 mm de precipitación aumenta en 8% los beneficios • Un aumento en 1 mm de precipitación reduce en 5% los beneficios ESPECIFICA BOTTOM UP

1. 5. Ganancias de agricultores SECTORIAL BOTTOM UP Cusco • Un aumento en 1 mm de precipitación mínima aumenta en 8% los beneficios • Un aumento en 1 mm de precipitación máxima reduce en 5% los beneficios

2. Sector Transporte

2. 1. Zonas de riesgos y Sistema vial (C) Bibliografía y Fuentes • • • Mill & Andrey. Climate Change and Transportation: Potential Interactions and Impacts Atkins, Association for European Transport and contributors 2006. Impacts of climate change on London´s transport system MINAM, 2010. SCNCC –Corredor vial norte 960 km – Costo indirecto: US$ 793 mil/día MTC. Plan Intermodal de Transporte 2005 Comisión Multisectorial de Reducción de Riesgos y Desastres, 2004: zonas significativas – – Deslizamientos tramo Quellococha - Quebrada Honda Deslizamientos y derrumbes carretera Abancay Cusco Huaycos Zona Quincemil, Quispicanchi y la Convención Huaycos microcuenca de Río Vilcanota, Urubamba ESPECIFICO BOTTOM UP

2. 1. Zonas de riesgos y Sistema vial (C) Fuentes • Predes – Bases de datos: Desinventar (1970 -2006) e Indeci (2003 -2009) ESPECIFICO BOTTOM UP

2. 1. Zonas de riesgos y Sistema vial (C) ESPECIFICO BOTTOM UP Fuentes • Mapa de peligros para la ciudad de Cusco. Centro Guamán Poma de Ayala, 2010 Sub-cuenca del Huatanay ESPECI FICO BOTTO M UP - Aluviones - Deslizamientos - Inundaciones 60 de las 100 desastres fueron climatológicos

2. 2. Tramos identificados Tramo 4 Abra Málaga. Carrizales-Alfamayo: 17 km. Deslizamientos. conexión con la Convención (café) ESPECIFICO BOTTOM UP Tramo 3 Quincemil - Pte. Iñabari: 20 km. Nevado Ausangate. IIRSA Tramo 1 Limatambo - Pte. Cunyac: 18 km. Deshielo Nevado Salcantay IIRSA Tramo 2 Sub cuenca Huatanay, Cusco-Lucre -Huacarpay: 25 km. Inundaciones. IIRSA

2. 3. Daños Económicos Impactos por daños en carretera Reparación Tramo 1 Limatambo - Pte. Cunyac: 18 km. Nevado Salcantay - IIRSA SNIP Cusco/ Apurímac 90 mil soles/km Tramo 2 Sub cuenca Huatanay, Cusco-Lucre: 25 km Deslizamientos - IIRSA SNIP Cusco/ Apurímac 90 mil soles/km Tramo 3 Quincemil - Pte. Iñabari: 20 km. Nevado Ausangate. IIRSA SNIP Cusco/ Apurímac 90 mil soles/km Tramo 4 Abra Málaga. Carrizales-Alfamayo: 17 km. Huaicos - Convención SNIP Cusco/ Apurímac 90 mil soles/km Atención emergencia IIRSA Norte US$. . . /m => ≠ Andes Mayor tiempo de viaje MEF valor social del tiempo 1. 67 soles/día ESPECIFICO Flujo BOTTOM UP ESPECIFICO BOTTOM UP bien/servc. Personas ? Agricultor ? Comercio? Costo por cada km dañado Costo por tramo dañado

3. Sector Turismo

3. 1. Eventos extremos y el turismo Bibliografía y Fuentes • Urbina Ruiz, 2010. Impactos del cambio climático en la actividad turística del Perú. – • • Alto impacto en turismo relacionado a manglares y zonas glaciares. Incertidumbre en probabilidad de eventos extremos en zonas turísticas MINAM, 2010. SCNCC: Ocurrencia de un ENSO de la magnitud del 82/83 antes del 2015 ESPECIFICO BOTTOM UP

3. 2. Caso turismo en Cusco Caso Inundaciones Machu Picchu ESPECIFICO BOTTOM UP MINCETUR, 2010

3. 2. Caso turismo en Cusco ESPECIFICO BOTTOM UP 90, 000 80, 000 70, 000 60, 000 50, 000 40, 000 30, 000 20, 000 10, 000 Enero Abril Julio Octubre Enero Abril Julio Octubre Enero Abril Julio 0 Total turistas 2004 Turistas 2005 extranjeros 2006 Linear(Turistas Nacionales ) Turistas Nacionales Linear(Total 2008 turistas ) 2007 2009 2010 Linear(Turistas extranjeros ) MINCETUR, 2010

3. 3. Análisis económico y supuestos Caso Inundaciones Machu Picchu • Inundaciones en Cusco – Cierre de turismo en Machu Picchu – – • Santuario Histórico (ANP. F. León): – – • Observatorio Nacional de Turismo. 0. 64% PBI Nacional Asociación de Agencias de Turismo de Cusco: Agencias de viaje y turismo pierden US$1 millón diarios + daño social colateral: 175, 000 cusqueños viven de esta actividad ingresos ticket Efecto Multiplicador Supuesto: ocurrencia de eventos magnitud Machu Picchu 2 veces al 2030 ESPECIFICO BOTTOM UP

2013 2012 2011 2010 2009 PBI Potencial 2023 2022 2021 2020 2019 2018 2017 2016 2015 2014 PBI CC PBI Potencial 2023 2022 2021 2020 2019 2018 2017 2024 PBI CC 2028 2030 2029 Integrar Top down y Bottom up 2027 2026 2025 250 2016 270 2015 290 2013 310 2014 330 2012 350 2011 370 2010 390 PBI Apurímac( Millones de nuevos solesen base 1994) PBI Turismo Cusco 2009 2030 2029 2028 2027 2026 2025 2024 PBI Apurímac( Millones de nuevos solesen base 1994) 3. 3. Análisis económico y supuestos ESPECIFICO BOTTOM UP PBI Turismo Cusco + Eventos 390 370 350 330 310 290 270 250

4. Sector Minería

4. 1. Impacto del CC y Minería ESPECIFICO BOTTOM UP Consideraciones a) Impactos en la infraestructura b) Daños a las vías de acceso (insumos y productos finales) c) Paralizaciones debido a conflictos socio-ambientales (recursos hídricos) d) Reducción de la disponibilidad hídrica • • CBC. Estudio del PACC sobre conflictos Conflictos por agua Defensoría del Pueblo Minería en Sudamérica se relaciona a estrés hídrico y disponibilidad del recurso En Perú daños por eventos

4. 2. Análisis económico y supuestos Paralizaciones Las Bambas – impacto indirecto del CC • • • Producción Xstrata (2014): 400, 000 TM/año Precio = US$ 8, 000/TM Costos de insumos 60% Ingresos = US$ 3, 63 millones de dólares/día (valor constante 1994) Comparación – – • ESPECIFICO BOTTOM UP Shougan (hierro) = 0. 5 millones de dólares /día Tintaya (cobre) = US$ 100 mil dólares /día (2005). Supuesto: paralizaciones no solo por conflicto socioambientales por agua también por daños a carreteras de acceso (como en caso turismo) Xstrata, 2004. Evaluación Ambiental Las Bambas

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2000 1800 1600 1400 1200 1000 800 600 400 200 PBI Apurímac( Millones de nuevos solesen base 1994) PBI Minería Apurímac 0 PBI Potencial PBI CC 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 PBI Apurímac( Millones de nuevos solesen base 1994) 4. 3. Análisis económico y supuestos Integrar Top down y Bottom up ESPECIFICO BOTTOM UP PBI Minería Apurímac + Eventos 1600 1400 1200 1000 800 600 400 200 0 PBI Potencial PBI CC

Discusión - Conclusiones

Conclusiones 1. 2. 3. 4. 5. 6. Sector agropecuario es sensible a la TºC, pues por cada 1ºC de incremento, la tasa de crecimiento del PBI agrícola se reduce en -1. 7%. Al 2030 se registra una caída del 23% del PBI para ambas regiones Cifras del enfoque específico (bottom up) confirman el orden de magnitud de los estimados en el enfoque agregado de PBI agropecuario (top down), es decir, la pérdida de 5% en papa, 60% en maíz, y 22% en café (caso Cusco) , confirman una reducción del 23% en PBI agrícola. Las tendencias de la pérdida en el sector agrícola son marcadas, si no se implementan medidas de adaptación puede impactar drásticamente el sector. Transporte es sensible a la precipitación, con una caída del 1% del PBI en el año 2030 para el Cusco, pero considerando que hay una correlación entre Canon minero y la inversión en transporte, el impacto del CC en el PBI de transporte para Apurímac sería ínfimo considerando la entrada en producción de Las Bambas. El turismo no reflejaría una pérdida marcada debido a la precipitación; aunque si lo tendría con respecto a eventos extremos exacerbado por el CC. La crisis financiera internacional influenciaría más en las visitas de turistas extranjeros que los mismos eventos extremos provocados por el CC.

Conclusiones 7. Ciertos agricultores pequeños incrementarían o afectarían sus ingresos, dependiendo de aumentos en la precipitación mínima o máxima así como por su ubicación (en zonas de secas o húmedas) caso Cusco 8. El transporte, el turismo y la minería tendrían mayor sensibilidad a los impactos por eventos extremos exacerbados por el CC que a las otras variables climáticas estudiadas, por lo que escenarios para proyectar sus ocurrencias y frecuencias serían muy importantes en la planificación y desarrollo de dichos sectores. 9. Se pueden estimar daños en ciertos tramos carreteros, estimar los costos del impacto en sitios turísticos en Cusco, o calcular los potenciales días perdidos en la producción minera de Las Bambas debido a conflictos exacerbados por el CC; pero se harían bajo supuestos de ocurrencias e intensidades de eventos extremos (inundaciones , deslizamientos), que pueden ser discutidos o criticados. 10. La región Apurímac y el Cusco enfrentarían cambios importantes debido a la entrada en funcionamiento de l proyecto minero Las Bambas , lo cual demandará un análisis más allá de cambio climático.

Gracias por su atención