DIRECCIÓN GENERAL DE INVESTIGACIÓN SOBRE CAMBIO
CLIMÁTICO
Pronostico Climático Estacional Regionalizado para la Republica
Mexicana como elemento de Reducción de Riesgo ante Cambio
Climático
REPORTE TÉCNICO FINAL DE TRABAJO
Número de proyecto: INE/A1-006/2007
Pronóstico climático estacional regionalizado para la Republica
Mexicana como elemento para la reducción de riesgo, para la
identificación de opciones de adaptación al cambio climático y para la
alimentación del sistema: cambio climático por estado y por sector
Duración: 6 meses
Preparado por: Víctor Magaña y Ernesto Caetano
Fecha. Noviembre 2007
Antecedentes
En México, es necesario trabajar en materia de adaptación al cambio climático dada la alta vulnerabilidad de diversos sectores socioeconómicos a extremos en el clima. Los bosques, la agricultura, pero principalmente el sector agua, se verán afectados por los aumentos en temperatura que podrán variar entre 2 y 4°C hacia finales de siglo, con mayores aumentos en el norte de México. La respuesta de los humanos al cambio climático puede ser reactiva o preventiva. La mejor forma de prevenir los desastres asociados al cambio climático será mediante una estrategia de adaptación preventiva, flexible y participativa.
Para poder actuar en materia de adaptación es preciso desarrollar estudios que permitan determinar la vulnerabilidad de los sectores, grupos o regiones al cambio climático. Dicha evaluación se consigue preguntándose: ¿quiénes son vulnerables?, ¿vulnerables a qué? y ¿por qué? Bajo este esquema, se logra definir el riesgo, pues se determinan los elementos que los conforman: la amenaza y la vulnerabilidad. La historia de impactos a condiciones extremas al clima permite identificar aquellos elementos climáticos que al rebasar un umbral crítico resultan en desastre. En este sentido, se vuelve importante trabajar en la generación de escenarios de las condiciones que constituyen una amenaza y que pudieran llevar al desastre.
Por otra parte, la vulnerabilidad frente a la variabilidad natural del clima y a los efectos del cambio climático está relacionada con factores como el crecimiento poblacional, la pobreza, las condiciones de salud pública, la proliferación de asentamientos en lugares de alto riesgo, la intensificación industrial, el deterioro y las carencias de infraestructura o equipamiento territorial; y con los efectos locales acumulados por los procesos de deterioro ambiental. Los factores de exposición y de vulnerabilidad son los que determinan que un mismo evento peligroso pueda ocurrir sin generar prácticamente daños o bien desencadenar un desastre de grandes proporciones
Una de las tareas fundamentales en la generación de capacidad para la adaptación, como medida de la reducción de vulnerabilidad, es la generación de conocimiento sobre el riesgo climático para la toma de decisiones. En este sentido resulta fundamental conocer los factores climáticos que se constituyen en amenaza y que aumentan el riesgo. Construir capacidades de adaptación implica desarrollar habilidades de un sistema para ajustarse al cambio climático, a la variabilidad y a los extremos climáticos, a fin de moderar los daños potenciales, tomar ventaja de las oportunidades (como la ocurrencia de lluvias extraordinarias), o enfrentar las consecuencias de éste, o sea requiere gestionar el riesgo. Se adaptan las instituciones de gobierno y las privadas, así como los sectores e incluso los socioecosistemas. En la medida que se desarrollen capacidades de adaptación frente al problema global que nos ocupa, se puede reducir la vulnerabilidad del país. Así, diseñar y construir capacidades nacionales de adaptación es un elemento indispensable y urgente en la planeación del desarrollo que no debe dejar de lado las necesidades locales de planeación, prevención y respuesta.
Es importante que toda iniciativa de desarrollo socioeconómico considere los riesgos asociados con el cambio climático y reconozca que la base última de la sustentación de la vida humana. Capacidades de adaptación ante el cambio climático es la generación de conocimiento estratégico para la toma de decisiones. También es indispensable traducir los conocimientos científicos en información comprensible y aplicable al diseño de
políticas públicas. Resalta la urgencia del uso expedito de la información climática y en particular de los pronósticos del clima para el diseño de políticas enfocadas a la adaptación al cambio climático. Aún con las imprecisiones propias de un sistema de pronóstico, la información puede valer millones de dólares cuando se aprovecha en la toma de decisiones. En diversos países los sectores como el de la administración del agua, la agricultura o la energía trabajan con pronósticos del clima desde hace más de una década.
Los escenarios de cambio climático regional
Actualmente existe gran confianza en que el incremento de las concentraciones atmosféricas de gases de efecto invernadero (GEIs) producirá un incremento de la temperatura global. Sin embargo, la estimación de cómo las altas concentraciones de esos gases pueden afectar los climas regionales tiene una confianza muy baja y está acompañada de numerosas incertidumbres. También es incierto cómo los cambios climáticos podrían variar (IPCC 1990, 1992) y cómo serán las futuras condiciones socioeconómicas y ambientales. Por todo esto, para realizar proyecciones confiables de cambios climáticos a escala regional es necesario realizar estimaciones de la incertidumbre asociada.
A pesar del reto de valorar la incertidumbre, resulta necesario ofrecer una idea de cómo podrían verse afectados los ecosistemas actuales, la vida humana o la economía, ofreciendo un poco de claridad a los tomadores de decisiones, para los cuales, la componente científica de este problema resulta a veces tan compleja y oscura, que puede tornarse irrelevante. Por ello, en lugar de predicciones, se utilizan representaciones del clima futuro, las cuales se pueden utilizar para determinar cuándo un sector específico es potencialmente vulnerable al cambio climático, o para identificar los límites, en que los impactos se hacen negativos o severos. A tales representaciones del clima futuro se les ha denominado escenarios de cambio climático y pueden definirse como: “Una representación del clima futuro que es internamente consistente, que ha sido construida empleando métodos basados en principios científicos y que puede ser utilizada para comprender las respuestas de los sistemas medio ambientales y sociales ante el futuro cambio climático”.
Existe una gran variedad de métodos para crear los escenarios de cambio climático que se pueden agrupar en: escenarios sintéticos (también conocidos como incrementales), análogos, y aquellos que pueden construirse a partir de las salidas de los modelos de circulación general (GCM). Entre esos grupos, la variante más utilizada hasta el momento ha sido la de los GCM, debido a que ellos constituyen las mejores herramientas científicas para proyectar el clima futuro. Los GCM son representaciones numéricas tridimensionales, que se emplean para simular el comportamiento del sistema climático global (incluyendo la atmósfera, los océanos, la biosfera, la criosfera y la superficie terrestre). Los resultados de los experimentos desarrollados con GCM pueden ser combinados con las salidas de modelos climáticos más simples para poder evaluar los resultados de los primeros, bajo una gran variedad de supuestos sobre las futuras emisiones de gases de efecto invernadero.
Los escenarios presentados en el 4º. Informe de Evaluación del Panel Intergubernamental para Cambio Climático (AR4-IPCC), se centran en proyecciones regionales de temperatura y precipitación. Sin embargo, la estructura regional se
desarrollo para extensiones de nivel casi continental, como fue Norte América, Europa o África. Con tal resolución espacial es difícil pasar a la definición de acciones de adaptación para una cuenca o ecosistema particular. Es por ello, que se ha vuelto relevante el preparar escenarios de mucha mayor definición espacial y temporal.
La creación de los escenarios de cambio climático es una de las etapas más importantes dentro de los estudios de riesgo ante cambio climático, pues de ellos depende la dirección de los resultados de la evaluación. La selección de los escenarios debe ser una decisión balanceada y cuidadosamente planeada. Los escenarios de cambio climático deben ser seleccionados para brindar información que sea: fácil de obtener o derivar; suficientemente detallada para ser utilizada en los estudios de impacto; representativa del rango de incertidumbres de las proyecciones y; físicamente consistente en el sentido espacial. En la práctica, sin embargo, es difícil poder reunir todas esas características en un escenario, pues la representación de ellas depende, en buena medida, del método que se emplee en la creación del escenario.
Para el presente análisis se ha optado por utilizar el esquema conocido como Climate Predictability Tool (CPT) que permite relacionar patrones de gran escala con condiciones regionales del clima. El IRI desarrolló el CPT para aprovechar las salidas de los modelos de circulación general y estimar con mayor detalle condiciones regionales del clima, es decir, para predicciones de alta resolución espacial. La llamada CPT aprovecha la física de los modelos de circulación general reduciendo su escala espacial mediante esquemas estadísticos. El CPT provee un paquete de Windows que, además de las predicciones estadísticas, realiza validación del modelo. Este software trabaja a través de análisis de correlaciones canónicas y de regresión por componente principales (funciones empíricas ortogonales) en cualquier base de datos. El CPT se basa en un esquema de ajuste de las salidas de modelo, siguiendo el prototipo conocido como Model Output Statistics (MOS), que corrige los errores sistemáticos de los modelos de circulación general como ECHAM o CCM3 para producir predicciones estacionales. Las predicciones también se pueden construir utilizando campos de temperatura de superficie del mar pronosticadas e incluso diagnosticadas. La suposición más importante para utilizar CPT es inherente a todas la técnicas estadísticas en las que se supone que la relación entre el campo de gran escala de baja resolución y el de alta resolución permanece constante. Dicha condición obviamente no considera los cambios repentinos o “sorpresas climáticas”.
En el caso de generación de escenarios de cambio climático regional se utilizó CPT para campos totales, es decir, no se trabajó con la anomalía climática sino que se calculó la diferencia con respecto de un periodo base (1980-1999) y se estimaron climatologías de veinte años para el presente siglo con el fin de determinar las anomalías. Adicionalmente, se analizaron las tendencias de temperatura y precipitación para zonas particulares que permite comparara las velocidades y magnitudes de cambio para el presente siglo.
El estudio de escenarios de cambio climático regionales utilizando CPT permite generara gran cantidad de experimentos en relativamente poco tiempo, alrededor de 5 minutos para una regionalización de doscientos años (cien del clima del siglo pasado y cien para el siglo presente), utilizando campos medios mensuales. Esta técnica de generación de escenarios de cambio climático regionales tiene por ello ventajas y desventajas:
Ventajas:
1) Es computacionalmente económica y por ello permite hacer gran número de regionalizaciones
2) Permite la estimación de incertidumbre, medida a través de la dispersión entre regionalizaciones
3) Dependiendo de la escala espacial del campo observado de referencia (eg. 0.5° X 0.5°) se pueden realizar regionalizaciones a la medida de las necesidades del usuario
4) Se puede implementar para prácticamente cualquier variable climática
5) Es relativamente fácil visualizar los campos y tendencias para el periodo del experimento del GCM
6) Se pueden realizar evaluaciones del modelo comparando con la tendencia de los últimos veinte o treinta años a escala regional considerando la incertidumbre asociada a las diferencias entre modelos
7) Se puede analizar el plazo para el cual se desea el escenario de cambio climático regional
Desventajas:
1) Parte de la hipótesis de que las relaciones de baja resolución a alta resolución no cambian
2) Se debe considerar los errores de reducción de escala en el esquema CPT
3) No permite análisis de eventos extremos de manera directa porque no construye campos diarios
4) Requiere de un generador de tiempo estocástico para estimar cambios en la actividad de eventos hidrometeorológicos extremos.
5) Requiere preparar los campos de los experimentos de GCM (eg. AR4-IPCC) para insertar a CPT
La herramienta CPT se puede comparar con los resultados de modelos numéricos dinámicos de alta resolución, como el Simulador de la Tierra o el PRECIS del Hadley Centre para estimar las diferencias de resultado asociadas con el uso de dos técnicas diferentes de regionalización.
Resultados
El procesamiento de la información para regionalizar escenarios parte de las simulaciones realizadas para el AR4 del IPCC y considera
i) Para el escenario A1B se cuenta con 24 GCMs para el periodo 1900-2300 en casi todos los modelos
ii) Para el escenario A2 se cuenta con 19 GCMs para el periodo 2000-2100 en casi todos los modelos
iii) Para el escenario B1 se cuenta con 20 GCMs para el periodo 2000-2300 en casi todos los modelos
iv) Para el escenario de compromisos de reducción de emisiones (commited) se cuenta con 17 GCMs para 2000-2100 en casi todos los modelos
TABLA 1
Please note
The IPCC-DDC data archive contains data sets that have beem stored at the IPCC Model Output Archive at PCMDI after September 1. 2006 . Thus these data may not have contributed to the results of the IPCC - Fourth Assessment Report (AR4). This concernes individual data sets or even complete experiments.
Experiments that contain data sets which became available from the PCMDI archive after 1. September 2006 and do not have an intetrnal information about a processing data prior to 1. September 2006 are marked by a blue colored cell box. Please have a look into the Quality (meta-data) information for more details.
Center Acronym Center Model COM- MIT cntrl PI- 20C3M A2 A1B B1 1%-2X 1%- 4X data add.
Beijing Climate Center China
BCC CM1 run_1 run_1 run_1 run_1
Bjerknes Centre for Climate Research Norway
BCCR BCM2.0 run_1 run_1 run_1 run_1 run_1
CGCM3 (T47
resolution) run_1 run_1
run_1 run_1 run_2
run_1 run_2
run_1
run_2 run_1 run_1 Canadian Center for Climate Modelling and Analysis Canada CCCma CGCM3 (T63
resolution) run_1 run_1 run_1 run_1
Centre National de Recherches Meteorologiques France
CNRM CM3 run_1 run_1 run_1 run_1 run_1 run_1 run_1 run_1
Australia's Commonwealth Scientific and Industrial Research Organisation Australia
CSIRO Mk3.0 run_1 run_1 run_1 run_1 run_1 run_1 run_1
Institut for Meteorology Germany
run_2 run_2 run_2 set of md" Meteorological Institute, University of Bonn, Germany Meteorological Research Institute of KMA, Korea Model and Data Groupe at MPI-M, Germany
MIUB
METRI
M&D
ECHO-G run_1 run_1 run_1 run_1 run_2
run_1 run_2
run_1
run_2 run_1 run_1
Institude of Atmospheric Physics China
LASG FGOALS-g1.0 run_1 run_1 run_1 run_1 run_2
run_1
run_2 run_1
CM2.0 run_1 run_1 run_1 run_1 run_1 run_1 run_1 run_1 Geophysical Fluid
Dynamics Laboratory USA
GFDL
CM2.1 run_1 run_1 run_1 run_1 run_1 run_1 run_1 run_1
AOM run_1 run_1 run_1
run_2 run_1 run_2
E-H run_1 run_1 run_1 run_1 Goddard Institute
for Space Studies USA
GISS
E-R run_1 run_1 run_1 run_1 run_1
run_2 run_1 run_1 run_1
Institute for Numerical Mathematics Russia
INM CM3.0 run_1 run_1 run_1 run_1 run_1 run_1 run_1 run_1
Institut Pierre Simon Laplace France
MIROC3.2 hires run_1 run_1 run_1 run_1 run_1 National Institute for Environmental Studies Japan NIES
MIROC3.2 medres run_1 run_1 run_1 run_1 run_2
run_1 run_2
run_1
run_2 run_1 run_1
Meteorological Research Institute Japan
MRI CGCM2.3.2 run_1 run_1 run_1 run_1 run_2
run_1 run_2
run_1
run_2 run_1 run_1
PCM run_1 run_1 run_1 run_1 run_2
run_1 run_2
run_1
run_2 run_1 run_1 National Centre
for Atmospheric Research USA
NCAR
CCSM3 run_1 run_1 run_1 run_1 run_2
run_1 run_2
run_1
run_2 run_1 run_1
HadCM3 run_1 run_1 run_1 run_1 run_1 run_1 run_1 HADE X UK Met. Office
UK UKMO
HadGEM1 run_1 run_1 run_1 run_1 run_1
National Institute of Geophysics and Volcanology Italy
Los datos están disponibles para propósitos puramente académicos y de investigación científica en la página del IPCC (www.ipcc.ch) en al Data Distribution Centre.
Ante la disponibilidad amplia de GCMs es posible cuantificar la incertidumbre, tanto por escenario de emisiones (commit, A1B, A2 o B1), como por diferencias entre modelos. Los escenarios de compromiso (commit) corresponden a simulaciones en las que el calentamiento continuaría aun cuando el forzante radiativo se mantenga constante.
Los escenarios para el escenario de emisiones A1B permiten una comparación entre modelos de baja resolución espacial, regionalizados espacialmente a partir del esquema CPT. El primero, muestra un patrón con máximo calentamiento hacia el noroeste de México, con una magnitud alrededor de 5.7°C para finales del presente siglo (Fig, 1). En la parte de noreste del país, por otro lado, los incrementos proyectados por el GCM MRI de Japón son sólo del orden de 4.5°C. El esquema CPT tiende a corregir la distribución espacial de las elevaciones de temperatura en superficie de acuerdo al ajuste de la historia reciente. Por ello, el calentamiento proyectado después de procesar la información del GCM-MRI mediante el esquema CPT, sólo alcanzan los 4.5°C hacia el noroeste de México (Fig. 2).
Fig. 1 Escenario de cambio en temperatura para finales del presente siglo (2080-2099) con el modelo MRI con baja resolución espacial (en una malla de 1.12x1.12), bajo el
escenario de emisiones A1B.
Las diferencias reflejan la forma en que funciona el esquema de reducción de escala CPT, es decir, utilizando las tendencias históricas observadas para corregir los errores sistemáticos del modelo en los años de referencia 1901 a 1980. La tendencia de la temperatura, observada en ese periodo, es incluso de enfriamiento en el noreste de México, por lo que de continuar se espera que las anomalías de calentamiento en esa región sean menores que en otras partes, como por ejemplo el noroeste de México.
Fig. 2 Escenarios de cambio en temperatura para finales del presente siglo (2080-2099) con el modelo MRI regionalizado a una malla de 0.5x0.5 con CPT.
De acuerdo a datos observados (estaciones meteorológicas), la región que ha experimentado un mayor calentamiento en México en el último siglo es la noroeste, mientras que la zona norte noreste experimento un leve enfriamiento en el último siglo (Fig. 3).
Fig. 3 Tendencia de la temperatura media anual de acuerdo a los reportes del último siglo de la Global Historical Climate Network (GHCN) (fuente: NASA)
Las proyecciones construidas con una rebanada de tiempo de finales de siglo, utilizando el Simulador de la Tierra del Meteorological Research Institute (MRI) de Japón (22km x 22km), muestra que las regiones con un mayor calentamiento de México están en el norte, alcanzando incrementos cercanos a los 3.5°C (Fig. 4), es decir, de una magnitud menor a lo que el modelo de baja resolución de MRI proyecta, y comparables a los que se obtienen mediante el esquema CPT.
Fig. 4 Proyección de aumento en temperatura para 2080-2099 utilizando el Simulador de la Tierra del MRI con resolución de 22km X 22km
Los escenarios por ensamble para México
La proyección de escenarios de alta resolución espacial se puede hacer utilizando como datos de entrada las salidas de los modelos de circulación general listados en la Tabla 1. En cada caso se ha construido un modelo CPT mediante regresión de componentes principales. Las variables a analizar son la temperatura media y la precipitación.
Si se usan diversos modelos de circulación general como información inicial hay diferencias que generan incertidumbre respecto a la magnitud y ubicación de las anomalías de temperatura. Casi en todos los modelos regionalizados las proyecciones de incremento en temperatura son mayores hacia la zona noroeste del país, dentro de un rango de 2°C a 3.5°C, bajo el escenario A1B (Fig. 5). Los incrementos proyectados de temperatura más pequeños generalmente ocurren en la zona noreste y centro de México. Los escenarios regionalizados reflejan en buena medida las tendencias que se han venido observando en México durante los últimos cincuenta años.
La lista de modelos disponibles con frecuencia no contemplan todos los escenarios de emisiones o todas las variables utilizadas. Entre ellos esta el NCAR, el ECHAM o el Hadley. Sólo en algunos casos se utilizaron para construir el ensamble. Los campos originales se compararon con los reducidos de escala espacial para confirmar que el esquema CPT no introducía cambios radicales en los patrones de aumento de temperatura del GCM en su escala espacial original.
MRI MIROC
CCM GISS
CSIRO
T (°C)
Fig.5 Escenarios de cambio climático para temperatura media anual en superficie para la climatología 2040-2060 de acuerdo a los modelos MRI, MIROC, CCM, GISS y CSIRO regionalizados bajo el escenario de emisiones A1B.
Los escenarios deben en general presentarse como ensambles que describan tanto los primeros como los segundos momentos estadísticos de la distribución. Así, para un mismo escenario de emisiones se pueden tener diferentes magnitudes en las proyecciones de calentamiento que lleven a incertidumbre asociada a los modelos. La segunda fuente de incertidumbre está asociada a los escenarios de emisiones de gases de efecto invernadero utilizados. En el presente análisis se contó con los escenarios SRES A2, B1, A1B y commited.
Para el ensamble se promedian las salidas y se estima la dispersión entre ellas como una medida de la incertidumbre. De esta manera, se puede tener una idea del rango de incremento en temperatura a escala regional (50km X 50km) para la República Mexicana (Fig. 6). Los ensambles se construyeron para los periodos 20 años a partir de diez modelos.
A1B 2010-2030 A1B 2040-2050
A1B 2080-2100
Fig. 6 Ensambles de proyecciones de temperatura media anual de superficie (°C) de diez modelos usados para
escenarios entre el 2010-2030, 2040-2060 y 2080-2100. Los modelos son:
cccma_cgcm3_1, csiro_mk3_0, giss_model_e_r, miroc3_2_hires miub_echo_g, mpi_echam5, mri_cgcm2_3_2ª, ncar_ccsm3_0 ukmo_hadcm3, csiro_mk3_5
La incertidumbre asociada al escenario de emisiones de gases de efecto invernadero se refleja en la magnitud, más que en el patrón de los incrementos de temperatura hacia finales del presente siglo. Así, el escenario A2 (Fig. 7) es el que mayores incrementos presenta, seguido del A1B (Fig. 6), del B1 (Fig. 7), con el commited siendo el de menores incrementos, del orden de 1°C en la región noroeste de México. En casi todos los escenarios es la parte centro y norte del estado de Sinaloa la que exhibe los mayores aumentos de temperatura y la región noreste la que menores incrementos presenta.
La comparación entre escenarios de emisiones de gases de efecto invernadero muestra con claridad la importancia de la mitigación. Dependiendo de la vulnerabilidad de las regiones, un aumento superior a 2°C podría incrementar el riesgo de afectaciones a niveles muy peligrosos, principalmente para la agricultura y el sector del manejo de agua.
B1 2080-2100
Commited 2080-2100
Fig. 7 Ensambles de proyecciones de temperatura media anual de superficie (°C) de diez modelos usados para
escenarios de emisiones A2, B1 y commited al 2080-2100. Los modelos son:
cccma_cgcm3_1, csiro_mk3_0, giss_model_e_r, miroc3_2_hires miub_echo_g, mpi_echam5, mri_cgcm2_3_2ª, ncar_ccsm3_0 ukmo_hadcm3, csiro_mk3_5
Cada modelo proyecta un aumento en la temperatura promedio anual por región. Los cambios para finales del presente siglo están entre 2.0 y 4.5°C, aunque en la mayoría de los escenarios bajo A1B los aumentos hacia finales del presente siglo son superiores a 3.0°C, esto significa que son mayores la probabilidades de que los aumentos de la temperatura sean mayores a 3.0°C, al menos en los puntos seleccionados para el presente análisis (Fig. 8).
En la parte centro de México la dispersión entre los modelos es menor que en la parte noreste. Por ello, hay menos incertidumbre en la magnitud de los aumentos en temperatura en la primera región que en la segunda. Es claro que aun es necesario evaluar la incertidumbre que surge de un escenario de emisiones a otros, lo cual constituye la segunda fuente de incertidumbre, de igual o mayor importancia que la incertidumbre entre modelos.
Fig. 8 Tendencias de la temperatura media anual de superficie (°C) para el periodo 1950-2100 para el escenario de emisiones A1B de acuerdo a los modelos CSIRO (negro), MIROC (verde), MIUB-echo (azul), MPI-ECHAM5 (rojo), MRI (morado) para el noroeste, noreste, centro y sureste de México.
Los cambios proyectados en precipitación mediante ensamble de diez modelos de circulación general indican que en gran parte del país disminuirán las precipitaciones anuales (Fig. 9). Los cambios más importantes tenderán a ocurrirán en la Península de Yucatán y en la de Baja California. Tal situación se extenderá hacia finales del presente siglo por toda la costa del Pacífico Mexicano, principalmente hacia el noroeste de México. La región noreste de México, extendiéndose hacia el centro experimentará campos menores.
El patrón de cambios en precipitaciones utilizando CPT, tiende a coincidir con los escenarios de cambios en las lluvias construidos con modelos dinámicos como el PRECIS, principalmente hacia la parte sur del país, donde en la península de Yucatán disminuirán las precipitaciones anuales (Fig. 10).
4.5 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 4.5 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 4.5 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 1950 2000 2050 2100 1950 2000 2050 2100 1950 2000 2050 2100 1950 2000 2050 2100
Fig. 9 Ensamble de cambios porcentuales en la precipitación para escenarios A1B al 2010-2030, 2040-2060 y 2080-2100
El modelo PRECIS es únicamente forzado con condiciones dadas por el modelo del Hadley Centre bajo los escenarios de emisiones A2 y B1 y los datos de medias mensuales están disponibles en http://precis.insmet.cu/datos.html
Fig. 10 Proyección de cambio en precipitación (mm/día) de acuerdo al modelo PRECIS forzado con condiciones del modelo Hadley Centre y bajo el escenario de emisiones A2
Conclusiones
La generación de escenarios climáticos regionales requiere considerar la incertidumbre. Ha sido práctica común en los últimos años el utilizar la dispersión entre proyecciones como una medida de la incertidumbre en los escenarios de cambio climático. Para dar robustez estadística a las proyecciones de cambio climático se requiere disponer de un gran número de modelos de circulación general para comparar sus proyecciones. Sin embargo, dicho modelos generalmente adolecen de una baja resolución espacial que pocas veces resulta poco útil para inferir los cambios en el clima que se pueden presentar de una cuenca a otra o de un estado del país a otro.
El uso de modelos de mesoescala constituye una herramienta de gran valor que permite analizar las fluctuaciones asociadas al forzante radiativo incluyendo los efectos de factores topográficos de mayor resolución espacial como la topografía y el uso de suelo. Sin embargo, regionalizar o reducir la escala espacial de los GCM utilizando modelos dinámicos es muy demandante en términos de tiempo de cómputo y de análisis por lo que sólo se dispone de unos cuantos experimentos de cambio climático de alta resolución como son PRECIS o el Simulados de la Tierra.
Mediante una técnica estadística es posible generar muchos escenarios y estimar estadísticamente la dispersión entre modelos como una medida de la incertidumbre. La herramienta CPT compara patrones de baja y alta resolución espacial como mecanismo para reducir la escala de escenarios de cambio climático. La gran suposición de dicha técnica es que las relaciones históricas entre patrones de distintas escalas se mantendrá aun bajo cambio climático. Esta hipótesis es una fuente de incertidumbre, tal y como lo es la ausencia de modelos que lleven a “sorpresas climáticas”. Por ello, se considera que CPT es una posibilidad adecuada de generar escenarios regionales de cambio climático.
El presente estudio ha regionalizado prácticamente todos los experimentos de cambio climático utilizados en el AR4 del IPCC por lo que ahora se dispone de escenarios equivalentes pero con resolución espacial uniforme de 50 km X 50 km, para cuatros distintos escenarios de emisiones de gases de efecto invernadero (SRES). Bajo tal esquema se cuenta no sólo con experimentos de mayor resolución, sino que también se dispone de escenarios que para la parte histórica han sido corregidos en sus errores sistemáticos y dicha corrección se propaga hacia los modelos a futuro.
Quizá una de las limitantes del presente procedimiento es que sólo se dispone de medias mensuales y no de eventos extremos diarios, con lo cual se limitan las posibilidades de saber cómo serán dichas condiciones hidrometeorológicas extremas a nivel regional bajo cambio climático. Existe sin embargo la posibilidad de utilizar un generador estocástico de tiempo severo que sea modulado por la condición media mensual. Esta es una posibilidad real frecuentemente utilizado por grupos que requieren datos diarios a partir de estadísticas mensuales. El grupo de Meteorología Tropical del Centro de Ciencias de la Atmósfera de la UNAM continuará analizando la extensión del trabajo en el campo de los eventos de tiempo severo a través de modelos de generación de tiempo severo estocásticos para complementar el presente análisis.
