Proyectos sobre Cambio Climático Regional

(1)

AI

met

group

http://www.meteo.unican.es/ 1

Seminario:

Proyectos sobre Cambio

Climático Regional

Grupo Mixto de Meteorología Aplicada UC-IFCA-INM

Jueves 1 de diciembre a las 12:00 horas

Salón de Actos del Centro Meteorológico Territorial de Cantabria y Asturias Calle Ricardo Lorenzo, s/n, Cueto, Santander

En este seminario se pretende describir los proyectos de investigación que se están llevando a cabo en temas de regionalización de cambio climático y discutir con la

Comunidad Científica interesada de la región posibles proyectos de colaboración futura y posibles formas de participación.

(2)

AI

met

group

(3)

AI

met

group

Instituto Nac.

Meteorología

Oficina

Cambio Clim.

Gobierno

Regional

Gobierno

Regional

Medio

Ambiente

Agricultura,

ganadería, pesca

CIFA

CMT/CAS

Servicios

centrales

UC

Meteo Aplicada

Ingeniería Ocenánica

y Costas

Ciencias Tierra

Hidraúlica Ambiental

Ingeniería Ambiental

Gestión

Medio Natural

Grupos Relacionados con Cambio Climático

Análisis preliminar

Puertos del Estado

IFCA

Historia del Paisaje

Inst. Esp. Ocean.

Alicia Lavín

(4)

AI

met

group

Cambio Climático

Modelos Numéricos de Cambio Climático.

Aspectos Generales.

(5)

AI

met

group

Informe Preliminar Impactos en España por

Efecto del Cambio Climático

Oficina Española de Cambio Climático

http://www.mma.es/oecc/impactos2.htm

14 chapters

881 pages

120 Lead Authors

515 Contributing Authors

4621 References quoted

(6)

AI

met

group

Componentes del Sistema Climático

(7)

AI

met

group

Modelización y Predicción Numérica de la Atmósfera

La predicción meteorológica actual se basa en las integraciones de los modelos numéricos de circulación atmosférica, que simulan la dinámica de la atmósfera.

Conservación de energía, masa, momento, vapor de agua, ecuación de estado de gases.

360x180x32 x nvar

D+0 D+1 D+2

Condición inicial H+0 H+24 H+48

?

Elementos finitos, etc.

? tPaso de integración

Integración numérica de EDPs

Estabilidad numérica:

resolución ? 1/? t

Duplicar la resolución espacial supone incrementar el tiempo de cómputo en un factor 16

(8)

AI

met

group

(9)

AI

met

group

Actualmente, los supercomputadores

paralelos permiten simular con gran

realismo los fenómenos más significativos

de la circulación atmosférica.

ECMWF. Thunderstorm (>2000 procesadores)

(10)

AI

met

group

En los últimos 160000 años, la tierra ha pasado dos períodos en los que las

temperaturas medias globales fueron alrededor de 5ºC más bajas de las

actuales. El cambio fue lento, transcurrieron varios miles de años para salir

de la "era glacial". Ahora, sin embargo, las concentraciones de gases

invernadero en la atmósfera están creciendo rápidamente (combustibles

fósiles, destrucción de bosques).

¿Qué es el Cambio Climático? ¿Cómo se Estudia?

El

Panel Intergubernamental sobre Cambio Climático

(

IPCC

) Fue

establecido en 1988 por las Naciones Unidas para conseguir una mejor

comprensión del cambio climático y para proporcionar información

científica autorizada a los responsables políticos. Es la principal fuente de

asesoramiento científico a los gobiernos sobre cambio climático, su

ciencia, impactos y opciones para responder a él, reuniendo cerca de

3000 expertos de 150 países. Se divide en 3 Grupos de Trabajo:

GT I. Revisa la última información científica sobre cambio climático.

GT II. Considera los impactos y adaptación al cambio climático,

(11)

AI

met

group

Reconstrucción de las temperaturas medias del hemisferio norte durante

el último milenio

(en azul; en negro, versión suavizada; en gris, intervalo de confianza del 95%; y en rojo, datos instrumentales del último siglo). (Según IPCC, 2001).

(12)

AI

met

group

Emisiones de GEI y Cambio Climático.

Simulación

Anomalías de la

temperatura superficial media global, relativas al promedio de 1880-1920, de los registros instrumentales, comparadas con conjuntos de cuatro simulaciones realizadas con un modelo acoplado océano-atmósfera .

(a) forzamientos solar y volcánico solamente; (b) antropogénicos, incluyendo gases invernadero, ozono estratosférico y troposférico, y efectos indirectos de aerosoles sulfato; y

(c) todos los forzamientos, tanto naturales como

(13)

AI

met

group

Land areas are projected to warm more than the

oceans with the greatest warming at high latitudes

Annual mean temperature change, 2071 to 2100 relative to 1990:

Global Average in 2085 = 3.1

o

_C

(14)

AI

met

group

Some areas are projected to become wetter,

others drier with an overall increase projected

(15)

AI

met

group

Modelización de la Incertidumbre.

Predicción por Conjuntos (EPS)

Son técnicas “prácticas” para tener en cuenta la incertidumbre:

•En los forzamientos a que se ve sometido el sistema climático:

Se generan un conjunto de escenarios futuros en base a las previsiones de evolución demográfica, económica, etc.

•En los modelos/parametrizaciones: Se genera un conjunto de

predicciones perturbando las parametrizaciones, o ejecutando distintos modelos (multi-modelo).

Como resultado, se obtiene un conjunto de N predicciones que proporciona una predicción probabilística (o una predicción determinista promedio).

Condiciones

iniciales

tiempo

Predicción

18 ºC

(20%)

16 ºC

(50%)

14 ºC

(30%)

(16)

AI

met

group

Incertidumbre.

Predicción de escenarios Futuros

En 1996, el IPCC comenzó a desarrollar un nuevo conjunto de hipótesis de

emisiones futuras de gases, basadas en posibles evoluciones mundiales de variables demográficas, económicas y tecnológicas: "IPCC Special Report on Emission

Scenarios", o SRES (marzo de 2000). Se formularon 40 hipótesis diferentes:

A1. Se supone un crecimiento económico muy rápido, con una población mundial que alcanza un máximo a mediados de siglo para descender posteriormente, y una rápida disponibilidad de tecnologías más eficientes. También se supone una

creciente convergencia entre las distintas regiones del mundo con intensas

interacciones culturales y sociales, y reducción de diferencias en la renta per cápita. A2. Se supone un mundo muy heterogéneo, con autosuficiencia y preservación de las identidades locales, y una población en continuo crecimiento. El desarrollo económico y el cambio tecnológico es más lento y menos generalizado que en los otros grupos de hipótesis.

B1. Hipótesis similares a las de A1, pero con un cambio muy rápido hacia una economía de servicios e información, con menor consumo de materias primas e introducción de tecnologías limpias y eficientes. Se enfatiza la sostenibilidad económica, social y ambiental, incluyendo una mayor equidad.

B2. Se describe un mundo en el que predominan las soluciones locales a los

problemas de sostenibilidad. La población mundial aumenta de modo continuo, pero a un ritmo inferior al de A2, con niveles intermedios de desarrollo económico y un cambio tecnológico más lento y diversificado que en A1 y B1.

(17)

AI

met

group

(18)

AI

met

group

Probability 0% 20% 40% 60% Probability 100%

weighting

0% 20% 40% 60%

Current Output Required Output

(19)

AI

met

group

Escenarios futuros y modelos de clima utilizados

(20)

AI

met

group

1.0 2000 2020 2040 2060 2080 A1B A1T A1FI A2 B1 B2

Sea level rise (m)

Year

All SRES envelope including land-ice uncertainty 0.8 0.6 0.4 0.2 0.0 Scenarios 2100 AII IS92

Bars show the range in 2100 produced by several models

La incertidumbre se traslada a todas las variables derivadas

(21)

AI

met

group

(22)

AI

met

(23)

AI

met

group

(24)

AI

met

group

(25)

AI

met

group

Cambio Climático

(26)

AI

met

group

Resolución Espacial de los Modelos Climáticos

En principio las

predicciones climáticas

hay que entenderlas a

una escala global

(cientos de kilómetros),

aunque se pueden

aplicar técnicas de

proyección regional.

(27)

AI

met

group

Temperatura media annual en Cantabria (grados Centígrados).

-4.8 -4.6 -4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2 42.8 43 43.2 43.4 Anual 6 8 10 12 14 -4.8 -4.6 -4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2 42.8 43 43.2 43.4 Anual 2 4 6 8

(28)

AI

met

(29)

AI

met

group

(30)

AI

met

group

(31)

AI

met

group

Regionalización.

Downscaling Estadístico

Los detalles regionales escapan de los modelos !!!!!

¿Cómo se puede obtener una predicción en un punto de interés (una estación)?

?Interpolando las predicciones ?Downscaling dinámico.

?Con técnicas estadísticas. ?Con técnicas híbridas

(Downscaling estadístico). Localidades muy cercanas puedes presentar

climatologías muy distintas.Por ejemplo, Oviedo y Ranón están a una distancia de 15 km, pero la climatología de ambas es de influencia distinta (continental y oceanica, respectivamente).

(32)

AI

met

group

Cambio Climático

(33)

AI

met

group

(34)

AI

met

group

IMPACT MODEL Baseline climate Other input data Ensemble climate forecasting system GCM projections Downscaled climate

ENSEMBLES

WP 6.2

ENSEMBLES

RT 1,2,3

(35)

AI

met

group

http://www.meteo.unican.es/ 35 IMPACT MODEL Baseline climate Other input data Ensemble climate forecasting system GCM projections Downscaled climate

ENSEMBLES

WP 6.2

ENSEMBLES

RT 1,2,3

Risk of critical threshold exceedance

(36)

AI

met

group

IMPACT MODEL Baseline climate Other input data

Arbitrary changes in mean annual climate variables

Impact response surface GCM projections Downscaled climate Ensemble climate forecasting system Probability surface

for climate change

Response surface

approach

ENSEMBLES

WP 6.2

ENSEMBLES

RT 1,2,3

Risk of critical threshold exceedance

(37)

AI

met

group

http://www.meteo.unican.es/ 37 IMPACT MODEL Baseline climate Other input data

Arbitrary changes in mean annual climate variables

Impact response surface

Risk of critical threshold exceedance Probability surface

for climate change

GCM projections Downscaled climate Ensemble climate forecasting system

Response surface

approach

ENSEMBLES

WP 6.2

ENSEMBLES

RT 1,2,3

(38)

AI

met

group

(39)

AI

met

group

Over 180 research projects funded in areas (budget: 250 M€)

?

Climate change prediction

?

Climate dynamics and abrupt changes

?

Interactions between ecosystems and carbon/nitrogen cycle

?

Atmospheric composition Change

?

Stratospheric ozone depletion

?

Mitigation and adaptation

?

European contribution to global observation systems

?

Natural hazards research

Contribution to IGBP, WCRP, IHDP and IPCC

FP5 (1999

-

2002)

Climate Research

(40)

AI

met

group

?

Sustainable energy systems (810MEuro): clean energy, energy

savings, alternative motor fuels, fuel cells, energy

carriers/transport/storage

?

Sustainable surface transport (610MEuro): environmentally friendly

transport, interoperability, safety

?

Global change and ecosystems

(700MEuro): greenhouse gas

emissions, water cycle, biodiversity and ecosystems, natural disasters,

land management, climate observation, complementary research,

cross-cutting issues

FP6

(2003

-

2006)

Priority 6: Sustainable

Development, Global Change and Ecosystems

(41)

AI

met

group

FP6 (2003

-

2006)

Global Change and Ecosystems

I. Impact and mechanisms of greenhouse gas emissions and

atmospheric pollutants on climate, ozone depletion and carbon

sinks

II. Water cycle, including soil-related aspects

III. Biodiversity and ecosystems

IV. Mechanisms of desertification and natural disasters

V. Strategies for sustainable land management, including coastal

zones, agricultural land and forests

VI. Operational forecasting and modelling including global climatic

change observation systems

VII. Complementary research

(42)

AI

met

group

Integrated Project on “ENSEMBLE

-

based

Predictions of Climate Changes and their

Impacts”

-

ENSEMBLES

Objective:

Predictions of both natural climate variability

and human impact on climate to address

uncertainties in forecast, initial conditions,

representation of key processes within

models and climatic forcing factors.

Duration:

5 years

EC Support:

15 M€

Starting date:

1st of September 2004

Coordinator:

D. Griggs, Met. Office, Hadley Center, UK

(43)

AI

met

group

The ENSEMBLES project (contract number GOCE-CT-2003-505539) is supported by the European Commission's 6th Framework

Programme as a 5 year Integrated Project from 2004-2009 under the Thematic Sub-Priority "Global Change and Ecosystems".

Develop an ensemble prediction system for climate change based on the

principal state-of-the-art, high resolution, global and regional Earth System

models developed in Europe, validated against quality controlled, high

resolution gridded datasets for Europe, to produce for the first time, an

objective probabilistic estimate of uncertainty in future climate at the

seasonal to decadal and longer timescales.

Quantify and reduce the uncertainty in the representation of physical,

chemical, biological and human-related feedbacks in the Earth System

(including water resource, land use, and air quality issues, and carbon cycle

feedbacks).

Maximise the exploitation of the results by linking the outputs of the

ensemble prediction system to a range of applications, including

agriculture, health, food security, energy, water resources, insurance and

weather risk management

http://www.ensembles-eu.org

(44)

AI

met

group

Martin Beniston, C. Giannakopolous Dissemination, Education, and Training

8

Richard Tol, Roberto Roson

Scenarios and Policy Implications

7

Jean Palutikof, Andy Morse

Assessments of impacts of climate change

6

Antonio Navarra, Albert Klein Tank Independent comprehensive evaluationof the

ENSEMBLES simulation-prediction system against observations/analyses

5

Julia Slingo, Herve le Treut

Understanding the processes governing climate

variability and change, climate predictability and the probability of extreme events

4

Jens Christensen, M. Rummukainen

Formulation of very high resolution Regional Climate Model Ensembles for Europe

3

Clare Goodess, Daniela Jacob

Production of Regional Climate Scenarios for

Impact Assessments (Model Engine Part 2) 2B

Guy Brasseur, Jean-François Royer

Production of seasonal to decadal hindcasts and

climate change scenarios (Model Engine Part 1) 2A

James Murphy, Tim Palmer

Development of the Ensemble Prediction System

1

Dave Griggs Project integration, management and promotion

0

Co-ordinators Name

RT

ENSEMBLES Relative Tasks

(45)

AI

met

group

Grupos de Investigación

en la Región

(46)

AI

met

group

Grupo de Meteorología Aplicada

Dpto. Matemática Aplicada y C.C.

José Manuel Gutiérrez

Antonio S. Cofiño

Carmen Sordo

Instituto Nacional de Meteorología

Rafael Ancell (Santander)

Sixto Ríos (Santander)

Bartolomé Orfila (Madrid)

Elia Díez (Madrid)

Análisis estadístico y minería de datos

Downscaling estadístico (predicción local)

(47)

AI

met

group

Los detalles regionales escapan de los modelos !!!!!

¿Cómo se puede obtener una predicción en un punto de interés (una estación)?

?Interpolando las predicciones

Predicción Local de variables en superficie

?Downscaling dinámico. ?Con técnicas estadísticas. ?Con técnicas híbridas

(Downscaling estadístico). Localidades muy cercanas puedes presentar

climatologías muy distintas.Por ejemplo, Oviedo y Ranón están a una distancia de 15 km, pero la climatología de ambas es de influencia distinta (continental y oceanica, respectivamente).

(48)

AI

met

group

Precipitación Racha Máxima Horas de Sol , T max y T min ...

(

T(1ooo mb),..., T(500 mb); Z(1ooo mb),..., Z(500 mb); ...; H(1ooo mb),..., H(500 mb)

)

=

X

_n

Salida del modelo

en una rejilla para el día n Observaciones del día n

Dado un patrón previsto X_n+1 se obtiene una estimación:

Y

_n+1 =

W

T

_X

n+1

Un modelo lineal Y_n =

W

T

_X

n se obtiene

estimando los coeficientes W = (w₁,..., w_k) a partir de los registros históricos en días

i=1,...,N donde X_n e

Y

_i están disponibles.

x y

x₁ x₂ x₃ x₄ x₅

? Técnicas Híbridas

(downscaling estadístico)

(49)

AI

met

group

Prometeo

Rocío

Tormentas

Nieve

Niebla

Granizo

Escarcha

Precipitación

Racha Máxima

Temperaturas extremas

Horas de sol

Observaciones diarias (1950-2000)

ERA-15

T106L31

ERA-40

T159L60 (1959-1999)

DEMETER

ECMWF

T511L60

EPS

T255L40

Modelos operativos

Salidas de modelos numericos:

Se han utilizado las salidas (cada 6 horas) del modelo operativo del ECMWF, hasta un plazo de 5 dias.

Reanalisis

Integracion de un mismo modelo durante un largo periodo de tiempo representativo de la climatologia.

(

T(1ooo mb),..., T(500 mb); Z(1ooo mb),..., Z(500 mb), ..., H(1ooo mb),..., H(500 mb)

)

P=

Dimension > 6000

(

cp1, ..., cpn)

P=

Dimension ~ 600 Componentes principales:

(50)

AI

met

group

Classic

Techniques

New

Paradigms

Inspiration in Biology Explicit Representation of Knowledge Imitación del proceso humano de razonamiento Serial Information Processing Logic statements, Graphs, Semmantic nets, Probability, etc. Graph search,

Logic inference, etc.

? Técnicas Modernas

(Inteligencia Artificial)

(51)

AI

met

group

División de Ciencias de la Tierra

Dpto. Ciencias Tierra y F.M.C (DCITIMAC)

Antonio Cendrero

Enrique Francés

José Ramón Díaz Terán

Alberto González

Gestión territorial de recursos naturales

Planificación del Territorio

(52)

AI

met

group

Zonificación Agroecológica de Cantabria, Consejería

de Ganadería, Agricultura y Pesca (2004-2005)

Temperatura media annual en Cantabria (grados Centígrados).

-4.8 -4.6 -4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2 42.8 43 43.2 43.4 Anual 6 8 10 12 14 -4.8 -4.6 -4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2 42.8 43 43.2 43.4 Anual 2 4 6 8

(53)

AI

met

group

(54)

AI

met

group

(55)

AI

met

group

Dirección General de Desarrollo Rural

Centro de Investigación y Formación Agraria (CIFA)

Consejería de Ganadería, Agricultura y Pesca

Bernito Fernández Arango

Juan Busqué Marcos

Gestión agraria

(56)

AI

met

group

Grupo de Historia del Paisaje

Dpto. de Geografía, Urbanismo y Ord. Territorio

Manuel Frechoso

Paleoclima

(57)

AI

met

group

Estudio y Gestión del Medio Natural

Dpto. de Geografía, Urbanismo y Ord. Territorio

Juan Carlos García Codrón

Domingo Rasilla Alvarez

Estudios climáticos

(58)

AI

met

group

Grupo de Meteorología Aplicada

Instituto de Física de Cantabria

Cristina Primo

Miguel A. Rodríguez

Juan Manuel López

Estudio de Sistemas Caóticos Espacio-Temporales

Estadística de conjuntos de predicciones (ensembles)

Eventos extremos (con el ECMWF y la Universidad de Reading)

Proyecto ENSEMBLES

(59)

AI

met

group

Predicción Probabilística.

Predicción por Conjuntos (EPS)

Son técnicas “prácticas” para tener en cuenta la incertidumbre:

•En las condiciones iniciales: Se genera un conjunto de

predicciones a partir de varias condiciones iniciales representativas de las fuentes de incertidumbre.

•En los modelos/parametrizaciones: Se genera un conjunto de

predicciones perturbando las parametrizaciones, o ejecutando distintos modelos (multi-modelo).

Como resultado, se obtiene un conjunto de N predicciones que proporciona una predicción probabilística (o una predicción determinista promedio).