Proyecto del INM para generación de escenarios regionalizados de

SECRETARÍA GENERAL
PARA LA PREVENCIÓN
DE LA CONTAMINACIÓN
Y DEL CAMBIO CLIMÁTICO
Proyecto del INM para generación
de escenarios regionalizados de
cambio climático
Proyecto del INM para
generación
de escenarios
E. Rodríguez
Camino
regionalizados de cambio
climático
Contenido
•
•
•
•
•
•
Introducción
Objetivos
Metodología
Primera fase
Segunda fase
Productos finales
Introducción
– Necesidad de disponer de proyecciones de
los impactos del cambio climático en los
diferentes ecosistemas y sectores
socioeconómicos españoles
– Urgente problema de estimar una
descripción cualitativa y cuantitativa de
los cambios que se esperan en el clima
durante en siglo XXI
– Acotar y evaluar las incertidumbres
asociadas con ellos
Objetivos
– Generación de escenarios climáticos
regionalizados para satisfacer las necesidades de
proyecciones climáticas en los diferentes sectores
socioeconómicos nacionales. Los escenarios
climáticos constituyen un elemento esencial en la
planificación estratégica de ciertos sectores muy
dependientes del clima y de sus variaciones. Cada
sector tiene una demanda distinta de información
tanto en términos de resolución espacial y temporal
como en términos de variables relevantes.
Proyecto en 2 fases
• 1ª fase (aprox. 1 año). Uso de metodologías ya
desarrolladas y las bases de datos actualmente
existentes. Resultados de los proyectos del 5º FP
relacionados con modelización climática, regionalización
dinámica y estadística y estimación de extremos:
PRUDENCE, STARDEX.
• 2ª fase (3-4 años). Desarrollo de nuevos métodos,
fundamentalmente relacionados con la regionalización
dinámica. Se formará en el INM el germen de un grupo de
trabajo en modelización climática. También se intentará
incorporar a los grupos universitarios nacionales que
trabajan en este campo, ya que su experiencia y los
resultados por ellos obtenidos son de indudable interés para
alcanzar los objetivos del proyecto.
Metodología
– En el proyecto se asigna una gran prioridad a la
estimación del rango de errores asociados con la
cascada de incertidumbres provenientes de:
• (i) los escenarios alternativos de emisión
• (ii) la diferente cuantificación de las proyecciones climáticas
suministrada por los distintos modelos acoplados de
circulación general
• (iii) las diferentes técnicas de regionalización.
– Para cuantificar las incertidumbres se recurre a
analizar las proyecciones de un conjunto de
modelos globales y a comparar las
regionalizaciones obtenidas con distintas técnicas.
Primera fase (I): fuentes de datos
•
•
•
•
•
IPCC DDC
CERA, BADC, CCC
Reanálisis ERA40, NCEP
Base datos climatológica del INM
Herramientas para asistir en la construcción de
escenarios regionales y nacionales: MAGICCSCENGEN 2.3 y 4.1, COSMIC2, SDSM
• Base datos proyecto PRUDENCE
Primera fase (I): plan de trabajo
En la primera fase, las proyecciones climáticas se basarán
en:
• las proyecciones globales y regionales realizadas por
otros grupos y contenidas en bases de datos de libre
disposición;
• la experiencia que actualmente posee el INM, sobre
todo en regionalización estadística y
• la contribución de grupos universitarios, muchos de los
cuales están agrupados en el marco de la acción
especial del CLIVAR-ESPAÑA (Plan Nacional I+D,
MEC).
Primera fase (II): plan de trabajo
•
•
•
•
•
•
Proyecciones basadas en las bases de datos de modelos globales (DDC
IPCC y sus extracciones, CERA, BADC, CCC) basadas en diferentes
escenarios de emisión (2 o 4) y en distintos modelos globales. Estas
proyecciones suministrarán fundamentalmente estimaciones estacionales y/o
anuales que el periodo 2000-2100.
Utilización de generadores de escenarios climáticos (MAGICC/SCENGEN
4.1, 2.3, COSMIC2, SDSD y otros generadores). Permitirá también establecer
unas primeras conclusiones muy robustas, por realizarse con una gran cantidad
de datos de muchos y muy diferentes modelos globales, si bien serán poco
detalladas en cuanto a resolución espacial.
Regionalizaciones dinámicas hechas por los distintos grupos externos al INM.
Singularmente se utilizará la base de datos de proyecto PRUDENCE, que
posee regionalizaciones con distintos modelos de área limitada (9 modelos) de
un mismo modelo global (HadAM3). El proyecto PRUDENCE se ha restringido
al período 2070-2100 y a los escenarios de emisión SRES A2 y B2.
Regionalizaciones estadísticas utilizando los métodos basados en análogos e
índices de circulación
Evaluación de las proyecciones basadas en modelos globales mediante
estudios de patrones de variabilidad climática de baja frecuencia (esta
línea esta muy desarrollada para estudios basados en clima actual (ERA-40,
NCEP-NCAR reanálisis).
Preparación de un informe detallado en el que se describan las conclusiones
de las proyecciones sobre la península Ibérica e islas obtenidas con los
diferentes escenarios de emisión, con diferentes modelos globales y con
diferentes técnicas de regionalización.
Proyecciones con ensembles multimodelo
Gran dispersión en la
proyección de la
precipitación: necesidad de
proyecciones robustas!
17 MODELS : VARIABLE = PRECIP : SEASON = ANN
MODEL VALIDATION: COMPARING MODEL BASELINE WITH
OBSERVED DATA
LATITUDE RANGE = 27.5 TO 52.5 degrees
LONGITUDE RANGE = -22.5 TO 12.5 degrees
MODEL
CORREL
BMRCTR
CCC1TR
CCSRTR
CERFTR
CSI2TR
CSM_TR
ECH3TR
ECH4TR
GFDLTR
GISSTR
HAD2TR
HAD3TR
IAP_TR
LMD_TR
MRI_TR
PCM_TR
W&M_TR
MODBAR
.894
.930
.908
.938
.954
.958
.938
.972
.929
.956
.958
.980
.915
.798
.938
.951
.908
.967
RMSE
mm/day
1.021
.410
.603
.707
.481
.530
.417
.253
.435
.552
.438
.332
.496
.764
.420
.469
1.038
.393
MEAN DIFF NUM PTS
mm/day
-.275
48
-.109
48
-.105
48
-.372
48
-.274
48
-.321
48
.057
48
-.116
48
-.280
48
-.260
48
-.222
48
-.251
48
.334
48
-.483
48
-.166
48
-.169
48
-.716
48
-.219
48
Proyecciones promediando miembros de
un ensemble multi-modelo
Proyecciones multi-modelo y multiSRES
Proyecciones con modelos
globales
Proyecciones con ensembles (CIs)
de un mismo modelo
Regionalizacion (downscaling)
versus agregacion
PRUDENCE (2070-2100)
Segunda fase
Dos frentes adicionales:
•
Comenzar actividades en modelización climática utilizando modelos
regionales acoplados de atmósfera/océano, siempre pensando en la
elaboración de escenarios. Sería muy recomendable desarrollar algún tipo
de colaboración con los grupos activos en este campo, aprovechando
para ello las relaciones previas existentes con grupos próximos de
modelización.
•
Además de las actividades de modelización pensadas para la generación
de escenarios, habría que desarrollar líneas de trabajo propias que sean
nuestra contribución al tema de la modelización climática en general y no
solamente pensando en los escenarios.
•
Desarrollar adicionalmente acuerdos con los diferentes grupos
universitarios nacionales que tienen actividad en downscaling estadístico
y dinámico.
•
Las líneas de trabajo actualmente existentes relacionadas con la
variabilidad climática de baja frecuencia permitirían por un lado validar los
resultados de los modelos y por otro interpretar los resultados de las
proyecciones climáticas en términos de cambios en los patrones
climáticos de baja frecuencia.
Dependencia de la
posición y geometría del
dominio de integración
¿Qué hacer?
Respetar las escalas grandes
suministradas por el modelo global Æ
Actualmente muy pocos modelos
regionales tienen incorporada la técnica
de “spectral nudging” que respeta las
escalas grandes del modelo global.
(Miguez-Macho et al., 2005)
APMG05, Sesimbra 14-17 Febrero 2005
ELDAS (European Land Data
Assimilation System) (Parodi et al. 2004)
Conclusiones de STARDEX
(Proyecto EU para comparar 22 métodos de regionalización estadística,
centrados en 10 índices de temperatura y precipitación extremas)
It is not possible to identify a consistently superior method
in the majority of cases. Hence a major recommendation
is to use a range of the better statistical downscaling
methods for the construction of scenarios of extremes,
just as it is recommended good practice to use a range
of global and regional climate models in order to reflect a
wider range of the uncertainties. Thus downscaling
uncertainties should always be considered, alongside
other uncertainties including choice of GCM and impact
model.
(Goodess et al. 2005)
Incertidumbres en las
proyecciones climáticas
• Variabilidad en el forzamiento natural (sol,
volcanes)
• Variabilidad inter-escenario (de emisiones)
• Variabilidad concentración
• Variabilidad inter-modelos globales
• Variabilidad interna de los modelos
• Variabilidad por técnicas de regionalización