Carlos NavarroAndy JarvisEdwin Rojas
Contenido
Parte 1Breve Cambio Climático ;
Demandas en agriculturaModelos Opciones (Downscaling)
Generación de la línea baseReinterpolación WorldClim
Parte 2Generación de Escenarios futuros
Evaluación MRI & PRECISSubselección de GCMs
Conclusiones
• Agricultura demanda:– Múltiples variables
– Muy alta resoluciónespacial (1 km, 90m??).
– Alta resolución temporal (i.e. mensual, diaria).
– Alta certidumbre.
• Tanto para presente comopara futuro.
Los GCMs son la única manera en que podemos predecir el clima a futuro
Calibrados desde el pasado, proyectados
hacia el futuro..
Volviendo al tema de la incertidumbre…
• Depender de un solo GCM es peligroso.• Se deben tomar decisiones dentro de un contexto de incertidumbre.
Y qué es lo que dicen los modelos??
Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm3 Csiro Mk3.0 Csiro Mk 3.5
Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0
Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam5 Mri Cgcm 2.3.2a
Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1 SRES A2 2030s Prec
Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm3 Csiro Mk3.0 Csiro Mk 3.5
Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0
Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam5 Mri Cgcm 2.3.2a
Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1
SRES A2 2030s Tmean
Problema
Necesidad
OpcionesDownscaling por métodosestadísticos o dinámicos..
Aumentar resolución, uniformizar
… proveer datos de alta
resolución, contextualizados
Aún el GCM más preciso es
demasiado grueso (100km).
– Base climatológica: WorldClim
– Usado en mayoría de estudios de CC.
– Tomar superficies GCM originales(series de tiempo)
– Calcular promedios para línea base y períodos específicos
– Calcular anomalías
– Interpolar anomalías (spline)
– Sumar anomalías a WorldClim
• Superficies mensuales para prec, tmean, tminy tmax.
• Compilación de registros nivel, local, regional, nacional.
• Interpolación 1km usando thin-plate smoothing spline (Anusplin)
• Latitud, longitud, elevación como variables independientes
• Calidad.. Depende de ρ y topografía
Basado en:
• 47,554estaciones de precipitación
• 24,542 estaciones de
tmean ,
• 14,835 estaciones de tmax y tmin
-30.1
30.5
Mean annual
temperature (ºC)
0
12084
Annual
precipitation (mm)
– Base climatológica:Condiciones de frontera de GCMs.
– Realiza cálculos de la dinámica atmosférica y resuelve ecuaciones paracada grilla, dentro de un área limitada.
– Resolucion varia entre 25-50km
– Validar datos del pasado usando datos de estaciones
– Datos diarios.
– Resolución 20km
– Alta incertidumbre en condiciones tropicales.
– Pocos periodos de modelación.
Emisiones Escenarios de población, energía, modelos económicos
Concentraciones Ciclo del carbono, modelos químicos
Cambio climático Global GCMs
Detalles regionales RCMs,Downscaling
Impactos Modelos de impacto
Espera!!!! Es mucha información para mi…..
• Registros desactualizados de la última década. • Limitadas variables independientes (TRMM). • Poco detalle en algunas zonas de los llanos
colombianos (ρ).
mm/year
¯0 25 50 75 10012,5Km
C
• Inclusión de nuevas estaciones IDEAM, actualización de otras.
• Generación de superficies climáticas interpoladas usando ANUSPLIN-SPLINA
• Validación cruzada con 25 iteraciones.
• Análisis de incertidumbre.
• Generación de las superficies.
45 estaciones nuevas
25 actualizadas
Nuevas Estaciones IDEAM
Estaciones Worldclim
PrecipitaciónAcumulada
Mensual
1°N - 5°N de latitud75° W - 71° W de longitud
9 Estaciones nuevas
Nuevas Estaciones IDEAM
Estaciones Worldclim
Temperatura Media Mensual
1°N - 5°N de latitud75° W - 71° W de longitud
8 Estaciones nuevas
Nuevas Estaciones IDEAM
Estaciones Worldclim
Temperatura Mínima Mensual
1°N - 5°N de latitud75° W - 71° W de longitudNota: Temperatura Máxima Mensual se
calcula con el dtr. dtr = tmax – tmin
R² = 0.805
0
50
100
150
200
0 50 100 150 200
Esta
cio
nes W
C s
in T
RM
M
Estacines WC Original
R² = 0.589
0
50
100
150
200
0 50 100 150 200E
sta
cio
nes W
C c
on T
RM
M
Estaciones WC Original
Interpolación sin TRMM
Interpolación con TRMM
•Gradientes abruptos. •Valores erróneos.•Sobreestimación, precipitaciones negativas.•Ruido.
mm/year
1.22
0 - 2.
305
2.30
6 - 2.
482
2.48
3 - 2.
571
2.57
2 - 2.
637
2.63
8 - 2.
682
2.68
3 - 2.
726
2.72
7 - 2.
770
2.77
1 - 2.
859
2.86
0 - 3.
147
3.14
8 - 6.
867
¯0 25 50 75 10012,5
Km
WorldClim WorldClim reinterpolación
Precipitación total acumulada
CV
RSQ
°C
3,8
- 23
23,1
- 25
25,1
- 25
,4
25,5
- 25
,6
25,7
- 25
,7
25,8
- 25
,9
26 -
26,1
26,2
- 26
,3
26,4
- 26
,5
26,6
- 26
,8
¯0 25 50 75 10012,5
Km
WorldClim WorldClim reinterpolación
Temperatura Media Anual
CV
RSQ
°C
-0,9
- 17
,2
17,3
- 18
,6
18,7
- 18
,8
18,9
- 19
19,1
- 19
,3
19,4
- 19
,6
19,7
- 19
,9
20 -
20,3
20,4
- 20
,6
20,7
- 21
,6
¯0 25 50 75 10012,5
Km
WorldClim WorldClim reinterpolación
Temperatura Mínima Media Anual
CV
RSQ
• Mejoras de línea base, influyen directamente en proyecciones a futuro.
• No es conveniente usar TRMM.• Se mejoró significativamente la base de datos de
superficies tmean y tmín.• Mejoras significativas en el patrón y magnitud de
lluvias.
• RCMs (Giorgi 1990)
– Usar resultados de GCMs
– Son de área limitada.. Necesitan condicionesde frontera.
– Realiza cálculos de la dinámica atmosférica y resuelve ecuacionespara cada grilla.
– Datos diarios
– Resolucion varia entre 25-50km
• GCM de alta resolución
• Datos diarios
• Periodos 1979-2003, 2015-2039, 2075-2099
• Resolución 20 km
• Problemas en precipitación (sobreestimación)
40°W50°W60°W70°W80°W90°W100°W
10
°N0°
10
°S20
°S30
°S40
°S50
°S
MRI Precipitation
January 1979
High : 1441
Low : 0
0 6 12 18 243Km
¯
Extracción PRECIS
• Datos diarios • 5 modelos (150yr c/u)
– HadCM3Q0:SRES_A1B – HadCM3Q3:SRES_A1B – HadCM3Q16:SRES_A1B – ECHAM5:SRES_A1B
• Resolución 50 km• No está validado. • Extraídos periodos 1961-1990, 2020-
2049, 2040-2069.
• Datos diarios • 1 modelo SRES A1B• Resolución 20 km• No está validado. • Extraídos periodos 1979-
2003, 2015 – 2039.
Extracción MRI
Comparaciones en línea baseComparaciones con modelos GCM IPCC
Anomalías Precipitación Total Acumulada 2030s
24 GCM MRI ECHAM5
HadCM3Q0 HadCM3Q3 HadCM3Q16
24 GCM ECHAM5 HadCM3Q0
HadCM3Q3 HadCM3Q16
Anomalías Precipitación Total Acumulada 2050s
24 GCM MRI ECHAM5
HadCM3Q0 HadCM3Q3 HadCM3Q16
Anomalías Temperatura Media Anual 2030s
24 GCM ECHAM5 HadCM3Q0
HadCM3Q3 HadCM3Q16
Anomalías Temperatura Media Anual 2050s
0
50
100
150
200
250
300
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dec
Pre
cip
itac
ión
Men
sual
(m
m/m
es)
Mes
A
20c3m_2030s ECHAM5_2030s HadCM3Q0_2030s HadCM3Q3_2030s HadCM3Q16_2030s20c3m_2050s ECHAM5_2050s HadCM3Q0_2050s HadCM3Q3_2050s HadCM3Q16_2050s
Ensemble 2030sEnsemble 2050s
20
22
24
26
28
30
32
34
36
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dec
Tem
per
atu
ra M
edia
Men
sual
(°C
)
Mes
B
Consistencia TemporalTemperatura Media Mensual Precipitación Acumulada Mensual
Periodo Métrico Ensemble ECHAM5HadCM3Q
0
HadCM3Q
16
HadCM3Q
3Ensemble ECHAM5
HadCM3Q
0
HadCM3Q
16
HadCM
3Q3
2030s
Promedio 24.64 27.79 27.16 29.62 27.16 175.97 107.15 124.44 127.27 117.28
STD 0.90 1.78 1.05 1.84 0.90 64.52 84.50 80.10 90.31 76.33
Rango 3.10 5.77 3.32 5.59 2.85 200.66 244.41 234.53 229.71 222.73
2050s
Promedio 25.36 29.21 28.13 31.03 27.94 175.69 112.22 129.56 122.19 121.58
STD 0.92 1.81 1.21 2.06 1.03 62.80 89.27 84.33 90.10 77.27
Rango 3.17 5.53 3.56 5.98 3.35 188.04 255.97 239.60 224.712 231.49
ANUAL DJF MAM JJA SON ANUAL DJF MAM JJA SON
Modelo C WC C WC C WC C WC C WC C WC C WC C WC C WC C WC
Ensemble 24GCM 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
ECHAM5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
HadCM3Q0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
HadCM3Q16 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
HadCM3Q3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
MRI 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
< 0.50 0.50 - 0.60 0.60 - 0.70 0.70 - 0.80 0.80 - 0.90 0.90 - 0.95 0.95 - 0.98 0.98 - 1.00
Certidumbre en línea base
• Modelos HadCM3Q16 y HadCM3Q3 son los que mejor representan la climatología futura en magnitud y localización geográfica de las lluvias.
• Se descarta el uso de MRI por rendimiento y disponibilidad de datos.
• Todos los modelos sobrestiman temperatura, a excepción de HadCM3Q3.
• Selección de HadCM3Q3 para recrear clima regional futuro.
Model Country Atmosphere OceanBCCR-BCM2.0 Norway T63, L31 1.5x0.5, L35CCCMA-CGCM3.1 (T47) Canada T47 (3.75x3.75), L31 1.85x1.85, L29CCCMA-CGCM3.1 (T63) Canada T63 (2.8x2.8), L31 1.4x0.94, L29CNRM-CM3 France T63 (2.8x2.8), L45 1.875x(0.5-2), L31CSIRO-Mk3.0 Australia T63, L18 1.875x0.84, L31CSIRO-Mk3.5 Australia T63, L18 1.875x0.84, L31GFDL-CM2.0 USA 2.5x2.0, L24 1.0x(1/3-1), L50GFDL-CM2.1 USA 2.5x2.0, L24 1.0x(1/3-1), L50GISS-AOM USA 4x3, L12 4x3, L16GISS-MODEL-EH USA 5x4, L20 5x4, L13GISS-MODEL-ER USA 5x4, L20 5x4, L13IAP-FGOALS1.0-G China 2.8x2.8, L26 1x1, L16INGV-ECHAM4 Italy T42, L19 2x(0.5-2), L31INM-CM3.0 Russia 5x4, L21 2.5x2, L33IPSL-CM4 France 2.5x3.75, L19 2x(1-2), L30MIROC3.2-HIRES Japan T106, L56 0.28x0.19, L47MIROC3.2-MEDRES Japan T42, L20 1.4x(0.5-1.4), L43MIUB-ECHO-G Germany/Korea T30, L19 T42, L20MPI-ECHAM5 Germany T63, L32 1x1, L41MRI-CGCM2.3.2A Japan T42, L30 2.5x(0.5-2.0)NCAR-CCSM3.0 USA T85L26, 1.4x1.4 1x(0.27-1), L40NCAR-PCM1 USA T42 (2.8x2.8), L18 1x(0.27-1), L40UKMO-HADCM3 UK 3.75x2.5, L19 1.25x1.25, L20UKMO-HADGEM1 UK 1.875x1.25, L38 1.25x1.25, L20
Incertidumbres!
Mezcla de resoluciones
Disponibilidad de datos (via IPCC)
WCRP CMIP3 A1B-P A1B-T A1B-Tx A1B-Tn A2-P A2-T A2-Tx A2-Tn B1-P B1-T B1-Tx B1-Tn
BCCR-BCM2.0 OK OK OK OK OK OK OK OK OK OK OK OK
CCCMA-CGCM3.1-T63 OK OK NO NO NO NO NO NO OK OK NO NO
CCCMA-CGCM3.1-T47 OK OK NO NO OK OK NO NO OK OK NO NO
CNRM-CM3 OK OK NO NO OK OK NO NO OK OK NO NO
CSIRO-MK3.0 OK OK OK OK OK OK OK OK OK OK OK OK
CSIRO-MK3.5 OK OK OK OK OK OK OK OK OK OK OK OK
GFDL-CM2.0 OK OK OK OK OK OK OK OK OK OK OK OK
GFDL-CM2.1 OK OK OK OK OK OK OK OK OK OK OK OK
GISS-AOM OK OK OK OK NO NO NO NO OK OK OK OK
GISS-MODEL-EH OK OK NO NO NO NO NO NO NO NO NO NO
GISS-MODEL-ER OK OK NO NO OK OK NO NO OK OK NO NO
IAP-FGOALS1.0-G OK OK NO NO NO NO NO NO OK OK NO NO
INGV-ECHAM4 OK OK NO NO OK OK NO NO NO NO NO NO
INM-CM3.0 OK OK OK OK OK OK OK OK OK OK OK OK
IPSL-CM4 OK OK NO NO OK OK NO NO OK OK NO NO
MIROC3.2.3-HIRES OK OK OK OK NO NO NO NO OK OK OK OK
MIROC3.2.3-MEDRES OK OK OK OK OK OK OK OK OK OK OK OK
MIUB-ECHO-G OK OK NO NO OK OK NO NO OK OK NO NO
MPI-ECHAM5 OK OK NO NO OK OK NO NO OK OK NO NO
MRI-CGCM2.3.2A OK OK NO NO OK OK NO NO OK OK NO NO
NCAR-CCSM3.0 OK OK OK OK OK OK OK OK OK OK OK OK
NCAR-PCM1 OK OK OK OK OK OK OK OK OK OK OK OK
UKMO-HADCM3 OK OK NO NO OK OK NO NO OK OK NO NO
UKMO-HADGEM1 OK OK NO NO OK OK NO NO NO NO NO NO
Falta de homogeneidad
700.000
720.000
740.000
760.000
780.000
800.000
820.000
2010_2039 2020_2049 2030_2059 2040_2069 2050_2079 2060_2089 2070_2099
An
nu
al P
reci
pit
atio
n (
mm
)
Period (30 yr)
Annual Precipitation
bccr_bcm2_0 cccma_cgcm3_1_t47
cnrm_cm3 csiro_mk3_0
csiro_mk3_5 gfdl_cm2_0
gfdl_cm2_1 giss_model_er
ingv_echam4 inm_cm3_0
ipsl_cm4 miroc3_2_medres
miub_echo_g mpi_echam5
mri_cgcm2_3_2a ncar_ccsm3_0
ncar_pcm1 ukmo_hadcm3
ukmo_hadgem1
8.000
9.000
10.000
11.000
12.000
13.000
14.000
15.000
16.000
17.000
2010_2039 2020_2049 2030_2059 2040_2069 2050_2079 2060_2089 2070_2099
An
nu
al M
ean
Tem
per
atu
e (
C)
Period (30 yr)
Annual Mean Temperature
bccr_bcm2_0 cccma_cgcm3_1_t47cnrm_cm3 csiro_mk3_0csiro_mk3_5 gfdl_cm2_0gfdl_cm2_1 giss_model_eringv_echam4 inm_cm3_0ipsl_cm4 miroc3_2_medresmiub_echo_g mpi_echam5mri_cgcm2_3_2a ncar_ccsm3_0ncar_pcm1 ukmo_hadcm3ukmo_hadgem1
Anomalías
Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm3 Csiro Mk3.0 Csiro Mk 3.5
Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0
Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam5 Mri Cgcm 2.3.2a
Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1 SRES A2 2030s Prec
Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm3 Csiro Mk3.0 Csiro Mk 3.5
Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0
Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam5 Mri Cgcm 2.3.2a
Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1
SRES A2 2030s Tmean
< 0.50 0.50 - 0.60 0.60 - 0.70 0.70 - 0.80 0.80 - 0.90 0.90 - 0.95 0.95 - 0.98 0.98 - 1.00
2030 19 GCMS 2030 12 GCMS 2030 Diferencia
Resultados subselección
2050 19 GCMS 2050 12 GCMS 2050 Diferencia
2030 19 GCMS 2030 12 GCMS 2030 Diferencia
2050 19 GCMS 2050 12 GCMS 2050 Diferencia
• Downscaling es inevitable, aunque se evaluarán laslimitaciones de los modelos.
• Se está haciendo una mejoracontinua.
• El foco principal es hacer un análisis de incertidumbres y mejorar los datos de líneabase.
• Análisis más riguroso incertidumbre de GCMs.
• Comparación con RCMs.
• Mejorar la línea base.
• Conseguir y procesar proyecciones AR5.
• Evaluar y validar incertidumbres.
• Selección final y entrega de datos climáticos.