navarro_c_ 201409_resultados_generación _escenarios_cc_delsitanisagua
DESCRIPTION
Presentación talleres entre 22-26 de septiembre de 2014, Quito, Loja - EcuadorTRANSCRIPT
Resultados Generación Escenarios CC - Delsitanisagua
C. NavarroJ. Tapasco, M. Orrego, G. León, J. Ramirez, A. Jarvis, S. Gourdji,
9/25/2014 Loja, Ecuador
“Análisis de la vulnerabilidad de las centrales hidroeléctricas priorizadas ante los
efectos del cambio climático”
Cómo prepararnos
para el
futuro? ?
• Cualquier agro-ecosistema responde a variaciones de – Factores antropogenicos (sociales)– Bióticos (plagas, enfermedades)– Abioticos (clima, suelos)
• El clima es el factor menos predecible.• El clima va a cambiar• Cada sistema es un caso específico
Lo que sabemos
Clima & Ambiente
Lo que no sabemos¿Qué condiciones tendremos en 30, 50, 100 años?
• ¿Cómo responderán nuestros sistemas a estas condiciones?
• ¿Cuándo, dónde, y qué tipo de cambio se requiere para adaptar?
• ¿Quién debe planear? ¿Quién debe ejecutar?
Clima & Ambiente
Datos climáticos confiables
Vacíos representación del sistema climático
Modelos climáticos inadecuados
Evaluación de Impactos cambio climático
NecesidadesLimitaciones
Alto grado de incertidumbre
Clima & Ambiente
Económico
Ambiental
Global Regional
PESIMISTA“Bussiness as
usual”
OPTIMISTA
Mundo perfecto
IntermedioP
E
P
E
P
E
P
E
Los Escenarios de Emisión
¿Cómo predecir el futuro?
IPCC, 2007
Variaciones en la temperatura de la superficie de la tierra: de 1000 a 2100
Qué es lo que dicen los modelos??
Cambios antropogénicos llevan a cambios atmosféricos
Concentraciones Atmosféricas
Los GCMs son la única manera en que podemos predecir el
clima a futuro
¿Cómo predecir el futuro?
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
¿Cómo predecir el futuro?
Parte IDatos Climáticos Históricos
Ramírez-Villegas and Challinor, 2012
Entendiendo el Problema…
(1) Pocas estaciones meteorológicas
(2) Algunas estaciones meteorológicas no están en buen estado (periodos cortos, gaps).
(3) Los datos no están correctamente almacenados
(4) Los datos no pasan los controles de calidad básicos
Situación Estaciones INAMHI
Una tendencia generalizada…La calidad de la interpolación es muy baja cuando la cantidad de estaciones es limitada.
Estaciones x variable:
• 47,554 precipitación
• 24,542 tmean
• 14,835 tmax y tmin
- 3 0 .1
3 0 .5
M e a n a n n u a lt e m p e r a t u r e ( º C )
0
1 2 0 8 4
A n n u a l p r e c i p i t a t i o n ( m m )
WorldClim
Fuentes:•GHCN•FAOCLIM•WMO•CIAT•R-Hydronet•Redes nacionales
Interpolación Diaria Datos INAMHI
Latitud
Longitud
Altitud - STRM
19811982
2010
…
“thin-plate spline”
Mínimo 10 años
Interpolación Diaria Datos INAMHILas capas interpoladas de presente estudio fueron hechas usando:
1. La base de datos de estaciones meteorológicas provenientes del INAMHI (qc). Periodo comprendido entre 1981-2010.
2. La base de datos de elevación STRM, de 30 arc-segundos de resolución.
3. El software ANUSPLIN versión 4.3, un programa de interpolación multivariable que implementa el método de suavizado “thin-plate spline” descrito por Hutchinson (1995). Se uso el programa SPLINA incluido dentro del paquete ANUSPLIN. Se usó latitud, altitud y elevación como variables independientes.
Interpolación Diaria Datos INAMHIResultados
Superficies climáticas generadas a nivel diario empleando estaciones
INAMHI y algoritmo de interpolación “thin-plate spline” para la cuenca
del Delsitanisagua y distribución de estaciones. A) Precipitación
acumulada (mm/día), B) temperatura mínima (valores en °C) y C) máxima diaria (valores en °C), y
D) modelo digital de elevación STRM 1 Km2 (valores en msnm). Los puntos
indican las estaciones meteorológicas INAMHI usadas.
Interpolación Diaria Datos INAMHI - Resultados
Promedio y Desviación estándar de precipitación acumulada diaria por meses de las superficies interpoladas del año 1995 (año central de la línea base climatológica
correspondiente al periodo 1981-2010). Valores en mm/día.
Interpolación Diaria Datos INAMHI - Resultados
Promedio y desviación estándar de la temperatura mínima diaria por meses de las superficies interpoladas del año 1995 (año central de la línea base climatológica
correspondiente al periodo 1981-2010). Valores en °C.
Promedio y desviación estándar de la temperatura máxima diaria por meses de las superficies interpoladas del año 1995 (año central de la línea base climatológica correspondiente al
periodo 1981-2010). Valores en °C.
Interpolación Diaria Datos INAMHI - Resultados
Interpolación Diaria Datos INAMHIResultados – Series temporales
• Interpolación diaria con el algoritmo “thin-plate spline” ayuda a complementar series INAMHI (qc), de interés en la modelación de SWAT, aunque agrega ruido.
• El detalle técnico:– Formato raster de extensión ASCII– 30 arc-segundos de resolución espacial (~1 km2 al Ecuador)– Nivel diario para todos los años del periodo 1981-2010, basados en las
estaciones climatológicas del INAMHI. – Peso total del set de datos es de 15GB sin comprimir (3 GB comprimidos) y
contiene un total de 32850 archivos (30 años x 3 variables x 365/6 días año). El calendario se tomó juliano.
• Siguen inconvenientes > 2001. Tal vez calibrar con un periodo más corto (en fase final). Baseline GCM 1960-2005
• La interpolación permite crear pseudoestaciones…
Interpolación Diaria Datos INAMHI - Resultados
Interpolación Diaria Datos INAMHIRecomendaciones
Estaciones de interés &
pseudoestaciones
Parte IProyecciones Futuras
Acerca del futuro…
Ramírez-Villegas and Challinor, 2012AI GCM: GCM data “as is”, SD GCM: statistically
downscaled GCM, PS GCM: pattern scaled GCM, WG GCM: GCM data through a weather generator, SC
Variables: systematic changes in target key variables, Unclear: not specified clearly in study, ARPEGE: the
ARPEGE Atmospheric GCM
Escala global Pero.. Escala regional o local
Dificultad 1. Acerca de la resolución
• Resolución horizontal 100 a 300 km
• 18 y 56 niveles verticales.
Mezcla de Resoluciones
Baja Resolución
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, L33….
GCM Limitaciones
Dificultad 2. Disponibilidad de datosWCRP 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 OKCCCMA-CGCM3.1-T63 OK OK NO NO NO NO NO NO OK OK NO NOCCCMA-CGCM3.1-T47 OK OK NO NO OK OK NO NO OK OK NO NOCNRM-CM3 OK OK NO NO OK OK NO NO OK OK NO NOCSIRO-MK3.0 OK OK OK OK OK OK OK OK OK OK OK OKCSIRO-MK3.5 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.0 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.1 OK OK OK OK OK OK OK OK OK OK OK OKGISS-AOM OK OK OK OK NO NO NO NO OK OK OK OKGISS-MODEL-EH OK OK NO NO NO NO NO NO NO NO NO NOGISS-MODEL-ER OK OK NO NO OK OK NO NO OK OK NO NOIAP-FGOALS1.0-G OK OK NO NO NO NO NO NO OK OK NO NOINGV-ECHAM4 OK OK NO NO OK OK NO NO NO NO NO NOINM-CM3.0 OK OK OK OK OK OK OK OK OK OK OK OKIPSL-CM4 OK OK NO NO OK OK NO NO OK OK NO NOMIROC3.2.3-HIRES OK OK OK OK NO NO NO NO OK OK OK OKMIROC3.2.3-MEDRES OK OK OK OK OK OK OK OK OK OK OK OKMIUB-ECHO-G OK OK NO NO OK OK NO NO OK OK NO NOMPI-ECHAM5 OK OK NO NO OK OK NO NO OK OK NO NOMRI-CGCM2.3.2A OK OK NO NO OK OK NO NO OK OK NO NONCAR-CCSM3.0 OK OK OK OK OK OK OK OK OK OK OK OKNCAR-PCM1 OK OK OK OK OK OK OK OK OK OK OK OKUKMO-HADCM3 OK OK NO NO OK OK NO NO OK OK NO NOUKMO-HADGEM1 OK OK NO NO OK OK NO NO NO NO NO NO
GCM Limitaciones
Dificultad 3. Habilidad limitada de representar clima presente.
Depender de un solo GCM no es recommendable!
GCM Limitaciones
Cómo utilizar esta información?
Problema
Necesidad
OpcionesDownscaling por métodos estadísticos o dinámicos..
Aumentar resolución, uniformizar… proveer datos de alta resolución, contextualizados
Aún el GCM más preciso es demasiado grueso (100km).
GCM Limitaciones
Metodología DelsitanisaguaGeneración de la línea base con una interpolación mensual de los datos INAMHI
Cálculo de la línea base de los GCM
Comparación de ambas líneas bases
Cálculo de anomalías, o la diferencia absoluta entre los valores futuros y los históricos de los GCM.
La interpolación de estas anomalías mediante celdas (pixeles) de GCM como puntos para la interpolación.
Interpolación Mensual Datos INAMHI
Latitud Longitud
Altitud - STRM
1981-2010
“thin-plate spline”X 25 iteraciones
Mínimo 10 años Superficies Mensuales (Promedio de 30 años)
Interpolación Mensual Datos INAMHI
Precipitación Acumulada por Temporadas (Promedio)
Interpolación Mensual Datos INAMHI
Temperatura Media por Temporadas (Promedio)
Interpolación Mensual Datos INAMHIValidación Cruzada
25 iteraciones | 85% Train 25% Test
Selección de EscenariosIPCC CMIP5 Transición a nuevos Escenarios…
R. Knutti, J. Sedlácek, 2012
Global temperature change and uncertainty (mean and one standard deviation as shading) relative to 1986–2005
Periodo
Incertidumbres
Hawkins, 2012
Selección Modelos GCM AR5
Modelo Línea Base RCP 2.6 RCP 4.5 RCP 8.5bcc_csm1_1 X X X Xbcc_csm1_1_m X X X Xbnu_esm X X X Xcccma_canesm2 X X X Xcesm1_bgc X X Xcesm1_cam5 X X X Xcsiro_access1_0 X X Xcsiro_access1_3 X X Xcsiro_mk3_6_0 X X X Xec_earth X Xfio_esm X X X Xgfdl_cm3 X X X Xgfdl_esm2g X X X Xgfdl_esm2m X X X Xgiss_e2_h X X Xgiss_e2_h_cc X Xgiss_e2_r X X X Xgiss_e2_r_cc X Xinm_cm4 X X Xipsl_cm5a_lr X X X Xipsl_cm5a_mr X X X Xipsl_cm5b_lr X Xlasg_fgoals_g2 X X X Xmiroc_esm X X X Xmiroc_esm_chem X X X Xmiroc_miroc5 X X X Xmohc_hadgem2_cc X X Xmohc_hadgem2_es X X X Xmpi_esm_lr X X X Xmpi_esm_mr X X Xmri_cgcm3 X X X Xncar_ccsm4 X X X Xncc_noresm1_m X X X Xnimr_hadgem2_ao X X X XTotal 34 25 30 32
Selección de Modelos
Projections of future global average annual precipitation and temperature for RCP 2.6 from donwscaled data.
Incertidumbres
2020_2049 2040_2069 2060_2089
Escenario: RCP 2.6Variable: Precipitación mensual Tipo: Cambios en precipitación (mm/mes) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 4.5Variable: Precipitación mensual Tipo: Cambios en precipitación (mm/mes) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 8.5Variable: Precipitación mensual Tipo: Cambios en precipitación (mm/mes) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 4.5Variable: Precipitación mensual Tipo: Cambios en precipitación (mm/mes) Métrico: Desviación Estándar
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 2.6Variable: Temperatura Mínima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 4.5Variable: Temperatura Mínima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 8.5Variable: Temperatura Mínima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 4.5Variable: Temperatura Mínima MensualTipo: Cambios en precipitación (grados celsius) Métrico: Desviación Estándar
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 2.6Variable: Temperatura Máxima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 4.5Variable: Temperatura Máxima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 8.5Variable: Temperatura Máxima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio
Cambios Proyectados
2020_2049 2040_2069 2060_2089
Escenario: RCP 4.5Variable: Temperatura Máxima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Desviación Estándar
Cambios Proyectados
Escenario: RCP 4.5Variable: Precipitación TotalTipo: Cambios en precipitación (mm/año) Periodo: 2020_2049
Cambios Proyectados
Cambios ProyectadosEscenario: RCP 4.5Variable: Precipitación TotalTipo: Cambios en precipitación (mm/año) Periodo: 2040_2069
Cambios ProyectadosEscenario: RCP 4.5Variable: Precipitación TotalTipo: Cambios en precipitación (mm/año) Periodo: 2070_2099
Escenario: RCP 4.5Variable: Temperatura máxima anualTipo: Cambios en temperatura máxima (grados celsius) Periodo: 2020_2049
Cambios Proyectados
Escenario: RCP 4.5Variable: Temperatura máxima anualTipo: Cambios en temperatura máxima (grados celsius) Periodo: 2040_2069
Cambios Proyectados
Escenario: RCP 4.5Variable: Temperatura máxima anualTipo: Cambios en temperatura máxima (grados celsius) Periodo: 2070_2099
Cambios Proyectados
Variable: Precipitación totalTipo: Cambios en precipitación (mm/año) Métrico: Promedio y Desviación Estándar
RCP 2.6
RCP 4.5
RCP 8.5
Cambios Proyectados
Variable: Temperatura Mínima AnnualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio y Desviación Estándar
RCP 2.6
RCP 4.5
RCP 8.5
Cambios Proyectados
Variable: Temperatura Máxima AnnualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio y Desviación Estándar
RCP 2.6
RCP 4.5
RCP 8.5
Cambios Proyectados
Comparación Observaciones – Baseline CMIP5 (Skill)
CRU INA CRU INA CRU INA CRU INA CRU INA CRU INA CRU INA CRU INA CRU INA CRU INAbcc_csm1_1 0.88 0.87 0.94 0.84 0.88 0.86 0.67 0.62 0.86 0.83 0.99 0.99 0.99 0.99 1 0.99 1 0.99 0.99 0.99bcc_csm1_1_m 0.83 0.82 0.89 0.85 0.79 0.75 0.63 0.57 0.8 0.73 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98bnu_esm 0.84 0.81 0.85 0.75 0.83 0.75 0.67 0.63 0.87 0.84 0.99 0.99 1 0.99 1 0.99 0.99 0.99 0.99 0.99cccma_canesm2 0.48 0.39 0.42 0.28 0.63 0.51 0.59 0.51 0.25 0.21 0.99 0.98 0.99 0.98 0.99 0.98 0.99 0.99 0.99 0.98cesm1_bgc 0.79 0.69 0.82 0.71 0.84 0.69 0.65 0.48 0.62 0.55 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98cesm1_cam5 0.83 0.79 0.86 0.82 0.84 0.72 0.74 0.6 0.79 0.79 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.97csiro_access1_0 0.87 0.77 0.77 0.62 0.84 0.71 0.8 0.63 0.77 0.65 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99csiro_access1_3 0.93 0.85 0.85 0.72 0.83 0.72 0.84 0.68 0.87 0.77 0.99 0.98 0.99 0.98 0.99 0.98 0.99 0.98 0.99 0.98csiro_mk3_6_0 0.94 0.92 0.89 0.82 0.91 0.9 0.72 0.64 0.97 0.89 0.99 0.99 0.99 0.98 0.99 0.99 0.99 0.99 0.99 0.99ec_earth 0.44 0.47 0.47 0.52 0.57 0.59 0.18 0.2 0.33 0.31 1 0.99 0.99 0.99 1 0.99 0.99 0.99 0.99 0.99fio_esm 0.8 0.75 0.76 0.59 0.82 0.8 0.56 0.5 0.79 0.76 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99gfdl_cm3 0.85 0.8 0.85 0.78 0.9 0.82 0.8 0.75 0.6 0.55 0.99 0.99 0.99 0.99 0.99 0.99 1 0.99 0.99 0.98gfdl_esm2g 0.81 0.78 0.83 0.77 0.88 0.83 0.91 0.82 0.54 0.51 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99gfdl_esm2m 0.84 0.82 0.87 0.81 0.89 0.84 0.92 0.84 0.6 0.57 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99giss_e2_h 0.66 0.73 0.88 0.94 0.71 0.77 0.22 0.29 0.45 0.46 0.98 0.97 0.98 0.97 0.98 0.97 0.98 0.96 0.98 0.97giss_e2_h_cc 0.72 0.79 0.9 0.95 0.76 0.83 0.26 0.34 0.52 0.53 0.98 0.97 0.98 0.97 0.98 0.97 0.98 0.96 0.98 0.97giss_e2_r 0.58 0.63 0.84 0.9 0.59 0.66 0.2 0.25 0.34 0.35 0.98 0.97 0.98 0.97 0.98 0.97 0.98 0.96 0.98 0.97giss_e2_r_cc 0.53 0.59 0.78 0.86 0.54 0.61 0.19 0.25 0.34 0.35 0.98 0.97 0.98 0.97 0.98 0.97 0.98 0.96 0.98 0.97inm_cm4 0.8 0.69 0.72 0.54 0.9 0.71 0.68 0.59 0.61 0.58 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99ipsl_cm5a_lr 0.99 0.99 0.88 0.82 0.99 0.96 0.89 0.77 1 1 1 1 1 1 1 1 1 1 1 1ipsl_cm5a_mr 0.8 0.8 0.85 0.76 0.77 0.78 0.53 0.46 0.54 0.49 1 1 1 1 1 1 0.99 1 1 1ipsl_cm5b_lr 0.99 0.98 0.75 0.67 0.94 0.88 0.98 0.91 1 0.99 1 1 1 1 1 1 1 1 1 1lasg_fgoals_g2 0.85 0.83 0.89 0.83 0.89 0.85 0.7 0.72 0.77 0.75 0.99 0.99 0.99 0.98 0.99 0.99 0.99 0.99 0.99 0.99miroc_esm 0.87 0.86 0.9 0.76 0.89 0.86 0.59 0.56 0.83 0.81 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99miroc_esm_chem 0.87 0.85 0.89 0.73 0.9 0.85 0.59 0.57 0.83 0.81 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99miroc_miroc5 0.77 0.77 0.9 0.88 0.76 0.77 0.34 0.25 0.69 0.64 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.97 0.98 0.98mohc_hadgem2_cc 0.9 0.77 0.72 0.54 0.66 0.5 0.82 0.63 0.71 0.58 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99mohc_hadgem2_es 0.89 0.76 0.74 0.56 0.57 0.42 0.84 0.66 0.74 0.6 0.99 0.99 0.99 0.99 0.99 0.98 0.99 0.99 0.99 0.99mpi_esm_lr 0.91 0.8 0.97 0.87 0.93 0.81 0.57 0.36 0.87 0.76 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99mpi_esm_mr 0.86 0.76 0.9 0.81 0.89 0.8 0.5 0.33 0.84 0.75 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99mri_cgcm3 0.61 0.62 0.5 0.53 0.67 0.7 0.72 0.74 0.45 0.38 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99ncar_ccsm4 0.77 0.67 0.82 0.71 0.83 0.69 0.63 0.47 0.59 0.52 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98ncc_noresm1_m 0.83 0.81 0.86 0.79 0.9 0.91 0.59 0.49 0.69 0.67 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99nimr_hadgem2_ao 0.87 0.76 0.72 0.55 0.56 0.41 0.85 0.7 0.77 0.64 0.99 0.99 0.99 0.99 0.99 0.98 0.99 0.99 0.99 0.99
MODEL
PRECPITACIÓN TEMPERATURA MEDIAANNUAL DJF MAM JJA SON ANNUAL DJF MAM JJA SON
< 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
– Usa resultados de GCMs– Es de área limitada.. Necesitan condiciones de frontera. – Datos diarios | Resolucion 25 Km
Coordinated Regional Climate Downscaling Experiment (CORDEX)
Métodos Dinámicos - REMO
RCP 2.6, RCP 4.5, RCP 8.5Tasmax, Tasmin, Pr
Periodo: 2000-2100
• Anotaciones– Limitaciones
• Tiempos de procesamiento• Información histórica escaza
– Oportunidades• Usar GIS para complemetación de datos• Cuantificación de las diferentes fuentes
de incertidumbre. • Usar amplio rango de modelos para
analisis de incertidumbre (selección de GCM; solo recomendada cuando hay una fuerte correlación entre ellos).
• Usar un modelo ensemble (GCM + RCM).
Discusión