Carlos Navarro - Generacion de Escenarios de CC para la Altillanura Colombiana

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




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



Temperatura Media Mensual

1°N - 5°N de latitud75° W - 71° W de longitud

8 Estaciones nuevas



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


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


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




Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1 SRES A2 2030s Prec




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

• 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.

Carlos Navarro - Generacion de Escenarios de CC para la Altillanura Colombiana

Documents

Transcript of Carlos Navarro - Generacion de Escenarios de CC para la Altillanura Colombiana