RECONSTRUCCIONES DEL CLIMA EN EL PERIODO HISTÓRICO A PARTIR DE FUENTES DOCUMENTALES: ASPECTOS...
-
Upload
bernardo-armijo -
Category
Documents
-
view
218 -
download
0
Transcript of RECONSTRUCCIONES DEL CLIMA EN EL PERIODO HISTÓRICO A PARTIR DE FUENTES DOCUMENTALES: ASPECTOS...
RECONSTRUCCIONES DEL CLIMA EN EL PERIODOHISTÓRICO A PARTIR DE FUENTES DOCUMENTALES:ASPECTOS METODOLÓGICOS
Fernando Sánchez RodrigoDpto. Física AplicadaUniversidad de Almerí[email protected]
Seminario CLIVAR España. CLIMA EN ESPAÑA: PASADO, PRESENTE Y FUTURO. Contribución a un Informe de Evaluación del Cambio Climático Regional. 11-13 Febrero 2009, Madrid.
Proyecto “Caracterización del clima de la Península Ibérica durante el periodo1750-1850”, 2008-2011, Ministerio de Medio Ambiente, y Medio Rural y Marino
Introducción
Objetivo de la climatología histórica
Reconstrucción de la variabilidad climática previa a la recopilaciónsistemática de datos instrumentales.
Datos “proxy”, fuentes documentales
Fuentes documentales
Dispersión espacio-temporal de las informaciones
Contrastación de diferentes fuentesIntegración de diferentes fuentes para elaborar series temporalesde suficiente extensión.
Subjetividad inherente a este tipo de fuentes
Sistema de índices de severidad basados en los impactos
La vulnerabilidad de las infraestructuras del pasado pudo ser muydistinta a la del presente, y cambiar de unas épocas a otras.
Riesgo: considerar como extremos fenómenos “normales” segúnlos estándares actuales, sobrevalorar ciertos sucesos.
Análisis histórico (autor, fuente, fiabilidad, datación, …)
Indices de severidad.
Indices mensuales, Im = -1, 0, +1
Indices estacionales: Is = Im = -3, -2, -1, 0, +1, +2, +3
Aunque pueden reflejar valores medios de temperaturao totales de precipitación acumulada, no reflejan lavariabilidad intramensual, o intraestacional.
Hipótesis de partida: los extremos climáticos responden a una distribución simétrica entorno al valor medio(lo “normal” se indexa con el valor 0)
Promedio de los índices asignados a diferentes episodios parauna localidad (índice local), o entre los índices de varias localidades (índice regional)
Reconstrucción
Calibración con datos instrumentales para un periodo de solapamiento
Murcia, autumn
-3
-2
-1
0
1
2
3
1550 1600 1650 1700 1750 1800 1850 1900
Ejemplo: índices pluviométricos de otoño en Murcia (Rodrigo & Barriendos, 2008,Global and Planetary Change, 63: 243-257)
Murcia, autumn
I
Z
-3 -2 -1 0 1 2 3-3
-2
-1
0
1
2
3
Murcia, autumn
ZI
1860 1870 1880 1890 1900-4
-3
-2
-1
0
1
2
3
4
-3
-2
-1
0
1
2
3
Murcia, autumn
ObservationsForecasts
1865 1870 1875 1880 1885 1890 1895 1900-4
-3
-2
-1
0
1
2
3
4
-4
-3
-2
-1
0
1
2
3
4
Calibración Validación
Periodo de solapamiento: 1866-1900
r=0.33
Si el periodo es muy breve,correlación cruzada.
z=0.5+0.8Ir=0.55
No siempre es posible encontrarun periodo de solapamiento
ReconstrucciónMurcia, autumn
-4
-3
-2
-1
0
1
2
3
4
1500 1550 1600 1650 1700 1750 1800 1850 1900 1950 2000
Rain
fall
anom
alie
s
Reconstructed series zr0sr0=0.50
Instrumental series zisi=0,85
(a)
zr0 = a + bI
Murcia, autumn
-4
-3
-2
-1
0
1
2
3
4
1500 1550 1600 1650 1700 1750 1800 1850 1900 1950 2000
Rain
fall
anom
alie
s
Reconstructed series zr1mean value=0,56; sr1 = 0,85
Instrumental series zimean value=0,12; si =0,85
(b)
d = 0,44
zr1=(si/sr0)zr0
Murcia, autumn
-4
-3
-2
-1
0
1
2
3
4
1500 1550 1600 1650 1700 1750 1800 1850 1900 1950 2000
Rain
fall
anom
alie
s
Reconstructed series, zr2 Instrumental series, zi
(c)
zr2 = zr1 - dMean value = 0,12sr2 = 0,85
Pérdida de varianza
Factor de inflaciónDegradación de la serie instrumental mediante la adición de un ruido blanco
Homogeneidad de la serie reconstruida
Normalmente, no existe una serie homogénea de referencia.
t-test Media y varianzadel periodo históricoiguales a las delinstrumental
Murcia, autumn
-4
-3
-2
-1
0
1
2
3
4
1500 1550 1600 1650 1700 1750 1800 1850 1900 1950 2000
Rai
nfa
ll an
om
alie
s
Reconstrucción
Problemas metodológicos: resumen
Subjetividad de las fuentes
Sistema de índices basados en impactos puede ser inapropiado
Problemas de calibración/verificación(Inexistencia de un periodo de solapamiento, o que éste sea muy breve)
Pérdida de la varianza en la serie reconstruida
Homogeneidad de la serie reconstruida
Método alternativo
Modelo conceptualde cambio climático
Cambios en la función de distribuciónrepresentativa de la variable climática
Del pasado, sólo conocemosla frecuencia de extremos endeterminados periodos.
Objetivo: inferir los parámetros de la función de distribución a partir de la frecuencia de extremos.
Método alternativo (Rodrigo, 2008. Climatic Change, 87: 471-487)
Contabilizar estaciones extremas en periodos de 30 años del pasado, nw y nd
(por hipótesis, situaciones en las cuales los valores umbral fueron excedidos)
Si FX es la función de distribución representativa de la variable climática, los cuantiles qw y qd que permiten definir estaciones húmedas y secas puedenencontrarse como (n= 30)
n
nFq)q(FqXobPr
n
n d1XddXd
d
n
n1Fq)q(F1qXobPr1qXobPr
n
n w1XwwXww
w
Hipótesis: FX es la distribución normal, válida para lluvias totales estacionalesen Andalucía, excepto en el caso del verano (Rodrigo, 2002. Theoretical and Applied Climatology, 72: 193-207)
La distribución normal puede estandarizarse y transformarse en una N(0;1)
Los cuantiles de la serie pueden establecerse de la forma
cd = u + sqd cw = u + sqw
(u= valor medio; s = desviación típica, q = cuantil de la N(0;1), c = cuantil de la normal no estandarizada)
Conocidos cw y cd a partir de un periodo instrumental de referencia, podemos obtener u y s para un periodo de 30 años del pasado en la forma
dw
dw
ccs
u = cw – sqw = cd -sqd
Falta de datos implica que si nd = 0 qd - y si nw = 0 qw Gaps
Standard deviation
0
20
40
60
80
100
120
140
160
180
200
1820 1840 1860 1880 1900 1920 1940 1960 1980 2000
SD
(m
m)
En resumen, para periodos de 30 años, nd , nw qd , qw s, u
Validación del método: reconstrucción de la serie regional de Andalucía de precipitaciones de invierno (datos en Rodrigo et al., 1999, Int. J. Climatol.,19: 1233-1253) periodo instrumental 1821-2000, periodos sucesivos de 30 años
Mean value
0
50
100
150
200
250
300
1820 1840 1860 1880 1900 1920 1940 1960 1980 2000
Mean
valu
e (
mm
)
Periodo de referencia: 1961-1990
cd = 162.2 mm (percentil 25)cw = 268.8 mm (percentil 75)
Línea continua: reconstrucción.Línea discontinua: observaciones
Sobreestimación (s)/subestimación (u)de las observacionesRMSE(u) = 18 mm (8%)RMSE(s) = 25 mm (23%)
r=0.38
r=0.98
Standard deviation
0
50
100
150
200
250
1500 1600 1700 1800 1900 2000
s (m
m)
Mean value
0
50
100
150
200
250
300
350
1500 1600 1700 1800 1900 2000
u (
mm
)Reconstrucción de las precipitaciones de invierno en Andalucía (1501-2000)periodos sucesivos de 30 años, desde 1501-1530 hasta 1971-2000 (Rodrigo, 2008. Climatic Change, 87: 471-487 )
1651-16801681-17101711-1740
Rainfall (mm)0 100 200 300 400 500
0
2
4
6
8
10(X 0,001)
Aplicaciones
Periodo u (mm) s (mm)1651-1680 222.8 54.61681-1710 230.5 45.51711-1740 219.2 51.3
El Mínimo Maunder secaracteriza en Andalucíapor un aumento (descenso)de u (s)
cd cw
Oscilación “Maldá”: 1760-1800 (Barriendos & Llasat, 2003, Clim. Change, 61: 191-216)
1741-17701771-1800
Rainfall (mm)0 100 200 300 400 500
0
2
4
6
8
10(X 0,001)
Periodo u (mm) s (mm)1741-1770 238,5 41,61771-1800 234,6 65,2
El último tercio delsiglo XVIII se caracterizapor un aumento acusado de s respecto al periodoanterior
cd
cw
Ventajas del método:
No se precisa encontrar un periodo de solapamiento entre datos documentales e instrumentales.
Los percentiles 25 y 75 permiten recoger un amplio intervalo de situaciones sin conjeturas sobre el grado o magnitud de los fenómenos.
No se corrigen las series para buscar la homogeneidad
Problemas del método:
La hipótesis de normalidad puede no ser adecuada.
Resolución temporal de baja frecuencia (periodos largos)
Ausencia de información nd = nw = 0, obliga a la aparición de huecosen las series reconstruidas.
Falta de datos.
¿Es suficiente el número de informaciones encontradas?
Distribución binomial = Prob x>c = 0.5 si c=P25, P75
n = 30
15nnn wd 5.7)1(n)nnvar( wd
Criterio: El número total de estaciones extremas es satisfactorio si está incluidoen el intervalo )nnvar(2nn wdwd
n=nd+nw
0
5
10
15
20
25
1500 1550 1600 1650 1700 1750 1800 1850
n
Serie regional de Andalucía, número de inviernos extremos en periodos sucesivos de 30 años, 1501-1820.
Hipótesis de normalidad
Ejemplo: serie de precipitaciones totales de Murcia en otoño
Murcia, otoño, 1961-1990
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0 50 100 150 200 250 300 350 400
Precipitation (mm)
F Normal (u=100,1; s=82,1)KS=0.1467
Gamma (=1,5; = 67,9)KS=0.0695
cd=49 mm cw=139 mm
Hipótesis: FX es la función de distribución gamma incompleta
(FX) = 1
?Sea = 2.83, valor medio de los parámetros correspondientes a periodos de 31 años en la serie instrumental (1866-2000)
)n
n1(Fq w1
Xw
);(
FX
uq
ccq
w
www
Murcia, otoño
0
20
40
60
80
100
120
140
160
180
1850 1870 1890 1910 1930 1950 1970 1990
u (
mm
)
RMSE = 6.9 mm (7%)r = 0.95
Observado
Reconstruido
Reconstrucción
Murcia, otoño
0
20
40
60
80
100
120
140
160
180
200
1550 1600 1650 1700 1750 1800 1850 1900 1950 2000
u (m
m)
Media móvil 31 años, método de índices
r = 0.55
Murcia, otoño
0
20
40
60
80
100
120
140
160
180
200
1550 1600 1650 1700 1750 1800 1850 1900 1950 2000
u (m
m)
Método de FX para periodos sucesivos de 31 años
Resolución temporal
El método proporciona las medias para periodos sucesivos de n años
rK
rkktt x
1r2
1u
rk
rkk1t1t x
1r2
1u
Sea n impar (por ejemplo n=31) n = 2r + 1 (r=15)
rtr1tt1t xx1r2
1uu
)uu(nxx t1tr1trt
Mediante un proceso iterativo podemos obtener los valores x a partirde los datos instrumentales y las medias móviles.
Posibles desarrollos
Uso de diferentes funciones de distribución (lognormal, exponencial, Weibull, …)
Cambio de los valores umbral c (otros percentiles)
Reducción de la escala temporal
Comparación con otros datos “proxy” (anillos de árboles)
Reconstrucción de temperaturas
Relación con factores causales (NAO, ENSO, “forcings” solar, volcánico, [CO2])