VARIABILIDAD CLIMATICA Y ECOSISTEMAS

CLAUDIO MENENDEZ, ANDREA CARRIL, PEDRO FLOMBAUM, ANNA SORENSSON

CIMA/CONICET-UBA, DCAO/FCEN, UMI IFAECI/CNRS

IANIGLA, NOV. 2011

ANDES: FUERTES GRADIENTES EN PARÁMETROS CLIMÁTICOS

Cfa: templado, sin estación seca y verano caliente

BWh: árido-desierto caliente

BSh: árido- estepa caliente

BWk: árido-desierto frío

BWk: árido-desierto frio

BSk: árido- estepa fría

Cfb: templado, sin estación seca y con verano cálido

Cwa: templado, con invierno seco y verano caliente

Cfa: templado, sin estación seca y verano caliente

Csb: templado, verano seco y cálido

Csa: templado, verano seco y caliente

ET: polar-tundra

PROCESOS ECOLOGICOS =

f (BIODIVERSIDAD, CLIMA, …)

PROCESOS ECOLOGICOS =

f (BIODIVERSIDAD, CLIMA, …)

Colaborador externo:

Osvaldo Sala - Arizona State University

BIODIVERSIDAD Y ESTABILIDAD

HIPOTESIS #1: BIODIVERSIDAD α ESTABILIDAD

i.e. ecosistemas con alta diversidad son más estables que los ecosistemas con baja diversidad (Elton 1958, Tilman1996)

tiempo

PPNA

Alta biodiversidad

Baja biodiversidad

alta biodiversidad

baja biodiversidad

BIODIVERSIDAD Y ESTABILIDAD

HIPOTESIS #1: BIODIVERSIDAD α ESTABILIDAD

i.e. ecosistemas con alta diversidad son más estables que los ecosistemas con baja diversidad (Elton 1958, Tilman1996)

tiempo

PPNA

Alta biodiversidad

Baja biodiversidad

alta biodiversidad

baja biodiversidad

~ PORTFOLIO EFFECT

BIODIVERSIDAD Y ESTABILIDAD

HIPOTESIS #2: PPNA α BIODIVERSIDAD

i.e. tasa de funcionamiento de un ecosistema es proporcional al número de especies

BIODIVERSIDAD Y ESTABILIDAD

HIPOTESIS #2: PPNA α BIODIVERSIDAD

i.e. tasa de funcionamiento de un ecosistema es proporcional al número de especies

Es posible estimar series de NPP a partir de la dendrocronologia ?

BIODIVERSIDAD Y ESTABILIDAD: DISEÑO DEL EXPERIMENTO

•Seleccionar sitios correspondientes a diferentes tipos de clima;

•En cada sitio debe haber un gradiente de diversidad de especies de árboles;

•Estimación de la productividad a partir de anillos de los árboles;

•Estimación de la variabilidad climática a partir de reanálisis y observaciones

DOES TREE DIVERSITY BUFFERS CLIMATE VARIABILITY?

2climática

PPNAt2 High tree diversity

Low tree diversity

San Martín Junín Mendoza

MODELADO DINAMICO DE LA VEGETACION

Y DEL CLIMA

MODELADO DINAMICO DE LA VEGETACION

Y DEL CLIMA

Colaborador externo:

Patrick Samuelsson - Rossby Centre, Swedish Meteorological and Hydrological Institute

RCA3 COUPLED TO THE DYNAMIC VEGETATION MODEL LPJ-GUESS: RCA-GUESS

Tareas:

• Simular la vegetación del pasado reciente

Forzar LPJ-GUESS con climatologías observacionales i) off line forzado por CRU, ii) acoplado con RCA forzado por reanálisis

• Caracterizar las interacciones entre la vegetación y la atmósfera (análisis estadísticos) • Evaluar el rol de las interacciones vegetación-clima en un contexto de cambio climático

Simular el período 1951-2100 con y sin vegetación dinámica

RCA3 COUPLED TO THE DYNAMIC VEGETATION MODEL LPJ-GUESS: RCA-GUESS

Tareas:

• Simular la vegetación del pasado reciente

Forzar LPJ-GUESS con climatologías observacionales i) off line forzado por CRU, ii) acoplado con RCA forzado por reanálisis ** necesitamos datos de NPP para evaluar el modelo**

• Caracterizar las interacciones entre la vegetación y la atmósfera (análisis estadísticos) • Evaluar el rol de las interacciones vegetación-clima en un contexto de cambio climático

Simular el período 1951-2100 con y sin vegetación dinámica

RCA3 COUPLED TO THE DYNAMIC VEGETATION MODEL LPJ-GUESS: RCA-GUESS

Metodología

•Se hace corresponder a cada celda una de las 18 categorías de vegetación (bioma)

•Se fuerza el modelo de vegetación con un AOGCM y se comparan clima “actual” y “futuro”

•Se grafican las áreas en las que cambian los biomas

EJEMPLO DE CAMBIOS EN LA VEGETACION SIMULADOS POR UN MODELO DINAMICO DE VEGETACION (UNA VERSION DE LPJ)

Thomas et al., 2008

EJEMPLO DE CAMBIOS EN LA VEGETACION SIMULADOS POR UN MODELO DINAMICO DE VEGETACION (UNA VERSION DE LPJ)

Thomas et al., 2008

CAMBIOS EN LAI

VARIABILIDAD CLIMATICA

PRECIP. Y TEMP. EN SANTIAGO DE CHILE

VECTOR VIENTO E ISOTACAS EN 200 hPa

PRECIP. Y TEMP. EN SANTIAGO DE CHILE

PRECIP. Y TEMP. EN MENDOZA

PRECIP. Y TEMP. EN MENDOZA

PRECIPITACION Y LINEAS DE CORRIENTE EN 200 hPa

ANOMALIAS 500 hPa, JULIO 1987 (EL NIÑO)

Rutllant y Fuenzalida, 1991

REGRESION ENTRE INDICE SAM Y PRESION EN SUPERFICIE

Goosse et al., 2010

Annalisa Cherchi y Andrea Carril

ANOMALIAS DE SST Z* (200 hPa)

Volumen, complejidad y disponibilidad de datos climáticos de diferentes tipos y provenientes de diferentes fuentes se está incrementando rápidamente:

- CMIP5 / IPCC AR5

- Nuevos reanálisis multidecádicos (p.e. 20CR, Compo et al., 2011)

- CLARIS LPB (nuevas simulaciones regionales, 1951-2100)

- Nuevas simulaciones “de cambio climático” (p.e. IPSL-CM5A-LR con escenario RCP4.5)

- Experimentos idealizados con AGCMs con “alta” resolución (p.e. ECHAM4/CMCC)

- Nuevos datos observacionales (p.e. Observatorio Nacional de la Degradación de Tierras y Desertificación)

GRACIAS

OTROS SLIDES

ERA 40 Atlas

VARIABILIDAD INTERANUAL DE PRESION

PRECIP.: Mean of the 21 models minus observations (CMAP)

Surf.Air TEMP.: Mean of the 21 models minus observations (HadCRUT2v)

CMIP3 ensemble annual mean biases (IPCC AR4)

Inferring supply and demand limitation of ET

ET is limited by atmospheric demand

ET is limited by soil moisture supply

Classifying the regions with either T (demand

limitation) or P (supply limitation)

Jung et al., 2010

ET is limited by soil moisture (soils are relatively dry)

ET responds to changing atmospheric demand (if there is sufficient moisture supply)

Jung et al., 2010

Inferring supply and demand limitation of ET

ENSAMBLE W ENSAMBLE S-W

Correlaciones positivas –aqui en amarillo/rojo - indican que SM

condiciona la ET

Andes topografía compleja

Fuertes gradientes en parámetros climáticos (p.e. temp. y precip.)

GCMs y RCMs: resolución demasiado gruesa para representar detalles topográficos (y otros forzantes relacionados con características del terreno y de la vegetación)

La simulación de la precipitación en zonas montañosas es poco confiable

Los modos naturales de variabilidad climática (p.e. ENSO, SAM) pueden modular los patrones de precipitación en diferentes escalas temporales (los modelos acoplados globales tienen dificultades para capturar estos mecanismos)

Existen estudios que muestran que modelos de alta resolución pueden simular los patrones de mesoescala observados (pero son muy caros en modo climático)

Nieve+Hielo clave para ciclo hidrológico en zonas montañosas

Doble problema en los Andes: calentamiento y disminución de la precipitación

Consecuencias p.e. sobre:

Escurrimiento (runoff), caudal de ríos timing / volumen

Vegetación: puede ser sensible a cambios en el ciclo anual de diferentes factores (T, P, nieve, runoff)

Zonas montañosas templadas Criósfera próxima a su melting point Criosfera sensible a pequeños cambios de temperatura

Efectos del calentamiento:

En algunas regiones: nevadas lluvias

Línea de nieve: a mayor altura (~150 m / 1C)

Menor duración de la nieve, especialmente en niveles bajos