Embed Size (px)
Citation preview
Modelación del ClimaBenjamín Martínez López
Benjamín Martínez López, Francisco Estrada Porrúa y Carlos Gay García
Centro de Ciencias de la Atmósfera, UNAM
El sistema climático
Modelos climáticosMuy simples muy complicados
Desempeño de algunos modelos complicados(Modelos de circulación general océano-atmósfera acoplados) hielo marino, procesos suelo-atmósfera, etc.
Modelos climáticos regionales
Trabajo en el CCA en estos temas
El sistema climático:sistema muy complejo e interactivo, compuesto por la atmósfera, la superficie terrestre, el hielo y la nieve, los océanos, otros cuerpos de agua y los elementos vivos.
INTERACCIONES ENTRE LOS SUBSISTEMAS
FLUJOS DE MASA, DE ENERGÍA Y MOMENTO
EVOLUCIÓN TEMPORAL:Ecuaciones primitivas
Existen tres formas fundamentales para cambiar el equilibrio de radiación de la Tierra:
1) cambiando la radiación solar incidente (por ejemplo: mediante cambios en la órbita terrestre o en el propio Sol).
2) cambiando la fracción de la radiación solar reflejada (denominada ‘albedo’;(por ejemplo, mediante cambios en la envoltura de las nubes, las partículas de la atmósfera o la vegetación).
3) modificando la radiación emitida de onda larga desde la Tierra hacia el espacio (por ejemplo: mediante cambios en las concentraciones de gases de efecto invernadero).
La radiación solar es la fuente de energía del sistema climático.
Balance (idealizado) de energía
Modelo simple para reducir un sistema complejo
Cw (dT-dt) = E1 – E2 - E3
for i=1:60; T(i+1)=T(i) + (dt/Cw)*(342 - alf*342 - 0.95*Sig*Tau*T(i).^4); end
% dt ---- Paso en tiempo% To ---- Temperatura inicial (grados Kelvin)% Tau ---- Factor de efecto de invernadero% Sig ---- Constante de Stefan-Boltzmann% (W/(m2K4))% alf ---- Albedo% Cw ---- Capacidad Calorifica del sistema, cuyo% calor almacenado es igual a CwT, donde% T es el cambio de temperatura.
T(i+1)=T(i) + (dt/Cw)*(342 - alf*342 - 0.95*Sig*Tau*T(i).^4);
0.646
0 100 200 300 400 500 600
-15
-10
-5
0
5
10
15
Te
mp
era
tura
(°C
)
Años
0.646
0.8
1.0
T(i+1)=T(i) + (dt/Cw)*(342 - alf*342 - 0.95*Sig*Tau*T(i).^4);
Temperature dependent albedo (reflectivity)
evolution with slightly randomized transmissivity
evolution from different initial values
Integration of a zero–dimensional energy balance model
with constant transmissivity and temperature dependent albedo
no noise
with noise
Los modelos climáticos se basan en principios físicos bien establecidos y demuestran que reproducen características observadas de cambios climáticos recientes y pasados.
Existe confianza considerable en que los modelos proporcionan estimaciones cuantitativas creíbles del cambio climático futuro, especialmente en escalas continentales y superiores.
La confianza en estos cálculos es mayor para algunas variables climáticas (por ejemplo, la temperatura) que para otras (por ejemplo, la precipitación).
A pesar de todas sus limitaciones, los modelos acoplados océano-atmósfera son modelos cuasi-realistas que constituyen las herramientas disponibles más poderosas que tenemos para estudiar la respuesta del sistema climático ante diversos agentes forzantes.
Las celdas de los modelos usados para estimar el cambio climático tienen resoluciones espaciales, en el mejor de los casos, del orden de los 120 km
Esta resolución espacial no resuelve las características regionales de nuestro país y es necesario recurrir a los llamados “Métodos de Reducción de Escala”
Existen métodos estadísticos, dinámicos y mixtos
Climatologías de referencia para la temperatura y la precipitación se tomaron de la base WorldClim
Valores climatológicos para temperatura y precipitación para el mes de septiembre
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
8
10
12
14
16
18
20
22
24
26
28
30
Campo de temperatura proveniente del modelo MirocHR
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
8
10
12
14
16
18
20
22
24
26
28
30
Campo de temperatura interpolado proveniente del modelo MirocHR
WorldClim, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
5
10
15
20
25
30
35
echam520C3M, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
5
10
15
20
25
30
35
echam520C3M, julio 2050
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
5
10
15
20
25
30
35
echam520C3M, julio 2100
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
5
10
15
20
25
30
35
Echam 2100 - sXX
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
2
2.5
3
3.5
4
4.5
5
5.5
echam520C3M, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
5
10
15
20
25
30
35
echam520C3M, julio 2100
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
5
10
15
20
25
30
35
menos =
∆T
WorldClim, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
5
10
15
20
25
30
35
Echam 2100 - sXX
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
2
2.5
3
3.5
4
4.5
5
5.5
WorldClim+ DT, julio 2100
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
5
10
15
20
25
30
35
+
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic2.55
2.6
2.65
2.7
2.75
2.8
2.85
2.9
2.95
3
3.05
Err
or c
uadá
tico
med
io (
°C)
WorldCim, anomalía de temperatura, abril
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
-3
-2
-1
0
1
2
3
MirocHR, anomalía de temperatura, abril
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
-3
-2
-1
0
1
2
3
MirocMR, anomalía de temperatura, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
2
4
6
8
10
12
14
WorldClim, anomalía de temperatura, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
2
4
6
8
10
12
14
Echam5, anomalía de temperatura, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
2
4
6
8
10
12
14
?
Criterios de decisión de cartografía
Conde et al. INE
Modelo de distribución potencial 2050Pseudoeurycea galeanae
Tomado de: Martínez-Meyer. Presentación Coloquio Modelación del clima Retos y Oportunidades (PINCC) Abril 2011
Los modelos disponibles analizados reproducen regularmente la climatología de temperatura media.
Veamos ahora su desempeño al simular la precipitación
MirocHR, precipitación, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
100
200
300
400
500
600
700
800
900WorldCim, precipitación, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
100
200
300
400
500
600
700
800
900
MirocMR, precipitación, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
100
200
300
400
500
600
700
800
900Echam5, precipitación, julio
-115 -110 -105 -100 -95 -90
16
18
20
22
24
26
28
30
32
0
100
200
300
400
500
600
700
800
900
MIROC
Tacubaya ECHAM
En los dos modelos (ECHAM5 y MIROC32-HIRES), la precipitación muestra una evolución en el siglo XX muy diferente a la que se registró en el Observatorio de Tacubaya o en Cuernavaca. Lo preocupante: las tendencias simuladas son contrarias a la tendencia observada.
¿Cómo se simula la lluvia en el siglo XXI en la región central de México?
La incertidumbre asociada a las proyecciones climáticas es grande, la cual, en parte, tiene su origen en los escenarios de emisiones, pero también es debida a la incapacidad de los modelos de simular correctamente la precipitación.
La falta de series largas de temperatura y precipitación, que desgraciadamente es la regla en nuestro país, elimina casi por completo la utilización de técnicas estadísticas de reducción de escala.
Utilizar de modelos dinámicos regionales para la generación de escenarios de cambio climático de alta resolución.
Observed precipitation and simulated precipitation from both regional models and global forcing models along a West-East transect of the State of Washington at 47.8°N latitude. Terrain height is indicated by the thick grey line.
Salathé EP, Steed R, Mass CF, and Zahn P (2008) A high-resolution climate model for the U.S. Pacific Northwest: Mesoscale feedbacks and local responses to climate change. J Clim 21:5708-5726
Regional Climate Model Projections for the State of WashingtonEric P Salathé Jr1, L Ruby Leung2, Yun Qian2, and Yongxin Zhang11) JISAO Climate Impacts Group, University of Washington, Seattle, Washington2) Atmospheric Science and Global Change Division, Pacific Northwest National Laboratory,Richland, Washington
Referencia:
Marsland, S. J., H. Haak, J. H. Jungclaus, M. Latif and F. Roeske, 2003.The Max-Planck-Institute global ocean/sea ice model with orthogonalcurvilinear coordinates. Ocean Modelling, 5, 91–127.
The Max-Planck-Institute Global Ocean/Sea-Ice ModelMPI-OM
Modelo oceánico:
MPI-OM fue utilizado en el AR4 acoplado con ECHAM5
La configuración mostrada de MPI-OM se usó para estudiar las interacciones entre los márgenes continentales europeos y el océano Atlántico. EMPI-OM se acopló al modelo regional climático REMO. Para la generación de escenarios regionales para México se usa la misma configuración del modelo oceánico.
El modelo oceánico usa una malla curvilínea ortogonal, mayor resolución en la zona del Pacífico ecuatorial y el Atlántico del Norte, zonas de gran importancia por ENSO y formación de agua profunda, respectivamente.
-60 -40 -20 0 20
-30
-25
-20
-15
-10
-5
0
5
10
15
0
5
10
15
20
25
30
Utilización de modelos climáticos regionalesModelo oceánico global (MPI-OM) acoplado a un modelo atmosférico regional de alta resolución (REMO).
Primera etapa:50 km de resolución
Segunda etapa:10 km
Tercera etapa:Modelo atmosféricono hidrostáticopara simulacionesusando una mallaespacial menor a los10 km.
Temperatura a 2 m
Simulación con una duración de algunos días en el cluster del CCA
ACTIVIDADES SUGERIDAS EN DIVERSOS PROYECTOS
Simular la climatología en México usando dos modelos climáticos regionales de alta resolución forzados con el mismo conjunto de condiciones de frontera provenientes de modelos globales con un buen desempeño sobre México (métricas) que serán usados en el AR5.
Estimar el valor agregado en las climatologías resultantes (sobre todo de precipitación) al usar los modelos de alta resolución con las diferentes condiciones de frontera.
La información que se obtendría sería muy valiosa y constituiría un base sólida para la generación de escenarios dinámicos regionales de cambio climático.
Estudiar procesos y entenderlos.
