• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Carlos Navarro - Generacion de Escenarios de CC para la Altillanura Colombiana
 

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

on

  • 2,324 views

Convenio: MADR-CORPOICA-CIAT ...

Convenio: MADR-CORPOICA-CIAT
Proyecto: Modelo para evaluar los riesgos del cambio climático y generar estrategias de adaptación y mitigación
Fecha: 31 de enero 2012
Lugar: Villavicencio

Statistics

Views

Total Views
2,324
Views on SlideShare
1,213
Embed Views
1,111

Actions

Likes
0
Downloads
24
Comments
0

3 Embeds 1,111

http://dapa.ciat.cgiar.org 659
http://www.futuro-orinoquia.org 449
http://translate.googleusercontent.com 3

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • Datos climáticosDe ellos dependen los cálculos de vulnerabilidad (incapacidad de un sistema para afrontar los efectos adversos del CC). Saber que va a pasar, cuando, para proyectar Planes de adaptación, Enfocar la investigación.Evaluación de impactos de cambio climáticoDentro de este proceso se incluye:Desarrollar modelos -> Conocer incertidumbres -> Planes de acción -> Generación de políticas   LimitacionesSistema climático complejo: Modelos todavía no pueden representar cientos de procesos de forma adecuadaResoluciones de modelos inadecuadas: Se requieren modelos con escalas finas.Incertidumbres: En cualquier agroecosistema, el clima es el fator menos importante. Importantes cuando se calculan impactos o se hacen estudios de vulnerabilidad. Incertidumbres en cuanto a futuras emisiones f(suposiciones concentraciones, población, desarolloeconónico, tecnológico)Necesitamos saber Qué condiciones tendremos en 30, 50, 100 años? InconvenientesAlgunosvacíosSistemaclimáticocomplejo: Modelostodavía no puedenrepresentarcientos de procesos de forma adecuadaResoluciones de modelosinadecuadas: Se requierenmodelos con escalasfinas. Incertidumbres: Importantescuando se calculanimpactos o se hacenestudios de vulnerabilidad.Futurasemisiones f(suposicionesconcentraciones, población, desaroolloeconónico, tecnológico)ObjetivosEvaluar la capacidad del modelo MRI de representar clima presente. Evaluar las zonas donde es posible el uso del modelo. Analizar las incertidumbres del modelo.
  •  Creados para estimar las emisiones sobre el clima global. Modelos climáticos globales (GCMs) basados en ciencias atmosféricas, química, física, biología etc. Se corre desde el pasado hasta el futuroHay diferentes escenarios de emisiones de gasesModelos de PredicciónCreadosparaestimarlasemisionessobre el clima global. Complejosalgoritmosquesimulan los procesosterrestres a escalamundialbasado en fuerzasmotrices (población, economía, tecnología, agriculturaCRU : Base de datosmensual, reanalisis ( elaboración de conjutnosuniformes a través de de no uniformes con interpolación ).
  • GCMs y ResolucionesDifieren en Formulación (ecuaciones)ResoluciónEntradasPrecisiónDisponibilidaProyectandiferentespatrones y magnitudes para un mismoperiodo. Recomendación : Usarmuchos GCMs comodatos de entrada (estudios de impacto)

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

  • Carlos Navarro Andy Jarvis Edwin Rojas
  • ContenidoParte 1 Breve Cambio Climático ; Demandas en agricultura Modelos Opciones (Downscaling) Generación de la línea base Reinterpolación WorldClimParte 2 Generación de Escenarios futuros Evaluación MRI & PRECIS Subselección de GCMs Conclusiones
  • • Agricultura demanda: – Múltiples variables – Muy alta resolución espacial (1 km, 90m??). – Alta resolución temporal (i.e. mensual, diaria). – Alta certidumbre.• Tanto para presente como para futuro.
  • Calibrados desde el Los GCMs son la única pasado, proyectadosmanera en que podemospredecir el clima a futuro 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
  • Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm3 Csiro Mk3.0 Csiro Mk 3.5Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam5 Mri Cgcm 2.3.2aNcar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1 SRES A2 2030s Tmean
  • Opciones Downscaling Necesidad por métodos Aumentar estadísticos o resolución, uniformizar Problema … proveer datos de dinámicos.. Aún el GCM alta más preciso es resolución, contextuali demasiado zadosgrueso (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, tmin y tmax.• Compilación de registros nivel, local, regio nal, nacional.• Interpolación 1km usando thin-plate smoothing spline (Anusplin)• Latitud, longitud, elevación como variables independientes• Calidad.. Depende de ρ y topografía
  • Basado en: • 47,554 Mean annualtemperature (ºC) estaciones de -30.1 precipitación 30.5 • 24,542 estaciones de tmean , • 14,835 Annual estaciones deprecipitation (mm) 0 tmax y tmin 12084
  • – Base climatológica: Condiciones de frontera de GCMs.– Realiza cálculos de la dinámica atmosférica y resuelve ecuaciones para cada 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.
  • Espera!!!! Es mucha información para mi….. Escenarios de población, energía, modelos Emisiones económicos Concentraciones Ciclo del carbono, modelos químicos Cambio climático Global GCMs RCMs, Detalles regionales Downscaling Impactos Modelos de impacto
  • • Registros desactualizados de la última década.• Limitadas variables independientes (TRMM).• Poco detalle en algunas zonas de los llanos colombianos (ρ). mm/year C 25 ¯ 012,5 50 75 100 Km
  • • 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.
  • Precipitación Acumulada Mensual 45 estaciones nuevas25 actualizadasNuevas Estaciones IDEAMEstaciones Worldclim 1°N - 5°N de latitud75° W - 71° W de longitud
  • TemperaturaMedia Mensual 9 Estaciones nuevas Nuevas Estaciones IDEAM Estaciones Worldclim 1°N - 5°N de latitud75° W - 71° W de longitud
  • Temperatura Mínima Mensual 8 Estaciones nuevas Nuevas Estaciones IDEAM Estaciones Worldclim 1°N - 5°N de latitudNota: Temperatura Máxima Mensual se 75° W - 71° W de longitudcalcula con el dtr. dtr = tmax – tmin
  • •Gradientes abruptos. •Valores erróneos. •Sobreestimación , precipitaciones negativas. •Ruido. 200 200Interpolación Interpolación Estaciones WC con TRMM 150 150 Estaciones WC sin TRMM sin TRMM con TRMM 100 R² = 0.805 100 R² = 0.589 50 50 0 0 0 50 100 150 200 0 50 100 150 200 Estacines WC Original Estaciones WC Original
  • WorldClim1. 22 0 -2 .32. 05 30 6 mm/year -2 .42. 82 48 3 -2 .52. 71 57 2 -2 .62. 37 63 8 -2 .62. 82 68 3 -2 .72. 26 72 7 -2 .72. 70 77 1 -2 .82. 59 86 0 -3 .13. 47 14 8 -6 .8 67 Precipitación total acumulada 0 12,525 50 75 100 ¯ WorldClim reinterpolación Km CV RSQ
  • WorldClim 3, 8 °C -2 3 23 ,1 -225 5 ,1 -2 5,25 4 ,5 -2 5,25 6 ,7 -2 5,25 7 ,8 -2 5, 9 26 -2 6,26 1 ,2 -2 6,26 3 ,4 -2 6,26 5 ,6 -2 6, 8 Temperatura Media Anual 0 12,525 50 75 100 ¯ WorldClim reinterpolación Km CV RSQ
  • Temperatura Mínima Media AnualWorldClim WorldClim reinterpolación RSQ CV 0 12,525 50 ¯ 75 100 Km °C 2 6 8 3 6 9 6 6 9 3 8, 8, 9, 9, 9, 0, 1, 0, 7, -1 -1 -1 -1 -1 -1 -1 -2 -2 -2 ,9 ,9 ,3 ,7 ,1 ,4 ,7 ,4 ,7 18 20 -0 17 18 19 19 19 20 20
  • • 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 condiciones de frontera. – Realiza cálculos de la dinámica atmosférica y resuelve ecuaciones para cada grilla. – Datos diarios – Resolucion varia entre 25-50km
  • • GCM de alta resolución 100°W 90°W 80°W 70°W 60°W 50°W 40°W ¯• Datos diarios 10°N• Periodos 1979- 0° MRI Precipitation 2003, 2015-2039, 2075- 10°S January 1979 High : 1441 2099 20°S Low : 0• Resolución 20 km 30°S• Problemas en 40°S precipitación 50°S Km 0 3 6 12 18 24 (sobreestimación)
  • Extracción PRECIS Extracción MRI• Datos diarios • Datos diarios• 5 modelos (150yr c/u) – HadCM3Q0:SRES_A1B • 1 modelo SRES A1B – HadCM3Q3:SRES_A1B • Resolución 20 km – HadCM3Q16:SRES_A1B – ECHAM5:SRES_A1B • No está validado.• Resolución 50 km • Extraídos periodos 1979-• No está validado. 2003, 2015 – 2039.• Extraídos periodos 1961-1990, 2020- 2049, 2040-2069. Comparaciones en línea base Comparaciones con modelos GCM IPCC
  • Anomalías Precipitación Total Acumulada 2030s 24 GCM MRI ECHAM5 HadCM3Q0 HadCM3Q3 HadCM3Q16
  • Anomalías Precipitación Total Acumulada 2050s 24 GCM ECHAM5 HadCM3Q0 HadCM3Q3 HadCM3Q16
  • Anomalías Temperatura Media Anual 2030s 24 GCM MRI ECHAM5 HadCM3Q0 HadCM3Q3 HadCM3Q16
  • Anomalías Temperatura Media Anual 2050s 24 GCM ECHAM5 HadCM3Q0 HadCM3Q3 HadCM3Q16
  • Consistencia Temporal Temperatura Media Mensual Precipitación Acumulada Mensual HadCM3Q HadCM3Q HadCM3Q HadCM3Q HadCM3Q HadCM Periodo Métrico Ensemble ECHAM5 Ensemble ECHAM5 0 16 3 0 16 3Q3 Promedio 24.64 27.79 27.16 29.62 27.16 175.97 107.15 124.44 127.27 117.28 2030s 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 Promedio 25.36 29.21 28.13 31.03 27.94 175.69 112.22 129.56 122.19 121.58 2050s 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 3.35 188.04 255.97 239.60 224.712 231.49 300 36 A B Temperatura Media Mensual (°C)Precipitación Mensual (mm/mes) 34 250 32 200 30 150 28 26 100 24 50 22 0 20 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dec Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dec Mes Mes Ensemble 2030s 20c3m_2030s ECHAM5_2030s HadCM3Q0_2030s HadCM3Q3_2030s HadCM3Q16_2030s Ensemble 2050s 20c3m_2050s ECHAM5_2050s HadCM3Q0_2050s HadCM3Q3_2050s HadCM3Q16_2050s
  • Certidumbre en línea base ANUAL DJF MAM JJA SON ANUAL DJF MAM JJA SONModelo C WC C WC C WC C WC C WC C WC C WC C WC C WC C WCEnsemble 24GCM 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1ECHAM5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1HadCM3Q0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1HadCM3Q16 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1HadCM3Q3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1MRI 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
  • • 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-TnBCCR-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
  • Falta de homogeneidad Annual Precipitation 820.000 bccr_bcm2_0 cccma_cgcm3_1_t47 cnrm_cm3 csiro_mk3_0 csiro_mk3_5 gfdl_cm2_0 800.000 gfdl_cm2_1 giss_model_er ingv_echam4 inm_cm3_0 Annual Precipitation (mm) ipsl_cm4 miroc3_2_medres miub_echo_g mpi_echam5 780.000 mri_cgcm2_3_2a ncar_ccsm3_0 ncar_pcm1 ukmo_hadcm3 ukmo_hadgem1 760.000 740.000 720.000 700.000 2010_2039 2020_2049 2030_2059 2040_2069 2050_2079 2060_2089 2070_2099 Period (30 yr)
  • Annual Mean Temperature 17.000 bccr_bcm2_0 cccma_cgcm3_1_t47 cnrm_cm3 csiro_mk3_0 csiro_mk3_5 gfdl_cm2_0 16.000 gfdl_cm2_1 giss_model_er ingv_echam4 inm_cm3_0 ipsl_cm4 miroc3_2_medres 15.000 miub_echo_g mpi_echam5 mri_cgcm2_3_2a ncar_ccsm3_0 ncar_pcm1 ukmo_hadcm3 ukmo_hadgem1Annual Mean Temperatue (C) 14.000 13.000 12.000 11.000 10.000 9.000 8.000 2010_2039 2020_2049 2030_2059 2040_2069 2050_2079 2060_2089 2070_2099 Period (30 yr)
  • Anomalías 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
  • Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm3 Csiro Mk3.0 Csiro Mk 3.5Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam5 Mri Cgcm 2.3.2aNcar 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
  • Resultados subselección 2030 19 GCMS 2030 12 GCMS 2030 Diferencia
  • 2050 19 GCMS 2050 12 GCMS 2050 Diferencia
  • 2030 19 GCMS 2030 12 GCMS 2030 Diferencia
  • 2050 19 GCMS 2050 12 GCMS 2050 Diferencia
  • • Downscaling es inevitable, aunque se evaluarán las limitaciones de los modelos.• Se está haciendo una mejora continua.• El foco principal es hacer un análisis de incertidumbres y mejorar los datos de línea base.
  • • 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.