Navarro C - GCM vs RCM
Upcoming SlideShare
Loading in...5
×
 

Navarro C - GCM vs RCM

on

  • 735 views

 

Statistics

Views

Total Views
735
Views on SlideShare
723
Embed Views
12

Actions

Likes
0
Downloads
15
Comments
0

1 Embed 12

http://dapa.ciat.cgiar.org 12

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
  • Para qué senecesitan?Preocupación… Evaluación de impactos de cambioclimático en agricultura. De llosdependen los cálculos de vulnerabilidad (incapacidad de un sistemaparaafrontar los efectosadversos del CC)Saber queva a pasar, cuando Planes de adaptaciónEnfocar la investigaciónQuién los necesita?NivelcientíficoInvestigadores – DesarrollarmodelosNivelpolíticoConocerincertidumbres Planes de acciónGeneración de políticas. 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)
  • Modelos 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 ).
  • X Fenómenosescala local : Especialmente en regiones con orografíacompleja, suelohetereogéneo, líneacostas.
  • GCMs y ResolucionesDifieren en Formulación (ecuaciones)ResoluciónEntradasPrecisiónDisponibilidaProyectandiferentespatrones y magnitudes para un mismoperiodo. Recomendación : Usarmuchos GCMs comodatos de entrada (estudios de impacto)

Navarro C - GCM vs RCM Navarro C - GCM vs RCM Presentation Transcript

  • GCM vs RCMCarlos NavarroJulian RamirezAndy Jarvis
  • Datos climáticos Para qué se necesitan? Quién los necesita? Inconvenientes?Problemas Conocimiento limitado Complejidad del sistema climático Resoluciones de modelos climáticos no adecuadas. Proporcionar los datos del clima futuro a escala fina. Incertidumbres
  • • Agricultura demanda: – Múltiples variables – Muy alta resolución espacial. – Alta resolución temporal (i.e. mensual, diaria). – Previsiones precisas del tiempo y las proyecciones climáticas. – Alta certidumbre.• Tanto para presente como para futuro.
  • Calibrados desde el pasado (usando serie de tiempo CRU-UEA), y proyectados hacia el futuroLos GCMs son la única manera en que podemos predecir el clima a futuro…
  • Características Principales • Resolución horizontal de unos 100 a 300 km • 18 y 56 niveles verticales.  Escala global Pero..  Escala regional o local
  • 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!
  • • Primero: mezcla de resoluciones
  • • Segundo: 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
  • • Tercero: habilidad limitada de representar clima presente.
  • • Aún el GCM más preciso es demasiado grueso (100km)• Aumentar resolución, uniformizar… proveer datos de alta resolución, contextualizados• Diversos métodos desde interpolación directa hasta redes neuronales, y RCMs – DELTA (empírico-estadístico) – RCMs (dinámico)
  • • Delta (Hay et al. 2007) – 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 – Sumar anomalías a WORLDCLIM
  • • Similar a DELTA pero sin interpolacion – Base climatologica: CRU, WorldClim – Calcular anomalias para periodos requeridos para celdas GCM – Sumar anomalias a climatologia base
  • • 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. – Tiene en cuenta el ciclo del sulfuro y parametrizaciones físicas. – Resolucion varia entre 25-50km – Esperar muchos meses mientras todo procesa – Validar datos del pasado usando datos de estaciones
  • ¿Downscaling estadístico o dinámico??Necesidades y recursos.. •Tiempos? Resultados rápidos? •Capacidades de procesamiento? •Disponibilidad??
  • Disponibilidad de datos GCM (AR4) Model BCCR-BCM2.0 20C3M o SRES-A1B o SRES-A2 o SRES-B1 o • Rango: CCCMA-CGCM3.1-T63 o o x o – 2000- 2100 CCCMA-CGCM3.1-T47 o o o o CNRM-CM3 CSIRO-MK3.0 o o o o o o o o • 30yr averages CSIRO-MK3.5 GFDL-CM2.0 o o o o o o o o (siete periodos GFDL-CM2.1 o o o o futuros) GISS-AOM o o x o GISS-MODEL-EH o o x x – 2010-2039 GISS-MODEL-ER IAP-FGOALS1.0-G o o o o o x o o – 2020-2049 INGV-ECHAM4 o o o x – 2030-2059 INM-CM3.0 o o o o IPSL-CM4 o o o o – 2040-2069 MIROC3.2.3-HIRES MIROC3.2.3-MEDRES o o o o x o o o – 2050-2079 MIUB-ECHO-G o o o o – 2060-2089 MPI-ECHAM5 o o o o MRI-CGCM2.3.2A o o o o – 2070-2099 • Baseline NCAR-CCSM3.0 o o o o NCAR-PCM1 o o o x UKMO-HADCM3 o o o o UKMO-HADGEM1 o o o x – 1960-1990 Total 24 24 19 20
  • Disponibilidad de 1950 1970 1990 2010 2030 2050 2070 2090 ERA15datos RCM Baseline ERA40 ERA-Interim NCEP_R2 • Rango variable. HadAM3P ECHAM5 • Pocos modelos HadCM3Q0 HadCM3Q1 disponibles para HadCM3Q2 HadCM3Q3 SRES_A2 y B2 HadCM3Q4 HadCM3Q5 • Habilidad limitada SRES A1B HadCM3Q6 HadCM3Q7 de representar HadCM3Q8 HadCM3Q9 condiciones HadCM3Q10 HadCM3Q11 presentes. No HadCM3Q12 HadCM3Q13 todos disponen del HadCM3Q14 HadCM3Q15 Baseline 1960-1990 HadCM3Q16 ECHAM4 A2 B2 HadAM3P HadAM3P ECHAM4
  • Resoluciones Espacial RCM GCM Downscaled 25-50km ~ 1km Temporal 6 horas, diarios, mensuales, anuales, 30yr Avg (mensuales) 30 yr avg (mensuales)
  • Variables de salida • GCM Downscaled Stash Code 2204 Variable Total Cloud Amount (0 ≤ X ≤ 1) Type Mean • Prec mensual 3297 3510 Evaporation Rate From Canopy Potential Evapotranspiration Factor1 Sum Sum • Tmean mensual 3511 3312 Potential Evapotranspiration Factor2 Potential Evaporation Rate Sum Sum • Tmin mensual 3296 5216 Evaporation Rate From Soil Surface Total Precipitation Rate Sum Sum • Tmax mensual 16222 3245 Pressure At Mean Sea Level Relative Humidity At 1.5 Metres Mean Mean • Bioclimáticos 3237 3234 Specific Humidity At 1.5 Metres Surface Latent Heat Flux Mean Mean 3313 Soil Moisture Availability Factor Mean • RCM > 160 8208 3298 Available Soil Moisture Content In Root Zone Sublimation Rate At Surface Sum Sum 03236.max Temperature At 1.5 Metres Mean variables 3236 Temperature At 1.5 Metres Mean 03236.min Temperature At 1.5 Metres Mean Más representativas 3299 00024.max Transpiration Surface (Skin) Temperature Sum Mean para agricultura 24 00024.min Surface (Skin) Temperature Surface (Skin) Temperature Mean Mean 03249.max Wind Speed At 10 Metres (Wind Grid) Mean 3249 Wind Speed At 10 Metres (Wind Grid) Mean
  • Tiempos de procesamientoUn cálculo rápido… 1 corrida de PRECIS (1 década) = 2 semanas 1 interpolación GCM (37 pasos) x 15 periodos = 1 semana x 1 GCM x 7 periodos x 1 escenario x 20 GCMs x 3 escenarios 30 semanas ÷ 2 procesos 210 semanas ÷ 3 servidores ÷ 4 procesos = 5 semanas ÷ 4 servidores x 20 GCM Hipotéticamente.. = 26 semanas x 3 escenario = 6 meses!! = 300 semanas = 6 años!!
  • Otras consideraciones GCM Delta Method RCMs *Rápido de implementar * Robusto > resoluciones < resoluciones *Aplicable a GCMs dependiendo de *Aplicable a TODOS los GCMs disponibilidad de datos < variables > variables * Variables no cambian sus relaciones en * Variables cambian sus relaciones en tiempo tiempo * Aplicable en varias plataformas *Pocas plataformas (PRECIS) < procesamiento > procesamiento >> almacenamiento < almacenamiento *En una mejor etapa de desarrollo *Aun falta mucho desarrollo *Más fácilmente comparable. *Incertidumbre difíciles de cuantificar Incertidumbre más fáciles de cuantificar *Depende de la línea base de cada GCM y *Depende de la calidad de datos históricos de los reanálisis. *No tiene en cuenta fuerzas regionales *Tiene en cuenta fuerzas regionales
  • • Nuestra capacidad en casa: – 4 servidores de procesamiento Windows 8-cores (downscaling empírico) – 3 servidores de procesamiento de 24-cores y 1 servidor 8-cores Linux (PRECIS) – ~100TB almacenamiento.• Compresiones y publicación son procesos más largos y requieren almacenamiento masivo y alta capacidad de (esp. 1km global datasets)
  • • Downscalados empíricamente, disaggregados para todo el mundo de 1 a 20 km.• Downscalados dinámicamente (PRECIS) para Sur América.• 20 GCM para 2050, 9 para 2020 (Datos Stanford) dowscalados a 20km, 5km, 1km• 7 GCMs con información Tyndall.
  • Representative Concentration Pathways (RCP) Caminos representativos de concentraciónPróxima Generación de Escenarios Climáticos (IPCC, AR5) RCP 4.5 BCC_csm1-1 MIROC_esm-chem BNU_esm MIROC_miroc4h CCCMA_cancm4 MIROC_miroc5 CCCMA_canesm2 MOHC_hadcm3 CNRM_cm5 MOHC_hadgem2-cc CSIRO_access1_0 MOHC_hadgem2-es CSIRO_mk3-6-0 MPI-M_mpi-esm-lr ICHEC_ec_earth MPI-M_mpi-esm-mr INM_inmcm4 MRI_mri-cgcm3 IPSL_ipsl_cm5a_lr NCAR_ccsm4 IPSL_ipsl_cm5a_mr NCC_noresm1-m IPSL_ipsl_cm5b_lr NOAA_gfld_esm2g MIROC_esm NOAA_gfld_esm2m • Proyecciones AR5 … más modelos, mayor resolución. • Evaluar y validar incertidumbres.
  • El Modelo EcoCrop• Un algoritmo sencillo para mirar el nicho de cada especie basado sólo en los datos del climaEvalúa si hay las condiciones climáticas adecuadas … y calcula la adaptabiliad , dentro de un periodo de climática de la interaccióncrecimiento para T° y Prec…. resultante entre la prec y la T°
  • http://gisweb.ciat.cgiar.org/Climate Change/EcoCropFB/
  • MaxEnt (Maximum Entropy Modelling)• Modelo de predicción de la distribución potencial de una especie• Maxent utilizar el principio de la máxima entropía• Usa puntos de presencia de determinadas especies y las variables ambientales• Uno de el modelo más precisos para la predicción cambios en los rangos en los que la especie puede adaptarse.
  • http://gismap.ciat.cgiar.org/analogues/
  • http://ccafs-climate.org
  • http://amkn.org
  • http://www.ipcc-data.org/ddc_climscen.html
  • https://esg.llnl.gov:8443/index.jsp
  • http://pcmdi3.llnl.gov
  • http://www.worldclim.org/
  • http://srtm.csi.cgiar.org/
  • http://www.cru.uea.ac.uk/
  • http://dapa.ciat.cgiar.org/
  • http://ccafs.cgiar.org/