Download Diapositiva 1 - pincc

Modelación del Clima
Benjamín Martínez López
benmar@atmosfera.unam.mx
Benjamín Martínez López, Francisco Estrada Porrúa y Carlos Gay García
Centro de Ciencias de la Atmósfera, UNAM
El sistema climático
Modelos climáticos
Muy simples  muy complicados
Desempeño de algunos modelos complicados
(Modelos de circulación general océanoatmósfera 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
EVOLUCIÓN TEMPORAL:
Ecuaciones primitivas
FLUJOS DE MASA, DE ENERGÍA Y MOMENTO
La radiación solar es la fuente de energía del
sistema climático.
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).
Modelo simple para reducir un sistema complejo
Balance
(idealizado) de
energía
Cw (dT-dt) = E1 – E2 - E3
% 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.
for i=1:60;
T(i+1)=T(i) + (dt/Cw)*(342 - alf*342 - 0.95*Sig*Tau*T(i).^4);
end
T(i+1)=T(i) + (dt/Cw)*(342 - alf*342 - 0.95*Sig*Tau*T(i).^4);
0.646
T(i+1)=T(i) + (dt/Cw)*(342 - alf*342 - 0.95*Sig*Tau*T(i).^4);
0.646
15
Temperatura (°C)
10
5
0.8
0
-5
-10
1.0
-15
0
100
200
300
Años
400
500
600
Temperature dependent albedo (reflectivity)
Integration of a zero–dimensional energy balance model
no noise
with constant transmissivity
and temperature dependent
albedo
evolution from different initial
values
with noise
evolution with slightly
randomized transmissivity
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 océanoatmósfera son modelos cuasirealistas 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
Campo de temperatura proveniente del modelo MirocHR
30
32
28
30
26
28
24
22
26
20
24
18
22
16
20
14
12
18
10
16
8
-115
-110
-105
-100
-95
-90
Campo de temperatura interpolado proveniente del modelo MirocHR
30
32
28
30
26
28
24
22
26
20
24
18
22
16
20
14
12
18
10
16
8
-115
-110
-105
-100
-95
-90
echam520C3M, julio
WorldClim, julio
32
35
32
35
30
30
30
30
28
28
25
25
26
26
20
20
24
24
15
22
15
22
20
10
20
10
18
5
18
5
16
0
16
0
-115
-110
-105
-100
-95
-115
-90
-110
echam520C3M, julio 2050
-105
-100
-95
-90
echam520C3M, julio 2100
32
35
30
30
28
32
35
30
30
28
25
26
25
26
20
24
20
24
15
22
15
22
20
10
20
10
18
5
18
5
16
0
16
0
-115
-110
-105
-100
-95
-90
-115
-110
-105
-100
-95
-90
echam520C3M, julio 2100
echam520C3M, julio
32
32
35
30
35
30
30
28
30
28
25
25
26
26
20
menos
24
15
22
20
24
15
22
20
10
20
10
18
5
18
5
16
0
16
0
-115
-110
-105
-100
-95
-90
-115
-110
-105
-100
-95
=
-90
Echam 2100 - sXX
32
5.5
30
5
28
26
4.5
24
4
22
3.5
20
3
18
2.5
16
2
-115
-110
-105
-100
-95
-90
∆T
WorldClim, julio
Echam 2100 - sXX
32
32
35
5.5
30
30
30
28
5
28
25
26
20
24
15
22
+
26
4.5
24
4
22
20
10
18
5
18
16
0
16
3.5
20
3
2.5
WorldClim+ DT, julio 2100
-115
-110
-105
-100
-95
-90
-115
2
-110
-105
32
-100
-95
35
30
30
28
25
26
20
24
15
22
20
10
18
5
16
0
-115
-110
-105
-100
-95
-90
-90
3.05
3
Error cuadático medio (°C)
2.95
2.9
2.85
2.8
2.75
2.7
2.65
2.6
2.55
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
WorldCim, anomalía de temperatura, abril
32
3
30
2
28
26
1
24
0
22
-1
20
-2
18
16
-3
-115
-110
-105
-100
-95
-90
MirocHR, anomalía de temperatura, abril
32
3
30
2
28
26
1
24
0
22
-1
20
-2
18
16
-3
-115
-110
-105
-100
-95
-90
MirocMR, anomalía de temperatura, julio
14
32
12
30
10
28
26
8
24
6
22
?
WorldClim, anomalía de temperatura, julio
14
4
20
32
18
2
16
0
-115
-110
-105
-100
-95
-90
32
12
10
26
8
24
14
28
10
28
26
Echam5, anomalía de temperatura, julio
30
12
30
6
22
4
20
18
2
16
0
8
-115
24
6
22
4
20
18
2
16
0
-115
-110
-105
-100
-95
-90
-110
-105
-100
-95
-90
Criterios de decisión de cartografía
Modelo de distribución potencial 2050
Pseudoeurycea galeanae
Conde et al.
INE
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
WorldCim, precipitación, julio
900
32
900
32
800
30
800
30
700
28
700
28
600
26
600
26
500
24
500
24
400
22
400
22
300
20
200
18
100
16
-115
-110
-105
-100
-95
-90
300
20
200
18
100
16
0
-115
MirocMR, precipitación, julio
-110
-105
-100
-95
-90
0
Echam5, precipitación, julio
900
32
900
32
800
30
800
30
700
28
700
28
600
26
600
26
500
24
500
24
400
22
400
22
300
20
200
18
100
16
-115
-110
-105
-100
-95
-90
0
300
20
200
18
100
16
-115
-110
-105
-100
-95
-90
0
MIROC
Tacubaya
¿Cómo se simula la
lluvia en el siglo XXI
en la región central
de México?
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.
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.
Regional Climate Model Projections for the State of Washington
Eric P Salathé Jr1, L Ruby Leung2, Yun Qian2, and Yongxin Zhang1
1) JISAO Climate Impacts Group, University of Washington, Seattle, Washington
2) Atmospheric Science and Global Change Division, Pacific Northwest National Laboratory,
Richland, Washington
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 21:57085726
Modelo oceánico:
The Max-Planck-Institute Global Ocean/Sea-Ice Model
MPI-OM
MPI-OM fue utilizado en el AR4 acoplado con ECHAM5
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 orthogonal
curvilinear coordinates. Ocean Modelling, 5, 91–127.
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.
Utilización de modelos climáticos regionales
Modelo oceánico global (MPI-OM) acoplado a un modelo atmosférico regional
de alta resolución (REMO).
Primera etapa:
50 km de resolución
Segunda etapa:
10 km
Temperatura a 2 m
30
15
10
25
5
20
0
Tercera etapa:
Modelo atmosférico
no hidrostático
para simulaciones
usando una malla
espacial menor a los
10 km.
-5
15
-10
10
-15
-20
5
-25
-30
0
-60
-40
-20
0
Simulación con una duración de algunos días en el cluster del CCA
20
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.
Gracias por su atención
Benjamín Martínez López
benmar@atmosfera.unam.mx