Download Escenarios_cambio_climatico_Dr. Magaña

Escenarios de Cambio Climático
Víctor Magaña
Centro de Ciencias de la Atmósfera
UNAM
2008 Año del Planeta Tierra
¿qué significa aprovechar la información meteorológica?
OMM
¿en dónde está la diferencia entre tiempo y clima?
Tiempo es lo que tienes, clima es lo que esperas (Ed. Lorenz)
El clima es una función de distribución de probabilidades
PDF con
Cambio climático
valores
extremos
rangos
normal
rangos de variabilidad
valores
extremos
Pero no se reduce a estadística, requiere entender procesos físicos
12:30 24 enero 2008
24:00 23 enero 2008
13:30 24 enero 2008
Huracanes
Otros tipos de inestabilidades en el fluido
atmosférico que producen tiempo severo
N
o
r
t
e
s
Clima de invierno y de verano
(la visión tradicional)
Precipitación
Temperatura
El clima no es
estático, sino
dinámico y el reto es
establecer los
procesos clave y sus
señales regionales
El Niño
verano
!!NO TODOS LOS NIÑOS
SON IGUALES!!
Variabilidad interanual del clima
Lluvias
Para entender el clima se requiere de
dinámica de fluidos, termodinámica,
radiación, etc.: FÍSICA
Elementos de moduladores del clima de muy baja frecuencia
Influences of ENSO
Variabilidad
de muy baja
frecuencia
La Oscilación
decadal del
Pacífico
Variaciones del orden de décadas
Sequía Dust Bowl
Revolución Mexicana
Sequía de los 90s
Sequía de los 50s
Precipitación reconstruída Chihuahua
Precipitación observada El Paso, TX
Precipitación reconstruída (suavizada)
Chihuahua
Precipitación observada (suavizada)
El Paso, TX
Caos, tiempo y clima
Edward Lorenz
•
La atmósfera es un sistema
caótico: muy sensible a
cambios en las condiciones
iniciales
•
Existen límites a la
predecibilidad del sistema
atmosférico, dados por la
razón del crecimiento de los
errores (inevitables) en el
estado inicial
•
Lorenz (1982): El estado
preciso de la atmósfera no
puedes ser pronosticado con
más de dos semanas de
anticipación.
Trabajo de Edward Lorenz para Caos determinístico
X
n +1
= X
2
n
− a
⎧ a = 2 , X 0 = 4 .0
⎨
⎩ a = 2 , X 0 = 4 . 0001
Analogía con una máquina de canicas
A
Los caminos
individuales
son como el
tiempo
B
C
D
E
Posición inicial
Condición inicial
postes
Condición de
frontera
La distribución de las
canicas indica la
condición meteorológica
(más probable)
Cuando se pronostica a mediano o largo plazo se habla de alta o
baja predecibilidad dependiendo de la dispersión de los experimentos
de pronóstico (de cómo se distribuyen las canicas)
Alta Predecibilidad
Condición Inicial
Condición
Final
Tiempo de pronóstico
Baja Predecibilidad
Condición Inicial
Condición Final
Tiempo de pronóstico
¿Por qué podemos proyectar el clima?
• El Clima está relacionado con las estadísticas de la atmósfera
por un periodo, y la importancia de la condición inicial
disminuye sensiblemente.
• Las estadísticas de la atmósfera dependen de la condición de
frontera (forzamiento radiativo, gases de efecto invernadero,
SST, uso de suelo) que tienen escalas temporales de
variabilidad o cambio relativamente grandes.
• La clave para la predicción del clima o los escenarios de
cambio climático es la predicción (proyección) de las
condiciones de frontera.
Forzantes del clima con variaciones de
baja, muy baja frecuencia y tendenciales
Anomalías de SST
En cambio climático tratamos de
mostrar que sólo considerando las
emisiones de gases de efecto
invernadero se puede explicar la
tendencia al calentamiento reciente
(atribución).
Al generar escenarios, primero
hay que asegurarse que responde
al forzante radiativo dado por la
concentración de GEI
¿Qué son escenarios?
Un escenario es:
“Una descripción de un estado futuro del mundo,
coherente, internamente consistente y plausible”
(Parry y Carter, 1998)
z
z
No es un pronóstico o una predicción
Es como una serie de imágenes de cómo se podría
ver el mundo en el futuro
F a m il y
S c e n a r io g r o u p
P o p u la tio n (b illio n )
2020
2050
2100
W o r ld G D P ( 1 0 1 2 1 9 9 0 U S $ /y r )
2020
2050
2100
P e r c a p ita in c o m e r a tio
2020
2050
2100
1990
5 .3
A1FI
A1
A1B
A1T
A2
A2
B1
B1
B2
B2
7 .6
8 .7
7 .1
7 .5
8 .7
7 .1
7 .6
8 .7
7 .0
8 .2
1 1 .3
1 5 .1
7 .6
8 .7
7 .0
7 .6
9 .3
1 0 .4
53
164
525
56
181
529
57
187
550
41
82
243
53
136
328
51
110
235
7 .5
2 .8
1 .5
6 .4
2 .8
1 .6
6 .2
2 .8
1 .6
9 .4
3 .6
1 .8
8 .4
3 .6
1 .8
7 .7
4 .0
3 .0
21
1 6 .1
Emisiones globales
de carbono
2000 - 2100
•
•
•
•
Altas
Emisiones Media-Alta
Emisiones Media-Baja
Emisiones bajas
Concentraciones de
bióxido de carbono
1960 - 2100
A1FI
A2
B2
B1
Las diferencias entre los modelos que proyectan el clima
Cadena de eventos que
llevan a escenarios de
impactos
Radiative forcing (Wm-2)
Global mean temperature change (°C)
Global mean sea-level rise (m)
Fuente: IPCC (2001)
Las proyecciones del clima bajo cambio climático vienen cumpliéndose
IPCC, AR4
Figure 10.5
Actividad
ENSO
Figure 10.28
The vast loop of winds that drives climate and ocean behavior across the tropical Pacific has
weakened by 3.5% since the mid-1800s, and it may weaken another 10% by 2100, according
to a study led by University Corporation for Atmospheric Research (UCAR) scientist
Gabriel Vecchi. The study indicates that the only plausible explanation for the slowdown is
human-induced climate change.
Los avances en materia
de capacidad de
cómputo han permitido
generar muchos más
escenarios con mucha
mejor resolución espacial
para periodos más largos
Cambios en T sup para junio 2020, 2050, 2080
El calentamiento será más intenso hacia el norte
y sobre regiones continentales
CAMBIOS EN PCP enero 2020, 2050, 2080
Aunque tenemos un poco más de incertidumbre,
es probable que disminuyan las lluvias
Mecesidad de generar
escenarios regionales
o locales para diseñar
estrategias de
ADAPTATION
Diversas
aproximaciones
Dinámico o estadístico
Métodos de reducción de escala espacial
• Estadísticos
– Relaciones empíricas entre patrones de gran escala y de
mesoescala
– Rápido sin mucha información física
– Usado en muchos escenarios entregados en IPCC
• Físicos
– Modelos de mesoescala anidados
– Computacionalmente más demandantes pero entregan más
detalles de la Física de los procesos
– Se puede trabajar con “rebanadas” de tiempo
Estrategia estadística
•
Funciones de transferencia, que son
relaciones estadísticas entre los valores de
gran escala de altura o superficie y las
condiciones del clima en un sitio específico,
•
Relaciones entre tipos de patrones de
circulación y clima local, construidas a partir
de clasificación de patrones de circulación y
sus relaciones con condiciones particulares de
tiempo en un punto o región,
•
Generadores estocásticos de tiempo, que son
modelos estadísticos que pueden estar
regulados por las condiciones de gran escala al
momento de producir condiciones de tiempo
local.
Hipótesis: las relaciones estadísticas que
son construidas con datos observados,
se mantienen válidas aun para condiciones
de clima futuro.
BUENOS PREDICTORES
1. Física y conceptualmente relevantes con respecto a la variables del sitio (el
predictando),
2. Fuerte y consistentemente correlacionadas con el predictando
3. Disponibles en archivos de datos observados y salidas de GCM, y
4. Modeladas adecuadamente por el GCM.
Técnicas estadísticas
Ventajas:
•Pueden dar escenarios e cambio climático más realistas en
regiones o sitios particulares que los obtenidos con escenarios
derivados de GCM directamente
•Computacionalmente, menos demandantes que reducción de
escala con modelos numéricos basados en principios físicos
•Se pueden generar ensambles de escenarios de alta
resolución espacial relativamente fácil
•Las técnicas estadístico-dinámicas están basadas en
conocimiento de procesos físicos de gran escala y el clima local
Desventajas
•Se requieren grandes cantidades de datos para establecer las
relaciones estadísticas
•Se requiere cierto nivel de conocimiento en el tema
•Relaciones son válidas en el rango de datos usados para la
calibración. Las proyecciones futuras pueden estar fuera de
este rango
•Para algunas variables locales puede resultar difícil encontrar
las relaciones estadísticas
•Una variable predictor puede no ser muy significativa para el
clima actual, pero puede cobrar importancia bajo condiciones
de cambio climático
•Las suposiciones fundamentales pueden no ser válidas. En
ocasiones, las relaciones entre tipo de circulación y tiempo local
pueden cambiar durante el periodo de calibración en algunos
sitios.
•En algunos casos, el uso de una sola variable de gran escala
puede no producir los cambios esperados en la variable local.
También se puede trabajar con
relaciones entre patrones de circulación
Annual: 0 missing value(s)
45
40
35
30
25
20
Tmax Tlax obs vs mod
15
-4
-3
-2
-1
0
1
nceptempna.dat
2
36
3
36
4
35
35
34
34
33
33
32
32
31
31
30
30
29
29
28
28
27
27
26
26
25
25
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
TmaxObs
TmaxMod
Escenarios por estación
San Fernando, Tamps.
T28086 mean
35
35
31.5
31.5
28
28
24.5
24.5
21
21
17.5
17.5
14
14
10.5
10.5
7
7
3.5
3.5
0
0
Jan Feb Mar
Apr May Jun
Jul
Aug Sep
Oct Nov Dec
T 28086
T 28086 (°C) Hadley A2
35
25
25
24
24
23
23
22
22
21
21
20
20
19
19
T Hadley A
18
18
T Hadley B
17
17
10.5
16
16
7
15
15
35
31.5
31.5
28
28
24.5
24.5
21
21
17.5
14
10.5
7
3.5
17.5
T 1961-90
14
T 2070-99
3.5
0
0
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
años
No. veces/año T > 30°C
Eventos extremos y
Precipitación en
San Fernando, Tamps
60
60
54
54
48
48
42
42
36
36
30
30
24
24
Hadley A2
18
18
Hadley B2
12
12
6
6
0
0
PCP 28086 acumulada anual Hadley
años
Pcp acumulada mensual Hadley A2
275
275
247.5
1800
1800
1720
1720
1640
1640
1560
1560
1480
1480
1400
1400
1320
1320
Pcp Hadley A2
1240
1240
Pcp Hadley B2
1160
1160
1080
1080
1000
1000
247.5
220
220
192.5
años
192.5
165
165
137.5
Pcp 1961-1990
110
110
Pcp 2070-2099
82.5
82.5
137.5
55
55
27.5
27.5
0
0
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1/8/1999
1/8/1996
1/8/1993
1/8/1990
1/8/1987
1/8/1984
1/8/1981
1/8/1978
1/8/1975
1/8/1972
1/8/1969
1/8/1966
1/8/1963
1/8/1960
1/8/1957
2500
1/8/1954
1/8/1951
1/8/1948
1/8/1945
1/8/1942
1/8/1939
1/8/1936
1/8/1933
1/8/1930
G astos, m3 /s
Tendencias de cambio en caudales
San Fernando Tamaulipas
25009: San Fernando
2000
1500
1000
500
0
Estrategia con modelos regionales
• Considerar anomalías medias en varios
parámetros y alterar campos diarios
• Implementar cambios en uso de suelo
• Incluir elementos de mesoescala que no ven
los GCMs con su resolución espacial actual
Diferentes resoluciones espaciales
(Topografía)
Δx = 250km
Δx = 50 km
Δx = 10 km
La proyección del uso de suelo a 20 años muestra una reducción de las áreas
con mayor densidad de vegetación como son los diferentes tipos de selva
Una vegetación
más pobre
ocasiona que
exista menor
infiltración y
aumenten los
escurrimientos
Temperatura mínima
Temperatura máxima
Temperatura media
Based on
the
Japanese
Model for
the
2080-2099
Días con helada
Rango intra-annual de
temperatura annual extrema
Temperatura media diurna
Días helados (Tmax < 0 °C)
Percentil 90 de Tmax
Percentil 10 de Tmin
Los cambios en verano son contrastantes
entre A2 y B2
Usando CPT para regionalizar
OBSERVADO T (°C) 1970-1999
OBSERVADO PCP (mm/año) 1970-1999
GCM T (°C) 1970-1999
GCM PCP (mm/año) 1970-1999
REGIONALIZADO CPT
1970-1999
T (°C) REGIONALIZADO
(mm/año) 1970-1999
CPT
Escenario de ΔT al
2080 bajo A2
GCM
PCP
regional
0
1
2
3
(°C)
4
5
MRI
MIROC
CCM
GISS
Todos los escenarios IPCC AR4 regionalizados
CSIRO
T (°C)
Ejemplos de regionalización
Escenarios de cambio climático para
deFig.5
salidas
de GCM para
temperatura media anual en superficie
para la climatología
2040-2060
de acuerdo
temperatura
media
bajo
el
a los modelos MRI, MIROC, CCM, GISS y
escenario
emisiones
CSIRO, bajode
el escenario
de emisiones
A1B.
A1B
Es importante considerar la
incertidumbre asociada a la
naturaleza caótica del
sistema climático, la
incertidumbre asociada a
los procesos que no quedan
simulados por los modelos
y la incertidumbre asociada
al escenario de emisiones
que vamos a seguir.
La incertidumbre es
inherente a cualquier
proyección del futuro, pero
es la esencia de la gestión
del riesgo
Anomalías ensamble de
precipitación
2080-2099 menus 1970-1999
Precipitación GCMs a) A2, b) A1B), c)
B2 y d) COMMITED
PDF para temperatura máxima
regionalizada (downscaled) en
Chihuahua bajo el escenario A1B para
el presente, 2030, 2050, 2080
pcp
Temperatura Mínima en Chihuahua
Tendencias de cambio
en la temperatura en el
norte de México
AR4 IPCC
ΔT
2080-2099
con emisiones
intermedias A1B
Los escenarios de cambio climático (A1B)
1970-1999
2030
2050
2080
Norte de México Probabilidad
de que el
cambio de T
al 2030
Ondas
exceda la
de
variabilidad
calor
interanual
conocida
hasta ahora
40 45 50
Tropical
cyclone
tracks
PRECIS
Model 20-km
Present
Interest in
learning more
about
extreme
events
1979-1998
Future
2080-2099
Escenarios de cambios en el ciclo hidrológico
ΔPCP (mm)
2080-2099
% cambios en pcp
Probabilidad de
cambios mayores
al -15% al 2030
Huracanes más intensos
Componentes del Ciclo Hidrológico en México
(valores en Km3)
Objetivo: traducir
Cambio climático
a fluctuaciones en
disponibilidad
de agua
Clima
PRESENTE (2004)
Volumen de agua
concesionada
Grado de presión = ________________________
sobre el recurso agua
Disponibilidad Natural de
agua
AUMENTO EN LA DEMANDA (2030)
AUMENTO EN LA DEMANDA
MAS CAMBIO CLIMÁTICO
(2030)
Cambios en el balance hídrico
1983 1998 años Niño
Aumento en T∼ 1°C
Déficit PCP ∼ 20%
Condiciones húmedas
2 o 3 meses de lluvia escasa aumenta las
posibilidades de incendios forestales
10.0
450
9.0
400
8.0
350
7.0
300
+ de 2 meses
de lluvia escasa
+ de 2 meses
+ de 3 meses
de lluvia escasa
sin lluvia
250
200
150
6.0
5.0
+ de 2 meses
de lluvia escasa
4.0
3.0
100
2.0
50
1.0
0
1991
0.0
1992
1993
1994
1995
1996
1997
1998
1999
periodo (dic, ene, feb, mar, abr)
2000
2001
Condiciones secas
deciles consecutivos)
500
precipitación (promedio de 3
numero de incendios
Relación del número de incendios y precipitación.
Tlaxcala. Periodo 1991-2001
NDVI
Riesgo de cambio climático en los Humedales
1 /8 /1 9 9 9
1 /8 /1 9 9 6
1 /8 /1 9 9 3
1 /8 /1 9 9 0
1 /8 /1 9 8 7
1 /8 /1 9 8 4
1 /8 /1 9 8 1
1 /8 /1 9 7 8
1 /8 /1 9 7 5
1 /8 /1 9 7 2
1 /8 /1 9 6 9
1 /8 /1 9 6 6
1 /8 /1 9 6 3
1 /8 /1 9 6 0
1 /8 /1 9 5 7
1 /8 /1 9 5 4
1 /8 /1 9 5 1
1 /8 /1 9 4 8
1 /8 /1 9 4 5
1 /8 /1 9 4 2
1 /8 /1 9 3 9
1 /8 /1 9 3 6
2000
1 /8 /1 9 3 3
1 /8 /1 9 3 0
G astos, m 3 /s
2500
25009: San Fernando
Caudales en el Río San Fernando
1500
1000
500
0
•La población crece en la actualidad a razones altas (~2.0% anual)
pero menores que en el pasado (en los 60´s)
• Por el crecimiento de la población, la disponibilidad del agua per
capita disminuye
• Se puede pensar que de no adaptarse la demanda de agua
permanecerá constante (250 lt/per/día)
• El déficit de agua aumenta sin adaptación
Tendencia de la población
Demanda de agua
Déficit de agua
Sobre explotación
1950
2000
Disponibilidad de agua
2050
2100
• Un Programa de cultura de Agua puede reducir la demanda
actual en unos pocos años
• Una reducción en la demanda podría aumentar la oferta
(disponibilidad) de agua en el largo plazo
Tendencia de la
población
Demanda de agua
Demanda de agua con
la implementación del Programa Cultura del Agua
1950
2000
2050
2100
• Captura de agua a través de recarga artificial o reforzada de
acuíferos aumentará la disponibilidad de agua en el largo plazo
Tendencia de la población
Demanda de agua Disponibilidad de agua con
recarga
1950
2000
Disponibilidad de
agua actual
2050
2100
Escenario tendencial
Tasa de deforestación
actual (1% anual)
(Tasa nacional=0.6%)
% sup. Forestal*
100
0.02% anual por incendios
80
Reforestación 1% anual
(Éxito de la reforestación 34%)
60
40
Si no hacemos nada
(bussiness as usual)
20
1980
*con base en datos de 1980
2000
2020
2040
2060
Escenario con adaptación:
Disminución de tasa de
deforestación=0.6%
•Pago por servicios ambientales
(captura de carbono y agua)
•MDL
0.01% anual por incendios
100
Reforestación 2% anual
% sup. Forestal*
Mitigación/adaptación
(Éxito de la reforestación >60%)
80
60
40
20
aprovechamiento forestal sustentable
Adaptación a cambio climático
1980
*con base en datos de 1980
2000
2020
2040
2060
Fases fenológicas del maíz
1
2
3
4
5
Fases de
desarrollo
Germinación
Crecimiento
vegetativo
Floración
Llenado de grano
Madurez
TOTAL
Estimación de Riesgo
Fechas
Jun 10-25
Jun 26 –Jul 31
Ago 1- 31
Sept 1 – 30
Oct 1 – Nov 5
Duración
(días)
15
35
30
30
35
150
Precipitación
mínima (mm)
45 (20)
170 (85)
Temperatura
mínima
10 – 30 ºC
10 – 30 ºC
220 (90)
210 (85)
90 (45)
735 (325)
10 – 30 ºC
10 – 30 ºC
10 – 30 ºC
Los números de precipitación en paréntesis indican el valor por debajo del cual es
segura la pérdida del cultivo (determinado empíricamente)
Probabilidad de que
PCP < 460 mm en el periodo
de siembra – cosecha
(verano)
En la zona café la
probabilidad de precipitación
por debajo de lo requerido es
muy alta (> 60%)
Precipitación/Rendimiento
Bajo
Medio
Alto
Sequía
25,0%
75,0%
0,0%
Normal
7,1%
78,6%
14,3%
Lluvioso
0,0%
50,0%
50,0%
Guanajuato
Superficies Siniestradas
2005
180,000
2006
160,000
ha siniestradas
140,000
120,000
100,000
80,000
60,000
40,000
20,000
0
Frijol
Maiz Grano
Sorgo Grano
El reto será desarrollar esquemas que
presenten la información
meteorológica de manera que se
apoye la toma de decisiones por
sector
Será necesario el trabajar con los
especialistas de sectores para
desarrollar estos esquemas
Trabajo Multidisciplinario