Download Escenarios_cambio_climatico_Dr. Magaña
Document related concepts
Transcript
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