Modelación del Clima Benjamín Martínez López

Presentación del tema: "Modelación del Clima Benjamín Martínez López"— Transcripción de la presentación:

1 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

2 El sistema climático Modelos climáticos Muy simples  muy complicados Desempeño de algunos modelos complicados (Modelos de circulación general océano-atmósfera acoplados)  hielo marino, procesos suelo-atmósfera, etc. Modelos climáticos regionales Trabajo en el CCA en estos temas

3 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.

4 INTERACCIONES ENTRE LOS SUBSISTEMAS
EVOLUCIÓN TEMPORAL: Ecuaciones primitivas FLUJOS DE MASA, DE ENERGÍA Y MOMENTO

5 La radiación solar es la fuente de energía del sistema climático.
Existen tres formas fundamentales para cambiar el equilibrio de radiación de la Tierra: cambiando la radiación solar incidente (por ejemplo: mediante cambios en la órbita terrestre o en el propio Sol). 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). 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).

6

7 Balance (idealizado) de energía
Modelo simple para reducir un sistema complejo Balance (idealizado) de energía

8 Cw (dT-dt) = E1 – E2 - E3 for i=1:60;
% 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* *Sig*Tau*T(i).^4); end

9 T(i+1)=T(i) + (dt/Cw)*(342 - alf*342 - 0.95*Sig*Tau*T(i).^4);
0.646

10 T(i+1)=T(i) + (dt/Cw)*(342 - alf*342 - 0.95*Sig*Tau*T(i).^4);
0.646 0.8 1.0

11 Temperature dependent albedo (reflectivity)

12 Integration of a zero–dimensional energy balance model
with constant transmissivity and temperature dependent albedo no noise evolution from different initial values with noise evolution with slightly randomized transmissivity

13 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).

14 A pesar de todas sus limitaciones, los modelos acoplados océano-atmósfera son modelos cuasi-realistas que constituyen las herramientas disponibles más poderosas que tenemos para estudiar la respuesta del sistema climático ante diversos agentes forzantes.

15 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

16 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

17 Campo de temperatura proveniente del modelo MirocHR

18 Campo de temperatura interpolado proveniente del modelo MirocHR

19

20 menos = ∆T

21 +

22

23

24

25 ?

26 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

27 Los modelos disponibles analizados reproducen regularmente la climatología de temperatura media.
Veamos ahora su desempeño al simular la precipitación

28

29

30

31 MIROC ¿Cómo se simula la lluvia en el siglo XXI en la región central de México? ECHAM Tacubaya 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.

32 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.

33 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:

34 Modelo oceánico: Referencia:
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.

35

36 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.

37 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.

38 Temperatura a 2 m 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 Tercera etapa: Modelo atmosférico no hidrostático para simulaciones usando una malla espacial menor a los 10 km. Temperatura a 2 m Simulación con una duración de algunos días en el cluster del CCA

39 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.

40 Gracias por su atención Benjamín Martínez López