RECONSTRUCCIONES DEL CLIMA EN EL PERIODO HISTÓRICO A PARTIR DE FUENTES DOCUMENTALES: ASPECTOS METODOLÓGICOS Fernando Sánchez Rodrigo Dpto. Física Aplicada Universidad de Almería Seminario CLIVAR España. CLIMA EN ESPAÑA: PASADO, PRESENTE Y FUTURO. Contribución a un Informe de Evaluación del Cambio Climático Regional Febrero 2009, Madrid. Proyecto “Caracterización del clima de la Península Ibérica durante el periodo ”, , Ministerio de Medio Ambiente, y Medio Rural y Marino

Introducción Objetivo de la climatología histórica Reconstrucción de la variabilidad climática previa a la recopilación sistemática de datos instrumentales. Datos “proxy”, fuentes documentales

Fuentes documentales Dispersión espacio-temporal de las informaciones Contrastación de diferentes fuentes Integración de diferentes fuentes para elaborar series temporales de suficiente extensión. Subjetividad inherente a este tipo de fuentes Sistema de índices de severidad basados en los impactos La vulnerabilidad de las infraestructuras del pasado pudo ser muy distinta a la del presente, y cambiar de unas épocas a otras. Riesgo: considerar como extremos fenómenos “normales” según los estándares actuales, sobrevalorar ciertos sucesos. Análisis histórico (autor, fuente, fiabilidad, datación, …)

Indices de severidad. Indices mensuales, I m = -1, 0, +1 Indices estacionales: I s =  I m = -3, -2, -1, 0, +1, +2, +3 Aunque pueden reflejar valores medios de temperatura o totales de precipitación acumulada, no reflejan la variabilidad intramensual, o intraestacional. Hipótesis de partida: los extremos climáticos responden a una distribución simétrica entorno al valor medio (lo “normal” se indexa con el valor 0) Promedio de los índices asignados a diferentes episodios para una localidad (índice local), o entre los índices de varias localidades (índice regional)

Reconstrucción Calibración con datos instrumentales para un periodo de solapamiento Ejemplo: índices pluviométricos de otoño en Murcia (Rodrigo & Barriendos, 2008, Global and Planetary Change, 63: )

Calibración Validación Periodo de solapamiento: r=0.33 Si el periodo es muy breve, correlación cruzada. z= I r=0.55 No siempre es posible encontrar un periodo de solapamiento

Reconstrucción Pérdida de varianza Factor de inflación Degradación de la serie instrumental mediante la adición de un ruido blanco Homogeneidad de la serie reconstruida Normalmente, no existe una serie homogénea de referencia. t-test Media y varianza del periodo histórico iguales a las del instrumental

Reconstrucción

Problemas metodológicos: resumen Subjetividad de las fuentes Sistema de índices basados en impactos puede ser inapropiado Problemas de calibración/verificación (Inexistencia de un periodo de solapamiento, o que éste sea muy breve) Pérdida de la varianza en la serie reconstruida Homogeneidad de la serie reconstruida

Método alternativo Modelo conceptual de cambio climático Cambios en la función de distribución representativa de la variable climática Del pasado, sólo conocemos la frecuencia de extremos en determinados periodos. Objetivo: inferir los parámetros de la función de distribución a partir de la frecuencia de extremos.

Método alternativo (Rodrigo, Climatic Change, 87: ) Contabilizar estaciones extremas en periodos de 30 años del pasado, n w y n d (por hipótesis, situaciones en las cuales los valores umbral fueron excedidos) Si F X es la función de distribución representativa de la variable climática, los cuantiles q w y q d que permiten definir estaciones húmedas y secas pueden encontrarse como (n= 30) Hipótesis: F X es la distribución normal, válida para lluvias totales estacionales en Andalucía, excepto en el caso del verano (Rodrigo, Theoretical and Applied Climatology, 72: )

La distribución normal puede estandarizarse y transformarse en una N(0;1) Los cuantiles de la serie pueden establecerse de la forma c d = u + sq d c w = u + sq w (u= valor medio; s = desviación típica, q = cuantil de la N(0;1), c = cuantil de la normal no estandarizada) Conocidos c w y c d a partir de un periodo instrumental de referencia, podemos obtener u y s para un periodo de 30 años del pasado en la forma u = c w – sq w = c d -sq d Falta de datos implica que si n d = 0  q d  -  y si n w = 0  q w   Gaps

En resumen, para periodos de 30 años, n d, n w  q d, q w  s, u Validación del método: reconstrucción de la serie regional de Andalucía de precipitaciones de invierno (datos en Rodrigo et al., 1999, Int. J. Climatol., 19: ) periodo instrumental , periodos sucesivos de 30 años Periodo de referencia: c d = mm (percentil 25) c w = mm (percentil 75) Línea continua: reconstrucción. Línea discontinua: observaciones Sobreestimación (s)/subestimación (u) de las observaciones RMSE(u) = 18 mm (  8%) RMSE(s) = 25 mm (  23%) r=0.38 r=0.98

Reconstrucción de las precipitaciones de invierno en Andalucía ( ) periodos sucesivos de 30 años, desde hasta (Rodrigo, Climatic Change, 87: )

Aplicaciones Periodou (mm)s (mm) El Mínimo Maunder se caracteriza en Andalucía por un aumento (descenso) de u (s) cdcd cwcw

Oscilación “Maldá”: (Barriendos & Llasat, 2003, Clim. Change, 61: ) Periodou (mm)s (mm) ,541, ,665,2 El último tercio del siglo XVIII se caracteriza por un aumento acusado de s respecto al periodo anterior cdcd cwcw

Ventajas del método: No se precisa encontrar un periodo de solapamiento entre datos documentales e instrumentales. Los percentiles 25 y 75 permiten recoger un amplio intervalo de situaciones sin conjeturas sobre el grado o magnitud de los fenómenos. No se corrigen las series para buscar la homogeneidad Problemas del método: La hipótesis de normalidad puede no ser adecuada. Resolución temporal de baja frecuencia (periodos largos) Ausencia de información n d = n w = 0, obliga a la aparición de huecos en las series reconstruidas.

Falta de datos. ¿Es suficiente el número de informaciones encontradas? Distribución binomial  = Prob  x  >c  = 0.5 si c=P25, P75 n = 30 Criterio: El número total de estaciones extremas es satisfactorio si está incluido en el intervalo Serie regional de Andalucía, número de inviernos extremos en periodos sucesivos de 30 años,

Hipótesis de normalidad Ejemplo: serie de precipitaciones totales de Murcia en otoño Normal (u=100,1; s=82,1) KS= Gamma (  =1,5;  = 67,9) KS= c d =49 mmc w =139 mm

Hipótesis: F X es la función de distribución gamma incompleta  (F X ) = 1 ?? Sea  = 2.83, valor medio de los parámetros  correspondientes a periodos de 31 años en la serie instrumental ( ) RMSE = 6.9 mm (  7%) r = 0.95 Observado Reconstruido

Reconstrucción Media móvil 31 años, método de índices r = 0.55 Método de F X para periodos sucesivos de 31 años

Resolución temporal El método proporciona las medias para periodos sucesivos de n años Sea n impar (por ejemplo n=31) n = 2r + 1(r=15) Mediante un proceso iterativo podemos obtener los valores x a partir de los datos instrumentales y las medias móviles.

Posibles desarrollos Uso de diferentes funciones de distribución (lognormal, exponencial, Weibull, …) Cambio de los valores umbral c (otros percentiles) Reducción de la escala temporal Comparación con otros datos “proxy” (anillos de árboles) Reconstrucción de temperaturas Relación con factores causales (NAO, ENSO, “forcings” solar, volcánico, [CO 2 ])