AIHR AIIH XXIII CONGRESO LATINOAMERICANO DE HIDRÁULICA CARTAGENA DE INDIAS COLOMBIA, SEPTIEMBRE 2008

COMPARACIÓN DE SERIES DE PRECIPITACIÓN CON LOS GCM

CCSM3, ECHAM5, HADGEM1 Y MIROC 3.2 HIRES, PARA EL S IGLO XX EN COLOMBIA

Acevedo, L.A.1 y Poveda, G. 1

1. Grupo Red de Cooperación en Investigación sobre el Agua (GRECIA). Escuela de Geociencias y Medio Ambiente. Universidad Nacional de Colombia, Sede Medellín. email: laaceved@unalmed.edu.co y

gpoveda@unalmed.edu.co

RESUMEN: Se realiza una comparación de los resultados obtenidos de precipitación en el siglo XX por los Modelos de Circulación Global ECHAM5, CCSM3, HADGEM1 Y MIROC 3.2 con series puntuales de precipitación, las cuales fueron tomadas de las siguientes bases de datos: HidroSig, Red Río, CeniCafé, LBA, WhyBam, Bogotá y IDEAM para toda Colombia y para el intervalo de tiempo comprendido entre 1950 y 1999. Se realizaron comparaciones entre los datos, encontrando la correlación existente entre cada estación y el pixel asociado; y encontrando la correlación entre el promedio de las estaciones dentro de un pixel del modelo y el modelo. Se realiza el promedio trimestral de largo plazo y se compara porcentualmente. Los resultados más importantes encontrados en este trabajo muestran como los modelos estudiados sobrestiman la precipitación en la región de estudio. ABSTRACT: A comparison is made between the precipitation results for the XX century using the Global Circulation Models: ECHAM5, CCSM3, HADGEM1 and MIRCO 3.2; and the precipitation series from different gauges located in the Colombian region, for the period of 1950 and 1999. The information was taken from different sources as: HidroSig, Red Río, CeniCafé, LBA, WhyBam Bogotá and IDEA. Different techniques were used to compare the Model’s information and the gauges’. The time correlation was estimated between each gauge and the associated pixel of the model. The same technique was employed to estimate the time correlation between the average precipitation of the gauges inside a pixel and the information of the model. A tree months average precipitation was made and it was compared. The most important results found in this work show how the studied models overestimate the precipitation on the Colombian region. PALABRAS CLAVES: Cambio Climático, GCM, ECHAM5, CCSM3, HADGEM1, MIRCO 3.2, Colombia,

INTRODUCCIÓN Algunos de los más importantes impactos previstos del Cambio del Clima se expresa a través de los procesos hidrológicos, como los sequias e inundaciones. Modelar esos impactos requiere una alta resolución espacial para obtener los futuros escenarios de temperatura y precipitación (Salathe, Motea, & Wileyb, 2007). Según el informe de IPCC, 2007: Los modelos climáticos generales se basan en leyes de la física representadas por ecuaciones matemáticas que se resuelven utilizando una rejilla tridimensional sobre el globo terráqueo. A fin de simular el clima, los principales componentes del sistema climático deben representarse en submodelos (la atmósfera, los océanos, la superficie terrestre, la criosfera y la biosfera), junto con los procesos que ocurren entre ellos y dentro de cada uno de ellos. Los modelos climáticos mundiales en los que se han acoplado los componentes atmosféricos y oceánicos se conocen también con el nombre de Modelos de la Circulación General (GCM). En el módulo atmosférico, por ejemplo, se resuelven ecuaciones que describen la evolución a gran escala del impulso, el calor y la humedad. Se resuelven ecuaciones similares con respecto a los océanos. Actualmente, la resolución de la parte atmosférica de un modelo típico es de aproximadamente 250 km horizontal y de alrededor de 1 km vertical por encima de la capa límite. La resolución de un modelo oceánico corriente oscila aproximadamente entre 200 y 400 m en vertical, con una resolución horizontal de entre 125 y 250 km. Las ecuaciones se resuelven generalmente para cada período de media hora de un modelo integrado. Muchos procesos físicos, como los que están relacionados con las nubes o la convección oceánica, ocurren en escalas espaciales mucho más pequeñas que la rejilla de los modelos y en consecuencia no pueden modelarse y resolverse en forma explícita. Sus efectos medios se incluyen en forma aproximada con un método simple, aprovechando sus relaciones basadas en la física con las variables a mayor escala. Esta técnica se conoce con el nombre de parametrización. Para poder hacer proyecciones cuantitativas del cambio climático futuro, es necesario utilizar modelos climáticos que simulen todos los procesos importantes que rigen la evolución futura del clima. Los modelos climáticos se han perfeccionado en los últimos decenios gracias al desarrollo de las computadoras. Durante ese período se crearon modelos separados de cada uno de los componentes principales, la atmósfera, la superficie terrestre, los océanos y el hielo marino, que luego se fueron integrando gradualmente. El objetivo final es, por supuesto, incluir en el modelo la mayor parte posible del sistema climático de la Tierra, para que todos los componentes puedan interactuar y para que de esa manera las predicciones del cambio climático puedan siempre tener en cuenta el efecto de las retroacciones entre los distintos componentes. La evolución del clima global que se proyecta para el siglo XXI se obtiene a través de la simulación del efecto de un aumento de la concentración de gases de efecto invernadero, estas simulaciones emplean como punto de partida la simulación del siglo XX, de allí, radica la importancia de comparar los resultados observados y los resultados producidos por los Modelos. La confianza en la capacidad de los modelos para proyectar climas futuros aumenta gracias a la capacidad de modelos para reproducir las tendencias de aumento de la temperatura del aire en la superficie durante el siglo XX (IPCC, 2001) Este trabajo comienza con un descripción de los datos y la metodología empleada, seguidamente se muestran los resultados obtenidos dicha metodología y por último, se examinan estos resultados dentro de las conclusiones . El objetivo general de este estudio es comparar la precipitación resultante de la simulación para el siglo XX (20C3M) de los modelos CCSM3, ECHAM5, HADGEM1 y MIROC 3.2 Hires con la información puntual de la misma variable sobre Colombia

DATOS Y METODOLOGÍA Para la realización de este trabajo se utilizando datos de distintas fuentes: estaciones de precipitación y resultados de Modelos de Circulación General (GCMs). El procesamiento de cada tipo de información hizo posible obtener series mensuales de precipitación tanto para los GCM como para las estaciones puntuales en la misma zona y para el mismo intervalo de tiempo. A continuación se muestra de forma más detallada la descripción de los datos y la metodología empleada para el análisis de los mismos. Series Puntuales de Precipitación: Las series puntuales de precipitación fueron tomadas de las siguientes bases de datos: HidroSig, Red Río, CeniCafé, LBA, WhyBam, Bogotá y IDEAM. En total se encuentran 2274 estaciones de precipitación a una escala temporal mensual y con un periodo de registro variable, para obtener una mayor cantidad de estaciones con un periodo común solo fueron empleados los registro entre 1950 y 1999. En la Figura 1 se muestra la ubicación de las estaciones y la zona de Estudio.

Figura 1.- Zona de Estudio y ubicación de estaciones puntuales de precipitación.

Datos GCMs: Para este trabajo se analizaron algunas simulaciones realizadas para el IPCC AR4 del siglo XX (20C3M). La Simulación de datos está disponibles en la base de Datos del IPCC, en el Lawrence Livermore National Laboratory, proyecto "WCRP CMIP3 multi-model dataset." (<http://www-pcmdi.llnl.gov/ipcc/about/ipcc.php) De todos los modelos disponibles en la página web se seleccionaron 4, el ECHAM5/MPI-OM (Max Planck Institute for Meteorology) de alemanía, CCSM3 (National Center for Atmospheric Research) de Estados Unidos, UKMO-HadGEM1 de Reino Unido y MIROC3.2(hires) de Japón; cada modelo cuenta con simulaciones de la precipitación del siglo XX a diferentes escala

temporales (3horas, diaria, mensual y anual), en este caso se seleccionaron corridas de los modelos para escala temporales mensuales ya que las estaciones puntúales de precipitación tenían esta resolución. El número de corridas seleccionado fue de 1 para cada GCM mencionado anteriormente. Debido a que los resultados de la simulación para el siglo XX se encuentran solo disponible para todo el mundo, es decir, no es posible bajar solos los datos para Colombia se hizo necesaria la elaboración de un algoritmo en el programa MATLAB 7.0 para la recortar las matrices tridimensionales y de esta forma solo trabajar con la información para la zona de estudio, seleccionando ventanas rectangulares para cada GCM (Ver Tabla 1). El periodo de registro para la simulación 20C3M se encontraba disponible desde 1900, pero solo se tomaron en cuenta los datos entre 1950 y 1999 para obtener de esta manera un periodo común con mayor número de datos entre las estaciones puntuales y los modelos.

Tabla 1.- Resolución de los Modelos y ventadas seleccionadas para el estudio. GCM LAT LON TAMAÑO PIXEL

ECHAM5 -4.66 a 13.98 -80.62 a -65.63 1.875°

CCSM3 -4.90 a 13.30 -80.15 a -64.68 1.400°

MIROC 3.2 HIRES -5.05 a 12.89 -79.87 a -65.25 1.125°

HADGEM -5.00 a 12.50 -80.62 a -65.62 1.250°

Análisis Estadístico y Matemático. Una vez obtenidas las series de precipitación mensuales formato de documento de texto y haber recortado las matrices de los modelos se procede a elaborar un algoritmo que encuentre con las coordenadas de una estación dada a que pixel pertenece dentro de los modelos y de esta forma identificar con que pixel se debe comparar la serie, luego de identificado el pixel se procede a encontrar el periodo de registro común y a encontrar la correlación existente entre la serie del pixel y la serie de datos puntuales en todo el periodo encontrado anteriormente; finalmente se obtienen por cada estación puntual (2274) la correlación asociada al pixel del modelo sobre el que se encuentra. Con la información obtenida se elaboraron mapas de correlación en el programa ArcGis 9.0 Otra forma de ser evaluada la correlación de las correlaciones entre los datos puntuales y los modelos es encontrando el promedio de la precipitación mensual entre todas las estaciones que están dentro de un pixel. El algoritmo seguido para realizar evaluación es el siguiente: se identifica que estaciones se encuentran dentro de un pixel, se encuentra el periodo más largo de registro entre las estaciones y se promedia las series, teniendo en cuenta que si en una de las estaciones hay faltantes el promedio de ese mes se hace con las demás estaciones dentro del pixel, de esta forma se obtiene una estación virtual ubicada en el centro del pixel del modelo, cuyos datos son el promedio de las series originales dentro del pixel. Con estas series se sigue nuevamente el algoritmo mencionado en el primer párrafo de este subtitulo. Para ventanas de tres meses (DEF, MAM, JJA, SON), se construyeron mapas de precipitación tanto para los modelos como para la estaciones puntuales. El interpolador empleado para la elaboración de los mapas trimestrales de la estaciones puntuales fue IDW (Inverse Distanse Weighted) y la comparación entre los mapa obtenidos para los modelos y los obtenido para las estaciones fue realizada mediante la calculadora de mapas del programa ArcGis 9.0 así: se resta del mapa de estaciones el mapa del modelo se divide esta diferencia entre el mapa de las estaciones y se multiplica por 100, obteniendo de esta forma un nuevo mapa comparativo en porcentaje.

RESULTADOS Un MCG es una representación espacial y temporal aproximada de los principales procesos físicos que ocurren en la atmósfera y de sus interacciones con las otras componentes del medio ambiente, la simulación para el siglo XX (20C3M) es de gran importacioncita para predicción del cambio climático, debido a que esta simulación es el control o la condición inicial de toda la familia de simulaciones SRES, de allí la importancia de representar por medio de los GCMs lo mejor posible las condiciones del todo el clima durante el siglo XX. Para evaluar la capacidad de los modelos seleccionados para capturar el clima de Colombia se comparo las series de tiempo regionales para cada modelo con observaciones del siglo XX. Una forma de realizar esta comparación es confrontando el ciclo anual obtenido a partir de las estaciones y de los GCMs (ver ¡Error! No se encuentra el origen de la referencia.). El inconveniente de este enfoque es la no representación la variación espacial de la lluvia en la zona de estudio.

Figura 2.- Ciclo Anual de Precipitación en Colombia

Las correlaciones entre pixel cada estación y el pixel asociado de cada modelo se muestran en la Figura 3 Con el fin de obtener un mejor análisis de la correlación entre las observaciones (estaciones puntuales) se realiza el promedio de las estaciones dentro de un pixel y se encuentra la correlación, en la Figura 4 se observan los mapas de Correlación encontrados. Las correlaciones encontradas mediantes las metodológicas mencionadas anteriormente se evalúan empleando la siente ecuación.

n

rC

n

i∑

== 1 [1]

Donde r: La correlación encontrada entre la serie de precipitación y su píxel asociado en el modelo. n: Número de estaciones que pasaron la prueba de hipótesis de no correlación para un nivel de significancía del 95% La Tabla 2 muestra los resultados encontrados para cada GCM

Tabla 2.- Resultados de C encontrados para cada Modelo GCM HADGEM1 CCSM3 ECHAM5 MIROC 3.2 HIRES

C 0.1834 0.2982 0.2157 0.059

Según la tabla anterior se selecciona el modelo CCSM3 para continuar con el análisis por trimestre. La ¡Error! No se encuentra el origen de la referencia. muestra la comparación entre los promedios trimestrales multianuales obtenidos para el modelo CCSM3 y los obtenidos para las estaciones puntuales, en esta figura se observa como la mayoría de los pixeles dentro de los mapas de diferencia porcentual son de color más oscuro, lo que nos indica una sobre valoración de la precipitación en los modelos.

Figura 3.- Mapas de correlación entre las series de precipitación y los modelos HADGEM1, CCSM3,

ECHAM5 y MIROC 3.2 HIRES

Figura 4.- Mapas de Correlación realizadas con el promedio de las estaciones dentro de un pixel para los

modelos HADGEM1, CCSM3, ECHAM5 y MIROC 3.2 HIRES

Figura 5.- Mapas por trimestre DEF. A la izquierda se muestran los Mapas de precipitación trimestral multianual tanto para las estaciones puntuales como para el

modelo CCSM3_R2 y a la derecha se muestran los mapas de diferencia porcentual entre el mapa de estaciones y el mapa del modelo para cada trimestre.

Figura 6.- Mapas por trimestre MAM. A la izquierda se muestran los Mapas de precipitación trimestral multianual tanto para las estaciones puntuales como para el

modelo CCSM3_R2 y a la derecha se muestran los mapas de diferencia porcentual entre el mapa de estaciones y el mapa del modelo para cada trimestre.

Figura 7.- Mapas por trimestre JJA. A la izquierda se muestran los Mapas de precipitación trimestral multianual tanto para las estaciones puntuales como para el modelo CCSM3_R2 y a la derecha se muestran los mapas de diferencia porcentual entre el mapa de estaciones y el mapa del modelo para cada trimestre.

Figura 8.- Mapas por trimestre SON. A la izquierda se muestran los Mapas de precipitación trimestral multianual tanto para las estaciones puntuales como para el modelo CCSM3_R2 y a la derecha se muestran los mapas de diferencia porcentual entre el mapa de estaciones y el mapa del modelo para cada trimestre.

CONCLUSIONES Los GCM de baja resolución en general simulan bien las características de la circulación atmosférica general. A escala regional, los modelos muestran desviaciones medias por zona que varían enormemente de una región a otra y de un modelo a otro, y las desviaciones de los valores medios por zona de la temperatura estacional a nivel subcontinental son normalmente de ± 4ºC, y las desviaciones de las precipitaciones son de entre - 40% y + 80% (IPCC, 2001) Muchos de los enfoques que se han desarrollado para modelar el clima se basan en correcciones empíricas a los datos simulados del clima. Estas correcciones se basan en relaciones observadas entre las estadísticas de un parámetro y la simulación de un parámetro para unas condiciones climáticas equivalentes. Esta relación se utiliza para corregir la simulación del parámetro para las futuras condiciones climáticas (Salathe, Motea, & Wileyb, 2007). Estas parametrizaciones pueden afectar el comportamiento del modelo en Colombia y no representar de manera correcta la variación regional de la precipitación, según los mapas de correlación encontrados en este trabajo se puede observar como las correlaciones en gran parte del área estudio son muy bajas y hasta negativas. Las investigaciones actuales acerca del cambio climático muestran como la resolución espacial y temporal juegan un papel importante para la predicción del clima futuro, por esto los esfuerzos de dicha investigación se han apuntados a mejorar en estos aspectos mediante la implementación de algoritmos mucho mas sofisticados y la adquisición de supercomputadoras que procesas la información para poder realizar las predicciones, a pesar de todos estos esfuerzos los modelos aun no reflejan de manera clara la física de los procesos meteorológicos, en este caso en particular de la precipitación. Los resultados de este trabajo muestran como al ganar resolución espacial empleando el Modelo MIROC 3.2 HIRES se pierde entendimiento de los procesos físicos que gobiernan la lluvia. El estudio de los impactos de la variabilidad del clima y del cambio en respuesta hidrológica es complejo porque los efectos de larga escala que fuerzan el cambio del clima están acoplados no linealmente con los forzamientos locales y regionales, y por lo tanto esos impactos no pueden ser determinados fácilmente. Sin embargo, la determinación de esos impactos ha captado la atención de muchos investigadores La precipitación promedia multianual por trimestre muestra el comportamiento de largo plazo de los modelos y de la estaciones puntuales, se observar como la precipitación de todos los trimestres es sobres estimada por los modelos, aunque la precipitación en los trimestres SON y DEF también es muy alta el comportamiento en los semestres concuerda con el de los modelos La simulaciones de los Modelos de Cambio Climático pueden ser evaluadas y seleccionadas basados en las simulaciones históricas del siglo XX ya que estas son la condición inicial de las simulaciones futuras del clima. REFERENCIAS Salathe, E. P., Motea, P. W., & Wileyb, M. W. (2007). “Review of scenario selection and downscaling methods for the assessment of climate change impacts on hydrology in the United States pacific northwest”. International Journal Of Climatology

Intergovernmantal Panel on Climate Change, IPCC (2001). The Scientic Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmantal Panel on Climate Change, New York, USA.