Proyecciones de cambio climático para la precipitación en América tropical mediante técnicas de downscaling estadístico

Resumen

El cambio climático puede tener importantes repercusiones en el clima de muchas partes del planeta. El último informe del IPCC, AR5, analiza los potenciales cambios en el clima ante distintos escenarios de emisión a partir de las salidas de los Modelos de Circulación General (GCMs) incluidos en la 5ª fase del Proyecto de Intercomparación de modelos climáticos (CMIP5). Los GCMs son una herramienta primordial en el estudio del cambio climático pero adolecen de una suficiente resolución espacial para explorar y distinguir la variada respuesta del clima, en particular en regiones con gran diversidad climática como es el caso de América tropical, aportando una información en muchos casos inadecuada para estudiar los impactos del cambio climático en sistemas tan sensibles y vulnerables como los de esta zona. Existe un acuerdo general sobre la respuesta térmica del sistema climático ante los forzamientos antropogénicos, mostrando una gran homogeneidad espacial. Por el contrario, la respuesta de la precipitación ante estos forzamientos presenta una mayor heterogeneidad e incertidumbre, siendo esta variable la que requiere una mejora en sus proyecciones. En general la vasta resolución de los GCMs puede ser resuelta mediante las llamadas técnicas de regionalización o downscaling. Para América tropical existen poco estudios dedicados a explorar el cambio climático a escala regional. Así pues, el objetivo fundamental de esta tesis es la obtención mediante downscaling estadístico de proyecciones de cambio climático para la precipitación estacional en toda el área de América tropical, comprendida entre las latitudes 30ºN y30ºS, a partir de las salidas de 20 GCMs del CMIP5. La primera parte de la tesis se dedica a presentar las principales características climáticas de la zona de estudio, la base de datos utilizada y la metodología empleada. La base de datos observacional de precipitación es la de Global Precipitation Climatology Centre, GPCC, consistente en una rejilla en base mensual con resolución espacial de 0.5º por 0.5º . La metodología empleada para la obtención de los modelos de downscaling estadístico (DS) se basa en la Regresión de Componentes Principales, usando como campo predictor la presión a nivel del mar (SLP) y como predictando la precipitación estacional en cada punto de la rejilla. Para la obtención del modelo DS se usando los datos de SLP del NCEP en el periodo 1950-2010. En este capítulo se describe también brevemente las técnicas de bootstraping empleadas en la evaluación de la incertidumbre de los modelos así como el test de Wicloxon-Mann-Whitney usado en la detección de la significación de los cambios. En cuanto a los resultados, en primer lugar se ha realizado una evaluación de las salidas de la SLP por 40 modelos del CMIP5 en el periodo histórico (1950-2005) como paso previo en la obtención de proyecciones regionales de cambio climático para la precipitación de la zona de estudio, tanto a escala mensual como estacional. Se ha analizado en detalle las diferencias del campo medio y de la varianza, de la SLP de cada modelo respecto a la SLP del NCEP, así como una comparación de sus principales modos de variabilidad, caracterizados mediante los dos primeros vectores propios rotados de un Análisis de Componentes Principales. En general, los GCMs reproducen el patrón espacial de este campo medio, sin que haya desviaciones de más de 10 hPa, con cierto predominio de subestimaciones de la SLP en el Pacífico tropical occidental, y sobrestimaciones en el área continental occidental, sobre todo los Andes. Los principales modos de variabilidad de la SLP en los GCMs representan de forma aceptable las principales características de la SLP del NCEP, tanto a nivel mensual como estacional, siendo difícil establecer un rango que determine qué modelos del CMIP5 son mejores en la reproducción de los mismos de forma general, pues hay diferencias en el comportamiento de los modelos según la época del año. Por ello, la selección final de GCMs se ha establecido en función la disponibilidad de salidas de los mismos para los escenarios RCP2.6, 4.5 y 8.5. El capítulo 5 se dedica al desarrollo de los modelos de downscaling estadístico (DS) para la precipitación estacional en Sudamérica mediante la técnica de regresión por componentes principales (PCR), siguiendo fundamentalmente el esquema desarrollado por Li and Smith (2009) y Palomino-Lemus et al. (2015). Para ello, se han analizado los modos de variabilidad de la presión a nivel del mar (SLP) estacional en la región tropical y su influencia en la precipitación de Sudamérica, son usados como variables predictoras de la precipitación en los modelos de regresión, calibrados y validados en los periodos 1950-1993,1994-2010, respectivamente. La habilidad de los modelos DS generados ha sido evaluada tanto a escala espacial de rejilla, como a escala regional para diferentes zonas seleccionadas en el área de estudio. El DS muestra un funcionamiento adecuado en extensas áreas dentro del dominio analizado, más reducidas cuando se analiza el periodo de validación. Esto puede ser debido a la peor cobertura de datos en el GPCC en determinadas áreas (áreas selváticas del Amazonas y Orinoco, y Andes) y, en particular en los últimos años. Además, el modelo muestra una habilidad en la reproducción de la precipitación más modesta durante la primavera, lo cual puede estar relacionado con modulaciones de los patrones atmosféricos asociadas al paso de la Zona de Convergencia Intertropical (ITCZ). Aún así el modelo reproduce de forma muy adecuada las características del campo medio de precipitación para todas las estaciones del año. En general, las mayores discrepancias y errores tienden a presentarse en áreas y épocas con una precipitación muy baja (este de los Andes, noroeste de México, sur de Bolivia), en las que elevados cambios en porcentaje implican, sin embargo, variaciones pequeñas en valor absoluto. Adicionalmente, se ha desarrollado el modelo DS para 10 zonas con una aceptable cobertura de datos, características climáticas bien definidas y en áreas donde el DS realizado en cada punto de rejilla funciona adecuadamente. Los resultados obtenidos para estas zonas muestran una buena habilidad del DS, particularmente para las estaciones de invierno y verano. Para algunas zonas, el DS llega a simular valores extremos de la precipitación. En el Capítulo 6 se analizan los resultados de los modelos de downscaling estadístico en la obtención de las proyecciones futuras de la precipitación (para la treintena 2071-2100) en la región de América tropical, utilizando las simulaciones de la SLP de 20 GCMs del CMIP5, para los experimentos históricos, y las trayectorias de representación representativas RCP2.6, RCP4.5 y RCP8.5, comparándolos con los cambios de la precipitación proyectados directamente por los GCMs. Tras una recalibración del modelo DS en el periodo 1950-2100, se ha analizado cómo el DS aplicado a los 20 GCMs seleccionados del CMIP5 en clima presente reproduce los datos observacionales del GPCC en el periodo de referencia para clima presente 1971-2000. La principal consecuencia de este análisis es la adecuada representación del campo medio de la precipitación estacional mediante el DS, de tal forma que, considerando el promedio del área para todos los DS, menos de aproximadamente el 20% del área en estudio, presenta cambios significativos de la precipitación DS respecto a las observaciones, siendo además, en general de cuantía pequeña. El DS corrige de forma apreciable importantes desviaciones de la precipitación media mostradas por los diversos GCMs, dando una representación más acertada del campo medio de precipitación sobre el área de estudio, además de mejorar la resolución de las mismas. Para el periodo 2071-2100 se han obtenido proyecciones regionalizadas de la precipitación en cada estación dela año mediante el DS de los 20 GCMs seleccionados con las trayectorias de concentración representativas RCP2.6, RCP4.5 y RCP8.5. La evaluación de los cambios proyectados se ha obtenido a través de la diferencia porcentual de la precipitación DS en el periodo 2071-2100 respecto a la precipitación DS en el periodo presente 1971-2100, En general, la extensión del área afectada por cambios significativos así como la intensidad de los mismos aumenta al aumentar el forzamiento radiativo. Los resultados para los RCP2.6 y RCP4.5 son muy parecidos en algunos modelos, siendo en estos modelos, en general pequeños. Los cambios son más claros para para el RCP8.5, en todas estaciones del año, con marcadas y extensas variaciones, coherentes para el DS de un número considerable de GCMs. El invierno es la estación que parece tener menos cambios, la señal hacia un descenso de la precipitación es bastante coherente para gran parte de México, con descensos del 30 al 90% y en el oeste de Colombia con ascensos que pueden llegar a ser del 80%. Para el verano, se acentúan los cambios, estando casi toda el área afectada por cambios significativos bajo el RCP8.5. Para el RCP4.5 se encuentra un descenso muy intenso y coherente sobre una amplia zona en Brasil, desde aproximadamente los 10º S, 60ªW. En el RCP8.5 este cambio se incrementa en área e intensidad. Se detecta también un aumento coherente en el norte de Sudamérica y Centroamérica con aumentos que llegan a un 60 %. También muestra un aumento de la precipitación al norte de Argentina, que oscila entre el 30 % -90%. En primavera destacan aumentos significativos en el noreste de Sudamérica y sur de Brasil, Paraguay y noreste de Argentina, y descensos en el centro y norte de Brasil y en el sur de Bolivia y noreste de Argentina. La zona este de Brasil presenta marcados descensos, del 70 % en el RCP4.5 y demás del 80% en el RCP8.5. En otoño, destaca el marcado incremento de la precipitación en el noreste de Brasil, muy consistente en el RCP8.5, extendiéndose para el DS de algunos GCMs tanto hacia el norte como hacia el interior de Brasil, y que puede llegar a aumentos muy elevados (más del 80%) según la zona y el GCM. En muchos casos, estas estimaciones contrastan de forma muy marcada con las de los GCMs, de tal forma que un GCM y su DS pueden mostrar cambios significativos muy opuestos. Como cabe esperar en el proceso de downscaling, el patrón espacial de cambios es menos uniforme que en los GCMs, pudiendo discernir comportamientos diferentes en zonas relativamente cercanas. Más aún, el DS tiende, en muchos casos, a mostrar un mejor acuerdo en los cambios proyectados (al menos en su signo) con diversos GCMs que estos directamente. La incertidumbre de las proyecciones mediante DS se ha analizado a partir de los intervalos de confianza estimados mediante bootstraping para las 10 zonas seleccionadas. En general, el DS de los modelos en clima presente se aproxima al valor medio de la precipitación, con independencia de la zona y del GCM, con los valores medios de la precipitación observada normalmente dentro del rango intercuartílico del bootstraping. También, de forma general, se tiene que un número apreciable de GCMs presentan valores muy altos o muy bajos respecto tanto al valor medio observacional como a las estimaciones DS, lo cual puede deberse a una inadecuada representación de los procesos físicos asociados a la precipitación y a la baja resolución de la topografía, de tal forma que el DS parece corregir estos importantes sesgos. Por otro lado, la amplitud de los intervalos de confianza al 95 %, tiende a mostrar un rango similar tanto para el presente como el futuro sin grandes diferencias entre los RCPs, aunque ligeramente mayor para el RCP8.5, lo que indicaría algo más de incertidumbre. Debe también destacarse que las amplitudes de las incertidumbres (intervalo de confianza) muy variables según modelo y zona, e incluso estación del año, de tal forma que tiende a ser más pequeñas en periodos y zonas húmedas, pudiendo oscilar entre menos del 20% a más del 150 %.