TP Final - Nota: A PDF

Preview

Summary

Es un trabajo de evaluación de un modelo climático, el cual evalúa como el mismo reproduce el clima pasado....

Description

Cambio Climático • Diego Mouriño

1

Evaluación de índices de extremos de temperatura para el modelo climático GFDL-ESM2M D IEGO M OURIÑO Departamento de Ciencias de la Atmósfera y de los Océanos, Facultad de Ciencias Exactas y Naturales, U.B.A. [email protected]

7 de diciembre de 2017 Resúmen Este trabajo tuvo como objetivo evaluar la capacidad del modelo climático GFDL-ESM2M de reproducir los índices de extremos de temperatura TX90p, TN90p, TN10p y TX10p utilizando la base de datos HadEX2 como referencia. Se analizaron las correlaciones entre las series de promedios globales de dichos índices construidas a partir de dicho modelo y de dicha base de datos para el período 1901-2005 y se encontró que son significativas con un nivel de confianza del 95 %. Además, se analizó la capacidad del modelo propuesto de reproducir espacialmente los índices antes mencionados para el período 1965-2005. Se encontró que su mejor performance se da en las regiones intertropicales, Groenlandia y el centro y oeste de China. En tanto, su peor performance se da el norte de la India, este de China, oeste de Canadá y el centro y el noroeste de Rusia.

1. Introducción El presente informe tiene como objetivo hacer una evaluación de la capacidad del modelo climático GFDL-ESM2M de reproducir los índices de extremos de temperatura TX90p, TN90p, TN10p y TX10p. La base de datos utilizada como referencia fue la base HadEX2. Tanto los índices tomados del modelo como los índices tomados de la base de datos fueron interpolados a una grilla de 2.5x2.5 grados. Las metodologías de evaluación utilizadas para evaluar la capacidad del modelo de reproducir los índices antes mencionados fueron: Series de promedios globales para cada índice: se creó una serie de promedios globales de cada índice confeccionada utilizando los índices extraídos de la base HadEX2 y otra para los índices extraídos de la salida del modelo GFDL-ESM2M para el período 1901-2005. Se calculó el coeficiente de correlación entre ambas series para cada índice y se estudió su significancia estadística. Además, se realizó una regresión lineal para la serie temporal de los promedios globales calculados a partir de los índices extraídos de la base HadEX2 para el período 1901-2005 y es evaluó su significancia estadística. Análisis espacial de correlación: para cada punto de grilla continental donde había datos disponibles, se calculó el coeficiente de correlación entre las series de cada índice generadas a partir de los datos observacionales de la base

HadEX2 y de los obtenidos a partir del modelo GFDL-ESM2M para el período 1965-2005. Luego, se estudió la significancia estadística de la correlación para cada punto de grilla. El estudio de los índices de extremos de temperatura y su evolución temporal es fundamental en un contexto de cambio climático ya que la evolución de los mismos, como se discutirá más adelante, está ligada al aumento global (y local) de la temperatura media. Por lo tanto, el cambio climático antropogénico no se manifiesta solo en un aumento de la temperatura media global, sino que también se manifiesta en una variación en la frecuencia de ocurrencia de valores extremos de temperatura. Por otra parte, los modelos climáticos son la única herramienta disponible para realizar predicciones sobre escenarios climáticos futuros. Por lo tanto, evaluar la capacidad de los modelos climáticos de reproducir el clima pasado (y, en particular, los valores de los índices extremos acontecidos en el pasado) es una medida de la robustez de las predicciones que estos arrojan a futuro.

2. Datos 2.1.

Modelo climático GFDL-ESM2M

El modelo GFDL-ESM2M es un modelo climático global (MCG) de la generación CMIP5 desarrollado por el departamento de fluidos geofísicos de la NOAA. El mismo trabaja con

Cambio Climático • Diego Mouriño

Índice Definición

TX90p Porcentaje de días cálidos; porcentaje de días en un año cuya temperatura máxima se encuentra en el percentil 90 de una distribución de probabilidad de la temperatura para un período de referencia dado.

2

TN90p Porcentaje de noches cálidas; porcentaje de días del año cuya temperatura mínima se encuentra en el percentil 90 de una distribución de probabilidad de la temperatura para un período de referencia dado.

TX10p Porcentaje de días fríos; porcentaje de días del año cuya temperatura máxima se encuentra en el percentil 10 de una distribución de probabilidad de la temperatura para un período de referencia dado.

TN10p Porcentaje de noches frías; porcentaje de días del año cuya temperatura mínima encuentra en el percentil 10 de una distribución de probabilidad de la temperatura para un período de referencia dado.

Tabla 1: Definición de los índices de extremos de temperatura utilizados en el presente trabajo

una resolución horizontal de 2.5x2 grados. Como en el presente trabajo se realizó utilizando una resolución horizontal de 2.5x2.5 grados, fue necesario interpolar los datos del modelo a dicho tamaño de grilla. El período base utilizado para estimar los índices de extremos de temperatura fue 1961-1990. Se dispuso de una única corrida del modelo GFDL-ESM2M, la cual abarca el período 1861-2005. Los índices analizados fueron TX90p, TN90p, TX10p y TN10p. Su definición puede verse en la tabla 1. Al ser un MCG, el modelo contempla modelos o parametrizaciones de la superficie terrestre, los océanos y el hielo marino. Además, contiene modelos o parametrizaciones que cuantifican los efectos de los aerosoles atmosféricos y de los procesos bioquímicos que tienen lugar en el océano. Por otra parte, este modelo no posee incorporado ningún modelo de la química de la atmósfera [1]. Cabe aclarar que, al ser un MCG, los modelos de cada una de las partes antes mencionadas están acoplados. Esto es lo que hace más realista la representación del sistema climático realizada por el modelo.

La base HadEX2 es una base de datos meteorológicos generada por el Hadley Center de la Met Office del Reino Unido en colaboración con otras instituciones. Esta fue confeccionada utilizando datos de aproximadamente 7400 estaciones que miden temperatura y 11600 estaciones que miden precipitación alrededor del mundo. La misma abarca el período 1901-2010 y posee una resolución horizontal de 2.5 x 3.75 grados. Como la resolución horizontal utilizada fue de 2.5 x 2.5 grados, se interpolaron los datos a dicho tamaño de grilla. Esta base de datos solo dispone de información de regiones continentales. Los índices de extremos proporcionados por esta base de datos fueron calculados utilizando el programa RClimDex 1. El período de referencia para estimar los índices de extremos de temperatura utilizados en el presente trabajo fue 1961-1990. Los índices utilizados fueron TX90p, TN90p, TX10p y TN10p. Su definición puede verse en la tabla 1.

3. Metodología

confeccionada a partir de la base de datos HadEX2 para el período 1901-2005 y se testeó su significancia estadística.

3.1.

Una cuestión metodológica relevante de mencionar es que, para cada año, la salida del modelo genera información de los índices sobre todo el globo, mientras que los datos de los índices generados a partir de las mediciones solo se encuentran disponibles para los puntos de grilla continentales que se pueden rellenar a partir de las mediciones disponibles. Además, por diferentes cuestiones inherentes a las mediciones, los puntos de grilla sobre los continentes en los cuales se dispone de datos obtenidos a partir de las mediciones varía año a año. Por lo tanto, para un mejor análisis estadístico, se filtraron para cada tiempo todos los puntos de grilla para los cuales no hubiera dato estimado a partir de mediciones. Esto permitió que el promedio global de cada índice estimado a partir de la salida del modelo resultara más representativo del estimado a partir de los datos

Serie de promedios globales para el modelo GFDL-ESM2M y la base HadEX2

Para cada uno de los índices estudiados, se procedió a calcular el coeficiente de correlación entre la serie de promedios globales estimada a partir de los datos de la base HadEX2 y la serie de promedios globales estimada a partir de la salida del modelo GFDL-ESM2M. Luego, se testeó si la misma resultaba estadísticamente significativa. Como se dijo previamente, los datos de la base HadEX2 abarcan el período 1901-2010 mientras que la salida del modelo GFDL-ESM2M abarca el período 18612005. Por lo tanto, para estudiar la correlación antes mencionada, se tomó el período 1901-2005. Además, para cada índice, se halló la regresión lineal de su correspondiente serie temporal 1

Para más información, ver https://www.metoffice.gov.uk/hadobs/hadex2/

2.2.

Base de datos HadEX2

Cambio Climático • Diego Mouriño

ya que solo se utilizaron para calcularlo los puntos de grilla en los cuales hay datos estimados a partir de las mediciones. En ambos casos, la metodología de testeo fue un test de hipótesis para evaluar si el coeficiente de correlación lineal resultaba significativamente diferente de cero con un nivel de confianza del 95 %.

3

directa. Es decir, el coeficiente de correlación entre las series para un índice dado debe ser positivo necesariamente. Por lo tanto, se testeó que el coeficiente de correlación lineal entre las series analizadas fuera significativamente mayor que cero con un nivel de confianza del 90 %.

4. Resultados y discusiones 3.2.

Correlación espacial entre el modelo GFDLESM2M y la base HadEX2

Para cada punto de grilla en las regiones continentales se calculó la correlación entre la serie temporal de cada uno de los índices confeccionada a partir de los datos de la base HadEX2 y a partir de la salida del modelo GFDL-ESM2M para el período 1965-2005. Se decidió comenzar las series temporales en el año 1965 porque, a partir de allí, un gran porcentaje de las regiones continentales disponen de datos. Una vez calculadas las correlaciones para cada punto de grilla continental se procedió a testear su significancia estadística. Como ambas series temporales contienen información a cerca de la misma variable (es decir, una es la serie temporal de uno de los índices extraída de la salida del modelo GFDL-ESM2M y otra es la serie temporal de uno de los índices extraída de la base de datos HadEX2), la relación entre ambas series debe ser

4.1.

Series de promedios globales para el modelo GFDL-ESM2M y la base HadEX2

En las figuras 1, 2, 3 y 4 pueden observarse las series temporales correspondientes al período 1901-2005 para los índices TX90p, TN90p, TX10p y TN10p obtenidas a partir de la salida del modelo GFDL-ESM2M y de la base de datos HadEX2 y la regresión lineal realizada para los promedios globales obtenidos a partir de la base HadEX2 para el período 1901-2005. En la tabla 2 pueden observarse las pendientes de dichos ajustes lineales y los valores de los coeficientes de correlación lineal entre las series de índices extraídos de los datos y los índices extraídos de la salida del modelo. Además, en dicha tabla se encuentra especificado si las pendientes y los coeficientes de correlación antes mencionados son estadísticamente significativos con un nivel de confianza del 95 %.

Figura 1: Series de promedios globales obtenidos a partir del modelo GFDL-ESM2M y de los datos de la base HadEX2 (arriba) y serie de promedios globales obtenidos a partir de la base HadEX2 y su regresión lineal (abajo) para el índice TX90p.

Cambio Climático • Diego Mouriño

4

Figura 2: Series de promedios globales obtenidos a partir del modelo GFDL-ESM2M y de los datos de la base HadEX2 (arriba) y serie de promedios globales obtenidos a partir de la base HadEX2 y su regresión lineal (abajo) para el índice TN90p.

Figura 3: Series de promedios globales obtenidos a partir del modelo GFDL-ESM2M y de los datos de la base HadEX2 (arriba) y serie de promedios globales obtenidos a partir de la base HadEX2 y su regresión lineal (abajo) para el índice TX10p.

Cambio Climático • Diego Mouriño

5

Figura 4: Series de promedios globales obtenidos a partir del modelo GFDL-ESM2M y de los datos de la base HadEX2 (arriba), serie de promedios globales obtenidos a partir de la base HadEX2 y su regresión lineal (abajo) para el índice TN10p.

Índice TX90p Correlación modelo - datos 0.66 Significancia correlación modelo - datos S Pendiente regresión lineal de los datos 0.037 Significancia pendiente de la regresión lineal de los datos S

TN90p 0.77 S 0.068 S

TX10p 0.61 S -0.049 S

TN10p 0.72 S -0.074 S

Tabla 2: Correlación entre el modelo y los datos, pendiente de la regresión lineal de los datos y significancia de ambas para los índices TX90p, TN90p, TX10p y TN10p. En las filas de que contienen información de significancia, S = significativo con un nivel de confianza del 95 % y NS = no significativo con un nivel de confianza del 95 % .

El primer resultado relevante es que, como se puede ver en la tabla 2, para todos los índices estudiados el coeficiente de correlación entre la serie estimada a partir de la salida del modelo y la serie estimada a partir de los datos resultó estadísticamente significativo con un nivel de confianza del95 % para el período 1901-2005. Es decir, el modelo GFDL-ESM2M reproduce aceptablemente los índices de extremos de temperatura estudiados a nivel global durante el período 1901-2005. El segundo resultado relevante es que, como se puede apreciar en las figuras 1, 2 y en la tabla 2, el porcentaje de días cálidos (TX90p) y el porcentaje de noches cálidas (TN90p) poseen una tendencia positiva y estadísticamente significativa con una confianza del 95 %. En tanto, como se puede apreciar en las figuras 3, 4 y en la tabla 2, el porcentaje de días fríos (TX10p)

y el porcentaje de noches frías (TN10p) poseen una tendencia negativa y estadísticamente significativa con una confianza del 95 %. Es decir, la frecuencia de extremos fríos de temperatura disminuyó y la frecuencia de extremos cálidos de temperatura aumentó en el período 1901-2005 tomando como período base 1961-1990. Este patrón es consistente con un contexto de calentamiento global ya que, al aumentar la temperatura media global, las colas de la distribución de probabilidad de la temperatura presentan un corrimiento hacia la derecha. Este corrimiento implica un aumento de la probabilidad de ocurrencia de extremos de temperatura cálidos y una disminución de la probabilidad de ocurrencia de extremos fríos de temperatura. La figura 5 ilustra esta idea [2].

Cambio Climático • Diego Mouriño

6

Figura 5: Ilustración del corrimiento a derecha de la distribución de la temperatura media global en un contexto de calentamiento global

4.2.

Correlación espacial entre el modelo GFDLESM2M y la base HadEX2

En las figuras 6, 7, 8, 9 se pueden observar los mapas de correlaciones entre los índices extraídos de la base HadEX2 y los índices extraídos del modelo climático GFDL-ESM2M sobre regiones continentales para el período 1965-2005. Una cuestión relevante a cerca de las figuras 6, 7, 8, 9 es que entre ellas hay pequeñas diferencias en las regiones continentales en las cuales hay información a cerca de la correlación estudiada. Por ejemplo, para el índice TX10p (figura 8) no hay información de la correlación entre las series en la isla de Nueva Guinea y para el índice TN90p (figura 7) si. Estas diferencias se deben a que, para un punto de grilla dado, un índice puedo ser calculado y el otro no. Es decir, para un punto de grilla habrá serie temporal de un índice y de otro no. Este hecho es el orígen del comportamiento antes mencionado. Como se mencionó previamente, la serie temporal de un

índice extraída del modelo GFDL-ESM2M y la serie temporal del mismo índice extraída de la base HadEX2 representan una misma variable. Por lo tanto, el coeficiente de correlación entre ambas series debería ser positivo. Si se observan las figuras 6, 7, 8, 9, en el oeste de Rusia, noroeste de Rusia, oeste de Canadá, norte de la India y este de China el coeficiente de correlación entre la serie construida a partir de los datos y la serie construida a partir del modelo resulta negativo para los 4 índices estudiados. Este comportamiento anómalo puede ser un indicio de que el modelo no logra reproducir correctamente la variable temperatura en dichas regiones. Por lo tanto, los índices de extremos de temperatura estimados a partir del modelo GFDL-ESM2M no resultan representativos de los observados en dichas regiones. En general, observando las figuras 6, 7, 8, 9 puede verse que las mejores performances del modelo (valores de correlación positiva más altos) se encuentran en la región intertropical (excepto norte de la India), centro de China, oeste de China, y Groenlandia.

Cambio Climático • Diego Mouriño

7

Figura 6: Mapa de correlaciones entre los índices calculados a partir de los datos de la base HadEX2 y los estimados a partir de la salida del modelo climático GFDL-ESM2M para el período 1965-2005 para el índice TX90p

Figura 7: Mapa de correlaciones entre los índices calculados a partir de los datos de la base HadEX2 y los estimados a partir de la salida del modelo climático GFDL-ESM2M para el período 1965-2005 para el índice TN90p

Cambio Climático • Diego Mouriño

8

Figura 8: Mapa de correlaciones entre los índices calculados a partir de los datos de la base HadEX2 y los estimados a partir de la salida del modelo climático GFDL-ESM2M para el período 1965-2005 para el índice TX10p

Figura 9: Mapa de correlaciones entre los índices calculados a partir de los datos de la base HadEX2 y los estimados a partir de la salida del modelo climático GFDL-ESM2M para el período 1965-2005 para el índice TN10p

Cambio Climático • Diego Mouriño

Una forma más cuantitativa de evaluar las regiones del globo en las cuales el modelo reproduce de forma correcta los índices de extremos es hallar los puntos de grilla en los cuales, para cada índice, la relación entre la serie temporal construida a partir de los datos y la serie temporal construida a partir de la salida del modelo poseen una correlación significativamente positiva.

9

En las figuras 10, 11, 12 y 13 se muestra dicho análisis con un nivel de confianza del 90 %. En tanto, en la tabla 3, se muestra el porcentaje de puntos de grilla donde la correlación entre las series es positiva y significativa con un nivel de confianza del 90 % para cada índice.

Figura 10: Mapa de significancia de correlaciones entre los índices extraídos de la base HadEX2 y los extraídos de la salida del modelo climático GFDL-ESM2M para el período 1965-2005 con un nivel de confianza del 90 % para el índice TX90p

Figura 11: Mapa de significancia de correlaciones entre los índices extraídos de la base HadEX2 y los extraídos de la salida del modelo climático GFDL-ESM2M para el período 1965-2005 con un nivel de confianza del 90 % para el índice TN90p

Cambio Climático • Diego Mouriño

10

Figura 12: Mapa de significancia de correlaciones entre los índices extraídos de la base HadEX2 y los extraídos de la salida del modelo climático GFDL-ESM2M para el período 1965-2005 con un nivel de confianza del 90 % para el índice TX10p

Figura 13: Mapa de significancia de correlaciones entre los índices extraídos de la base de HadEX2 y los extraídos de la salida del modelo climático GFDL-ESM2M para el período 1965-2005 con un nivel de confianza del 90 % para el índice TN10p

Índice TX90p TN90p TX10p TN10p Porcentaje de nodos de grilla con correlación significativas 59,9 % 70,2 % 77,5 % 53, 1 % Porcentaje de nodos de grilla con correlación no significativa 40,1 % 29,8 % 22,5 % 46, 9 % Tabla 3: Porcentaje de pu...