Informe Final Impactos climáticos para Guatemala ...Efectos de la topografía 6.2. Efectos de los...

Robert Oglesby and Clinton RoweUniversity of Nebraska, Lincoln

Informe FinalImpactos climáticos para Guatemala:

Resultados preliminares de los modelosclimáticos regionales y globales IPCC AR5

Presentación

1. Introducción

2. Antecedentes

3. Herramientas y metodología para el desarrollo de modelos3.1. WRF3.2. NNRP3.3. CCSM43.4. Metodología

4. Escenarios del modelo climático global IPCC AR5

5. Escenarios de cambio climático regional para Guatemala5.1. Verificación del modelo5.2. Resultados preliminares de las simulaciones de cambio climático

de escala reducida del WRF

6. Análisis y discusión6.1. Efectos de la topografía6.2. Efectos de los regímenes de viento6.3. Incertidumbres del modelo: ¿Qué tanto podemos confiar en

estos resultados del cambio climático?6.4. Implicaciones para los estudios de vulnerabilidad y adaptación

7. Aplicación mapmaker para Guatemala

8. Resumen Y trabajo futuro8.1. Los siguientes pasos

9. Referencias

10. Acrónimos

11. Glosario

i

5

7

1111121213

15

2121

24

282828

2929

30

3233

34

35

36

Contenido

Impactos climáticos para Guatemala: Resultados preliminares de los modelos

climáticos regionales y globales IPCC AR5

i

Presentación El cambio climático es inequívoco, el aumento de emisiones de gases de efecto invernadero (GEI) provenientes principalmente de actividades antropogénicas ocasiona cambios como el aumento de la temperatura, modificación en la precipitación, así como aumento de los eventos hidrometereológicos extremos.

Guatemala es uno de los países más vulnerables a los impactos del cambio climático y en los últimos diez años ha sufrido eventos hidrometeorológicos extremos, que han repercutido en los principales sectores productivos del país, ocasionando pérdidas económicas e impactos sociales y ambientales, principalmente en las comunidades rurales.

Como parte de las acciones que el Gobierno de Guatemala está desarrollando, dentro del Ministerio de Ambiente y Recursos Naturales, se ejecuta el “Programa de Apoyo a la Agenda Nacional de Cambio Climático” con el apoyo del Banco Interamericano de Desarrollo (BID), a través del cual se realizó el estudio “Impactos climáticos para Guatemala: Resultados preliminares de los modelos climáticos regionales y globales IPCC AR5” elaborado por el Dr. Robert Oglesby y el Dr. Clint Rowe de la Universidad de Nebraska en Lincoln (EEUU), quienes forman parte del equipo de modelación de escenarios climáticos del Assesment Report 5 (AR5) del Panel Intergubernamental de Cambio Climático (IPCC).

Este estudio, es una herramienta disponible para tratar de estimar la tendencia futura de la temperatura y la precipitación con base a los escenarios futuros de emisión de gases de efecto invernadero, permitiendo brindar una representación simplificada como un importante insumo para evaluar los posibles efectos de impacto del cambio climático. La resolución actual de los modelos globales no permite realizar estudios de impacto de forma adecuada, por tanto, este estudio es una aproximación para la identificación de medidas de adaptación y gestión de riesgo de acuerdo a la condición de vulnerabilidad del país.

Licenciada Michelle Melisa Martinez KellyMinistra de Ambiente y Recursos Naturales

5Impactos climáticos para Guatemala: Resultados preliminares de los modelos climáticos regionales y globales IPCC AR5

1. Introducción

La información proporcionada por modelos de sistemas climáticos de alta resolución y de última generación, como el Modelo de Investigación y Pronóstico del Tiempo (Weather Research and Forecasting, WRF), proporcionan un gran valor añadido al proceso de planificación y desarrollo de políticas. Sin embargo, el desarrollo de estos modelos requiere de grandes cantidades de recursos financieros y técnicos, lo que limita la capacidad de Guatemala para tomar ventaja de estas herramientas. Adicionalmente, los resultados de los modelos climáticos no siempre están disponibles en un formato práctico y fácil de entender para las personas encargadas de la toma de decisiones, quienes deben abordar los impactos del cambio climático, pero que no necesariamente están familiarizados con su ciencia y la interpretación de los resultados de los mismos.

Con base a los análisis de los modelos climáticos globales, el anterior IPCC AR4 (GT1 Cap. 11) proporciona el siguiente resumen para Mesoamérica: Es muy probable que toda América Central y del Sur se caliente durante este siglo. Es probable que el calentamiento medio anual sea mayor que el calentamiento medio global. Es probable que se reduzca la precipitación anual en la mayor parte de América Central, provocando que la primavera boreal relativamente seca sea aún más seca. Una advertencia a escala local es que los cambios en la circulación atmosférica pueden inducir una gran variabilidad local en cambios en la precipitación en las zonas montañosas. De hecho, en la escala espacial bastante amplia de 100 kilómetros de los Modelos de Circulación General (GCM, por sus siglas en inglés), no se puede especializar nada más para Guatemala. Sin embargo, en muchos sentidos, Guatemala ocupa una zona climática de transición, entre los países más tropicales hacia el sur y México subtropical hacia el norte.

Aparte de Petén, Guatemala también contiene regiones de topografía compleja. Los nuevos informes del IPCC AR5 apenas se están desarrollando (el informe de GT1 se publicó oficialmente a finales de enero y los informes de GT2 y GT3 aún están pendientes). No obstante, todo indica que las conclusiones van a cambiar poco; en todo caso, a los de AR4 que se resumieron anteriormente. Esto también indica el aumento de la confianza con la que mantenemos estos resultados. Este informe se refiere a los cambios esperados entre el presente y la década de 2060. Los resultados clave de la última prueba del modelo climático global (MCG) CMIP5/AR5 se presentan primero. Luego, el enfoque cambia a una serie completa de nuevas pruebas del modelo climático regional (MCR) para Guatemala a una resolución de 4 kilómetros.

Como se describe en más detalle más adelante, estas simulaciones incluyen una larga prueba histórica forzada por las observaciones actuales, así como simulaciones climáticas prolongadas, presentes y futuras, como lo establece un Modelo de Circulación General. Como Informe Final, éste se basa en, e integra informes preliminares anteriores. Primero proporcionamos una descripción detallada de los modelos, simulaciones y análisis de la metodología. Luego se describen los resultados del modelo global para la temperatura de la superficie y la precipitación, seguidos de los resultados a escala reducida de alta resolución centrados en Guatemala.

La precipitación es otro tema distinto, ya que los modelos regionales sugieren que los resultados del modelo global pueden ser poco fiables, debido a la incapacidad de resolver adecuadamente los efectos topográficos. La aplicación desarrollada MapMaker, proporciona un fácil acceso a los resultados del modelo,la cual se describe en el documento.

El objetivo de este estudio es proporcionarle a los tomadores de decisiones de Guatemala las herramientas apropiadas para incorporar el cambio climático en el proceso de planificación a nivel nacional, subnacional y sectorial. Se ha implementado un enfoque de dos fases.

6 Impactos climáticos para Guatemala: Resultados preliminares de los modelos climáticos regionales y globales IPCC AR5

De éstos, el primer enfoque era a corto plazo y el segundo es a largo plazo. Éstos se conocen como ‘Fase 2.1’ y ‘Fase 2.2’, respectivamente. Para el objetivo de la Fase 2.1, se elaboró un informe técnico, el cual evalúa los resultados de las simulaciones de cambio climático del modelo climático regional (MRC) elaboradas previamente para toda Mesoamérica y el Caribe, pero con un enfoque en Guatemala y las regiones circundantes.

Un único escenario, Representative Concentration Pathway (RCP 8.5,) del Assessment Report 5 (AR5) del Panel Intergubernamental sobre el Cambio Climático (IPCC, por sus siglas en inglés) se utilizó para dirigir el WRF (Weather Research and Forecasting).

El objetivo de la Fase 2.2 era hacer un conjunto más amplio de simulaciones enfocadas en Guatemala; éstas cubren períodos de tiempo mucho más largos, con una simulación de la verificación histórica más completa. Los resultados de estas simulaciones proporcionan la base para el presente Informe Final.

La estructura del resto de este informe es la siguiente:

El Capítulo 2 describe las herramientas y metodología que se utilizaron para el desarrollo de modelos.

El Capítulo 3 describe los resultados de pruebas recientes del modelo climático global del IPCC enfocado en Guatemala, incluyendo las limitaciones que se detectaron al llevar a cabo la simulación a escala global.

El Capítulo 4 describe las nuevas simulaciones CCSM4-WRF enfocadas en Guatemala, que abordan los cambios climáticos para un período de cincuenta años a partir de este momento.

El Capítulo 5 presenta algunos análisis básicos y la discusión de estos resultados.

El Capítulo 6 describe la aplicación MapMaker, desarrollada por la Universidad de Nebraska, la cual se puede utilizar para obtener resultados más importantes de los que se pueden describir en este informe.

El Capítulo 7 aborda un resumen y sugerencias para el futuro y estudios más completos sobre el cambio climático en Guatemala. Se hace una recomendación especial al momento de considerar, las consecuencias para el clima por el cambio en el uso de la tierra, incluida la deforestación y diferentes tipos de cultivos.


El tiempo es el estado fluctuante de la atmósfera que nos rodea, mientras que el clima es la descripción estadística del tiempo. La variabilidad en las escalas de tiempo de unos cuantos años a unas cuantas décadas normalmente se conoce como variabilidad climática. La variabilidad en escalas de tiempo de más de unas cuantas décadas normalmente se conoce como cambio climático. Los gases de efecto invernadero (GEI) se producen de forma natural y las concentraciones preindustriales son responsables de mantener la temperatura promedio de la Tierra aproximadamente 30°C más alta que si no hubieran gases de efecto invernadero presentes (es decir, el efecto invernadero natural).

Mayores concentraciones de GEI, debido a las actividades humanas, provocan temperaturas aún más elevadas. Es este efecto invernadero mejorado que es objeto de preocupación en la actualidad. Las proyecciones de las emisiones futuras de GEI se basan en supuestos de desarrollo económico, crecimiento demográfico, desarrollo de energías alternativas y cambio tecnológico. Ningún escenario de emisión es el “correcto”, ni tiene la mayor probabilidad de ocurrencia.

Los modelos meteorológicos y climáticos se utilizan para predecir el tiempo en el futuro cercano y para estudiar cómo responde el sistema climático a diversos tipos de cambios, o forzamientos. Los modelos climáticos globales no pueden reproducir el calentamiento reciente observado sin incluir forzamientos antropogénicos (particularmente, emisiones de GEI). Como se hace cada vez más evidente que se está produciendo un cambio climático inducido por el hombre, el IPCC enfatiza que el enfoque está pasando de la ciencia climática mundial básica a la comprensión y adaptación a los impactos del cambio climático. Los resultados en la escala global son útiles para indicar el carácter general y los patrones a gran escala del cambio climático, pero no son muy generalizados a escala local o regional (por lo general, de 4 a 12 km). Este último requiere el uso de modelos climáticos regionales.

Un impacto del cambio climático se refiere a: Un cambio específico en un sistema causado por la exposición al cambio climático. Una vulnerabilidad se refiere a: El grado en que un sistema natural o humano es susceptible a, o es incapaz de abordar los efectos adversos de un impacto del cambio climático. La evaluación de las vulnerabilidades clave implica incertidumbres científicas importantes, así como juicios de valor.

Un punto clave para Mesoamérica: ¡Las regiones menos desarrolladas, de baja latitud, tienden a encontrarse en mayor riesgo! Esto no quiere decir que los cambios climáticos son de mayor magnitud en las regiones ubicadas en latitudes bajas; de hecho, las observaciones y los modelos indican que los mayores cambios se producirán en las regiones ubicadas en latitudes altas. Es la naturaleza de los sistemas humanos que colocan a esta región en mayor riesgo.

Por último, el calentamiento global debido a los aumentos de GEI no es el único agente importante del cambio climático. Factores tales como el uso del suelo también pueden ser importantes a nivel local.

2. Antecedentes


¿Por qué necesitamos modelos climáticos?

La humanidad está en el proceso de desarrollo de un experimento de cambio climático mediante el aumento de las concentraciones de GEI en la atmósfera y otros cambios en el sistema climático. Desafortunadamente, no es un experimento controlado –es decir, sólo tenemos una Tierra dónde experimentar y no podemos saber cómo sería el clima ante la ausencia de los forzamientos antropogénicos que hemos aplicado al sistema.

Por otra parte, no podemos saber el resultado de este experimento hasta que se termine y, para entonces, cualquier cambio que haya ocurrido puede ser de gran magnitud y posiblemente irreversible. La complejidad del sistema climático también impide el uso de experimentos de laboratorio. Para abordar estas cuestiones, los modelos matemáticos –implementados en computadoras de alto rendimiento– proporcionan una herramienta que se puede utilizar para llevar a cabo numerosos experimentos numéricos sobre los posibles efectos de los forzamientos antropogénicos.

¿Qué es un modelo climático?

Con el fin de simular el clima, debemos calcular los efectos de todos los procesos clave que operan en el sistema climático. Muchos de estos procesos clave se describen en la Figura 1. Nuestro conocimiento acerca de estos procesos se puede representar en términos matemáticos, pero la complejidad del sistema significa que el cálculo de sus efectos, en la práctica, sólo se puede realizar usando una computadora. Por lo tanto, la formulación matemática se implementa en un programa de computación, al cual nos referimos como un modelo climático.

Además, es importante resaltar que estos modelos climáticos son muy similares a los modelos utilizados para la predicción y el pronóstico del tiempo. Los modelos climáticos actuales también se toman en cuenta con frecuencia para hacer un trabajo creíble en la simulación del clima observado hoy en día, lo que sugiere que contamos con un alto grado de comprensión acerca de cómo funciona el sistema climático.

Los modelos meteorológicos y climáticos son las ecuaciones de movimiento de fluidos, la física y la química, aplicados a la atmósfera. Debido a que la atmósfera es muy variable en el espacio y el tiempo, estos sistemas de ecuaciones se deben resolver en una gran cantidad de puntos dentro de la atmósfera (horizontal y verticalmente) para predecir el estado cambiante de la atmósfera a lo largo del tiempo (es decir, el tiempo). Si estas simulaciones se llevan a cabo durante un período de tiempo prolongado, se puede estimar el estado promedio y la variabilidad intrínseca del sistema (es decir, el clima).

Debido al gran número de ecuaciones que se deben resolver en una gran cantidad de puntos durante un período de tiempo prolongado, estos modelos se implementan como programas de computación que se deben ejecutar en computadoras de alto rendimiento. Una vez que estos modelos se hayan probado y verificado según el clima actual, se podrán utilizar para simular el cambio climático futuro.


Con el fin de simular el cambio climático futuro, debemos representar cambios posibles o esperados en el forzamiento climático tanto naturales como antropogénicos (provocados por el hombre). Algunos forzamientos naturales como los cambios en la emisión de radiación solar han entendido razonablemente bien los mecanismos físicos y se pueden incorporar en las proyecciones del futuro estado del clima; otros forzamientos naturales tales como inyecciones de gases y partículas volcánicas a la atmósfera son menos predecibles.

Los forzamientos humanos se encuentran entre estos dos extremos no son muy predecibles, pero tampoco totalmente aleatorios. Estos forzamientos humanos, incluidas las emisiones de gases de efecto invernadero, tienen muchos controles subyacentes, tales como el crecimiento demográfico, el desarrollo económico y la tecnología. Con el fin de explicar estos factores, debemos desarrollar escenarios de cómo las concentraciones de gases de efecto invernadero van a cambiar con el tiempo.

Una vez que estos escenarios se construyan, se podrán utilizar como información para que los modelos climáticos proyecten cómo el sistema climático cambiará y así darle respuesta. El IPCC ha desarrollado una serie de escenarios de emisiones de gases de efecto invernadero basados en diferentes supuestos subyacentes sobre el desarrollo económico y tecnológico en el próximo siglo y que se utilizaron para proyectar las concentraciones atmosféricas de gases de efecto invernadero para su uso en los modelos climáticos.

Modelo climático regional

Ya que cada vez es más evidente que se está produciendo un cambio climático inducido por el hombre, el IPCC resalta que el enfoque está cambiando de la ciencia climática mundial básica a la comprensión y el abordaje de los impactos del cambio climático. Un aspecto fundamental de este cambio es la necesidad de producir información exacta y precisa sobre el cambio climático a escala local y regional. El IPCC y otras proyecciones actuales sobre el cambio climático se basan en los modelos globales del clima que, debido a la demanda de recursos computacionales, incluso en las computadoras más potentes, se deben ejecutar con baja resolución horizontal (aproximadamente 150 km para muchos de los modelos utilizados por el IPCC en el Cuarto Informe de Evaluación, AR4).

Como lo resaltó el IPCC, los resultados a escala global son útiles para indicar el carácter general y los patrones a gran escala del cambio climático, pero es de alta resolución a escala local o regional (por lo general, de 4 a 12 km). Esto se debe a dos razones fundamentales: i) los modelos globales sólo pueden resolver de forma explícita los procesos físicos que operan en áreas de varios cientos de kilómetros o mayores; y, ii) especialmente en la tierra, las heterogeneidades espaciales de la superficie pueden ser muy grandes y producirse en escalas espaciales pequeñas (por ejemplo, regiones de topografía compleja, diferentes patrones de uso de la tierra, etc.).

Estas heterogeneidades espaciales pueden tener una profunda influencia en el clima regional, pero, obviamente, puede ser difícil o incluso imposible representarlas de manera realista en la baja resolución de los modelos globales (Figura 3). Sin embargo, es precisamente en la escala más pequeña, de 10 a 20 km, que la mayoría de los impactos del cambio climático se producirán, y se deben comprender y


abordar. Una pregunta clave a medida que exploramos el uso de los modelos climáticos es cuál será la mejor manera de “reducir la escala” de los resultados de los modelos globales de baja resolución a regiones individuales y localidades específicas dentro de esas regiones de manera que produzca resultados que sean físicamente precisos y, por lo tanto, significativos.

Los modelos climáticos regionales (MCR) no son más que las versiones de los modelos climáticos globales (MCG) desarrollados sobre un área (o dominio) limitada, en lugar de para el mundo entero. Estos modelos se utilizan para abordar las limitaciones de escala horizontal del MCG; este último tiene una resolución horizontal de 100 a 300 km, mientras que el MCR se puede desarrollar con una resolución horizontal de 10 a 50 km. Esencialmente, se pueden utilizar para reducir físicamente los resultados del modelo climático global a una escala regional, e incluso local.

Dependiendo del tamaño y la resolución del dominio, las simulaciones de los MCR también pueden requerir de computadoras de alto rendimiento, lo que ha limitado la duración de muchos experimentos hasta la fecha. La Figura 3 muestra los efectos sobre la topografía y las costas, de un MCG de baja resolución a un MCR con la máxima resolución.


3.1. WRF

El (Weather Research and Forecasting (WRF) es un modelo regional utilizado para la investigación y la predicción operacional (Skamarock et. al. 2008). Aunque originalmente se diseñó como un modelo de pronóstico de mesoescala, el WRF se ha adaptado para su uso en el estudio del clima, y se ha convertido en un modelo climático regional ampliamente utilizado y de fácil acceso para la comunidad científica internacional.

La configuración específica del WRF empleada incluyó: el tiempo entre el padre y el nido y la relación escala/espacio de 3 a 1; ninguna retroalimentación del dominio nido a padre; temperaturas superficiales del mar (TSM) prescritas por estacionalidad, el hielo marino, la fracción de cubierta vegetal y el albedo; la opción de microfísica de WSM5; el esquema de convección Kain-Fritsch; el esquema de la Yonsei University (YSU) sobre Capa límite planetaria (PBL, por sus siglas en inglés); la opción de radiación de onda larga del Modelo de transferencia radiativa rápida (RRTM, por sus siglas en inglés); la opción de radiación de onda corta del esquema Dudhia; la opción de capa superficial Monin-Obukhov (MM5); el Modelo de la superficie terrestre Noah; y el esquema de capa límite YSU. (Consultar la Guía del usuario del Modelo WRF (Wang et. al. 2013) para las definiciones de los términos).

Se empleó un intervalo de tiempo de adaptación, y la configuración del mapa fue Mercator (con latitud verdadera de 17.1°S, apropiado para estas simulaciones de baja latitud).

El modelo WRF se utilizó de dos formas distintas:

3.1.1. NNRP-WRF

Forzado por los reanálisis, en el que los nuevos análisis sirven como proxy de las observaciones a gran escala de la atmósfera que, de otra manera, son inadecuados.

El propósito aquí es evaluar las fortalezas y debilidades del WRF al simular los detalles de las condiciones climáticas locales y, en algunos casos, esto también significa evaluar la fidelidad del forzamiento cuasi observacional a gran escala proporcionado por los nuevos análisis. Más formalmente, estas simulaciones se utilizan para identificar y cuantificar los sesgos del modelo.

3.1.2. CCSM4-WRF

Forzado por los resultados del MCG; el propósito aquí es realizar simulaciones específicas de un cambio climático futuro proyectado. Éstas implican simulaciones de control ‘actual’, y una basada en proyecciones 50 años hacia el futuro. Además de servir como un punto de referencia contra el cual medir los cambios climáticos futuros (el tema de la Parte 2), la prueba de control actual también permite evaluar qué tan bien simula el CCSM4 el clima actual de la región.

3. Herramientas y Metodología para el Desarrollo de Modelos


3.2. NNRP

El Proyecto de Reanálisis Climático NCEP-NCAR (NNRP (por sus siglas en inglés); Kalney et. al. 1996) utiliza un sistema de análisis/pronóstico de última generación para llevar a cabo la asimilación de datos utilizando los datos del pasado, a partir de 1948 y hasta el presente.

La cobertura temporal es de 4 veces al día y la cobertura espacial horizontal está en las redes globales en una resolución de latitud/longitud de 2.5°, la resolución vertical es de 17 niveles de presión de 1000 a 10hPa. El nuevo análisis incluye todos los datos necesarios para iniciar y proporcionar las condiciones de contorno laterales para el WRF.

El NNRP se utiliza como proxy de observaciones para proporcionar el forzamiento a gran escala para dirigir el WRF para la simulación de verificación. Debido a que los nuevos análisis representan un forzamiento a gran escala que realmente ocurrió en días específicos, es posible comparar estos resultados del WRF con observaciones meteorológicas reales de la estación. Esto proporciona la única evaluación importante de la validez del modelo.

3.3. CCSM4

El Community Climate System Model, version 4 (CCSM4) es un modelo climático acoplado para simular el sistema climático de la tierra. Está compuesto por cuatro modelos diferentes que simulan simultáneamente la atmósfera, el océano, la superficie terrestre y el hielo marino, y un componente central de acoplamiento, el CCSM permite a los investigadores llevar a cabo investigación fundamental sobre los estados climáticos del pasado, presente y futuro. Gent et. al. (2011) proporciona una descripción del modelo, mientras que Meehl et. al. (2012) describe cómo se utilizó el CCSM4 para hacer las simulaciones del CMIP5 que se están utilizando para el IPCC AR5. Estas últimas simulaciones proporcionan el forzamiento lateral a gran escala para los escenarios de cambio climático de alta resolución realizados utilizando el WRF.

El CCSM4 se utilizó para simular el control ‘actual’ del clima, así como las proyecciones para el resto del siglo. Es importante resaltar que, en este contexto, el control actual no es una simulación del tiempo y el clima que realmente ocurrió durante este intervalo, sino que es representativo de las condiciones climatológicas que se podrían esperar.

Esta simulación se utiliza para evaluar qué tan bien funciona el CCSM4 para simular el clima de la región, así como para proporcionar la línea de referencia contra la que se compararán los cambios que ocurrirán hasta la década de 2060.

3.4. Metodología

Debido a la compleja topografía de gran parte de Guatemala, todo el país (y las regiones adyacentes) se simula con una resolución espacial de 4 km (Figura 1). La primera simulación que hicimos fue la trayectoria histórica, forzada por los reanálisis globales como proxy para las observaciones. Ésta es la simulación clave para la verificación del modelo.


Figura 1: Dominios utilizados para los WRF de alta resolución para Guatemala. El D01 (línea amarilla exterior) está a una resolución espacial horizontal de 36 km; el DO2 está a una resolución de 12 km y el d03 está a una resolución espacial de 4 km. El enfoque de este informe es el resultado del d03.

Los resultados básicos del cambio climático se han obtenido utilizando el modelo climático regional WRF para reducir la escala de los resultados de las simulaciones de escenarios RCP8.5 NCAR CCSM4 hechas como parte del CMIP5. Varios RCP diferentes se han desarrollado para el IPCC AR5 (van Vuuren et. al. 2011), los cuales incluyen el RCP2.6, RCP4.5, RCP6 y RCP8.5 y llevan el nombre de un posible rango de valores de forzamiento radiativo en el año 2100 (2.6, 4.5, 6.0 y 8.5 V/m2, respectivamente).

Esto significa que el RCP2.6 tiene el menor incremento en forzamiento de gases de efecto invernadero (GEI), mientras que el RCP8.5 tiene el mayor incremento considerado. Se eligió el escenario RCP8.5 porque representa el mayor aumento plausible a forzamiento entre el momento actual y finales de siglo.

Aproximadamente treinta MCG diferentes participaron en el CMIP5/AR5 y proporcionan una gama de posibles soluciones para cualquier escenario RCP. Sin embargo, debido a la gran cantidad de recursos computacionales y humanos necesarios para hacer una reducción de escala del modelo climático regional, el estudio se limitó al uso de un MCG específico, el NCAR CCSM4.

La simulación tiene una duración de 20 años, pero no es continua. Los primeros diez años simulan el período de 1971 a 1980, mientras que los segundos diez años simulan el período de 2001 a 2010. La razón es el cambio climático evidente que se produjo en Guatemala entre los años 1980 y 2000. Es decir, simulamos períodos de diez años, antes y después del cambio.


Tabla 1: Simulaciones del Modelo WRF realizadas para este proyecto

Forzamiento de gran escala Tipo Período de tiempo Estado

NNRP reanálisis/verificación 1971-1980 completado

NNRP reanálisis/verificación 2001-2010 completado

CCSM4 clima actual 2011-2020 completado

CCSM4 clima futuro proyectado 2061-2070 completado

Este modelo también ha sido clasificado consistentemente entre los mejores que participan en el IPCC AR5. Debe hacerse hincapié en que la mayor fuente de incertidumbre en los proyectos futuros no es la gama de soluciones de modelos para un RCP específico, sino más bien en qué escenario RCP se desarrollará en realidad durante las próximas décadas. Esto, por supuesto, depende de las predicciones del comportamiento humano futuro y se encuentra más allá del alcance de este estudio.

Al optar por el mayor aumento previsto de forzamiento de GEI, tratamos de establecer los mayores cambios posibles que se puedan esperar. Al igual que con las simulaciones históricas, se simuló un total de veinte años. Los primeros diez años cubren el período de 2011 a 2020 y establecen una línea de referencia para el forzamiento actual.

Los segundos diez años corresponden al período de 2061 a 2070; es decir, simula los cambios proyectados 50 años hacia el futuro. La razón de ir tan lejos en el futuro es la de establecer una clara señal del cambio climático a largo plazo debido al aumento en el forzamiento de GEI, en relación con el ruido, que se debe a la variabilidad decadal natural del clima. Una vez que la señal de cambio climático se establece firmemente, la magnitud se puede medir linealmente para cubrir cualquier período comprendido entre el año 2020 y el 2070. La Tabla 1 resume las simulaciones realizadas para este proyecto


Durante los últimos 20 años o más, el IPCC ha proporcionado una serie de proyecciones de un posible cambio climático futuro, principalmente a través del uso del MCG. Las proyecciones AR5 (IPCC 2013) representan un importante avance de esta evaluación de las proyecciones del cambio climático en comparación con los informes anteriores, debido al mayor número de simulaciones disponibles a partir de una gama más amplia de modelos.

Si se toman de forma conjunta con información adicional a partir de observaciones, éstas proporcionan una base cuantitativa para la estimación de las probabilidades para muchos aspectos del cambio climático futuro. Las simulaciones de modelos cubren una gama de futuros potenciales, incluyendo la emisión idealizada o supuestos de concentración.

A continuación se presenta un resumen de los resultados y las principales conclusiones, sobre todo para Mesoamérica, de las nuevas simulaciones del MCG del IPCC AR5. También se describen las limitaciones en el uso exclusivo de los resultados de los modelos globales. El enfoque está en el modelo climático global NCAR CCSM4, utilizado para dirigir los resultados de reducción de escala del WRF para Mesoamérica, especialmente los resultados específicos de Guatemala. La simulación del clima medio estacional a gran escala es razonable en el NNRP y el CCSM4, especialmente para la temperatura de la superficie (Figura 2a para enero y Figura 3a para julio). Los patrones espaciales de precipitación a gran escala también parecen razonablemente bien simulados, aunque las magnitudes en el MCG parecen estar subestimados (Figura 4a para enero y Figura 5a para julio).

Desafortunadamente, la escasez de observaciones para la región se opone a la evaluación cuantitativa completa de cuánta subestimación representa esto en la realidad. Los vientos en superficie, por otra parte, no están bien simulados (Figura 6a para enero y Figura 7a para julio, estos son para el d02 que recubre la topografía del CCSM4, para dar una perspectiva regional más amplia). En particular, los vientos alisios se producen de manera poco realista del noreste al sudoeste a través de toda Guatemala.

Es de suponer, que esto se debe a la ausencia de las características topográficas significativas para Guatemala en la resolución horizontal aproximada de 100 kilómetros en el CCSM4. En general, y a excepción de los vientos en superficie, el CCSM4 parece simular adecuadamente el clima actual de Mesoamérica, dando crédito a su capacidad de simular el futuro cambio climático en las próximas décadas y, con ello, proporcionar un adecuado forzamiento al WRF.

Teniendo en cuenta los resultados del cambio climático del CCSM4 del MCG para Guatemala, la Figura 2b muestra las diferencias de temperatura de superficie para enero y la Figura 3b para julio, entre los períodos de diez años 2061-2070 y 2011-2020 (representando la actualidad) del NCAR del CCSM4. Como se señaló anteriormente, una vez que se identifican estas diferencias de cincuenta años, se pueden medir linealmente a cualquier período comprendido entre 2020 y 2050.

Enero muestra un incremento de alrededor de 2°C en toda Guatemala. Julio es un poco más cálido; gran parte del país se calienta entre 2-3°C, aunque el noreste de Petén se calienta un poco menos. Podemos observar la ausencia de cualquier estructura espacial real, lo que sugiere que en la escala de 100 kilómetros de estas simulaciones globales, los efectos topográficos espaciales (en pequeña escala) no están bien capturados.

4. Escenarios del Modelo Climático Global IPCC AR5


Figura 2: Dominio 3, enero: a) temperatura media para el período de 2011 a 2020 del CCSM4 RCP8.5; b) diferencia de la temperatura promedio (2060-2010) del CCSM4 RCP8.5; c) temperatura promedio para el período de 2011-2020 de la reducción de escala del CCSM4-WRF; y d) diferencia de la temperatura promedio (2060-2010) de la reducción de escala del CCSM4-WRF.

La Figura 4b y la Figura 2b corresponden al mes de enero (2060-2010) para precipitación y temperatura; la Figura 5b y la Figura 3b corresponden al mes de julio (2060-2010) para los mismas variables (cambia la escala de las corridas en los modelos). Los resultados de los modelos globales CCSM4 muestran muy pocos cambios en enero, mientras que en julio se muestra un descenso de hasta 75 mm, con el mayor descenso a lo largo de la costa del Pacífico.

En enero, los vientos alisios muestran un descenso generalizado, en julio, las velocidades de los vientos alisios aumentan, pero debido a la falta de realismo en la media de la simulación CCSM4 actual, estas diferencias probablemente son de poca relevancia o importancia. Éstas se discuten con más detalle a continuación, cuando las comparamos con las diferencias del viento del WRF.


Figura 3: Dominio 3 de julio: a) temperatura media para el período de 2011 a 2020 del CCSM4 RCP8.5; b) diferencia de la temperatura promedio (2060-2010) del CCSM4 RCP8.5; c) temperatura promedio para el período de 2011-2020 de la reducción de la escala del CCSM4-WRF; y d) diferencia de la temperatura promedio (2060-2010) de la reducción de la escala del CCSM4-WRF.


Figura 4: Dominio 3, enero: a) precipitación promedio para el período de 2011 a 2020 del CCSM4 RCP8.5; b) diferencia de la precipitación promedio (2060-2010) del CCSM4 RCP8.5; c) precipitación promedio para el período de 2011 a 2020 de la reducción de la escala del CCSM4-WRF; y d) diferencia de la precipitación promedio (2060-2010) de la reducción de la escala del CCSM4-WRF.


Figura 5: Dominio 3 de julio: a) precipitación promedio para el período de 2011 a 2020 del CCSM4 RCP8.5; b) diferencia de la precipitación promedio (2060-2010) del CCSM4 RCP8.5; c) precipitación promedio del período de 2011 a 2020 de la reducción de la escala del CCSM4-WRF; y d) diferencia de la precipitación promedio (2060-2010) de la reducción de la escala del CCSM4-WRF.


Figura 6: Dominio 2, enero: a) media de vectores de viento para el período de 2011 a 2020 del CCSM4 RCP8.5; y, b) media de vectores de viento para el período de 2011 a 2020 de la reducción de escala del CCSM4-WRF. Además, se muestra el Modelo de la topografía.

Figura 7: Dominio 2, julio: a) media de vectores de viento para el período de 2011 a 2020 del CCSM4 RCP8.5; y, b) media de vectores de viento para el período de 2011 a 2020 de la reducción de la escala del CCSM4-WRF. Además, se muestra el Modelo de la topografía.


5. Escenarios de Cambio Climático Regional para Guatemala

Si bien es útil en la proyección de los cambios y efectos a gran escala, la resolución horizontal gruesa de los modelos globales utilizados para las simulaciones del IPCC AR5 (aproximadamente 100 km) limita su utilidad cuando se proyectan los cambios a escala regional o local.

En estas resoluciones, el MCG sólo puede simular adecuadamente las características básicas de gran escala del clima. Como lo señaló el IPCC (2007, 2013), los resultados en esta escala global son útiles para indicar el carácter general y patrones a gran escala del cambio climático, pero no es muy bueno para las importantes escalas locales o regionales de 4-12 km.

Esto se debe a dos razones fundamentales: 1) el MCG sólo puede resolver de forma explícita los procesos físicos que operan en más de varios cientos de kilómetros o áreas más grandes, con procesos de menor escala necesariamente parametrizados en términos de aquellos a gran escala, y 2) las heterogeneidades espaciales de la superficie, sobre todo en la tierra, pueden ser muy grandes y se producen en pequeñas escalas espaciales. Ejemplos de estas heterogeneidades incluyen regiones de topografía compleja o con diferentes patrones de uso del suelo.

El tema de la topografía compleja es especialmente importante para Guatemala (aunque los cambios de uso del suelo que impliquen la deforestación también pueden ser importantes; por ejemplo, Oglesby et. al. 2010 y Mawalagedara y Oglesby 2012). El efecto de la mala resolución de la topografía en el CCSM4 fue especialmente evidente en el caso de los vientos superficiales.

5.1. Verificación del modelo

De particular interés son las cuestiones relativas a la resolución, la topografía y la disponibilidad de observaciones. Algunos resultados preliminares se presentan a continuación. La Figura 8 muestra diagramas de dispersión de Huehuetenango, Ciudad de Guatemala y San José, las principales ciudades que reportan al Resumen Global del Día (Global Summary of Day, GSOD) de la Organización Meteorológica Mundial (OMM). Se muestran los resultados para la temperatura de la superficie, la precipitación, la presión de la superficie y la velocidad del viento en la superficie.

Estos resultados se basan en las simulaciones NCEP/WRF preliminares anteriores para el período de 1991 a 1993.

Debido a que el NNRP ofrece forzamientos a gran escala de acuerdo con los acontecimientos diarios del clima que realmente se produjeron durante este período de tiempo, se puede esperar, por lo tanto, que la simulación NNRP-WRF simule el clima real que se produjo cada día en cada estación.

Una limitación es que ninguna de las estaciones informó sobre una base regular al GSOD; cada estación contiene intervalos durante los cuales se reportaron observaciones intercaladas con intervalos durante los cuales no se informó nada. Esto explica el uso de los diagramas de dispersión en lugar de diagramas de series de tiempo.

Los resultados del modelo que se ubican a lo largo de la línea de 1:1 simulan observaciones con precisión; los resultados que se ubican por encima/debajo de esta línea representan valores modelados que son mayores/menores que las observaciones.


Teniendo en cuenta la temperatura, en el d01 de 36 kilómetros, el modelo muestra una temperatura demasiado alta para la Ciudad de Guatemala, demasiado baja para Huehuetenango, y una mezcla para el caso de San José, con una amplia dispersión.

Recordemos que este dominio con resolución relativamente gruesa se utiliza principalmente para dimitir del forzamiento lateral a gran escala y no representa con precisión la topografía compleja. Los resultados del modelo para el d02 de12 kilómetros son demasiado frescos para la Ciudad de Guatemala y Huehuetenango, mientras que los resultados para el d03 de 4 kilómetros proporcionan la mejor coincidencia con las observaciones.


Guatemala Huehuetenango San JoséTe

mpe

ratu

raPr

ecip

itaci

ónVe

loci

dad

vien

toPr

esió

n de

sup

erfic

ie

Figura 8: Diagramas de dispersión de modelado (d01, rojo; d02, azul; d03, verde) frente a los parámetros climáticos diarios observados en tres estaciones en Guatemala. Los resultados del modelo son del punto de cuadrícula más cercano a la estación; se muestra la distancia y la elevación del punto de cuadrícula.


Éste es el resultado esperado, ya que la resolución más alta está en mejores condiciones para resolver los rasgos topográficos alrededor de estas dos ciudades. Los resultados para la ciudad costera de baja elevación, San José, indican relativamente poca diferencia entre los tres dominios de modelo; no es inesperado dada la falta de forzamiento topográfico para esta estación.

Teniendo en cuenta la precipitación, es difícil obtener resultados confiables dada la gran variación diaria de muchos días sin precipitación a unos pocos días con episodios con precipitación abundante. Sin embargo, parece que el d03 capta mejor los eventos reales de precipitación para la Ciudad de Guatemala y Huehuetenango, mientras que, al igual que con la temperatura, se observa una pequeña diferencia en el caso de la costa de San José. Aunque con más dispersión, resultados similares se aplican tanto para la presión de la superficie como a las velocidades de los vientos diarios.

En general, la mejora con alta resolución es muy notable en las dos ciudades rodeadas por las características topográficas, lo que indica el valor de la reducción de escala de alta resolución a través del WRF. Las presiones de la superficie, tanto para la Ciudad de Guatemala y Huehuetenango se simulan mejor en la resolución más alta, lo cual no es sorprendente dependiendo la elevación. Las tres resoluciones se dispersan sobre San José de manera similar, donde la elevación no es un factor.

En el caso de las tres estaciones, la velocidad del viento aparece, en gran medida, independiente de la resolución.

5.2. Resultados preliminares de las simulaciones de cambio climático de escala reducida del WRF

La atención se centra en la temperatura de la superficie y la precipitación en los meses representativos de enero y julio; sin embargo, tal como se describe en el Capítulo 6, todos los meses, así como muchos otros parámetros climáticos, se pueden obtener a través de la aplicación MapMaker que hemos desarrollado, y centrarse específicamente en Guatemala.

Los resultados presentados aquí y disponibles a través de MapMaker se extrajeron de las simulaciones recién completadas de Guatemala para los períodos de 2011-2020 y 2061-2070. Una vez más, enfatizamos que esta diferencia de 50 años para cada parámetro climático se puede ampliar posteriormente para representar el cambio esperado en ese parámetro en un período deseado entre el año 2015 y el 2065.

La Figura 2c,d muestra la temperatura media de la superficie en enero, así como las diferencias para el d03 del WRF de 4 kilómetros, mientras que la Figura 3c,d es igual, pero para el mes de julio. Se puede observar mucho más detalle que en los resultados globales del CCSM4. El aumento de temperatura en enero es, en general, menor que en el modelo global, con valores fuera de las tierras altas alrededor de 1-2°C en su mayoría.

El calentamiento en las tierras altas y las pequeñas porciones de Petén está alrededor de 2.5-3°C. En julio, aunque el patrón espacial general es similar al MCG, se observa una estructura mucho más espacial en las diferencias. Al igual que en el mes de enero, los valores tienden a ser de 0.5-1°C menores que en el MCG.


La Figura 4c,d es la misma que la Figura 2c,d, pero para la precipitación. Estos resultados son muy diferentes que en el CCSM4 global. En la media, el CCSM4-WRF muestra patrones espaciales muy similares a los del CCSM4, pero, de acuerdo con la resolución más alta, se produce mucho más detalle. En particular, las regiones con precipitación relativamente alta (baja) en el CSM4 tienden a tener una precipitación aún mayor (menor) en el CCSM4-WRF.

Teniendo en cuenta las diferencias futuras, el CCSM4 mostró pocos cambios en enero. Cuando se redujo la escala a 4 kilómetros utilizando el WRF, esas regiones que tienen una precipitación considerable en la media muestran una reducción de hasta 100 mm/mes.

Únicamente se producen pequeñas regiones con mayor precipitación. En julio, casi todo el país muestra una reducción, con las reducciones más grandes en donde la precipitación es mayor en el medio. Sólo se da un aumento a lo largo de la costa atlántica. Éstas son diferencias absolutas, que no toman en cuenta las diferencias relativas a la media; es decir, un aumento o disminución de 50 mm/mes es probable que sea mucho más significativo en una región con precipitación media baja, que en una región con precipitación media alta.

Las Figuras 9 a-d y 10 a-d muestran vientos medios y sus diferencias, modelo de topografía suprayacente, para el d03 del CCSM4 y CCSM4-WRF, para enero y julio, respectivamente. (Los vientos medios son similares a los mostrados en las Figuras 6 y 7, excepto ahora para el d03 en vez del d02.)

Los resultados de la diferencia son ilustrativos, y ayudan a entender especialmente las discrepancias en la precipitación media y las diferencias futuras entre el CCSM4 y las simulaciones CCSM4-WRF. En particular, las diferencias del d03 del CCSM4 son presumiblemente tan poco realistas como las diferencias del d02 del CCSM4 (Figuras 6 y 7). Las diferencias del CCSM4-WRF para enero indican una cierta disminución en el flujo fuera de la costa en las regiones costeras del sudeste.

Esto es consistente con los pequeños cambios generales en la precipitación durante este mes que es normalmente seco. Las diferencias del CCSM4-WRF para julio generalmente muestran poca diferencia en comparación con el MCG, que muestra una disminución de los vientos alisios que (incorrectamente) soplan en todo el país desde el Atlántico hacia el Pacífico.


Figura 9: Dominio 3, enero: a) significa vectores de viento para el período de 2011-2020 a partir del CCSM4 RCP8.5; b) significa diferencia de vectores de viento (2060-2010) a partir del CCSM4 RCP8.5; c) significa vectores de viento para el período de 2006-2010 a partir de la reducción de escala del CCSM4-WRF; y, d) significa diferencia de vectores de viento (2060-2010) a partir de la reducción de escala del CCSM4-WRF. Además, se muestra el Modelo de la topografía.


Figura 10: Dominio 3, julio: a) significa vectores de viento para el período de 2011-2020 a partir del CCSM4 RCP8.5; b) significa diferencia de vectores de viento (2060-2010) a partir del CCSM4 RCP8.5; c) significa vectores de viento para el período de 2011-2020 a partir de la reducción de escala del CCSM4-WRF; y, d) significa diferencia de vectores de viento (2060-2010) a partir de la reducción de escala del CCSM4-WRF. Además, se muestra el Modelo de la topografía.


6. Análisis y Discusión

6.1. Efectos de la topografía

Los resultados del modelo global CCSM4 muestran un calentamiento en Guatemala entre el presente y la década de 2060 que va desde menos de 1°C a más de 3°C. El mayor calentamiento se produce en las regiones del interior y de las tierras altas, mientras que las regiones costeras muestran el menor cambio. Estos mismos patrones generales se mantienen con la reducción de escala de alta resolución, aunque se observan detalles adicionales y cambios importantes.

En particular, los efectos de la topografía cuentan con una mejor resolución. De hecho, la representación más realista de la topografía con una mayor resolución se indica claramente por los resultados de la temperatura superficial casi se podrían utilizar como un proxy de la topografía.

Las regiones costeras muestran menos cambios, probablemente a causa de la fuerte influencia del océano. Siguiendo los principios termodinámicos básicos, y como todos los estudios de modelos climáticos anteriores lo han indicado, la capa superior del océano responde más lentamente que la atmósfera suprayacente, debido a su inercia térmica. Esto significa que los cambios simulados de la temperatura costera están silenciados en relación con aquellos de las regiones del interior. Además, las temperaturas superficiales del mar (TSM) en las simulaciones del modelo WRF no se calculan, sino más bien se obtienen a través de la interpolación a partir de las simulaciones de conducción del MCG a gran escala.

Los resultados de los modelos globales de precipitación se contradicen con los del modelo WRF, lo que refleja a su vez una situación más compleja. La topografía ejerce una influencia fuerte y directa en la precipitación. En particular, sobre laderas a barlovento, el aire es forzado a subir, mejorando la condensación y la precipitación, mientras que en las laderas de sotavento, el aire desciende, inhibiendo la precipitación. Esto se puede observar en los resultados del modelo WRF que se muestran arriba.

Por otra parte, la disminución general de las precipitaciones probablemente refleja que la atmósfera más cálida puede retener más humedad, lo que hace aún más difícil que la precipitación se desarrolle.

6.2. Efectos de los regímenes de viento

Como se describe en más detalle a continuación, los cambios en el régimen general de viento también son importantes. En el mundo real, la precipitación de los vientos alisios se limita a la costa atlántica, mientras que en las simulaciones del CCSM4 es capaz de propagarse a través de toda Guatemala. Esto implica un régimen de precipitaciones y vientos alisios para toda esta región, con una futura disminución y/o cambio de dirección coherente con la relajación de la gradiente latitudinal de las temperaturas y, por lo tanto, una reducción en la fuerza motriz de los vientos alisios. De hecho, esto se observa en las simulaciones del CCSM4.

Los resultados de las simulaciones del CCSM4-WRF son más complicados y también son más parecidos a lo que ocurre en la realidad, ya que los vientos alisios se bloquean en gran parte del país por el altiplano topográfico irresoluble en la relativamente baja resolución del CCSM4.


6.3. Incertidumbres del modelo: ¿Qué tanto podemos confiar en estos resultados del cambio climático?

Se pueden identificar dos tipos distintos de incertidumbre (IPCC 2007). La primera se refiere a la ‘señal’ a largo plazo del cambio climático en comparación con el ‘ruido’ a corto plazo debido a una variabilidad a escala interanual a decenal. Cuando se utiliza un MCR para la reducción dinámica de escala a un MCG, este tipo de incertidumbre surge en cascada, de una manera poco conocida. Esta incertidumbre quizás se puede entender mejor en términos de un error estándar; es decir, una representación estadística de la variabilidad imparcial.

La segunda incertidumbre tiene que ver con sesgos del modelo. Un objetivo principal de la reducción de escala es el de reducir los sesgos que se producen a gran escala espacial (100 km o superior) con respecto a la escala local o regional (10 a 15 km o menos) (IPCC 2007). Una de las cuestiones clave se refiere al sesgo contra la varianza: ¿se justifica la reducción en el sesgo por el incremento en la varianza? No podemos dar respuestas definitivas aquí, solamente plantear la cuestión; tenemos un estudio en curso para explorar más a fondo este tema.

La incertidumbre en las proyecciones climáticas futuras refleja estas dos incertidumbres, así como las incertidumbres con respecto a cambios en el futuro (por ejemplo, los escenarios de emisiones). Elegimos el RCP8.5 precisamente porque representa el mayor cambio razonable que se puede esperar en lo que queda del siglo XXI. Una vez establecidos estos límites del cambio climático, cualquier escenario que implique menores emisiones seguramente inducirá una respuesta menor en el clima.

Es fundamental comprender que la incertidumbre entre los diferentes escenarios de emisiones es mucho mayor que las incertidumbres del modelo para cualquier escenario específico de emisiones.

6.4. Implicaciones para los estudios de vulnerabilidad y adaptación

La motivación detrás de este trabajo es comprender mejor las implicaciones de estos posibles cambios climáticos para los sistemas y recursos humanos y naturales en Guatemala. Si bien éste es un tema de gran necesidad por sí mismo que se abordará específicamente en estudios futuros, algunas conclusiones generales se pueden extraer de esta investigación básica sobre cambio climático.

Nuestros resultados de la simulación muestran que las temperaturas aumentan en todas partes, con los efectos generalmente mayores en las regiones de las tierras altas y menores en las regiones costeras. Mientras que las olas de calor probablemente aumentarán en todo el país tropical, el hecho de que son menos frecuentes en las tierras altas relativamente más frías mitigará los efectos debidos al calentamiento futuro.

Las temperaturas más cálidas conducirán a un mayor estrés evapotranspirativo, lo que podría tener efectos perjudiciales para las actividades humanas, especialmente para la agricultura. Además, esto significará una reducción en la precipitación en la mayor parte del país. Los recursos hídricos para el consumo humano y otras actividades económicas, así como la biodiversidad (especialmente la flora y fauna nativas), son muy propensos a sufrir de un alto nivel de estrés en el futuro.


7. Aplicación Mapmaker para Guatemala

MapMaker es una herramienta interactiva para la elaboración de mapas a partir de los resultados de los modelos climáticos regionales. Se pueden trazar y sobreponer diversas variables atmosféricas y de superficie se pueden trazar y sobreponer unas sobre otras. En la actualidad, los datos medios mensuales de tres simulaciones distintas están disponibles:

• NCEP: una simulación de diez años (2001-2010) utilizando datos globales de reanálisis NCAR/NCEP para las condiciones iniciales y de límite. Se utiliza para verificar el rendimiento del modelo respecto a los datos observacionales.

• AR5 Actual: una simulación de diez años (teóricamente de 2011-2020, o centrado en el año 2015) utilizando el escenario NCAR CCSM4 IPCC RCP8.5 (como hasta ahora) para las condiciones iniciales y de límite. Es importante recordar que, aunque se etiqueta con fechas actuales, no corresponde al clima actual de este período. Sin embargo, debería representar condiciones similares, en sentido climatológico, a aquellas experimentadas al inicio del siglo XXI.

• AR5 Mediados de siglo: una simulación de diez años (teóricamente de 2061-2070, o centrado en el año 2065) utilizando el escenario NCAR CCSM4 IPCC RCP8.5 (como hasta ahora) para las condiciones iniciales y de límite. Debería representar condiciones similares, en sentido climatológico, a aquellas esperadas a mediados del siglo XXI, si el escenario RCP8.5 fuera verídico.

• AR5 2060-2010: las diferencias mensuales promedio entre las dos climatologías del CCSM.

Cada simulación se realizó sobre un conjunto de dominios jerarquizados que cubren gran parte de Mesoamérica y el Caribe, como se muestra en la Figura 1, y se define a continuación:

• d01 – Dominio de transición, 36km• d02 – Dominio regional, 12km• d03 – Dominio de Guatemala, 4km

MapMaker le permite al usuario seleccionar una o más variables (para una sola simulación en un solo dominio) para mapear. Una variable puede tener un contorno con el color de relleno entre niveles de contorno, una segunda variable puede tener un contorno y sin relleno de color, y los vientos en la superficie y un nivel en la atmósfera se puede trazar como flechas o signos meteorológicos estándar.Por supuesto, el trazado de 4 variables (dos campos contorneados y dos vientos) probablemente conducirá a un mapa que no se podrá interpretar, por lo que el usuario debe ejercer su criterio en la elección de las variables a incluir en el mapa.

Todas las opciones de mapeo tienen valores predeterminados, ya sea preseleccionados por el desarrollador de MapMaker o en base a los datos que se trazarán. Los usuarios pueden cambiar estos términos, aunque le sugerimos que utilicen los valores predeterminados como punto de partida.

MapMaker no tiene la capacidad para trazar varios mapas en una sola ventana del navegador. El usuario, sin embargo, puede abrir varios navegadores y trabajar en MapMaker en cada uno, si quiere mostrar más de un mapa al mismo tiempo. Alternativamente, el resultado de MapMaker se puede guardar (como PNG, PDF o PS) e imprimir o pegar en otra aplicación.

Se puede acceder a la aplicación de Mapmaker para Guatemala a través del siguiente sitio Web; además, el sitio proporciona más información. http://weather.unl.edu/RCM/Guatemala/Phase2/maps


8. Resumen y Trabajo Futuro

Los análisis de los modelos climáticos globales y regionales sugieren el calentamiento de unos pocos grados Celsius para toda Guatemala, con cambios un poco menores en el modelo regional.

Los resultados del modelo regional también ofrecen muchos más detalles sobre cómo la topografía y los usos del suelo en la localidad afectan las temperaturas, y cómo éstas pueden cambiar. La precipitación es otra cuestión, ya que los modelos regionales sugieren que los resultados del modelo global pueden ser poco fiables, debido a la incapacidad de este último para resolver adecuadamente los efectos topográficos. Aunque es relativamente poco el cambio que se ve en el MCG, en el modelo regional se prevé una disminución en las precipitaciones para la mayor parte del país, al menos en enero y julio.

Dos temas principales surgen. El primero es el grado en que una mejor resolución de la superficie de la tierra, especialmente su topografía, le permite al modelo de WRF tomar los resultados amplios y a gran escala del MCG y ‘reducirlos en escala’ para permitir efectos locales más realistas de la temperatura, la precipitación y los vientos. Esto es lo que normalmente asociamos con un proceso de reducción de escala, ya sea dinámico o estadístico. De hecho, los resultados descritos anteriormente demuestran claramente los efectos tanto de la topografía como de la proximidad a los océanos (regiones costeras).

Un segundo tema emerge, el MCG no es capaz de simular correctamente el régimen de los vientos alisios sobre Mesoamérica, debido a la insuficiente resolución de las montañas bajas a lo largo de la costa atlántica, que en realidad son lo suficientemente altas como para retardar el paso de los vientos alisios hacia el interior.

Estas latitudes subtropicales y tropicales son, en general, fuertemente influenciadas por los vientos alisios; es decir, los vientos que soplan anticiclónicamente desde latitudes altas hacia el ecuador (es decir, de alta presión subtropical hacia la baja presión de la ZCIT). Estos vientos soplan casi sin obstáculos a través de los océanos.

Sobre tierra firme, los efectos de fricción retardan los vientos; estos vientos de bajo nivel (especialmente aquellos por encima de la superficie) se bloquean aún más por la cordillera baja (1-1.5 km) que cubre una gran parte del litoral atlántico de Mesoamérica.

Sin embargo, este efecto se capturó en las simulaciones del modelo de WRF, en resoluciones de 12 y 4 kilómetros. En este caso, la reducción de escala es capaz de tomar un forzamiento de gran escala asociado con cambios en los vientos alisios y simular en su lugar un régimen de precipitaciones muy diferentes para las regiones del interior y de la costa del Pacífico de Mesoamérica.

Este régimen en el modelo de WRF implica el desarrollo de convección en el Pacífico oriental y luego a la deriva hacia el este sobre las regiones adyacentes de la tierra. La clave es que todos los modelos climáticos sugieren una relajación de los vientos alisios con un mundo futuro más cálido, con una consiguiente reducción en las precipitaciones.

En los modelos globales, esto se traduce en una reducción en la precipitación sobre todas las regiones de la tierra.


En los resultados del modelo de WRF, por otro lado, los vientos alisios y la precipitación asociada están restringidos a la costa atlántica inmediata. En el resto del país, la deriva a tierra de la convección del Pacífico oriental es responsable de la precipitación, imitando lo que ocurre en la realidad. La simulación de la disminución en la precipitación en el modelo de WRF, sobre todo durante el verano, se debe estudiar más a fondo; dado que sólo se ha considerado julio, es posible que los cambios en la sequía de mediados de verano puedan jugar un papel importante en esta reducción.

8.1. Los siguientes pasos

Vemos dos necesidades importantes para el trabajo futuro:

1) Un análisis mucho más profundo de las nuevas simulaciones céntricas de Guatemala. Hasta el momento, únicamente hemos considerado dos meses, al igual que sólo hemos desarrollado un modelo de verificación superficial utilizando sólo observaciones del Resumen Global del Día (GSOD)..

2) El calentamiento global antropogénico no es el único problema del cambio climático que enfrenta Guatemala. Los cambios locales de uso del suelo también pueden tener una fuerte influencia sobre el clima, especialmente la deforestación. De hecho, nuestro trabajo previo sobre la deforestación en Mesoamérica (Oglesby et. al. 2010) muestra que los efectos de la deforestación en la región pueden ser tan grandes como o incluso más grandes- que aquellos debidos al calentamiento global.

Por otra parte, la deforestación conduce a condiciones más cálidas y secas, lo que significa que estos cambios aumentarían aquellos debidos al calentamiento global. Otros cambios de uso del suelo, tales como la urbanización o el cambio del tipo de cultivo agrícola, también pueden inducir cambios más pequeños, pero aun así importantes en el clima. Tenemos una experiencia considerable en este ámbito.


9. Referencias

Gent, P.R., G. Danabasoglu, L.J. Donner, M.M. Holland, E.C. Hunke, S.R. Jayne, D.M. Lawrence, R.B. Neale, P.J. Rasch, M. Vertenstein, P.H. Worley, Z-L. Yang y M. Zhang (2011) The Community Climate System Model Version 4, Journal of Climate, 24, 4973–4991, doi: 10.1175/2011JCLI4083.1.

IPCC (2007) Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor y H.L. Miller (eds.)]. Cambridge University Press, Cambridge, Reino Unido y NuevaYork, NY, EE.UU., 996 págs.

IPCC (2013) Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex y P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, Reino Unido y Nueva York, NY, EE.UU., 1535 págs.

Kalnay E, M. Kanamitsu, R. Kistler, W. Collins, D. Deaven, L. Gandin, M. Iredell, S. Saha, G. White, J. Woollen, Y. Zhu, A. Leetmaa, R. Reynolds, M. Chelliah, W. Ebisuzaki, W. Higgins, J. Janowiak, K. C. Mo, C. Ropelewski, J. Wang, R. Jenne y D. Joseph (1996) The NCEP/NCAR 40-Year Reanalysis Project, Bull. Amer. Meteor. Soc., 77, 437-471.

Mawalagedara, R. y R.J. Oglesby (2012) The climatic effects of deforestation in south and southeast Asia. En: Deforestation Around the World, P. Moutinho, ed, INTECH, ISBN 979-953-307-313-1

Meehl, Gerald A., W.M. Washington, J.M. Arblaster, A. Hu, H. Teng, C. Tebaldi, B.N. Sanderson, J-F. Lamarque, A. Conley, W.G. Strand y J.B. White III (2012) Climate system response to external forcings and climate change projections in CCSM4, Journal of Climate, 25, 3661–3683, doi: 10.1175/JCLI-D-11-00240.1

Oglesby, R. J., T. L. Sever, W. Saturno, D. J. Erickson, III, y J. Srikishen (2010) Collapse of the Maya: Could deforestation have contributed?, J. Geophys. Res., 115, D12106, doi:10.1029/2009JD011942.

Skamarock, W.C., Klemp, J.B., Dudhia, J., Gill, D.O., Barker, D.M., Duda, M.G., Huang, X-Y., Wang, W. y Powers, J.G. (2008) A Description of the Advanced Research WRF Version 3, NCAR Technical Note NCAR/TN–475+STR, junio de 2008, 113 pág.

van Vuuren, D.P., J. Edmonds, M. Kainuma, K. Riahi, A. Thomson, K. Hibbard, G.C. Hurtt, T. Kram, V. Krey, J-F. Lamarque, T. Masui, M. Meinshausen, N. Nakicenovic, S.J. Smith y S.K. Rose (2011) The representative concentration pathways: an overview, Climatic Change, 109, 5–31, doi 10.1007/s10584-011-0148-z624

Wang, W. y colaboradores (2013) WRF-ARW Version 3 Modeling System User’s Guide,http://www.mmm.ucar.edu/wrf/users/docs/user_guide_V3/ARWUsersGuideV3.pdf


10. Acrónimos

IPCC Intergovernmental Panel on Climate Change

AR5 Assessment Report, version 5

WRF Weather Research and Forecasting (Regional Climate Model)

AR4 Assessment Report, version 4

WG1 Working Group 1

WG2 Working Group 2

WG3 Working Group 3

GCM General Circulation Model; also Global Climate Model

CMIP5 Coupled Model Intercomparison Project, version 5

RCM Regional Climate Model

RCP Representative Concentration Pathway

CCSM4 Community Climate System Model, version 4

GHG Greenhouse gas(es)

NCAR National Center for Atmospheric Research

NNRP NCAR-NOAA Reanalysis Project

NOAA National Oceanographic and Atmospheric Administration

GSOD Global Summary of the Day

WMO World Meteorological Organization

SST Sea Surface Temperature


11. Glosario

1. Weather : The short term state of the atmosphere; what you can look out the window and see.

2. Climate: A human construct developed to describe average, or mean weather.

3. Climate Change: Long term fluctuations in climate (typically longer than a standard 30 day averaging period)

4. Climate Variability: Short term fluctuations in climate (typically shorter than a standard 30 day averaging period).

5. Global Climate Models: Numerical models that simulate key climate processes at a coarse 100 km spatial resolution.

6. Regional Climate Models: Numerical models that simulate local climate at very high 4-12 km spatial resolution. Large-scale forcing is provided either by a GCM or a Reanalysis.

7. Reanalysis: A product obtained by melding all available atmospheric observations with an underlying forecast model. For many purposes, including driving a RCM, a reanalysis serves as the best available proxy for real (but limited) observations.

Ministerio de Ambiente y Recursos Naturales20 calle 28-58 zona 10, Edificio MARN

PBX: (502) 2423-0500www.marn.gob.gt

Informe Final Impactos climáticos para Guatemala ...Efectos de la topografía 6.2. Efectos de los...

Documents

Transcript of Informe Final Impactos climáticos para Guatemala ...Efectos de la topografía 6.2. Efectos de los...