Resultados Generación Escenarios CC - Delsitanisagua

C. NavarroJ. Tapasco, M. Orrego, G. León, J. Ramirez, A. Jarvis, S. Gourdji,

9/25/2014 Loja, Ecuador

“Análisis de la vulnerabilidad de las centrales hidroeléctricas priorizadas ante los

efectos del cambio climático”

Cómo prepararnos

para el

futuro? ?

• Cualquier agro-ecosistema responde a variaciones de – Factores antropogenicos (sociales)– Bióticos (plagas, enfermedades)– Abioticos (clima, suelos)

• El clima es el factor menos predecible.• El clima va a cambiar• Cada sistema es un caso específico

Lo que sabemos

Clima & Ambiente

Lo que no sabemos¿Qué condiciones tendremos en 30, 50, 100 años?

• ¿Cómo responderán nuestros sistemas a estas condiciones?

• ¿Cuándo, dónde, y qué tipo de cambio se requiere para adaptar?

• ¿Quién debe planear? ¿Quién debe ejecutar?

Clima & Ambiente

Datos climáticos confiables

Vacíos representación del sistema climático

Modelos climáticos inadecuados

Evaluación de Impactos cambio climático

NecesidadesLimitaciones

Alto grado de incertidumbre

Clima & Ambiente

Económico

Ambiental

Global Regional

PESIMISTA“Bussiness as

usual”

OPTIMISTA

Mundo perfecto

IntermedioP

E

P

E

P

E

P

E

Los Escenarios de Emisión

¿Cómo predecir el futuro?

IPCC, 2007

Variaciones en la temperatura de la superficie de la tierra: de 1000 a 2100

Qué es lo que dicen los modelos??

Cambios antropogénicos llevan a cambios atmosféricos

Concentraciones Atmosféricas

Los GCMs son la única manera en que podemos predecir el

clima a futuro

¿Cómo predecir el futuro?

Emisiones Escenarios de población, energía, modelos económicos

Concentraciones Ciclo del carbono, modelos químicos

Cambio climático Global GCMs

Detalles regionales RCMs,Downscaling

Impactos Modelos de impacto

¿Cómo predecir el futuro?

Parte IDatos Climáticos Históricos

Ramírez-Villegas and Challinor, 2012

Entendiendo el Problema…

(1) Pocas estaciones meteorológicas

(2) Algunas estaciones meteorológicas no están en buen estado (periodos cortos, gaps).

(3) Los datos no están correctamente almacenados

(4) Los datos no pasan los controles de calidad básicos

Situación Estaciones INAMHI

Una tendencia generalizada…La calidad de la interpolación es muy baja cuando la cantidad de estaciones es limitada.

Estaciones x variable:

• 47,554 precipitación

• 24,542 tmean

• 14,835 tmax y tmin

- 3 0 .1

3 0 .5

M e a n a n n u a lt e m p e r a t u r e ( º C )

0

1 2 0 8 4

A n n u a l p r e c i p i t a t i o n ( m m )

WorldClim

Fuentes:•GHCN•FAOCLIM•WMO•CIAT•R-Hydronet•Redes nacionales

Interpolación Diaria Datos INAMHI

Latitud

Longitud

Altitud - STRM

19811982

2010

…

“thin-plate spline”

Mínimo 10 años

Interpolación Diaria Datos INAMHILas capas interpoladas de presente estudio fueron hechas usando:

1. La base de datos de estaciones meteorológicas provenientes del INAMHI (qc). Periodo comprendido entre 1981-2010.

2. La base de datos de elevación STRM, de 30 arc-segundos de resolución.

3. El software ANUSPLIN versión 4.3, un programa de interpolación multivariable que implementa el método de suavizado “thin-plate spline” descrito por Hutchinson (1995). Se uso el programa SPLINA incluido dentro del paquete ANUSPLIN. Se usó latitud, altitud y elevación como variables independientes.

Interpolación Diaria Datos INAMHIResultados

Superficies climáticas generadas a nivel diario empleando estaciones

INAMHI y algoritmo de interpolación “thin-plate spline” para la cuenca

del Delsitanisagua y distribución de estaciones. A) Precipitación

acumulada (mm/día), B) temperatura mínima (valores en °C) y C) máxima diaria (valores en °C), y

D) modelo digital de elevación STRM 1 Km2 (valores en msnm). Los puntos

indican las estaciones meteorológicas INAMHI usadas.

Interpolación Diaria Datos INAMHI - Resultados

Promedio y Desviación estándar de precipitación acumulada diaria por meses de las superficies interpoladas del año 1995 (año central de la línea base climatológica

correspondiente al periodo 1981-2010). Valores en mm/día.

Interpolación Diaria Datos INAMHI - Resultados

Promedio y desviación estándar de la temperatura mínima diaria por meses de las superficies interpoladas del año 1995 (año central de la línea base climatológica

correspondiente al periodo 1981-2010). Valores en °C.

Promedio y desviación estándar de la temperatura máxima diaria por meses de las superficies interpoladas del año 1995 (año central de la línea base climatológica correspondiente al

periodo 1981-2010). Valores en °C.

Interpolación Diaria Datos INAMHI - Resultados

Interpolación Diaria Datos INAMHIResultados – Series temporales

• Interpolación diaria con el algoritmo “thin-plate spline” ayuda a complementar series INAMHI (qc), de interés en la modelación de SWAT, aunque agrega ruido.

• El detalle técnico:– Formato raster de extensión ASCII– 30 arc-segundos de resolución espacial (~1 km2 al Ecuador)– Nivel diario para todos los años del periodo 1981-2010, basados en las

estaciones climatológicas del INAMHI. – Peso total del set de datos es de 15GB sin comprimir (3 GB comprimidos) y

contiene un total de 32850 archivos (30 años x 3 variables x 365/6 días año). El calendario se tomó juliano.

• Siguen inconvenientes > 2001. Tal vez calibrar con un periodo más corto (en fase final). Baseline GCM 1960-2005

• La interpolación permite crear pseudoestaciones…

Interpolación Diaria Datos INAMHI - Resultados

Interpolación Diaria Datos INAMHIRecomendaciones

Estaciones de interés &

pseudoestaciones

Parte IProyecciones Futuras

Acerca del futuro…

Ramírez-Villegas and Challinor, 2012AI GCM: GCM data “as is”, SD GCM: statistically

downscaled GCM, PS GCM: pattern scaled GCM, WG GCM: GCM data through a weather generator, SC

Variables: systematic changes in target key variables, Unclear: not specified clearly in study, ARPEGE: the

ARPEGE Atmospheric GCM

Escala global Pero.. Escala regional o local

Dificultad 1. Acerca de la resolución

• Resolución horizontal 100 a 300 km

• 18 y 56 niveles verticales.

Mezcla de Resoluciones

Baja Resolución

Model Country Atmosphere OceanBCCR-BCM2.0 Norway T63, L31 1.5x0.5, L35CCCMA-CGCM3.1 (T47) Canada T47 (3.75x3.75), L31 1.85x1.85, L29CCCMA-CGCM3.1 (T63) Canada T63 (2.8x2.8), L31 1.4x0.94, L29CNRM-CM3 France T63 (2.8x2.8), L45 1.875x(0.5-2), L31CSIRO-Mk3.0 Australia T63, L18 1.875x0.84, L31CSIRO-Mk3.5 Australia T63, L18 1.875x0.84, L31GFDL-CM2.0 USA 2.5x2.0, L24 1.0x(1/3-1), L50GFDL-CM2.1 USA 2.5x2.0, L24 1.0x(1/3-1), L50GISS-AOM USA 4x3, L12 4x3, L16GISS-MODEL-EH USA 5x4, L20 5x4, L13GISS-MODEL-ER USA 5x4, L20 5x4, L13IAP-FGOALS1.0-G China 2.8x2.8, L26 1x1, L16INGV-ECHAM4 Italy T42, L19 2x(0.5-2), L31INM-CM3.0 Russia 5x4, L21 2.5x2, L33….

GCM Limitaciones

Dificultad 2. Disponibilidad de datosWCRP CMIP3 A1B-P A1B-T A1B-Tx A1B-Tn A2-P A2-T A2-Tx A2-Tn B1-P B1-T B1-Tx B1-Tn

BCCR-BCM2.0 OK OK OK OK OK OK OK OK OK OK OK OKCCCMA-CGCM3.1-T63 OK OK NO NO NO NO NO NO OK OK NO NOCCCMA-CGCM3.1-T47 OK OK NO NO OK OK NO NO OK OK NO NOCNRM-CM3 OK OK NO NO OK OK NO NO OK OK NO NOCSIRO-MK3.0 OK OK OK OK OK OK OK OK OK OK OK OKCSIRO-MK3.5 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.0 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.1 OK OK OK OK OK OK OK OK OK OK OK OKGISS-AOM OK OK OK OK NO NO NO NO OK OK OK OKGISS-MODEL-EH OK OK NO NO NO NO NO NO NO NO NO NOGISS-MODEL-ER OK OK NO NO OK OK NO NO OK OK NO NOIAP-FGOALS1.0-G OK OK NO NO NO NO NO NO OK OK NO NOINGV-ECHAM4 OK OK NO NO OK OK NO NO NO NO NO NOINM-CM3.0 OK OK OK OK OK OK OK OK OK OK OK OKIPSL-CM4 OK OK NO NO OK OK NO NO OK OK NO NOMIROC3.2.3-HIRES OK OK OK OK NO NO NO NO OK OK OK OKMIROC3.2.3-MEDRES OK OK OK OK OK OK OK OK OK OK OK OKMIUB-ECHO-G OK OK NO NO OK OK NO NO OK OK NO NOMPI-ECHAM5 OK OK NO NO OK OK NO NO OK OK NO NOMRI-CGCM2.3.2A OK OK NO NO OK OK NO NO OK OK NO NONCAR-CCSM3.0 OK OK OK OK OK OK OK OK OK OK OK OKNCAR-PCM1 OK OK OK OK OK OK OK OK OK OK OK OKUKMO-HADCM3 OK OK NO NO OK OK NO NO OK OK NO NOUKMO-HADGEM1 OK OK NO NO OK OK NO NO NO NO NO NO

GCM Limitaciones

Dificultad 3. Habilidad limitada de representar clima presente.

Depender de un solo GCM no es recommendable!

GCM Limitaciones

Cómo utilizar esta información?

Problema

Necesidad

OpcionesDownscaling por métodos estadísticos o dinámicos..

Aumentar resolución, uniformizar… proveer datos de alta resolución, contextualizados

Aún el GCM más preciso es demasiado grueso (100km).

GCM Limitaciones

Metodología DelsitanisaguaGeneración de la línea base con una interpolación mensual de los datos INAMHI

Cálculo de la línea base de los GCM

Comparación de ambas líneas bases

Cálculo de anomalías, o la diferencia absoluta entre los valores futuros y los históricos de los GCM.

La interpolación de estas anomalías mediante celdas (pixeles) de GCM como puntos para la interpolación.

Interpolación Mensual Datos INAMHI

Latitud Longitud

Altitud - STRM

1981-2010

“thin-plate spline”X 25 iteraciones

Mínimo 10 años Superficies Mensuales (Promedio de 30 años)

Interpolación Mensual Datos INAMHI

Precipitación Acumulada por Temporadas (Promedio)

Interpolación Mensual Datos INAMHI

Temperatura Media por Temporadas (Promedio)

Interpolación Mensual Datos INAMHIValidación Cruzada

25 iteraciones | 85% Train 25% Test

Selección de EscenariosIPCC CMIP5 Transición a nuevos Escenarios…

R. Knutti, J. Sedlácek, 2012

Global temperature change and uncertainty (mean and one standard deviation as shading) relative to 1986–2005

Periodo

Incertidumbres

Hawkins, 2012

Selección Modelos GCM AR5

Modelo Línea Base RCP 2.6 RCP 4.5 RCP 8.5bcc_csm1_1 X X X Xbcc_csm1_1_m X X X Xbnu_esm X X X Xcccma_canesm2 X X X Xcesm1_bgc X X Xcesm1_cam5 X X X Xcsiro_access1_0 X X Xcsiro_access1_3 X X Xcsiro_mk3_6_0 X X X Xec_earth X Xfio_esm X X X Xgfdl_cm3 X X X Xgfdl_esm2g X X X Xgfdl_esm2m X X X Xgiss_e2_h X X Xgiss_e2_h_cc X Xgiss_e2_r X X X Xgiss_e2_r_cc X Xinm_cm4 X X Xipsl_cm5a_lr X X X Xipsl_cm5a_mr X X X Xipsl_cm5b_lr X Xlasg_fgoals_g2 X X X Xmiroc_esm X X X Xmiroc_esm_chem X X X Xmiroc_miroc5 X X X Xmohc_hadgem2_cc X X Xmohc_hadgem2_es X X X Xmpi_esm_lr X X X Xmpi_esm_mr X X Xmri_cgcm3 X X X Xncar_ccsm4 X X X Xncc_noresm1_m X X X Xnimr_hadgem2_ao X X X XTotal 34 25 30 32

Selección de Modelos

Projections of future global average annual precipitation and temperature for RCP 2.6 from donwscaled data.

Incertidumbres

2020_2049 2040_2069 2060_2089

Escenario: RCP 2.6Variable: Precipitación mensual Tipo: Cambios en precipitación (mm/mes) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 4.5Variable: Precipitación mensual Tipo: Cambios en precipitación (mm/mes) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 8.5Variable: Precipitación mensual Tipo: Cambios en precipitación (mm/mes) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 4.5Variable: Precipitación mensual Tipo: Cambios en precipitación (mm/mes) Métrico: Desviación Estándar

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 2.6Variable: Temperatura Mínima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 4.5Variable: Temperatura Mínima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 8.5Variable: Temperatura Mínima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 4.5Variable: Temperatura Mínima MensualTipo: Cambios en precipitación (grados celsius) Métrico: Desviación Estándar

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 2.6Variable: Temperatura Máxima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 4.5Variable: Temperatura Máxima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 8.5Variable: Temperatura Máxima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio

Cambios Proyectados

2020_2049 2040_2069 2060_2089

Escenario: RCP 4.5Variable: Temperatura Máxima MensualTipo: Cambios en temperatura (grados celsius) Métrico: Desviación Estándar

Cambios Proyectados

Escenario: RCP 4.5Variable: Precipitación TotalTipo: Cambios en precipitación (mm/año) Periodo: 2020_2049

Cambios Proyectados

Cambios ProyectadosEscenario: RCP 4.5Variable: Precipitación TotalTipo: Cambios en precipitación (mm/año) Periodo: 2040_2069

Cambios ProyectadosEscenario: RCP 4.5Variable: Precipitación TotalTipo: Cambios en precipitación (mm/año) Periodo: 2070_2099

Escenario: RCP 4.5Variable: Temperatura máxima anualTipo: Cambios en temperatura máxima (grados celsius) Periodo: 2020_2049

Cambios Proyectados

Escenario: RCP 4.5Variable: Temperatura máxima anualTipo: Cambios en temperatura máxima (grados celsius) Periodo: 2040_2069

Cambios Proyectados

Escenario: RCP 4.5Variable: Temperatura máxima anualTipo: Cambios en temperatura máxima (grados celsius) Periodo: 2070_2099

Cambios Proyectados

Variable: Precipitación totalTipo: Cambios en precipitación (mm/año) Métrico: Promedio y Desviación Estándar

RCP 2.6

RCP 4.5

RCP 8.5

Cambios Proyectados

Variable: Temperatura Mínima AnnualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio y Desviación Estándar

RCP 2.6

RCP 4.5

RCP 8.5

Cambios Proyectados

Variable: Temperatura Máxima AnnualTipo: Cambios en temperatura (grados celsius) Métrico: Promedio y Desviación Estándar

RCP 2.6

RCP 4.5

RCP 8.5

Cambios Proyectados

Comparación Observaciones – Baseline CMIP5 (Skill)

CRU INA CRU INA CRU INA CRU INA CRU INA CRU INA CRU INA CRU INA CRU INA CRU INAbcc_csm1_1 0.88 0.87 0.94 0.84 0.88 0.86 0.67 0.62 0.86 0.83 0.99 0.99 0.99 0.99 1 0.99 1 0.99 0.99 0.99bcc_csm1_1_m 0.83 0.82 0.89 0.85 0.79 0.75 0.63 0.57 0.8 0.73 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98bnu_esm 0.84 0.81 0.85 0.75 0.83 0.75 0.67 0.63 0.87 0.84 0.99 0.99 1 0.99 1 0.99 0.99 0.99 0.99 0.99cccma_canesm2 0.48 0.39 0.42 0.28 0.63 0.51 0.59 0.51 0.25 0.21 0.99 0.98 0.99 0.98 0.99 0.98 0.99 0.99 0.99 0.98cesm1_bgc 0.79 0.69 0.82 0.71 0.84 0.69 0.65 0.48 0.62 0.55 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98cesm1_cam5 0.83 0.79 0.86 0.82 0.84 0.72 0.74 0.6 0.79 0.79 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.97csiro_access1_0 0.87 0.77 0.77 0.62 0.84 0.71 0.8 0.63 0.77 0.65 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99csiro_access1_3 0.93 0.85 0.85 0.72 0.83 0.72 0.84 0.68 0.87 0.77 0.99 0.98 0.99 0.98 0.99 0.98 0.99 0.98 0.99 0.98csiro_mk3_6_0 0.94 0.92 0.89 0.82 0.91 0.9 0.72 0.64 0.97 0.89 0.99 0.99 0.99 0.98 0.99 0.99 0.99 0.99 0.99 0.99ec_earth 0.44 0.47 0.47 0.52 0.57 0.59 0.18 0.2 0.33 0.31 1 0.99 0.99 0.99 1 0.99 0.99 0.99 0.99 0.99fio_esm 0.8 0.75 0.76 0.59 0.82 0.8 0.56 0.5 0.79 0.76 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99gfdl_cm3 0.85 0.8 0.85 0.78 0.9 0.82 0.8 0.75 0.6 0.55 0.99 0.99 0.99 0.99 0.99 0.99 1 0.99 0.99 0.98gfdl_esm2g 0.81 0.78 0.83 0.77 0.88 0.83 0.91 0.82 0.54 0.51 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99gfdl_esm2m 0.84 0.82 0.87 0.81 0.89 0.84 0.92 0.84 0.6 0.57 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99giss_e2_h 0.66 0.73 0.88 0.94 0.71 0.77 0.22 0.29 0.45 0.46 0.98 0.97 0.98 0.97 0.98 0.97 0.98 0.96 0.98 0.97giss_e2_h_cc 0.72 0.79 0.9 0.95 0.76 0.83 0.26 0.34 0.52 0.53 0.98 0.97 0.98 0.97 0.98 0.97 0.98 0.96 0.98 0.97giss_e2_r 0.58 0.63 0.84 0.9 0.59 0.66 0.2 0.25 0.34 0.35 0.98 0.97 0.98 0.97 0.98 0.97 0.98 0.96 0.98 0.97giss_e2_r_cc 0.53 0.59 0.78 0.86 0.54 0.61 0.19 0.25 0.34 0.35 0.98 0.97 0.98 0.97 0.98 0.97 0.98 0.96 0.98 0.97inm_cm4 0.8 0.69 0.72 0.54 0.9 0.71 0.68 0.59 0.61 0.58 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99ipsl_cm5a_lr 0.99 0.99 0.88 0.82 0.99 0.96 0.89 0.77 1 1 1 1 1 1 1 1 1 1 1 1ipsl_cm5a_mr 0.8 0.8 0.85 0.76 0.77 0.78 0.53 0.46 0.54 0.49 1 1 1 1 1 1 0.99 1 1 1ipsl_cm5b_lr 0.99 0.98 0.75 0.67 0.94 0.88 0.98 0.91 1 0.99 1 1 1 1 1 1 1 1 1 1lasg_fgoals_g2 0.85 0.83 0.89 0.83 0.89 0.85 0.7 0.72 0.77 0.75 0.99 0.99 0.99 0.98 0.99 0.99 0.99 0.99 0.99 0.99miroc_esm 0.87 0.86 0.9 0.76 0.89 0.86 0.59 0.56 0.83 0.81 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99miroc_esm_chem 0.87 0.85 0.89 0.73 0.9 0.85 0.59 0.57 0.83 0.81 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99miroc_miroc5 0.77 0.77 0.9 0.88 0.76 0.77 0.34 0.25 0.69 0.64 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.97 0.98 0.98mohc_hadgem2_cc 0.9 0.77 0.72 0.54 0.66 0.5 0.82 0.63 0.71 0.58 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99mohc_hadgem2_es 0.89 0.76 0.74 0.56 0.57 0.42 0.84 0.66 0.74 0.6 0.99 0.99 0.99 0.99 0.99 0.98 0.99 0.99 0.99 0.99mpi_esm_lr 0.91 0.8 0.97 0.87 0.93 0.81 0.57 0.36 0.87 0.76 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99mpi_esm_mr 0.86 0.76 0.9 0.81 0.89 0.8 0.5 0.33 0.84 0.75 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99mri_cgcm3 0.61 0.62 0.5 0.53 0.67 0.7 0.72 0.74 0.45 0.38 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99ncar_ccsm4 0.77 0.67 0.82 0.71 0.83 0.69 0.63 0.47 0.59 0.52 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98ncc_noresm1_m 0.83 0.81 0.86 0.79 0.9 0.91 0.59 0.49 0.69 0.67 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99nimr_hadgem2_ao 0.87 0.76 0.72 0.55 0.56 0.41 0.85 0.7 0.77 0.64 0.99 0.99 0.99 0.99 0.99 0.98 0.99 0.99 0.99 0.99

MODEL

PRECPITACIÓN TEMPERATURA MEDIAANNUAL DJF MAM JJA SON ANNUAL DJF MAM JJA SON

< 0.50 0.50 - 0.60 0.60 - 0.70 0.70 - 0.80 0.80 - 0.90 0.90 - 0.95 0.95 - 0.98 0.98 - 1.00

– Usa resultados de GCMs– Es de área limitada.. Necesitan condiciones de frontera. – Datos diarios | Resolucion 25 Km

Coordinated Regional Climate Downscaling Experiment (CORDEX)

Métodos Dinámicos - REMO

RCP 2.6, RCP 4.5, RCP 8.5Tasmax, Tasmin, Pr

Periodo: 2000-2100

• Anotaciones– Limitaciones

• Tiempos de procesamiento• Información histórica escaza

– Oportunidades• Usar GIS para complemetación de datos• Cuantificación de las diferentes fuentes

de incertidumbre. • Usar amplio rango de modelos para

analisis de incertidumbre (selección de GCM; solo recomendada cuando hay una fuerte correlación entre ellos).

• Usar un modelo ensemble (GCM + RCM).

Discusión

Carlos Navarro-Racinesc.e.navarro@cgiar.org

Gracias & Bendiciones!