http://www.rsef.orgREF, Vol. 26-2, Abril-Junio 20121.IntroduccinParapodertomarmedidasdemitigacindelcambiocli-mticoantropognicoydeadaptacinasusconsecuencias, esnecesariodisponerdeinformacinsobrelaevolucin previsible del clima. Una herramienta bsica para ello son los denominadosescenariosdecambioclimtico.Unescenario decambioclimticoesunadescripcincoherente,interna-mente consistente y plausible de una evolucin futura posible delclima.Losescenariosnosonpredicciones,sinoposibili-dadesalternativasquedependendefactorescuyodesarrollo no podemos predecir. En el caso del cambio climtico antro-pognico,relacionadoconlacrecienteacumulacinenla atmsfera de gases de efecto invernadero (en adelante GEIs), la evolucin futura de la concentracin de los GEIs depender de muchos factores econmicos y sociales cuyo desarrollo no podemos conocer con antelacin, como el crecimiento ecno-mico, las innovaciones tecnolgicas o la demografa. Por ello sehandesarrolladolosescenariosdeemisiones,derivados de un ejercicio de prospectiva sobre las evoluciones futuras de emisiones antropognicas de GEIs y aerosoles. Esto se realiza considerandodiversossupuestosacercadelfuturodesarrollo demogrfico y socio-econmico en el mundo. Losescenariosdeemisionesquesehanutilizadohasta ahorapararealizarproyeccionesconmodelosdeclimaalo largo del siglo XXI, se conocen por las siglas SRES (del ingls SpecialReportonEmissionScenarios).Constituyenun conjunto de escenarios de emisin elaborados por un grupo de expertos dentro del IPCC (Nakicenovic et al., 2000), teniendo encuentahiptesiscoherentessobreevolucionesfuturasde crecimiento de la poblacin mundial, la demanda de energa, la eficiencia de su consumo o el crecimiento econmico glo-bal, entre otras consideraciones. Partiendo de estas hiptesis, se deducen las emisiones de GEIs y las concentraciones resul-tantes,quesirvendeforzamientoradiativoparalosmodelos climticosglobales. Amododeilustracin,enlafigura1se muestran las evoluciones de emisiones de CO2 y SO2 corres-pondientesalosseisescenariosSRESprincipalesutilizados pararealizarproyeccionesdeclima.Enlamismafigurase incluyenlasevolucionesdelaconcentracinglobaldeCO2 paracadaunodelosescenariosdeemisionesconsiderados, segn resulta de la aplicacin de modelos de balance del car-bono (por ejemplo Cramer y Field, 1999). Este procedimiento para obtener escenarios de emisones se ha modificado recien-temente por otro en el que se parte de ciertas trayectorias futu-ras posibles de forzamiento radiativo (el cambio en el balance entre la radiacin saliente y entrante en la atmsfera, causado por cambios en la concentracin de GEIs y aerosoles). A estos valoresdeforzamientoradiativosepuedellegaratravsde diferentes evoluciones socio-econmicas y tecnolgicas. Para forzar los modelos climticos se escoge una de las evolucio-nesdeconcentracionesdeGEIsquepuededarlugaralas trayectoriasdeforzamientoradiativoconsideradas.Dichas evoluciones de GEIs constituyen los denominados escenarios RCP(delinglsRepresentativeConcentrationPathways; Moss et al., 2010).Paraobtenerproyeccionesdelcambioclimticodebido al incremento en la atmsfera de GEIs y de aerosoles emiti-dos por actividades humanas, se utilizan modelos climticos globales.Debidoalalimitadaresolucinespacialdeestos modelosglobales,yalanecesidaddedisponerdeinforma-cinaescalaregionalylocalparaestudiosdeimpactosdel cambioclimtico,serealizaladenominadaregionalizacin (downscaling, en ingls) para aumentar la resolucin espacial de los escenarios climticos. Este proceso de regionalizacin se puede llevar a cabo por dos tipos de mtodos: dinmicos y estadsticos. Tras describir el mtodo de obtencin de esce-narios globales, se tratan estos mtodos de regionalizacin.2.Escenarios globales de cambio climticoUn modelo climtico consiste en una representacin mate-mtica de los procesos que tienen lugar en el sistema climtico, cuyo estado define el clima. El sistema climtico se considera compuestoporcincocomponentes:atmsfera,hidrosfera, criosfera,litosferaybiosfera(PeixotoyOort,1992).Entre ellosseproducengrandesintercambiosdemateria,calory momento y constantes interacciones mediante multitud de pro-cesos fsicos, qumicos y biolgicos, lo que hace que el sistema climticoterrestreseamuycomplejo.Losmodelosglobales de clima constituyen actualmente la herramienta bsica de que se dispone para estudiar los procesos que conforman el estado del clima. Por esta razn resultan imprescindibles para derivar la respuesta del clima a las perturbaciones inducidas por acti-vidades humanas. La capacidad de los modelos para proyectar Temas de FsicaEscenarios regionales de cambio climticoMiguel ngel Gaertner, Jos Manuel Gutirrez y Manuel Castro2000 2000 2000510300501001504005006007008009001000110012001300152025Ao Ao Ao2020 2020 2020 2040 2040 2040Escenarios Escenarios Escenarios2060 2060 2060 2080 2080 2080 2100 2100 2100Emisiones de CO2(GTm C/ao)Emisiones de SO2(MTm S/ao)Emisiones de CO2 Emisiones de SO2 Concentraciones de CO2Concentraciones de CO2(ppmV) A1BA1TA1FLA2B2B1A1BA1TA1FLA2B2B1A1BA1TA1FLA2B2B1Fig.1. Evoluciones de emisiones globales de CO2 y SO2 a la atms-fera debidas a actividades humanas y de las concentraciones globales de CO2 que resultaran de tales emisiones, segn los diversos escena-rios SRES. Tomada de IPCC (2001).2Temas de FsicaREF, Vol. 26-2, Abril-Junio 2012http://www.rsef.orglaevolucinfuturadelclimadependebsicamentedelcono-cimiento de los procesos que gobiernan el sistema climtico.Actualmentelamayorpartedelosmodelosclimti-cosglobalesincluyenalgunarepresentacindeloscinco componentesdelsistemaclimtico,delosprocesosque seproducenencadaunodeellosydelosquedeterminan losintercambiosmutuos.Alosmodelosenloscualesla atmsferayelocanointeractandeformaacopladaseles conocegeneralmenteporlassiglasAOGCM(delingls Atmosphere-OceanGlobalClimateModel),queseutili-zarn de aqu en adelante para referirse a ellos.Los AOGCMs se basan en la resolucin del conjunto de ecuaciones matemticas queexpresan lasleyes delaFsica quegobiernanladinmicadelaatmsferayelocano.Es uncomplejosistemano-linealdeecuacionesdiferenciales que no tiene solucin analtica. Por ello, han de resolverse de forma aproximada aplicando tcnicas numricas, que requie-ren dividir el espacio ocupado por la atmsfera y el ocano enceldillastridimensionales.Encadaunadeellasseasig-nan valores de las variables que caracterizan el estado de la atmsfera y el ocano, como temperatura, movimiento, den-sidad, etc. Dicha asignacin se realiza a partir de observacio-nes directas o indirectas de tales variables a escala global en un determinado instante inicial. Para derivar las evoluciones temporalesdelasvariablesencadaceldilladelamalladel modeloseresuelvenlasecuacionesapartirdelosvalores iniciales. Estas evoluciones se obtienen en intervalos tempo-rales discretos (paso temporal), cuya duracin debe estar en concordanciaconeltamaodelasceldillas.Cuantomenor sea dicho tamao, tambin ha de serlo el paso temporal. En latabla1semuestrancomoejemplolascaractersticasde los AOGCMs empleados en los ltimos escenarios globales decambioclimticogeneradosenelmarcodelproyecto europeo ENSEMBLES (Van der Linden y Mitchell, 2009). Adems,ladiscretizacinqueprecisanlastcnicas numricas para resolver el sistema de ecuaciones diferencia-les implica que con ellas no pueden resolverse aquellos pro-cesos atmosfricos u ocenicos con escalas espaciales o tem-porales menores que la resolucin del modelo, por ejemplo nubes individuales en los modelos atmosfricos o remolinos deescalaintermediaenlosmodelosocenicos.Poreso,su efecto debe calcularse mediante una representacin param-trica en funcin de valores de las variables bsicas resueltas por el modelo. Este procedimiento se llama parametrizacin. Los modelos AOGCM se combinan con representaciones matemticas empricas o semiempricas de otros componen-tesdelsistemaclimtico,comolacriosfera,lasuperficie delsueloolacubiertavegetal.Losmodelosactualesms completosincluyentambinrepresentacionesdelciclodel carbono, de la dinmica de la vegetacin y de procesos que afectan a los aerosoles en la atmsfera.Antes se ha sealado que el sistema de ecuaciones dife-renciales de un AOGCM se resuelve en intervalos o pasos temporalesdiscretos.Estosignificaque,encadaunode ellos,elmodelodeberesolvertodaslasecuacionespara calcularlosvaloresactualizadosdelasvariablesentodas lasceldillasdelamallatridimensionalqueabarcaelglobo terrestre. Esto implica tener que realizar millones de opera-cionesmatemticassimplesencadaintervalotemporal(de 30a60minutossegnlosmodelos),hastacompletartodo elperiododeintegracin,quenormalmenteseextiendea varios centenares de aos. Obviamente, esto requiere el uso de los computadores ms potentes disponibles.LosmodelosAOGCMqueseutilizanparacuantificar la respuesta futura del clima a perturbaciones inducidas por actividadeshumanashandeserpreviamenteevaluados.El examen de la fiabilidad que presenta un AOGCM para repro-ducirlosprincipalesprocesosenelsistemaclimtico,se realiza mediante una comparacin sistemtica entre resulta-dos de simulaciones con condiciones de clima actual y datos climatolgicos observados. Las simulaciones de clima actual conAOGCMssellevanacaboconsiderandolaevolucin devaloresobservadosdeconcentracionesatmosfricasde GEIs.Losmodelostambinpuedenevaluarseconsideran-docondicionespaleoclimticas,porejemplolapasadaera glacial.Unavezquesehaevaluadosatisfactoriamentesu calidad, el modelo se utiliza para realizar simulaciones de la evolucin temporal del futuro cambio climtico. Tabla 1. Resumen de caractersticas de los AOGCMs empleados en los escenarios de cambio climtico del proyecto europeo ENSEMBLES. Una validacin de estos modelos, desde el punto de vista de la regionalizacin, puede consultarse en Brands et al. (2011a).Institucin Modelo Atmsfera Resolucin Niveles Ocano Resolucin NivelesMETO-HC HadCM3HadGEM1HadAM3HadGAM12,75x3,751,25x1,8751938HadGOM1 1,25x1,250,33-12040IPSL+UCL-ASTRIPSL-CM4 LMDZ-4 2,5x3,75 19 OPA8.1 0,5-2 31MPIMET+DMIECHAM5/MPI-OMECHAM5 T63 (~1,875) 31 MPI-OM 1,5 40INGV-SX INGV-CMCC ECHAM4.6 T106 (~1,125)19 OPA8.2 0,5-2 31FUB EGMAM ECHAM4-MA T30 (~3,75) 19/39 HOPE-G 0,5-2,8 20CNRM CNRM-CM3 ARPEGE V3 T63(~1,875) 45 OPA8 0,5-2 31NERSC BCM2 ARPEGE V3 T63(~1,875) 31 MICOM 2.8(modificado)1,5 35Escenarios regionales de cambio climtico3http://www.rsef.orgREF, Vol. 26-2, Abril-Junio 2012Enestetipodeevaluacionessehacomprobadoquela mayorpartedelosactualesAOGCMhanexperimentado unanotablemejoraenlosltimosaos.Estoseatribuyea varias causas, entre las que destacan un mejor conocimiento delascaractersticasdelosocanosydelosprocesosde intercambio con la atmsfera, y la reduccin en la resolucin espacial de los modelos (tamao de celdillas) permitida por el impresionante incremento en la potencia de computacin. Dehecho,porlogenerallassimulacionesreproducende maneramuyaceptablelaevolucinexperimentadaporla temperatura global a lo largo de los ltimos 150 aos. Tanto es as, que los ensayos realizados con diferentes evoluciones deGEIshanpermitidodiscriminarlacontribucindelas actividades humanas al cambio experimentado por el clima, con un grado de confianza aceptable (Stott et al., 2001).Aunquelosresultadosdeproyeccionesdeclimaobteni-dos con diversos AOGCM son fiables a escala global, cuando seconsideranescalasregionales(10-100km)lasdistribucio-nesdetemperaturay,sobretodo,deprecipitacinmuestran notables discrepancias con los datos observados. Esta mengua enlafiabilidaddelosresultadosaescalaregionalseatribu-ye en buena medida a la insuficiente resolucin espacial de los AOGCMs y al uso de parametrizaciones fsicas no adaptadas a procesos de mesoescala. Una baja resolucin espacial da lugar a que se distorsionen las lneas de costa y se suavicen las alturas delosaccidentesorogrficos. Adems,yasehasealadoque losmodelosnopuedenreproducirdeformarealistaprocesos atmosfricos con un tamao similar o inferior al de las celdillas enquesediscretizaeldominiodondeseaplica.Porejemplo, los climas de la Pennsula Ibrica son el resultado de la accin delacirculacinglobaldelaatmsfera,delasinteracciones entre este flujo a macroescala y la orografa, de los contrastes mar-tierra y de otros efectos de carcter ms local (Castro et al., 1995). Pero los actuales AOGCM no son capaces de reproducir adecuadamente estos rasgos del clima en la Pennsula. Un ejem-plo ilustrativo se muestra en la figura 2, donde se comparan las distribuciones de temperatura y precipitacin estacionales simu-ladas por el modelo global HadCM3 para el periodo 1961-1990 y las climatolgicas para dicho periodo. Es evidente que los rasgos climticos de escala regional en laPennsulanoestnreproducidos,porquelabajaresolucin espacial del AOGCM no lo permite. Pero aumentar la resolucin de los AOGCM supondra un incremento muy considerable del tiempo de computacin y tambin una adaptacin de las parame-trizaciones fsicas a esa mayor resolucin en todas las latitudes del planeta. En consecuencia, para obtener aproximaciones ms adecuadas a los climas de escala regional o sub-regional, actual-mente se aplican otras tcnicas a partir de las simulaciones con losAOGCM,conocidascomotcnicasderegionalizacin, condosaproximacionesmetodolgicasdistintas(dinmicay estadstica), como se ilustra esquemticamente en la figura 3.3.Regionalizacin dinmicaLaregionalizacindinmicaconsisteenaplicarmodelos regionalesdeclima(enadelanteRCM,delinglsRegional ClimateModel)pararealizarproyeccionesrealistasde cambio climtico a escala regional (10-100 km) de forma fsi-camenteconsistente(Rummukainen,2010).LosRCMsson esencialmentesimilaresalmduloatmosfricodecualquier AOGCM,peroseaplicanaunrealimitadadelglobocon ms resolucin, es decir discretizando espacialmente con cel-dillasdemenortamao.Seutilizananidndolosenlamalla del modelo global (figura 4). Esto significa que en los RCM los valores iniciales de las variables simuladas y su evolucin Temperatura media estacional (C) Precipitacin estacional (mm/da)HadCM3 DEF HadCM3 DEFCRU DEF CRU DEF151227192920 2020 2092415255 55 562111214 44 43187173 33 33 33 30 00 02 22 20,5 0,50,5 0,50153133 121HadCM3 JJA HadCM3 JJACRU JJA CRU JJAFig.2. Comparacin entre las temperaturas medias (en C) y las pre-cipitaciones (en mm/da) promedio en invierno (DEF) y verano (JJA) simuladas por el AOGCM HadCM3 (fla de arriba) y la climatologa elaborada por la Unidad de Investigacin del Clima (CRU) de la Uni-versidad de East Anglia (fla de abajo). En ambos casos el periodo es 1961-1990. Ntese que los colores y valores en las escalas de tempera-tura son diferentes en cada mapa, pero los de precipitacin son iguales.Fig.3. Esquema de las metodologas de regionalizacin (dinmica y estadstica), aplicadas a los escenarios globales de cambio climtico (fla superior).Fig.4. Ejemplo del dominio de aplicacin de un RCM sobre Europa con una rejilla de 50 km. La tcnica de anidamiento (nesting) consiste en proporcionar al RCM informacin de la evolucin de las variables at-mosfricas en los puntos del contorno del dominio. Dicha informacin seobtienepreviamentedelasimulacinconun AOGCMqueutiliza una rejilla con resolucin ms baja (celdillas con mayor tamao) 4Temas de FsicaREF, Vol. 26-2, Abril-Junio 2012http://www.rsef.orgtemporalenloscontornosdeldominiosederivanderesul-tadosobtenidosporunAOGCM.Endefinitiva,losRCM estnforzadosporloscontornosconvaloressimuladospor losAOGCM.Portanto,elprocedimientoqueactualmente sesigueconsisteenutilizarlassalidasdeun AOGCMpara simular la respuesta de la circulacin global a forzamientos de macroescalaylosRCMparatenerencuentalosforzamien-tosaescalamspequeaqueeltamaodelaceldillaenel AOGCM, de una forma acorde con principios fsicos, y para resaltarlasimulacindecirculacionesatmosfricasyvaria-bles climticas a escalas espaciales ms finas (IPCC, 2007). LatcnicadelosRCM,iniciadaaprincipiosdelalti-madcadadelsigloXX(Dickinsonetal.,1989),seutiliza actualmenteparaunagranvariedaddeaplicaciones,desde estudios paleoclimticos a proyecciones de cambio climtico antropognico.Proporcionanresultadosconmucharesolu-cin espacial (entre 10 y 50 km) a partir de simulaciones de varias decenas de aos, y son capaces de describir mecanis-mos climticos de realimentacin a escala regional. No obs-tante, se ha de tener presente que un RCM no puede corregir los errores generados en el AOGCM en que se anide, por lo que conviene elegir un AOGCM bien validado que represente de forma realista los rasgos de la circulacin global que afec-ten a la regin de inters, o bien considerar el anidamiento en unconjuntodediferentes AOGCMsparatenerencuentala incertidumbre asociada a stos. Asimismo es importante que elRCMincluyaparametrizacionesfsicasadecuadaspara simular procesos convectivos, intercambios de energa entre elaireyelsuelooefectosradiativosdelasnubesaescala regional. Finalmente, la eleccin del tamao de las celdillas delamalladelRCMdebetomarsecomouncompromiso entrelaescaladeaquellosprocesosatmosfricosquems influenciaejercensobreelclimadelaregindeintersy lapotenciadecomputacindisponible.Apesardequeel dominio de aplicacin de los RCM abarca una pequea parte del planeta, el tiempo de computacin es muy superior al que precisaunAOGCMparasimularunmismoperiodo.Alo largo de la ltima dcada, el incremento de potencial compu-tacional ha permitido pasar de simulaciones de pocas dcadas deduracin,porejemploutilizandoperiodosdiscontinuos de30aos(1961-1990paraelclimaactualy2071-2100 paraelclimafuturo,enelproyectoeuropeoPRUDENCE; Christensenetal.,2002)asimulacionescontinuasdehasta 150 aos (1951-2100, en el proyecto europeo ENSEMBLES; Van der Linden y Mitchell, 2009).Parailustrarlainformacinquepuedeproporcionarun escenario regionalizado de cambio climtico, se muestran en la figura 5 proyecciones de cambio de temperatura media del aire en superficie (C) para cada estacin del ao. Los resul-tadosprocedendeunodelosRCMutilizadosenelmarco delproyectoeuropeoPRUDENCE,elmodeloPROMES (Gallardoetal.,2001),desarrolladoenlaUniversidadde Castilla-LaMancha.Serealizarontressimulacionesani-dadasenelmodeloglobalHadAM3,abarcandoperiodos de30aos.Unasimulacincorrespondiacondiciones climticasactuales(1960-1990),considerandolosniveles observados de GEIs y aerosoles atmosfricos, y las otras dos simulaciones al ltimo tercio del presente siglo (2070-2100), teniendo en cuenta los escenarios de emisiones SRES-A2 y SRES-B2. Los resultados de las dos proyecciones climticas (A2yB2)sepresentanenformadediferenciaentrelos valoresobtenidosparacadaescenariodeemisionesylos simuladosparaelperiodo1960-1990.Elcomportamien-togeneralesquelosincrementostrmicosmsintensos corresponden al escenario SRES-A2, es decir el de mayores emisionesdeGEIs.Lasdiferenciasentreelescenario A2y B2 se mantienen en torno a 1C. Los meses de invierno son losquepresentanmenoresincrementosdelatemperatura diaria,convaloresentre2y4CparaelescenarioA2y entre 1 y 3C para el escenario B2. La distribucin espacial de estos cambios en invierno es parecida en ambos escena-rios,correspondiendolosmenoresincrementosalazona noroeste de la Pennsula y los mayores a la mitad suroriental delaPennsula.Laestacinenlaquelosincrementosde temperaturadiariasonmayoreseselverano,alcanzando valores superiores a 6C en el escenario A2 y por encima de 5C en el B2. Estos cambios tan elevados se localizan en el interiordelaPennsula.Tambinsepercibeclaramenteun gradiente marcado entre la periferia y el interior, que podra relacionarseconelefectoreguladordelasbrisascosteras. Estasdiferenciasaescalasespacialespequeassepueden representar en el RCM gracias a su elevada resolucin espa-CAMBIOS EN LA TEMPERATURA (C)A2 - Control DEF 2071-2100A2 - Control MAM 2071-2100A2 - Control JJA 2071-2100B2 - Control SON 2071-2100B2 - Control JJA 2071-2100B2 - Control MAM 2071-2100B2 - Control DEF 2071-21008764213587642135876421358764213587642135876421358764213587642135Fig.5.Proyeccionesregionalizadasdecambiodetemperaturame-dia diaria del aire superfcial (C) realizadas con el RCM PROMES anidado en el AOGCM HadCM3. Se muestran los resultados prome-diados para cada estacin del ao (DEF invierno, MAM primavera, JJA verano y SON otoo) en la Pennsula Ibrica, Baleares y Cana-rias (esquina inferior derecha en cada mapa), correspondientes a dos escenarios SRES de emisiones: A2 en la columna izquierda y B2 en la columna derecha. Los valores corresponden a diferencias entre la simulacin del periodo 2071-2100 y la de control (1961-1990). Las isolneas en las fguras muestran los porcentajes de cambio en la va-riabilidad interanual (positivos en trazo continuo, negativos en trazo discontinuo y cero en trazo grueso continuo).Escenarios regionales de cambio climtico5http://www.rsef.orgREF, Vol. 26-2, Abril-Junio 2012cial. En la primavera y el otoo los incrementos proyectados alcanzan valores intermedios entre los del invierno y el vera-no. No obstante, los incrementosenotoosonsuperioresa losdelosmesesdeprimavera,enespecialenelescenario B2. Aunque no se muestran grficamente, los cambios pro-yectadosparalospromediosestacionalesdetemperaturas mximas y mnimas diarias presentan una distribucin espa-cial semejante a los de las temperaturas medias. No obstante, los valores de los cambios son en torno a 1C ms elevados para las mximas que para las mnimas, siendo los de estas ltimassimilaresalosdelastemperaturasmedias.Esto significaquelaamplituddelaoscilacintrmicadiariase incrementa respecto al clima presente. Este comportamiento se aprecia en todas las estaciones y en la mayor parte de las zonas del territorio, salvo en las reas insulares o en las muy prximas a las costas.Unaspectoimportanteenlatcnicaderegionalizacin dinmicaeselempleodeconjuntos(ensembles)multi-modelo de simulaciones. Estos conjuntos multi-modelo con-sistenenrealizarsimulacionesdecaractersticascomunes condistintosRCMs.Untipodeconjuntosdesimulaciones consiste en anidar distintos RCMs en un mismo GCM y para elmismoescenariodeemisiones.Lasdiferenciasderesul-tados entre los miembros del conjunto permitirn identificar la incertidumbre asociada a la formulacin de los RCMs. Si losdistintosRCMsproporcionanresultadossimilaresenel cambiodevariablesclimticas,selepuedeasignarmayor certidumbre a dicho cambio que si los modelos dan resulta-dos distintos entre s.Uno de los aspectos climticos donde la regionalizacin dinmica puede proporcionar informacin difcilmente obte-nible mediante otros mtodos es el relativo al cambio en los llamadosextremosclimticos.Generalmenteseentiende porextremosclimticoslosvaloresdevariablesatmosfri-casmuyalejadosdelospromediosclimatolgicos,quese producenensituacionesmeteorolgicasexcepcionales.El intersquepresentaesteotrotipodeanlisisradicaenque seconsideraquelosimpactosdelasalteracionesdelclima futurodebidosacambiosenlosextremosclimticossern probablementemsseverosquelosrelacionadosconel cambiodelclimapromedio. Aunquelafrecuenciaconque ocurrentaleseventosesrelativamentepequea,suimpacto social, econmico y medioambiental suele ser muy notable. Lasimulacindeextremosclimticosrequierealtareso-lucinespacial,dadoquesetrataamenudodefenmenos deescalarelativamentepequea,porloquelosRCMslos representarn en general mejor que los GCMs.Una ilustracin de la capacidad de los RCMs para gene-rarinformacinsobrefenmenosextremoseselestudiode Gaertneretal.(2007),enelqueanalizandolaintensidady estructura de ciclones simulados por un conjunto de RCMs, se detect un riesgo de desarrollo de ciclones tropicales sobre elmarMediterrneoenunescenariodecambioclimtico futuro. En la figura 6 se muestra un cicln extremo simulado para clima futuro. En ella se representa la presin a nivel del mar, con un gran gradiente de presin asociado a vientos muy fuertesensuperficie,ytambinunavariableasociadaala temperatura de la columna de aire, que muestra en este caso como la temperatura sobre la depresin es ms alta que en el entorno.Estaestructuradenominadadencleoclidoes caracterstica de ciclones tropicales, a diferencia de los ciclo-nesextratropicalesquetienenestructuradencleofro. Hayqueindicarqueestaposibilidaddeciclonestropicales aparece slo en algunas simulaciones, lo que refleja una gran incertidumbreenesteresultado.Estoresaltatambinlauti-lidad de los conjuntos de simulaciones para asignar mayor o menor certidumbre a los posibles cambios futuros.En la actualidad se estn desarrollando nuevos proyectos de investigacin para generar escenarios de cambio climti-co mejorados. En el marco del proyecto ESCENA, en el que participan cuatro grupos de investigacin espaoles, se estn generando escenarios de cambio climtico de alta resolucin espacial en un dominio que, adems de la Pennsula Ibrica, incluyezonasnocubiertasenanterioresproyectoscomo las Islas Canarias y el noroeste de frica. Las proyecciones climticasdeesteproyectocomplementanyamplanlos escenarios obtenidos en el proyecto europeo ENSEMBLES, medianteelusodenuevosRCMynuevascombinaciones AOGCM-RCM. Otro aspecto importante de este proyecto es el uso de una nueva base de datos observados para la evalua-cin de los modelos. La climatologa con la que se comparen los resultados de una simulacin realizada con un RCM debe estar discretizada en celdillas con un tamao semejante a las del modelo, a fin de que la topografa del dominio sea simi-lar.RecientementesehadesarrolladoenlaUniversidadde Cantabria la base de datos Spain02 (Herrera et al., 2010), que con una resolucin de 0,2 en latitud y longitud se aproxima mucho a la resolucin de los RCM (25 km). Spain02 se basa enunagrancantidaddeestacionesdeobservacin,loque enparticularpermiteresolverlacomplejadistribucinde precipitacin en Espaa de forma mucho mejor que en bases de datos observados previas.Otroproyectoactualeselproyectointernacional CORDEX(Giorgietal.,2009),unprogramapatrocinado 46N38N30N42N34N26N10W 0 10E 20E 30E8960880088808640856083208240872084808400816080808000Fig.6.EjemplodeextremosciclnicossimuladosconunRCMso-bre el Mediterrneo en un escenario de cambio climtico futuro. Las lneascontinuassonisobarasdepresinaniveldelmar(hPa)que muestranuncentrodebajaspresionesmuyintensosobreSicilia. El sombreado indica el espesor de altura geopotencial (m) entre los nivelesdepresinde300y900hPa.Esteespesorgeopotenciales proporcional a la temperatura media de la columna de aire, de forma que el espesor geopotencial ms alto (en rojo) situado sobre el centro de bajas presiones indica una estructura de ncleo clido, caracte-rstica de ciclones tropicales.6Temas de FsicaREF, Vol. 26-2, Abril-Junio 2012http://www.rsef.orgpor el programa WCRP (del ingls World Climate Research Program)delaOrganizacinMeteorolgicaMundialpara generarescenariosclimticosglobalmente.Suprincipal objetivoesextenderlaaplicacindeRCMsaregionesdel mundonoconsideradasanteriormente.Otrosobjetivosadi-cionalessonaumentarlaresolucinenlosescenariospara Europa, llegando hasta cerca de 10 km (0,11 de resolucin espacial) y avanzar en el desarrollo y aplicacin de modelos climticosregionalesconacoplamientoatmsfera-ocano sobre la regin mediterrnea.Esteltimoaspectoestrelacionadoconuncampode actividadespecialmenteimportanteparaelfuturodelos escenariosregionalizados:eldesarrollodelosmodelos regionales del Sistema Tierra. Para ello, se estn incorporan-domodelosregionalesdeocanoacopladosalaatmsfera (Somotetal.,2008),modelosavanzadosdevegetaciny sueloconcapacidadparasimularladinmicadelavegeta-cin, as como modelos de qumica atmosfrica y aerosoles. Larealizacindesimulacionesacopladasentreestoscom-ponentesdelsistemaclimticopermitirmodelarconalta resolucin espacial las importantes interacciones entre ellos, quepuedenmodularaescalalocalyregionallaevolucin futura del clima.4.Regionalizacin estadsticaLosmtodosestadsticosderegionalizacin(enade-lanteSDMs,delinglsStatisticalDownscalingMethod) sebasanenmodelosestadsticosquerelacionandeforma empricalasvariablesdecirculacinatmosfricaagran escalaconlasvariableslocales/regionalesobservadasen superficie, relacionadas con el fenmeno de estudio (tpica-mente, la temperatura y la precipitacin). Estos modelos se ajustan/calibran utilizando datos de reanlisis (para caracte-rizar la circulacin atmosfrica, ver Brands 2011b) y regis-tros histricos de observaciones para un perodo comn de referencia(porejemplo,unperodohistricode30aos, 1971-2000).Posteriormente,losmodelosobtenidosson utilizados para proyectar localmente los escenarios globales futurosproporcionadosporlos AOGCMs(ver Wilbyetal. 2004, para ms detalles), lo que implica suponer la estacio-nariedaddelosmodelos,esdecir,quelasrelacionesentre pequeaygranescalaestablecidasenelperodohistrico nocambiarnenelfuturo.Estaesunadelaslimitaciones ms importantes de los distintos mtodos de regionalizacin estadstica para su uso en estudios de cambio climtico.La ventaja de estas tcnicas es que utilizan la climatolo-garealobservadadelavariablelocaldeintersduranteel perodo de referencia y, por tanto, calibran/corrigen estads-ticamente las posibles deficiencias y desajustes sistemticos delosmodelosglobales;portanto,losresultadospueden utilizarsedirectamenteenestudiosdeimpacto,sinnecesi-dad de ser calibrados. Otra ventaja de estos mtodos es que permitenincluircomopredictoresdelmtodoestadstico sloaquellasvariablesdecirculacinqueseanreproduci-das con mayor fiabilidad por los AOGCMs y que dependan enmenormedidadeparametrizaciones;porotraparte,las variablesdelosAOGCMstambinpuedenpre-procesarse (porejemplo,eliminandosesgosenlamedia)antesdeser utilizadasenlaregionalizacinestadstica,loqueelimina unafuentedeerrordebidaaloserroressistemticosdelos modelos numricos. Porotraparte,lasnecesidadesdeclculodeestastc-nicassonmuchomenoresquelasrequeridasparaejecutar RCMs, si bien en algunos casos las tcnicas estadsticas no linealesutilizadasconsumentambinmuchosrecursosde computacin en costosos procesos de optimizacin (cuando seaplicanamuchospuntosgeogrficos).Portanto,con estastcnicassepuederealizarungrannmerodereali-zaciones/simulacionescondiferentesmtodosdedowns-calingydistintos AOGCMs,quecubrantodaslasposibles combinaciones y permitan analizar separadamente de forma adecuada las distintas fuentes de incertidumbre: escenarios, modelos globales, y tcnicas de regionalizacin.Las distintas tcnicas de downscaling estadstico que se han propuesto en la literatura se suelen clasificar en tres grupos:Funcionesdetransferencia,basadasenmodelosde regresinlinealonolineal(e.g.redesneuronales)para inferir las relaciones entre los predictandos locales y los predictoresdelargaescala.Estosmtodossongenera-tivos,enelsentidodequelasprediccionessederivan deunmodelo(estadstico),queseobtieneapartirde losdatos.Enocasionesseutilizantcnicasespaciales parareducirladimensindelproblema(Componentes Principales,etc.),oparapredecirconpatronescorrela-cionados (Correlacin Cannica lineal o no lineal, etc.).Tipos de tiempo y mtodos de anlogos, basados en algo-ritmosdevecinoscercanos(k-NN)y/oenunapreclasi-ficacinenunnmerofinitodegrupos(tiposdetiempo) obtenidos acorde a la similitud a gran escala de los campos atmosfricos;normalmenteestosmtodossonnogenera-tivos, pues se basan en un procedimiento algortmico para obtener la proyeccin. El mtodo ms popular de este grupo es el mtodo de anlogos, basado en usar das del pasado similares a los das futuros para obtener una proyeccin.Generadoresdetiempo,queseutilizancuandosedis-pone de predicciones a una escala temporal superior a la deseada(porejemplo,mensualoestacional,cuandose necesitaprediccindiaria),ysimulanestocsticamente seriesdevaloresdiariosconsistentesconlaclimatolo-gaprevista.Estosmtodosson,enrealidad,tcnicas de desagregacin temporal y tienen la ventaja prctica de permitirgenerartantasrealizacionescomosenecesiten en el modelo de impactos que se aplique.A modo de ejemplo, y con el fin de poder comparar cuali-tativamente los resultados que proporcionan las tcnicas esta-dsticasydinmicasderegionalizacin,lafigura7muestra las proyecciones de cambio de temperatura en superficie (C) paracadaestacindelaoobtenidasaplicandounatcnica deregionalizacinbasadaenregresin,delprimerodelos gruposanteriores(utilizandopresinaniveldelmarytem-peratura a dos metros como predictores). A diferencia de en lafigura5,enestecasosemuestralatemperaturamxima, Escenarios regionales de cambio climtico7http://www.rsef.orgREF, Vol. 26-2, Abril-Junio 2012y se utiliza el escenario de emisiones SRES-A1B del modelo HadGEM2 (que puede considerarse intermedio entre los dos escenarios B2 y A2 mostrados en la figura 5). Los resultados se presentan en forma de diferencia entre los valores obteni-dos para el escenario de emisiones en el perodo 2071-2100 y los simulados para el periodo 1971-2000. Ntese que, a pesar de las diferencias observadas entre ambos experimentos, los resultadosguardanunagransimilitudencuantoalpatrn espacial y la estacionalidad de los resultados. Lafigura7ilustratambinelhechodequelastcnicas estadsticaspuedenaplicarsetantoaregistroshistricos puntuales (como la red de estaciones de AEMET, eligiendo aquellascondatosdesuficientecalidad,mostradasenla columnaizquierda)comoadatoshistricosenformade rejillasregulares(comolosdatosdeSpain02descritoscon anterioridad, y mostrados en la columna derecha). Lascaractersticasanterioreshanhechoquelaregiona-lizacinestadsticasehayapotenciadoenlosltimospro-yectosdecambioclimtico,queincluyentareasespecficas aesterespecto.Porejemplo,enlosproyectosEuropeos STARDEXyENSEMBLESsecompararondistintosmto-dos estadsticos sobre distintas regiones de Europa y para dis-tintas variables concluyendo que ningn mtodo es, en gene-ral, superior a los otros. Por tanto, es necesario considerar un conjunto amplio y robusto de mtodos estadsticos para poder llegar a conclusiones que tengan en cuenta la incertidumbre introducida por el mtodo de regionalizacin. Por ejemplo, en elmarcodelproyectoENSEMBLESsedesarrollelportal de downscaling estadstico, que incorpora distintos mtodos estadsticosderegionalizacinypermitecalibrarlosyutili-zarlos libremente a partir de los AOGCMs de este proyecto, mostradosenlatabla1(sepuedeaccederlibrementeaesta herramienta en http://www.meteo.unican.es/ensembles). Finalmente,anivelnacionaltambinseestnllevan-doacaboaccionescoordinadas(enparaleloalproyecto ESCENAdescritoenlaseccinanterior)paralageneracin deescenariosregionalescontcnicasestadsticas(proyecto ESTCENA), en el que se estn calibrando, validando y apli-cando distintas tcnicas estadsticas de regionalizacin para la generacin de escenarios regionalizados en Espaa para preci-pitacin y temperatura, tanto en puntos locales (las estaciones de AEMET con datos de calidad), como en la rejilla Spain02 de,aproximadamente,20kmderesolucin.Losresultados conjuntosdeambosproyectospermitirnllevaracaboun estudiocomparativosistemticodelasproyeccionesobteni-das con ambas metodologas, para poder evaluar el efecto de las distintas hiptesis y limitaciones de las distintas tcnicas.5.ConclusionesLa proyeccin regional de los escenarios de cambio cli-mticoesunproblemaactualdegranimportancia,decara a poder realizar los estudios de impacto del cambio climti-co a la escala adecuada, para tener en cuenta la variabilidad espacial del clima y su sensibilidad en problemas de agricul-tura, ecologa, hidrologa, recursos energticos, etc. Enlaactualidadexistendistintasmetodologascomple-mentarias (dinmicas y estadsticas) para abordar este proble-ma, que han sido desarrolladas y aplicadas a distintas regio-nes del mundo, mostrando sus ventajas e inconvenientes. Sin embargo,conlaexcepcindealgunosproyectosaescala continental(comolosproyectoseuropeosPRUDENCE, ENSEMBLES,osusequivalentesamericanosyasiticos), la comunidad de escenarios regionales ha trabajado de forma descoordinadasinlograrproducirresultadoshomogneos aescalaglobal,teniendomenorvisibilidadquelacomuni-daddemodelosglobales.Sinembargo,recientementehan comenzadoaccionesinternacionalesconducentesaresolver este problema, principalmente la accin CORDEX, que darn msvisibilidadaestetemaenlosfuturosinformessobre cambio climtico (en particular los informes del IPCC).Todaslastcnicasderegionalizacincompartenlades-ventaja de que dependen de datos de entrada procedentes de AOGCMs y, por tanto, estn al final de la cadena de incerti-dumbre, tras los escenarios de cambio climtico y los modelos globales, lo que obliga a realizar un nmero mayor de simu-laciones para muestrear adecuadamente estas incertidumbres.Hastalafecha,distintosestudios,hanmostrado,utili-zandomedidasdevalidacinenperodoshistricos,que ningunadeestasmetodologas(dinmicayestadstica) tieneuncomportamientosuperioralaotra,sinoqueen cadacaso(cadavariable,regingeogrfica,etc.)unastc-nicassonmsapropiadasqueotras(ver,porejemplo,los resultadosdelproyectoSTARDEX,http://www.cru.uea.ac.uk/projects/stardex/). Por tanto, en cierta medida, ambas tcnicasproporcionanresultadoscomplementarios,porlo que la seleccin de escenarios regionalizados para la reali-Diferencia 2071-2100 (A1B) y 1971-2000 (20c3m)87642135InviernoPrimaveraVeranoOtooCFig.7. Similar a la fgura 5, pero obtenida con un SDM basado en re-gresin para la temperatura mxima diaria, considerando el escenario SRES A1Byel AOGCMHadGEM2.Lacolumnadelaizquierda muestra los resultados obtenidos utilizando un conjunto de estacio-nes de la AEMET, mientras que la columna de la derecha muestra los resultados para la rejilla regular Spain02 de observaciones interpola-das. Los valores corresponden a diferencias entre la simulacin del periodo 2071-2100 y la de control (1971-2000).8Temas de FsicaREF, Vol. 26-2, Abril-Junio 2012http://www.rsef.orgzacin de estudios de impacto del cambio climtico depen-derenpartedelosrequisitosdelaaplicacinconcreta. En la tabla 2, se muestra un breve resumen de las ventajas einconvenientesdeestasmetodologas(ver Winkleretal. 2011, para un estudio ms detallado).Referencias[1]BRANDS, S., HERRERA, S., SAN-MARTN, D., GUTIRREZ, J.M.Valida-tion of the ENSEMBLES Global Climate Models over southwestern Europe using probability density functions: A downscaling perspec-tive. Climate Research, 48, 145-161, 2011a, doi: 10.3354/cr00995[2]BRANDS, S., GUTIRREZ, J.M., HERRERA, S., COFIO, A., On the Use of Reanalysis Data for Downscaling. Journal of Climate, in press, 2011b.[3]CASTRO, M., . FERNNDEZ, C, GAERTNER, M.A. AND GALLARDO, C., Relevance of regional models for analyzing future climate change in the Iberian Peninsula. Global Change and Mediterranean-type Ecosystems. Ecological Studies 117. Springer, 1-34, 1995. [4]CRAMER, W. AND FIELD, C.B., Comparing global models of te-rrestrial net primary productivity (NPP): introduction. Global Change Biology, 5, III-IV, 1999.[5]CHRISTENSEN,J.H.,CARTER,T.ANDGIORGI,F.,PRUDENCE Employs New Methods to Assess European Climate Change, EOS, Vol. 82, p. 147, 2002.[6]DICKINSON R.E., ERRICO, R.M., GIORGI, F., AND BATES, B.T., A regionalclimatemodelforwesternUnitedStates.Climatic Change, 15, 383422, 1989.[7]GALLARDO, C., ARRIBAS, A., PREGO, J.A., GAERTNER, M.A. AND CAS-TRO, M., Multi-year simulations with a high resolution regional cli-mate model over the Iberian Peninsula: Current climate and 2xCO2 scenario . Quart. Jour. Roy. Meteor. Soc. 127, 1659-1682, 2001.[8]GIORGI, F., JONES, C., ASRAR, G., Addressing climate informa-tionneedsattheregionallevel:TheCORDEXframework. WMO Bulletin, 58(3):175183, 2009.[9]HERRERA S., GUTIRREZ, J.M., ANCELL, R., PONS, M.R., FRAS, M.D. ANDFERNNDEZ,J.,Developmentandanalysisofa50-yearhigh-resolution daily gridded precipitation dataset over Spain (Spain02). International Journal of Climatology. DOI: 10.1002/joc.2256, 2010.[10]Disponible libremente en http://www.meteo.unican.es/spain02[11]IPCC, Climate Change 2007: The Physical Science Basis. Con-tribution 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. Tig-nor and H.L. Miller (eds.)]. Cambridge University Press, Cam-bridge, United Kingdom and New York, NY, USA, 996 pp, 2007.[12]CHRISTENSEN, J.H., HEWITSON, B., BUSUIOC, A., CHEN, A., GAO, X., HELD, I., JONES, R., KOLLI, R.K., KWON, W.-T., LAPRISE, R., MAGAA RUEDA, V., MEARNS, L., MENNDEZ, C.G., RISNEN, J., RINKE, A., SARR, A. AND WHETTON, P., Regional Climate Projections. In: Cli-mate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergo-vernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller(eds.)].CambridgeUniversityPress,Cambridge,United Kingdom and New York, NY, USA, 2007.[13]MOSS, R.H., EDMONDS, J.A., HIBBARD, K.A., MANNING, M.R., ROSE, S.K., VAN VUUREN,D.P., CARTER, T.R., EMORI, S., KAINUMA,M.,KRAM, T., MEEHL, G.A., MITCHELL, J.F.B., NAKICENOVIC, N., RIAHI, K., SMITH, S.J., STOUFFER,R.J.,THOMSON,A.M.,WEYANT,J.P.ANDWILBANKS,T.J., The next generation of scenarios for climate change research and as-sessment. Nature, 463, 747-756. DOI:10.1038/nature08823, 2010[14]NAKICENOVIC, N., ALCAMO, J., DAVIS, G., DE VRIES, B., FENHANN, J., GAFFIN, S., GREGORY, K., GRBLER, A., JUNG, T.Y., KRAM, T., LA ROVERE,E.L.,MICHAELIS,L.,MORI,S.,MORITA,T.,PEPPER,W., PITCHER,H.,PRICE,L.,RAIHI,K.,ROEHRL,A.,ROGNER,H.-H., SANKOVSKI, A., SCHLESINGER, M., SHUKLA, P., SMITH, S., SWART, R., VAN ROOIJEN, S., VICTOR, N. AND DADI, Z., IPCC Special Report on Emissions Scenarios, Cambridge University Press, 599 pp, 2000.[15]PEIXOTO,J.P.ANDOORT,A.H.PhysicsofClimate.American Institute of Physics. New York, 1992.[16]RUMMUKAINEN, M., State-of-the-art with regional climate models. WIREs Clim. Change 1, 82-96. DOI: 10.1002/wcc.008, 2010.[17]SNCHEZ, E., GALLARDO, C., GAERTNER, M.A., ARRIBAS, A. AND CASTRO, M., Future climate extreme events in the Mediterra-neansimulatedbyaregionalclimatemodel:frstapproach. Global and Planetary Change (en prensa), 2004.[18]SOMOT, S., SEVAULT, F., DQU, M., CRPON, M., 21st century clima-te change scenario for the Mediterranean using a coupled atmos-phereocean regional climate model, Global and Planetary Chan-ge, 63, 112-126. DOI: 10.1016/j.gloplacha.2007.10.003, 2008.[19]STOTT,P.A., TETT,S.F.B.,JONES,G.S., ALLEN,M.R.,INGRAM, W.J. AND MITCHELL,J.F.B., Attribution of Twentieth Century TemperatureChangetoNaturalandAnthropogenicCauses. Clim. Dynamics, Vol. 17, 1-22, 2001.[20]VAN DER LINDEN, P. AND MITCHELL, J.F.B. (eds.) ENSEMBLES: Cli-mate Change and its Impacts: Summary of research and results from the ENSEMBLES project. Met Offce Hadley Centre, FitzRoy Road, Exeter EX1 3PB, UK. 160pp., 2009 http://www.ensembles-eu.org/[21]WILBY, R.L., CHARLES, S.P., ZORITA, E., TIMBAL, B., WHETTON, P., MEARNS, L.O., Guidelines for Use of Climate Scenarios deve-loped from Statistical Downscaling Methods. Supporting ma-terial of the IPCC (Task Group on Data and Scenario Support for Impacts and Climate Analysis, TGICA), 2004.[22]WINKLER, J.A., GUENTCHEV, G.S., LISZEWSKA, M., PERDINAN AND TAN, P.N., Climate Scenario Development and Applications for LocalRegional Climate Change Impact Assessments: An Over-viewfortheNon-ClimateScientist.PartII:Considerations When Using Climate Change Scenarios, Geography Compass 5/6, 301328, 2011, 10.1111/j.1749-8198.2011.00426.xMiguel ngel Gaertner Facultad de Ciencias Ambientales y Bioqumica. Universidad de Castilla-La Mancha. ToledoJos Manuel Gutirrez Instituto de Fsica de Cantabria (IFCA). CSIC-Universidad de Cantabria. SantanderManuel Castro Instituto de Ciencias Ambientales. Universidad de Castilla-La Mancha. ToledoTabla 2MtodoVentajas InconvenientesRegionalizacin dinmicaInformacin con alta resolucin espacial y temporalInformacin basada en modelos fsicos, con inclusin de realimentaciones entre componentes del sistema climticoGran nmero de variables, fsicamente consistentes entre sCapacidad para generar nuevos extremos climticosGran coste computacionalValores en celdillas representativos depromedios sobre al rea de cada celdillas,no de valores puntualesRegionalizacin estadsticaBajo coste computacionalAplicacin rpida a muchos escenarios y modelos globales distintosInformacin con resolucin espacial muy alta,en localidades puntuales o rejillas regulares.Hiptesis de estacionariedad estadstica: supone que las relaciones empricas deducidas en clima actual son tambin vlidas en clima futuro.Necesita observaciones diarias de calidad (en puntos aislados o en una rejilla regular) para un perodo climtico representativo.Proporciona resultados slo para las variablespara las que se dispone de observaciones.