VARIABILIDAD CLIMATICA Y ECOSISTEMAS CLAUDIO MENENDEZ, ANDREA CARRIL, PEDRO FLOMBAUM, ANNA SORENSSON...
-
Upload
manuel-gomez-lozano -
Category
Documents
-
view
214 -
download
0
Transcript of VARIABILIDAD CLIMATICA Y ECOSISTEMAS CLAUDIO MENENDEZ, ANDREA CARRIL, PEDRO FLOMBAUM, ANNA SORENSSON...
VARIABILIDAD CLIMATICA Y ECOSISTEMAS
CLAUDIO MENENDEZ, ANDREA CARRIL, PEDRO FLOMBAUM, ANNA SORENSSON
CIMA/CONICET-UBA, DCAO/FCEN, UMI IFAECI/CNRS
IANIGLA, NOV. 2011
ANDES: FUERTES GRADIENTES EN PARÁMETROS CLIMÁTICOS
Cfa: templado, sin estación seca y verano caliente
BWh: árido-desierto caliente
BSh: árido- estepa caliente
BWk: árido-desierto frío
BWk: árido-desierto frio
BSk: árido- estepa fría
Cfb: templado, sin estación seca y con verano cálido
Cwa: templado, con invierno seco y verano caliente
Cfa: templado, sin estación seca y verano caliente
Csb: templado, verano seco y cálido
Csa: templado, verano seco y caliente
ET: polar-tundra
PROCESOS ECOLOGICOS =
f (BIODIVERSIDAD, CLIMA, …)
PROCESOS ECOLOGICOS =
f (BIODIVERSIDAD, CLIMA, …)
Colaborador externo:
Osvaldo Sala - Arizona State University
BIODIVERSIDAD Y ESTABILIDAD
HIPOTESIS #1: BIODIVERSIDAD α ESTABILIDAD
i.e. ecosistemas con alta diversidad son más estables que los ecosistemas con baja diversidad (Elton 1958, Tilman1996)
tiempo
PPNA
Alta biodiversidad
Baja biodiversidad
alta biodiversidad
baja biodiversidad
BIODIVERSIDAD Y ESTABILIDAD
HIPOTESIS #1: BIODIVERSIDAD α ESTABILIDAD
i.e. ecosistemas con alta diversidad son más estables que los ecosistemas con baja diversidad (Elton 1958, Tilman1996)
tiempo
PPNA
Alta biodiversidad
Baja biodiversidad
alta biodiversidad
baja biodiversidad
~ PORTFOLIO EFFECT
BIODIVERSIDAD Y ESTABILIDAD
HIPOTESIS #2: PPNA α BIODIVERSIDAD
i.e. tasa de funcionamiento de un ecosistema es proporcional al número de especies
BIODIVERSIDAD Y ESTABILIDAD
HIPOTESIS #2: PPNA α BIODIVERSIDAD
i.e. tasa de funcionamiento de un ecosistema es proporcional al número de especies
Es posible estimar series de NPP a partir de la dendrocronologia ?
BIODIVERSIDAD Y ESTABILIDAD: DISEÑO DEL EXPERIMENTO
•Seleccionar sitios correspondientes a diferentes tipos de clima;
•En cada sitio debe haber un gradiente de diversidad de especies de árboles;
•Estimación de la productividad a partir de anillos de los árboles;
•Estimación de la variabilidad climática a partir de reanálisis y observaciones
DOES TREE DIVERSITY BUFFERS CLIMATE VARIABILITY?
2climática
PPNAt2 High tree diversity
Low tree diversity
San Martín Junín Mendoza
MODELADO DINAMICO DE LA VEGETACION
Y DEL CLIMA
MODELADO DINAMICO DE LA VEGETACION
Y DEL CLIMA
Colaborador externo:
Patrick Samuelsson - Rossby Centre, Swedish Meteorological and Hydrological Institute
RCA3 COUPLED TO THE DYNAMIC VEGETATION MODEL LPJ-GUESS: RCA-GUESS
Tareas:
• Simular la vegetación del pasado reciente
Forzar LPJ-GUESS con climatologías observacionales i) off line forzado por CRU, ii) acoplado con RCA forzado por reanálisis
• Caracterizar las interacciones entre la vegetación y la atmósfera (análisis estadísticos) • Evaluar el rol de las interacciones vegetación-clima en un contexto de cambio climático
Simular el período 1951-2100 con y sin vegetación dinámica
RCA3 COUPLED TO THE DYNAMIC VEGETATION MODEL LPJ-GUESS: RCA-GUESS
Tareas:
• Simular la vegetación del pasado reciente
Forzar LPJ-GUESS con climatologías observacionales i) off line forzado por CRU, ii) acoplado con RCA forzado por reanálisis ** necesitamos datos de NPP para evaluar el modelo**
• Caracterizar las interacciones entre la vegetación y la atmósfera (análisis estadísticos) • Evaluar el rol de las interacciones vegetación-clima en un contexto de cambio climático
Simular el período 1951-2100 con y sin vegetación dinámica
RCA3 COUPLED TO THE DYNAMIC VEGETATION MODEL LPJ-GUESS: RCA-GUESS
Metodología
•Se hace corresponder a cada celda una de las 18 categorías de vegetación (bioma)
•Se fuerza el modelo de vegetación con un AOGCM y se comparan clima “actual” y “futuro”
•Se grafican las áreas en las que cambian los biomas
EJEMPLO DE CAMBIOS EN LA VEGETACION SIMULADOS POR UN MODELO DINAMICO DE VEGETACION (UNA VERSION DE LPJ)
Thomas et al., 2008
EJEMPLO DE CAMBIOS EN LA VEGETACION SIMULADOS POR UN MODELO DINAMICO DE VEGETACION (UNA VERSION DE LPJ)
Thomas et al., 2008
CAMBIOS EN LAI
VARIABILIDAD CLIMATICA
PRECIP. Y TEMP. EN SANTIAGO DE CHILE
VECTOR VIENTO E ISOTACAS EN 200 hPa
PRECIP. Y TEMP. EN SANTIAGO DE CHILE
PRECIP. Y TEMP. EN MENDOZA
PRECIP. Y TEMP. EN MENDOZA
PRECIPITACION Y LINEAS DE CORRIENTE EN 200 hPa
ANOMALIAS 500 hPa, JULIO 1987 (EL NIÑO)
Rutllant y Fuenzalida, 1991
REGRESION ENTRE INDICE SAM Y PRESION EN SUPERFICIE
Goosse et al., 2010
Annalisa Cherchi y Andrea Carril
ANOMALIAS DE SST Z* (200 hPa)
Volumen, complejidad y disponibilidad de datos climáticos de diferentes tipos y provenientes de diferentes fuentes se está incrementando rápidamente:
- CMIP5 / IPCC AR5
- Nuevos reanálisis multidecádicos (p.e. 20CR, Compo et al., 2011)
- CLARIS LPB (nuevas simulaciones regionales, 1951-2100)
- Nuevas simulaciones “de cambio climático” (p.e. IPSL-CM5A-LR con escenario RCP4.5)
- Experimentos idealizados con AGCMs con “alta” resolución (p.e. ECHAM4/CMCC)
- Nuevos datos observacionales (p.e. Observatorio Nacional de la Degradación de Tierras y Desertificación)
GRACIAS
OTROS SLIDES
ERA 40 Atlas
VARIABILIDAD INTERANUAL DE PRESION
PRECIP.: Mean of the 21 models minus observations (CMAP)
Surf.Air TEMP.: Mean of the 21 models minus observations (HadCRUT2v)
CMIP3 ensemble annual mean biases (IPCC AR4)
Inferring supply and demand limitation of ET
ET is limited by atmospheric demand
ET is limited by soil moisture supply
Classifying the regions with either T (demand
limitation) or P (supply limitation)
Jung et al., 2010
ET is limited by soil moisture (soils are relatively dry)
ET responds to changing atmospheric demand (if there is sufficient moisture supply)
Jung et al., 2010
Inferring supply and demand limitation of ET
ENSAMBLE W ENSAMBLE S-W
Correlaciones positivas –aqui en amarillo/rojo - indican que SM
condiciona la ET
Andes topografía compleja
Fuertes gradientes en parámetros climáticos (p.e. temp. y precip.)
GCMs y RCMs: resolución demasiado gruesa para representar detalles topográficos (y otros forzantes relacionados con características del terreno y de la vegetación)
La simulación de la precipitación en zonas montañosas es poco confiable
Los modos naturales de variabilidad climática (p.e. ENSO, SAM) pueden modular los patrones de precipitación en diferentes escalas temporales (los modelos acoplados globales tienen dificultades para capturar estos mecanismos)
Existen estudios que muestran que modelos de alta resolución pueden simular los patrones de mesoescala observados (pero son muy caros en modo climático)
Nieve+Hielo clave para ciclo hidrológico en zonas montañosas
Doble problema en los Andes: calentamiento y disminución de la precipitación
Consecuencias p.e. sobre:
Escurrimiento (runoff), caudal de ríos timing / volumen
Vegetación: puede ser sensible a cambios en el ciclo anual de diferentes factores (T, P, nieve, runoff)
Zonas montañosas templadas Criósfera próxima a su melting point Criosfera sensible a pequeños cambios de temperatura
Efectos del calentamiento:
En algunas regiones: nevadas lluvias
Línea de nieve: a mayor altura (~150 m / 1C)
Menor duración de la nieve, especialmente en niveles bajos