4. Bases de la modelización climática

Transcripción

1 Escenarios climáticos Bases de la modelización climática 4. Bases de la modelización climática Josep Enric Llebot Universidad Autónoma de Barcelona Introducción y objetivos La primera cuestión que se presenta al abordar el tema del clima y su evolución es diferenciar tiempo meteorológico y clima. A modo de aclaración somera, puede afirmarse que la meteorología es el tiempo que hace y el clima es el tiempo que debería hacer. Habitualmente, el clima se define como el tiempo medio, pero el sistema climático ha sido objeto de varias definiciones en el transcurso de los últimos años. En 1975, el Programa Global de Investigación de la Atmósfera (Global Atmospheric Research Programme o GARP) de la Organización Meteorológica Mundial estableció que el sistema climático estaba formado por la atmósfera, la hidrosfera, la criosfera, la superficie del suelo y la biosfera. El Convenio Marco de las Naciones Unidas sobre Cambio Climático, un documento político firmado el año 1992 y ratificado el mes de marzo de 1994, definía el sistema climático de una manera análoga: la totalidad de la atmósfera, la hidrosfera, la biosfera y la geosfera, y sus interacciones. El matiz de mencionar tales interacciones es relevante y probablemente indica el avance en el conocimiento registrado en los 17 años que separan ambos documentos. El objetivo de este capítulo es explicar de manera sucinta las bases sobre las que se sustentan las herramientas empleadas para proyectar el futuro climático: los modelos. El interés en disponer de proyecciones relativas al clima del futuro según la composición atmosférica variable que proponen los distintos escenarios socioeconómicos del futuro (Special Report on Emission Scenarios (SRES), GIECC, 2000) ha propiciado el desarrollo de los modelos numéricos. Un modelo es un conjunto de ecuaciones que pretenden representar el sistema climático globalmente o alguna de sus características, unas condiciones iniciales y las representaciones mediante parámetros de algunos procesos. Así pues, un modelo pretende ser una representación simplificada del comportamiento de la naturaleza. Toda representación presenta aproximaciones y prioridades que la caracterizan y que determinan sus límites de confianza y exactitud. Los errores de los modelos proceden, por una parte, de las simplificaciones en su elaboración o en la transcripción en forma numérica y, por la otra, de la definición de las condiciones iniciales y de contorno. Los modelos climáticos Las leyes físicas que gobiernan la dinámica de la atmósfera y del clima componen un conjunto completo de ecuaciones matemáticas no lineales que no disponen de métodos analíticos para ser resueltas y que deben tratarse numéricamente. Ahora bien, los modelos no pueden incluir la totalidad de las complejidades de todos los fenómenos que intervienen en el sistema climático. Por este motivo utilizan parametrizaciones, es decir: algoritmos que describen un proceso determinado a partir de variables fundamentales. Por ejemplo, la nubosidad en una celda de 100 km 2 no está relacionada únicamente con la humedad de la celda. Pese a ello, cuando la humedad media aumenta, la nubosidad aumenta. Esta relación puede ser la base de una parametrización, si bien las parametrizaciones a menudo son bastante más complejas que este esquema somero. Dada la naturaleza de las parametrizaciones, un modelo del clima depende del conocimiento experto e incluso puede incorporar distintas parametrizaciones por regiones diferentes. Ello justifica en parte la existencia de diversos modelos, cada uno de los cuales con sus propios detalles únicos y característicos. Con todo, el comportamiento a gran escala 63

2 que refleja la mayoría de los modelos es robusto, ya que no depende de las parametrizaciones específicas que se emplean ni de la escala espacial. Los modelos dividen el sistema por describir la atmósfera, el océano en una malla con celdas de unas dimensiones determinadas. El modelo resuelve las ecuaciones que gobiernan el sistema para cada celda teniendo en cuenta la interacción de cada una con sus vecinas. Una vez efectuado este cálculo para cada celda a partir de unas condiciones iniciales se obtiene la variación del sistema climático según el modelo en una iteración temporal y, por consiguiente, se dispone de unos valores de las variables fundamentales del modelo para cada celda. El paso siguiente consiste en convertir los resultados anteriores en nuevas condiciones iniciales para una nueva iteración, que a su vez arrojará nuevos valores para las variables de cada celda. Los modelos meteorológicos estándar se alimentan periódicamente con condiciones iniciales medidas mediante la red de observatorios meteorológicos y satélites, cosa que, como es lógico, no es posible hacer con los modelos climáticos. Naturalmente, cuanto más pequeña sea la celda más preciso será el modelo, pero más dilatado y complicado será su cálculo y más difícil resultará suministrarle las condiciones iniciales. Las ecuaciones diferenciales que aparecen en las ecuaciones del sistema climático suelen tratarse mediante ecuaciones equivalentes con diferencias finitas. La utilización de métodos de resolución numéricos añade, además, problemas de índole matemática, como la convergencia de las soluciones y su estabilidad. La atmósfera y los océanos están estrechamente acoplados. El esfuerzo del viento sobre la superficie del océano es el principal impulsor de la circulación superficial en el mar y la evaporación del vapor de agua hacia la atmósfera mediante la liberación del calor latente cuando se condensa es una fuente importante de energía que caracteriza la circulación atmosférica. Así pues, los modelos climáticos globales con acoplamiento atmósfera-océano son los que actualmente se utilizan con celdas de entre 100 y 200 km de anchura para la atmósfera y menores dimensiones para el océano, ya que los procesos dinámicos en el mar presentan una escala inferior, en general la mitad de la utilizada para la atmósfera. La mayor parte de los modelos usan como mínimo unas 20 capas para la atmósfera y otras 20 más para el mar, si bien últimamente, como se comentará más adelante a escala local, se pretende utilizar modelos con una escala de mayor resolución. Al final de la década de 1950 se pensaba que las inexactitudes de los modelos numéricos de predicción meteorológica procedían estrictamente del tamaño de la celda elemental (Houghton, 2005) y, por tanto, de la potencia de los ordenadores en los que se hacen funcionar estos modelos. Según este planteamiento, no existía ninguna diferencia entre la predicción de los movimientos orbitales de los planetas o las mareas del océano y la predicción del clima o del tiempo del futuro. No obstante, en las postrimerías de la década de 1960, P. D. Thompson y E. N. Lorentz comenzaron a sospechar que, para los límites de la predictibilidad de los modelos meteorológicos, existían razones más fundamentales que las limitaciones de cálculo. Básicamente, lo que descubrieron fue que los modelos numéricos que empleaban eran muy sensibles a cambios mínimos en las condiciones iniciales. Thompson observó que la calidad de la predicción dependía de manera significativa de la disponibilidad de la información completa de cada estación meteorológica. Si no se disponía de la información completa, el modelo debía obtenerla por interpolación y las predicciones dejaban de ser fiables. Trabajando en el mismo caso, Lorentz (Lorentz, 1965) observó que dos predicciones comenzadas con condiciones iniciales muy parecidas podían llevar a predicciones muy distintas sobre el estado del tiempo transcurrido un determinado lapso. No se cumplía, por tanto, lo que se da en los sistemas mecánicos newtonianos, donde dos sistemas idénticos que parten de condiciones iniciales muy cercanas evolucionan en el tiempo en trayectorias también muy parecidas. Lorentz buscó sistemas mecánicos con características análogas y la sorpresa fue que encontró algunos mucho más sencillos que el propio sistema de ecuaciones que describía la atmósfera y que había estado estudiando hasta entonces. La conclusión que demostró Lorentz fue que es posible predecir el comportamiento de algunos 64

3 Escenarios climáticos Bases de la modelización climática sistemas deterministas solo durante un tiempo finito, el cual depende de la exactitud con que se hayan medido las condiciones iniciales. Por consiguiente, existen limitaciones intrínsecas al uso de los modelos de simulación del tiempo y del clima (Lorentz, 2005). Cabe tener en cuenta que el objeto de interés del estudio del clima no es un estado individual del sistema climático, sino un conjunto de estados. En cierta manera, el estudio del clima es parecido a la situación que se da en algunas disciplinas de la física, como la mecánica estadística, donde lo que interesa no es estudiar un estado microscópico individual de un sistema, sino todos los estados que puede alcanzar un sistema dadas unas condiciones macroscópicas determinadas. Por tanto, para establecer estados futuros del clima, en lugar de estudiar el comportamiento estadístico de algunas propiedades atmosféricas y su evolución en el tiempo, estudiamos los distintos valores que pueden alcanzar en una franja determinada de las condiciones iniciales de estas variables y hacemos una media. Un modelo fisicomatemático del clima representa un estado estadístico de la atmósfera que depende únicamente de las condiciones del contorno impuestas por la biosfera, la criosfera y la litosfera, junto con el espacio exterior. El modelo climático se materializa sobre la base de las ecuaciones dinámicas, termodinámicas e hidrodinámicas que representan de una manera adecuada estos subsistemas, junto con las condiciones de contorno e iniciales, los valores de las constantes físicas y los parámetros que permiten describir los flujos de materia, energía e impulso. Las constantes físicas incluyen datos planetarios, como el radio de la Tierra, la aceleración de la gravedad y la velocidad angular de rotación; constantes internas, como la masa total, la composición química del aire y de los océanos; calores específicos, calores latentes de cambio de fase, y albedos de las nubes y de la superficie terrestre. Las condiciones iniciales incluyen la energía solar, los parámetros orbitales, la topografía de la superficie, las propiedades de la superficie del suelo, etc. En los modelos se toma la atmósfera como sistema principal. El segundo subsistema que se tiene en cuenta son los océanos. Dado el fuerte acoplamiento entre la atmósfera y los océanos, para obtener una buena modelización conviene incluir las interrelaciones entre ambos sistemas. La contribución de los demás subsistemas acostumbra a integrarse mediante parámetros. Los modelos climáticos se clasifican tanto con respecto al tipo de modelo como al grado de resolución: Modelos de balance energético (EBM en sus siglas inglesas): Son de los modelos más simples, puesto que no distinguen entre los diversos componentes de un sistema climático, si bien determinan la temperatura efectiva del planeta, asumiendo la existencia de un balance de energía entre la radiación solar absorbida y la radiación terrestre emitida al espacio. Son modelos simples, lo cual no quiere decir que sean sencillos, que permiten calcular la distribución espacial de la temperatura de equilibrio en función de la latitud, de la altura o de ambas variables. Los parámetros importantes que utilizan son la radiación del Sol, el albedo con los efectos de las nubes, los aerosoles, la superficie de hielo, la radiación infrarroja absorbida por la atmósfera y la distribución de la temperatura media en la dirección norte-sur. En los modelos de balance de energía más sofisticados, la corteza de hielo y, por ende, el albedo cambian de acuerdo con la temperatura que se obtiene del modelo, y los perfiles de temperatura se determinan a partir de los valores de los parámetros del transporte del calor meridional para la circulación atmosférica y oceánica. Estos modelos se emplean para entender las repercusiones que se producirían sobre el sistema climático y su sensibilidad en respuesta a alteraciones de aspectos importantes del clima como, por ejemplo, la constante solar o el albedo planetario. También se utilizan como una ayuda para la interpretación de los resultados de modelos más complejos. Son modelos conceptualmente interesantes, que no implican el empleo de grandes recursos de cálculo. Modelos radiativos-convectivos: Son también modelos unidimensionales que determinan la distribución vertical de la media global de la temperatura de la atmósfera y de la superficie terrestre. Responden a una composición atmosférica y a un albedo superficial predeterminados. Incluyen módulos que describen la 65

4 transferencia radiativa de radiación solar y terrestre, los intercambios de radiación entre la superficie terrestre y la atmósfera, y la distribución vertical de las nubes con sus propiedades radiantes. Algunos de estos modelos se han acoplado a modelos oceánicos e incluyen modelizaciones del intercambio energético con las capas más profundas del océano. Las predicciones de estos modelos para los cambios de la composición atmosférica son muy sensibles a los parámetros que se usan para cuantificar el intercambio con el océano, sobre todo entre la zona de mezcla y la zona de aguas profundas. Modelos zonales: Son modelos bidimensionales capaces de simular variaciones verticales y meridionales en propiedades de la superficie y de la atmósfera sobre las cuales se ha evaluado la media zonal, es decir, sobre las cuales se ha calculado la media para todas las longitudes a lo largo del paralelo correspondiente a una latitud determinada. La ventaja que presentan estos modelos con respeto a los modelos radiativos-convectivos y los modelos de balance energético es que pueden responder a las variaciones latitudinales de la corteza de hielo prescritas o modeladas, a las propiedades del suelo y de la superficie del océano, y a la distribución de las nubes. Los modelos zonales pueden llegar a generar circulaciones generales a gran escala, como la celda de Hadley, integrando numéricamente las ecuaciones del movimiento y los transportes de calor y de vapor de agua en una red bidimensional (meridional-vertical). Los modelos zonales incluyen los efectos de transporte de los ciclones extratropicales y tropicales, y de las nubes convectivas con parámetros. Cuando mediante los modelos zonales se reduce la insolación solar por debajo de un umbral determinado, los modelos pasan de un estado del clima estable, con una parte de la superficie terrestre cubierta por la nieve, a un estado del clima en que toda la Tierra queda completamente helada. Así pues, estos modelos requieren un calentamiento poco realista para retornar a un planeta parcialmente cubierto de hielo. Esta característica de los modelos zonales se conoce como catástrofe del albedo hielo y se debe a un problema con la descripción adecuada del transporte del calor que presentan estos modelos. Modelos climáticos globales Son modelos tridimensionales, es decir: las variables del modelo dependen de las dos coordenadas horizontales, la latitud y la longitud, y de la altura. Simulan el clima usando técnicas numéricas para la predicción meteorológica del tiempo, pero más complejas cuando se trata de modelos acoplados atmósfera-océano (AOGCM). Por lo tanto, intentan reproducir explícitamente la circulación en la atmósfera y en el océano que contribuye al transporte horizontal y vertical del calor, del vapor de agua y de otras propiedades. Como ya se ha indicado, la resolución de la red de estos modelos se basa en celdas de entre 3º y 1º de latitud y de longitud, que corresponden a una franja horizontal aproximada de entre 100 y 300 km y a una resolución vertical de entre 200 y 400 m. Los modelos GCM se inicializan a partir de una estructura atmosférica dada y simulan la evolución de la circulación general en la atmósfera durante décadas o incluso siglos, superando el intervalo máximo de predicción de cualquier modelo de predicción del tiempo. Los objetivos de estos modelos son representar las propiedades estadísticas de la atmósfera y simular los escenarios de cambio climático. No obstante, los modelos son simulaciones en la medida en que se elaboran manejando algunos datos que no cambian, como la radiación solar o los parámetros orbitales. Un modelo completo debería incluir todos los procesos importantes responsables, algunos de los cuales aún no se conocen con la precisión suficiente y no cuentan con la necesaria descripción de su dinámica, como por ejemplo el ciclo del carbono u otros imposibles de predecir, como el vulcanismo o los cambios de concentraciones en la atmósfera, sobre todo de gases de efecto invernadero o de aerosoles. En cuanto a la composición de la atmósfera, se utilizan los escenarios de emisiones que corresponden a las proyecciones de cuáles podrían ser los escenarios socioeconómicos de nuestra sociedad que conducirían a una determinada concentración atmosférica de gases de efecto invernadero. Los escenarios se agrupan en cuatro familias, A1, A2, B1 y B2 (véase la figura 1), que subrayan el carácter global-regional del desarrollo según A o B y la priorización del desarrollo económico o el cuidado ambiental 1 o 2, respectivamente. 66

5 Escenarios climáticos Bases de la modelización climática Figura 1. Escenarios planteados por el Intergovernmental Pannel for Climate Change (IPCC). ESCENARIOS según el caracter global-regional del desarrollo A B según la prioridad del desarrollo económico, o cuidado ambiental A1 A2 B1 B2 A1FI A1T A1B A2 B1 B2 Los escenarios se dividen en cuatro familias. La familia A1 describe un mundo futuro de crecimiento económico rápido, una demografía que alcanza su punto álgido a mitad de siglo y una introducción acelerada de tecnologías nuevas y más eficientes. La familia A1 se subdivide en tres grupos: A1FI (energías fósiles), A1T (todas las fuentes son de energía alternativa) y A1B (equilibrio entre energías fósiles y alternativas). La familia A2 describe un mundo heterogéneo con un crecimiento económico y un desarrollo tecnológico, demográfico y cultural de los países muy diferentes en todo el mundo. La familia B1 engloba los escenarios que contemplan una homogeneización económica, tecnológica, demográfica y social del mundo, con cambios veloces en las estructuras económicas y con tecnologías limpias y eficientes. La familia B2 considera un mundo que pone énfasis en las soluciones locales a los problemas de sostenibilidad económica, social y ambiental. Se trata de un escenario orientado a la protección ambiental y a la equidad social, si bien este se focaliza en el ámbito local y regional. Las hipótesis utilizadas en estas familias de escenarios conducen a emisiones de CO 2 bastante distintas (véase la figura 2) y, naturalmente, a concentraciones de CO 2 muy diferentes que, para los escenarios más representativos, oscilan entre el 90 % y el 250 % de más respecto de la concentración del año 1750 (280 ppm). Habitualmente se suelen considerar los escenarios de situaciones extremas con más o menos concentraciones, es decir los escenarios A2 y B2. 67

6 Figura 2. Emisiones acumuladas en GtC según los distintos escenarios SRES (GIECC, 2000). Resultados Una prueba obvia de un modelo climático consiste en desarrollarlo durante un determinado período de tiempo y analizar en detalle el clima que se genera y el clima que se observa, tanto en lo tocante a la media como a la variabilidad. En la actualidad, los modelos se comportan especialmente bien con relación a estos aspectos. También compiten entre ellos y además se utilizan para simular o reproducir los cambios que se generan a consecuencia de un forzamiento climático, como puede ser un episodio de El Niño o una erupción volcánica. En este sentido, la simulación de los efectos de la erupción del volcán Pinatubo el año 1991 ha sido particularmente útil y especialmente buena, tanto por las medias globales, un enfriamiento de 0,05 ºC, como por los comportamientos regionales. Los modelos de referencia se han probado asimismo en el pasado paleoclimático, en condiciones de una distribución de la energía solar bien distintas a las actuales. La capacidad de cálculo posibilita cada vez más realizar comparaciones entre distintas simulaciones con condiciones iniciales diferentes, y ello permite profundizar el conocimiento de la variabilidad de los modelos y la incertidumbre de las proyecciones que realizan. Con alusión a este último aspecto, entre los resultados más concluyentes del AR4 (Cuarto informe de evaluación del GIECC, hecho público el 2007 y publicado el 2008), es de obligada mención constatar que, con la variabilidad natural del clima, es imposible explicar cómo ha cambiado la temperatura media superficial de la Tierra a lo largo del siglo XX. De la figura 3 se desprende que hasta el año 1960 no es posible constatar en la evolución de la temperatura la huella antrópica, mientras que a partir del último cuarto del siglo XX es imposible entender cómo ha ido cambiando sin tener en cuenta la contribución de las actividades humanas. 68

7 Escenarios climáticos Bases de la modelización climática Figura 3. Resultados de las simulaciones de los modelos para el siglo XX teniendo en cuenta la variabilidad natural (curvas azules) o la variabilidad natural y el efecto debido a las actividades humanas (curvas rojas). La línea negra corresponde a la evolución real de la temperatura (GIECC, 2007). Conclusiones: incertidumbres La modelización climática es esencialmente diferente a la predicción meteorológica. La meteorología guarda relación con un problema de condiciones iniciales: dada la situación actual, cuál será la de mañana? Anteriormente se ha hecho referencia a su carácter caótico (Schmidt, 2007), es decir, a la sensibilidad de las condiciones iniciales al comienzo de la simulación meteorológica, que aumenta con el tiempo y que impone un límite de unos 14 días. Las proyecciones climáticas son distintas: no son un problema de condiciones iniciales, sino de condiciones de contorno, es decir: una descripción estadística del estado medio y de la variabilidad de un sistema, no el análisis de una trayectoria concreta dentro del espacio de fase. Los modelos climáticos parten de climas estables, no caóticos. Una muestra de dicha estabilidad también puede fundamentarse en la correlación de los ciclos de Milankovitch en los parámetros orbitales de la Tierra y los ciclos de los grandes cambios climáticos del último millón de años. Esta correlación, que evidencia claramente que los ciclos de Milankovitch son el primer factor inductor de los grandes cambios climáticos sustanciales, los cuales comportan la sucesión de períodos glaciales e interglaciales, sugiere que el sistema climático no es excesivamente caótico en lo tocante a los cambios en las condiciones ambientales que suponen tales ciclos. Esta estabilidad de los climas permite plantear el análisis en torno a los cambios de funcionamiento del sistema climático provocados por la acción humana de una manera parecida a como se analizan los cambios ocurridos en el pasado, ya que la sensibilidad del clima, o lo que es lo mismo, los cambios climáticos asociados a las variaciones en la composición atmosférica de gases de efecto invernadero, no son, por lo que respecta al régimen radiativo en la cima de la atmósfera, muy distintos de los cambios debidos a los forzamientos asociados a los ciclos de Milankovitch. Finalmente, a medida que vayan añadiéndose nuevos componentes a los modelos climáticos, como por ejemplo el complicado ciclo de carbono o la dinámica de las cortezas de hielo y las retroacciones correspondientes, podría ocurrir que aumentara el caos de la modelización climática. La simulación de escenarios regionales de cambio climático se caracteriza por la presencia de distintas fuentes de incertidumbre que afectan a todos los estadios del proceso, desde el establecimiento de los escenarios de emisión recién mencionados, hasta los modelos globales y la simulación a escala regional. A continuación se mencionan las más destacadas (Gutiérrez i Pons, 2006): 69

8 la representatividad de los escenarios; la falta de conocimiento completo del ciclo del carbono; las herramientas, es decir: los modelos, que aún muestran una dispersión excesiva y reflejan la sensibilidad de los modelos del clima a pequeños cambios en el forzamiento externo del sistema climático; los modelos ya citados, que representan la dinámica de otros subsistemas del sistema climático, como por ejemplo los modelos de la evolución del suelo; las distintas técnicas de regionalización (estadísticas y dinámicas), que añaden incertidumbre a las proyecciones locales de cambio climático; los modelos de impacto, es decir: de simulación de las consecuencias de un determinado cambio en las condiciones ambientales sobre una determinada actividad económica, que también presentan una gran dosis de incertidumbre, ya que utilizan visiones fenomenológicas en muchas ocasiones poco contrastadas y en algunas incluso poco desarrolladas. En consecuencia, y a la vista de la enorme cantidad de incertidumbres que afectan al proceso de generación de escenarios de cambio climático, se intenta utilizar metodologías que permitan calcular la incertidumbre asociada a cada uno de los pasos citados, con el objetivo de encontrar un «intervalo de confianza» para un escenario resultante del cambio climático. A causa de la dificultad de este proceso, la evaluación de incertidumbres asociadas a las proyecciones de cambio climático se lleva a cabo con una aproximación probabilística en que se explora un conjunto representativo de métodos, modelos, emisiones, etc. Conforma lo que se conoce como método de «predicción por conjuntos» (ensemble forecast en inglés). Esta metodología de predicción por conjuntos ha ido imponiéndose en la última década para la predicción probabilística a distintas escalas temporales, desde el término medio hasta las proyecciones de cambio climático. Así pues, las predicciones de tipo determinista se mantendrán, pero irán cediendo terreno frente a las predicciones probabilísticas basadas en un conjunto o población de predicciones. El referente internacional actual de este tipo de estrategias de aproximación probabilística al cambio climático lo constituye el proyecto ENSEMBLES ( que pretende limitar las incertidumbres en las predicciones de cambio climático mediante integraciones de escenarios de emisión diferentes, modelos globales diferentes, modelos regionales diferentes y técnicas estadísticas de regionalización diferentes, y que proporciona asimismo métodos de tratamiento estadístico del peso estadístico de cada resultado. Como ya se ha comentado anteriormente, la resolución de los modelos climáticos empleados para simular el clima futuro a partir de los distintos escenarios es baja si se desea obtener un análisis regional o local, y el detalle geográfico que pueden alcanzar actualmente las previsiones es aún muy limitado y no permite pronosticar diferencias ni tendencias regionales. En lo que respecta a Cataluña, todo el territorio está en dos celdas de los modelos globales y, por tanto, el país en su conjunto se reduce a dos puntos de predicción, pese a presentar una geografía complicada que le confiere distintos microclimas. Esta deficiencia de los modelos globales impele a llegar a proyecciones que estimen los efectos locales del cambio climático. Este es uno de los problemas que actualmente afronta la comunidad investigadora. En el pasado reciente se han llevado a cabo algunos proyectos, como los que han involucrado a numerosos grupos de modelización europeos (proyectos Prudence, Stardex y Ensembles), orientados precisamente a generar escenarios a escala regional, con una enorme variedad de métodos y modelos climáticos globales y regionales. Esta labor de proyección regional se efectúa empleando técnicas dinámicas, adaptando modelos numéricos locales de más resolución o desplegando técnicas estadísticas con modelos empíricos que relacionan las variables de gran escala con variables locales (Benestad, 2001, 2004). Las técnicas de regionalización dinámica se basan en el uso de modelos regionales o de área limitada. Para aumentar la resolución de los modelos climáticos globales se anida un modelo regional de mayor resolución en el seno del modelo global, únicamente en la zona de interés. El modelo regional acostumbra a ser un modelo 70

9 Escenarios climáticos Bases de la modelización climática de pronóstico meteorológico de mesoescala para una región determinada que utiliza una celda de dimensiones harto reducidas. Este modelo toma como condiciones de contorno los valores del modelo global a lo largo de toda la integración. Estas técnicas dinámicas presentan la ventaja de ser coherentes físicamente y la desventaja de necesitar una gran capacidad de cálculo, por lo que hoy en día están limitadas a simulaciones con resoluciones no superiores a 20 km. Los métodos estadísticos de regionalización se basan en el uso de técnicas estadísticas que relacionan de manera empírica las variables climáticas a gran escala proporcionadas por los modelos globales de circulación con las variables locales observadas en superficie relacionadas con el fenómeno objeto de estudio. Esto comporta que pueda disponerse de series históricas dilatadas, tanto procedentes de modelos numéricos (reanálisis) como de observaciones de estaciones meteorológicas. La ventaja de las técnicas de downscaling estadístico radica en que, además de ser aplicables a variables clásicas, como la precipitación y la temperatura, también pueden aplicarse a cualquier otra variable, como la frecuencia de las tormentas de levante o la fecha de la vendimia en una región, que dependen de la circulación a gran escala, pero que los modelos globales y regionales no proporcionan. Por otro lado, las necesidades de cálculo de estas técnicas son, en general, modestas, si bien en determinados casos las técnicas no lineales utilizadas pueden consumir también grandes cantidades de recursos en los procesos de optimización involucrados. El clima del Principado no es homogéneo, sino que está afectado por fenómenos frontales y por procesos convectivos. Cabe esperar que el downscaling estadístico no arroje idénticos resultados en uno y otro caso y que, por consiguiente, unas técnicas sean más apropiadas que otras para distintas variables y zonas y ello haga necesario un estudio comparativo de diferentes técnicas para cuantificar adecuadamente la incertidumbre. Una vez identificadas las mejores técnicas estadísticas para cada zona y cada variable, sería deseable realizar un conjunto de proyecciones futuras tan amplio como sea posible, tanto en relación al número de modelos como de escenarios de forzamientos (Calbó y Rel, 2008; Calbó [et al.], 2008). Una de las principales críticas al uso de técnicas de downscaling en estudios de regionalización de escenarios de cambio climático es la imposibilidad de demostrar que los modelos son apropiados para el clima futuro, con forzamientos diferentes desde el período utilizado para inferir los modelos. Este problema es crítico para los estudios de cambio climático en una zona como Cataluña, con una variabilidad climática moderada. Podría darse el caso de que los modelos fueran estacionarios para un tipo de clima, y no así para otro. Precisamente por ello conviene realizar un estudio que estime la significación de la estacionalidad de los modelos en presencia de distintos forzamientos radiativos y en períodos diferentes del clima actual. Para ello será necesario diseñar tests estadísticos apropiados que permitan cuantificar la variabilidad de los modelos respecto de la ventana temporal y los escenarios utilizados para generarlos. Lógicamente, también será necesario determinar las variables de gran escala que se muestran más robustas a estos cambios y que, por consiguiente, constituirían los elementos de predicción idóneos para estas técnicas, aunque no proporcionen la mejor predicción del clima presente. Referencias bibliográficas Benestad, R. E. Comparison between two empirical downscaling strategies. International Journal of Climatology, (21): págs , DOI: /joc.703. Benestad, R. E. Empirical-Statistical downscaling in climate modelling. Eos, (85): págs , Ca l b ó, J.; Rel, R. Escenaris climàtics futurs a Catalunya. Comunicación privada del Grupo de Expertos en Cambio Climático de Cataluña (GECCC), Ca l b ó, J.; Cu n i l l e r a, J.; Ll a s a t, C.; Ll e b o t, J. E.; Ma r t í n Vi d e, J. «Proyecciones climáticas para Cataluña». En: Agencia 71

10 Catalana del Agua (ACA) - Fundación Nueva Cultura del Agua (FNCA). Agua y cambio climático. Diagnosis de los impactos previstos en Cataluña. Barcelona: (Este volumen.) Gutiérrez, J. M.; Po n s, M. R. Modelización numérica del cambio climático: bases científicas, incertidumbres y proyecciones para la Península Ibérica. Revista de Cuaternario y Geomorfología, (20, 3-4): págs , Ho u g h t o n, J. Global warming. Reports on Progress in Physics, (68): págs , DOI: / /68/6/R02. IPCC (2000). Special report on emission scenarios (SRES). N. Nakicenovic, R. Swart (eds.). Cambridge University Press. Cambridge (Regne Unit) i Nova York (Estats Units). 570 pàg. IPCC (Intergovernmental Pa n n e l f o r Cl i m a t e Ch a n g e). The science of climate change Cambridge (Reino Unido); Nueva York (Estados Unidos): Cambridge University Press, Lorentz, E. N. A study of the predictability of a 28-variable atmospheric model. Tellus, (17): págs , Lorentz, E. N. A look at some details of the growth of initial uncertainties. Tellus, (57a): págs. 1-11, Sc h m i d t, G. A. The physics of climate modelling. Physics Today, (60 [1]): págs. 72,