CONSULTORÍA PARA LA ELABORACIÓN DE UN ESTUDIO SOBRE ESTADO DEL ARTE DE MODELOS PARA LA INVESTIGACIÓN DEL CALENTAMIENTO GLOBAL

Transcripción

1 CONSULTORÍA PARA LA ELABORACIÓN DE UN ESTUDIO SOBRE ESTADO DEL ARTE DE MODELOS PARA LA INVESTIGACIÓN DEL CALENTAMIENTO GLOBAL Maisa Rojas DGF, FCFM, Univ. de Chile Informe de Final 15 Noviembre 2012

2 Tabla de contenido 1. Objetivos de la consultoría Introducción Cómo se construyen las simulaciones de cambio climático Escenarios Representative Concentration Pathways RCP RCP RCP RCP Incertidumbres en proyecciones de Cambio Climático Modelos Globales: Base de datos CMIP Modelos Regionales Resultados Modelos Globales y PRECIS-ECHAM Evaluación Proyecciones: Cambios en Temperatura Proyecciones: Cambios en Precipitación Resumen comparativo de las proyecciones Estado actual de la modelación en Chile y brechas de conocimiento Conclusiones Recomendaciones Referencias

3 1. Objetivos de la consultoría El objetivo principal de esta consultoría es realizar una evaluación crítica de las simulaciones de cambio climático existentes, incluyendo modelos globales y regionales, para Chile. Los objetivos específicos son: a) Conocer el estado actual de las simulaciones climáticas a escala global. b) Conocer el estado de desarrollo de los modelos climáticos regionales aplicados al territorio nacional. c) Identificar brechas de datos, conocimientos y modelos aplicados en Chile. d) Analizar las ventajas y desventajas de los modelos climáticos regionales utilizados en Chile en términos de variables relevantes. e) Proponer líneas de trabajo futuro para mejorar la confiabilidad de los modelos utilizados para evaluar proyecciones de cambio climático en Chile. Este informe resume el estado actual de las simulaciones de proyecciones de cambio climático existentes con un énfasis en Chile. La información descrita aquí pretende servir de base para conocer cómo se han construidos y qué proyectan los modelos de última generación para el clima del siglo XXI en Chile. 3

4 2. Introducción A fines del año 2013, el Panel Inter gubernamental sobre cambio climático (IPCC) publicará su Quinto Informe (AR5) sobre el estado del arte del entendimiento científico sobre el cambio climático. Para esto los grupos que desarrollan modelos climáticos, han ejecutado la quinta fase del proyecto de inter-comparación de las simulaciones de proyecciones de cambio climático (Coupled Modeling InterComparison Project 5, CMIP5). Existen una veintena de grupos internacionales, todos con modelos acoplados Atmósfera-Océano (AOGCM) que están participando en este ejercicio. Algunos de los grupos están corriendo Earth System Models, estos son modelos que incluyen además de la Atmósfera y el Océano, entre otras cosas vegetación interactiva y ciclo de carbono interactivo. En este informe, independiente de lo complejo del modelo, los modelos acoplados globales los denominaremos modelos globales o GCM por sus siglas en inglés. Cabe señalar aquí que dada la complejidad de los modelos climáticos solamente grandes instituciones donde se incluyen universidades, centros meteorológicos y centros de investigación en clima han desarrollado este tipo de modelos. Estos modelos son la única herramienta para poder hacer una proyección climática futura. Entonces, personas o grupos escépticos del cambio climático antropogénico no cuentan con sus propios modelos, pero critican la calidad de esta veintena de modelos existentes (una discusión sobre las incertidumbres asociadas a estas proyecciones se da en la sección 4 de este informe). Las nuevas simulaciones realizadas para CMIP5 cubren un espectro más amplio de experimentos que los anteriores (CMIP3). Los experimentos se pueden clasificar en tres tipos: I. Simulaciones decadales pasadas ( Hindcasts ) y predicciones decadales. Estas simulaciones tienen un largo de 10 años y son inicializados con condiciones iniciales observadas en la atmósfera (esto es lo que se hace en cualquier pronóstico del tiempo) y del océano. Este tipo de simulaciones no se analizarán. II. III. Simulaciones de largo plazo (todo el siglo XXI), forzadas por escenarios de emisión Representative Concentration Pathways (RCPs). Simulaciones con modelos Atmosféricos solamente, forzados por los RCPs y temperaturas de superficie del mar (para 4

5 simulaciones de muy alto costo computacional). Este tipo de simulaciones no se analizarán. En este informe se describen y muestran resultados de las simulaciones del segundo tipo. Es decir simulaciones para el siglo XXI, forzados por los nuevos escenarios de emisiones: Representative Concentration Pathways. En algunos casos estos resultados serán comparados con las simulaciones de la generación anterior CMIP3. 2. Cómo se construyen las simulaciones de cambio climático Los modelos GCM son forzados principalmente por concentraciones de Figura 1: Figuras de Moss et al (2010) esquema de los procesos de generación de escenarios socio- económicos para estudios de cambio climático e impactos. Izquierda: Proceso tradicional secuencial, derecha: proceso nuevo: paralelo. gases atmosféricos, antropogénicos y naturales (gases de efecto invernaderos, aerosoles provenientes de erupciones volcánicas, quema de biomasa, o contaminación). También son forzados por cambios de uso de suelo y por supuesto por radiación solar. Como la trayectoria de emisiones de gases de efecto invernadero y otros para el futuro no es conocida se utilizan distintos escenarios de desarrollo económico-social para predecirlas. Debido a que las mayores emisiones de gases de efecto invernadero proviene de las necesidades energéticas de las naciones, distintas posibles vías de desarrollo se traducen en trayectorias de emisiones. Distintas vías de crecimiento y desarrollo de agricultura (principalmente) se traducen en cambios de uso de suelo. La mayoría de los modelos AOGCM no incluyen un ciclo de carbono completo, por lo que las emisiones deben pasar por modelos biogeoquímicos no-en línea ( offline ) para calcular a partir de las emisiones, la trayectoria de las concentraciones de gases de efecto invernadero. Finalmente las concentraciones atmosféricas de estos gases, como los cambios en el 5

6 uso de suelo producen un forzamiento radiativo 1 con el cual los modelos simulan los procesos del sistema climático y obtienen una señal de respuesta medida en una gran cantidad de variables, como por ejemplo el cambio en temperatura o precipitación. Todos los modelos GCM que participan en CMIP5 debieron correr como mínimo una simulación llamada histórica, que cubre los años , y que está forzada por gases de efecto invernadero, erupciones volcánicas, radiación solar, etc, observadas. Además se corren escenarios futuros de emisiones para el periodo Escenarios Representative Concentration Pathways Después de último informe del IPCC (AR4, 2007) se hizo clara la necesidad de nuevos escenarios de emisiones, pasando así de los escenarios del Special Report on Emission Scenarios (SRES) (Nakicenovic et al., 2000) a los Representative Concentration Pathways (RCPs). La necesidad de nuevos escenarios vino por varios frentes, pero principalmente por lado de los tomadores de decisiones y científicos trabajando en el ámbito de la mitigación. Había un interés creciente en tener escenarios que explícitamente evaluaran distintas estrategias y políticas climáticas de mitigación y de adaptación. De esta manera, e puede ligar directamente una cierta respuesta climática a una cierta estrategia de mitigación y así evaluar los costos y beneficios de distintas estrategias. Además, el desarrollo de los propios modelos climáticos, muchos de ellos Earth System models, con vegetación interactiva, ciclo de carbono y con mejor representación de química atmosférica, requerían información más detallada (espacial y temporalmente) y de un mayor número de gases (aerosoles sobre todo), incluyendo escenarios de cambio de uso de suelos. Los nuevos escenarios fueron desarrollados por la Integrated Assessment Modelling Community (IAMC). Representantes de las comunidades de desarrolladores de escenarios socio-económicos, modeladores climáticos, mitigación y adaptación se juntaron para, de manera colaborativa, desarrollar estos nuevos escenarios. Este proceso es fundamentalmente distinto a la manera en que se habían desarrollado los escenarios anteriores y es descrito en Moss et al (2010) y en más detalle en van Vuuren et al., (2011). Del paper de Moss et al (2010) se replican aquí dos figuras que esquemáticamente describen los dos procesos. 1 El concepto de forzamiento radiativo es explicado en el Anexo 1. 6

7 El proceso tradicional es secuencial (Figura 1a). Esto significa que primero se definen los escenario de desarrollo socio-económicos para todo el siglo XXI, estos escenarios se traducen en trayectorias de emisiones de gases de efecto invernadero (series de tiempo de emisiones de distintos gases por distintos sectores económicos y actividades humanas), las emisiones de traducen en concentraciones atmosféricas y por lo tanto en forzamiento radiativo (series de tiempo nuevamente, calculadas por modelos biogeoquímicos). Estas concentraciones son entregadas como condiciones de borde a los modelos GCM que calculan para todo el siglo XXI la respuesta climática a estos forzantes. Los resultados de los GCM son finalmente utilizados para evaluar impactos, vulnerabilidad y estrategias de adaptación. En el nuevo proceso, denominado paralelo, se comienza por definir en líneas gruesas, a partir de distintos forzamientos radiativos, vías o rutas de concentraciones de gases de efecto invernadero. En paralelo la comunidad de modelación climática realiza sus simulaciones forzadas por estos nuevos escenarios (esto es lo ya ocurrió con CMIP5), y al mismo tiempo la comunidad de construcción de escenarios define con mayor detalle las distintas opciones de desarrollo socio-económicos que sean compatibles con los distintos RCPs, tal como lo está realizando MAPS para Chile. Una vez realizados ambos aspectos, se pueden generar nuevos estudios integrando la información de proyecciones climática y socioeconómicos. Se describe a continuación brevemente la primera etapa de este proceso, la definición inicial de los nuevos escenarios de emisiones. IAMC decidió que éstos tuvieran las siguientes características (Moss et al., 2010, van Vuuren et al., 2011): a) proveyera una fuente rica de información para las comunidades de adaptación y desarrollo socio-económico para desarrollar escenarios basados en políticas futuras. b) Representaran apropiadamente forzamientos radiativos lo suficientemente diferentes como para evaluar su impacto climático en el largo plazo. c) Fueran compatibles con todo el rango de escenarios de emisiones, estabilización y mitigación existente actualmente en la literatura publicada y revisada por pares. Una vez acordadas éstas características básicas para los nuevos escenarios, se decidió desarrollar 4 posibles vías representativas de concentraciones (de gases invernaderos), que tienen su nombre de acuerdo al forzamiento radiativo que producen al año 2100: RCP 2.6 7

8 W/m 2, RCP 4.5 W/m 2, RCP 6.0 W/m 2 y RCP 8.5 W/m 2 (para más información ver anexo 1 sobre forzamiento radiativo), y que son mostradas en la figura 2, en conjunto con los antiguos escenarios SRES. De la figura se puede ver que el nuevo escenario RCP2.6 (o required by science ) tiene concentraciones mucho más bajas que cualquiera de los escenario SRES, y que el escenario RCP8.5 llega a fines de siglo con concentraciones de CO 2 más altas que el escenario SRES A2. Figura 2: trayectorias de concentraciones de CO2 de los distintos escenarios: SRES B1, B2, A1B y A2. Los 4 RCP: 2.6, 4.5, 6 y 8.5. A continuación se describen brevemente las principales supuestos y características de estos 4 escenarios. Van Vuuren et al (2011) provee un resumen del proceso y los detalles de las metodologías empleadas en el proceso de crear los RCPs. Las figuras 4-6 muestran las trayectorias de población, producto interno bruto (PIB), energía, y emisiones de los principales GEI para los 4 escenarios descritos a continuación RCP 2.6 Esta vía o ruta de emisiones y concentraciones es representativo de la literatura sobre escenarios de mitigación cuyo objetivo es limitar el calentamiento global por debajo de los 2 C a fin de siglo. Aunque existen importantes incertezas, se supone que un calentamiento de 2 C a fin de siglo, se logra limitando el forzamiento radiativo a valores menores a 3W/m 2, por esto la meta de este RCP es de 2.6W/m 2. Alcanzar esta meta requiere de reducciones netas en emisiones bastante drásticas, que algunos trabajan sugieren no son posibles de alcanzar (ver van Vuuren et al, 2011b). Los autores, usando el Integrated Assessment Model IMAGE, prueban que, al

9 menos en ese modelo, es posible encontrar vías para llegar a un forzamiento radiativo de 2.6 W/m 2 al año Figura 3: Crecimiento poblacional y económico para los 4 escenarios RCP (de Vuuren et al 2011b). Los supuestos para lograr este objetivo incluyen: crecimiento de población mundial medio, crecimiento del Producto Interno Bruto (PIB), como de la intensidad de emisiones (emisiones/pib) medios también (ver figura 3). Requiere de tecnologías de almacenamiento y captura de carbono ( Carbon Capture and Storage, CCS) y disminución de emisiones de bío-energías, gas natural, petróleo y carbono a partir del año La figura 3 muestra la trayectoria de la línea base y las trayectorias requeridas para alcanzar los 2.6 W/m 2 de forzamiento de este escenario. Se debe destacar que este escenario requiere de la participación y compromiso de todos los países para llegar a la meta de forzamiento radiativo 2.6W/m 2 al año 2100 (y por ende de 2 C de calentamiento). 9

10 Figura 4: consumo de energía, consumo de petroleo y fuentes de energía en los cuatro escenarios RCP (de Vuuren et al, 2011b). 3.2 RCP 4.5 Este es un escenario de estabilización, que llega a un forzamiento radiativo de 4.5 W/m 2 al año 2100, sin haberlo excedido antes (Thomson et al, 2011). Esto requiere de políticas climáticas, que en este caso incluye imponer precios al uso de carbono. La población mundial llega 9 billón en 2065 y se reduce a 8.7 billones en El crecimiento de PIB mundial crece un orden de magnitud, y la necesidad energética en 3 ordenes de magnitud. Además de imponer precios al carbón, la tecnología de captura y almacenamiento de carbón (CCS) se desarrolla de manera que la industria eléctrica llega a ser un sumidero neto de carbón. En este escenario las emisiones de GEI llegan a su máximo alrededor del año 2040, de ahí comienzan a bajar hasta el año 2080, donde se estabilizan. 10

11 3.3 RCP 6.0 Esta vía representa emisiones y concentraciones de gases de efecto Figura 5: Trayectoria de emisiones de los principales gases de efecto invernadero en los cuatro RCP (de Vuuren et al 2011b). invernadero y cambio de uso de suelo que se traducen en un forzamiento radiativo de 6 W/m 2 al año 2100 (Masui et al, 2011). Esto requiere disminuciones significativas a partir del año 2060 (ver figura 6), que se logran a través la imposición de políticas climática, es decir, que limiten las emisiones vía precios y tecnología de CCS. La población mundial crece hasta 9.8 billones al año Por ejemplo zel promedio global de cambio de PIB per cápita varía 1.6% anualmente durante y % durante La intensidad energética disminuye de -1.2%/año antes de 2060 a - 1.5%/año entre RCP 8.5 El escenario RCP8.5 representa una vía de emisiones y concertaciones relativamente altas. Sus principales supuestos incluyen alto crecimiento poblacional, relativamente bajo crecimiento de PIB, con tasas modestas de cambios tecnológicos y de eficiencia energética. Esto lleva a importantes demandas energéticas y consecuente emisiones de gases de efecto invernadero. En este escenario no se implementan políticas de cambio climático. Las figuras 3-6 muestran los forzantes socio económicos (población y 11

12 producto interno bruto), usos energéticos y emisiones para este escenario comparado con los otros 3. En cada aspecto, salvo en PIB, este escenario tiene valores mayores a los otros tres. 12

13 4. Incertidumbres en proyecciones de Cambio Climático De la sección anterior se desprende que inherente a las definiciones de escenarios de emisiones está el concepto de incertidumbre. Es importante tener en claro que todo el proceso de realizar proyecciones de cambio climático involucra una serie de incertidumbres que deben ser tomadas en cuenta en el momento de evaluar críticamente alguna medida de adaptación o mitigación, basada en alguna proyección de cambio climático. Por un lado, el sistema climático la atmósfera, océano, biósfera, etc.- es un sistema inherentemente caótico, no determinístico, por lo que, la manera correcta de abordar su estudio es probabilísticamente. Esto se logra realizando un conjunto de proyecciones o ensamble que cubran los probables futuros. Esta es la idea detrás de CMIP5 (y las fases anteriores de este proyecto, CMIP, CMIP3), tener un gran número de modelos distintos para así cubrir el espacio de posibilidades futuras. Giorgi (2005) describe la cascada de incertidumbres asociadas a una proyección de cambio climático que debe ser caracterizada y cuantificada para un cabal entendimiento de este proceso y sus resultados. Un esquema de esta cascada se muestra en la figura 6. Se enuncian brevemente el tipo de incertidumbres consideradas. Figura 6: Cascada de incertidumbre en proyecciones de cambio climático. Líneas segmentadas abarcan el segmento de la cascada debido a la modelación climática (de Giorgi, 2005). 13

14 Escenarios de Emisiones: este tipo de incertidumbre es de carácter impredecible, ya que involucra proyecciones del comportamiento humano: el desarrollo socio-económico del planeta. La manera que se ha abordado esta incertidumbre es asumir un rango de historias de desarrollo todas igualmente plausibles. Esto ya fue descrito en la sección anterior, explicando el proceso de desarrollo de los RCP. Concentraciones de Gases de efecto invernadero: para obtener las concentraciones atmosféricas de GEI, y poder calcular el efecto radiativo de éstos, se requieren de modelos biogeoquímicos. Estos modelos calculan las reacciones químicas y el tiempo de residencia de los distintos gases y su interacción con la biósfera, a través del ciclo de carbono. De los modelos que participan en CMIP5, algunos contienen ciclo de carbono, por lo que éstos modelos calculan las concentraciones internamente. Para los modelos menos complejos (GCMs acoplados solamente, y todos los que participaron en CMIP3), éstos procesos fueron calculados por modelos específicos offline y no acoplados a los modelos climáticos. Por lo tanto las realimentaciones entre el ciclo de carbón y el clima no están incluidas en estas proyecciones. Simulaciones de Cambio Climático con AOGCMs: la mayor cantidad de trabajo realizado para cuantificar incertidumbre ha sido con simulaciones de AOGCM. Los modelos en sí tienen varios tipos de incertidumbre diferentes: incertidumbre estructural debido a modelos incompletos, condiciones de borde ambiguas, entendimiento incompleto de procesos físicos, o no considerados, etc. El procedimiento para reducir este tipo de incertidumbre va de la mano con el desarrollo de los modelos, con prioridad en áreas claves donde la falta de entendimiento de procesos es más crucial. Alguna de estas prioridades son: limitar el valor del forzamiento radiativo de aerosoles, nubes y superficie terrestre, incertezas en efecto de nubes, modos de variabilidad como el Niño, o la Oscilación Decadal del Pacífico, etc. A pesar de las incertezas en los modelos, el uso de ensambles como en los sucesivos CMIP, permite analizar parámetros del sistema climático claves para evaluar las proyecciones. Por ejemplo la sensibilidad climática (definido como calentamiento debido a doblar las concentraciones de GEI), absorción de calor por el océano, o el forzamiento radiativo debido a aerosoles. Proyecciones Regionales de Cambio Climático: Debido a que la resolución espacial de los modelos AOGCM es por lo general demasiado gruesa para muchas estudios que necesitan evaluar el impacto del cambio climático en regiones pequeñas, las simulaciones 14

15 globales de deben escalar (Downscaling) a resoluciones más finas. Existen básicamente 2 métodos para hacer esto. Downscaling estadístico y Downscaling dinámico. Downscaling dinámico utiliza un modelo regional a alta resolución (20-50 km por lo general) sobre una región particular del planeta, usando condiciones de borde provenientes de un modelo global. Como estos modelos son físicos, son capaces de capturar la dinámica y física de una región en particular a la escala correspondiente, por ejemplo el modelo puede resolver montañas, valles y las circulaciones regionales que se puedan generar. Por lo tanto, en cuanto la formulación física del modelo sea la correcta (igual existe incerteza estructural, tal como en el caso de AOGCMs), se tiene en general confianza en las proyecciones del clima futuro de un modelo climático regional (RCM). Sin embargo, una fuente importante de error o incertidumbre viene de hecho de forzar el modelo con condiciones de borde imperfectas de un modelo global (Giorgi and Mearns, 1999). Una importante desventaja de este tipo de simulaciones es su alto costo computacional, por lo que la realización de ensambles es muy costoso y requiere de coordinación de varios grupos de investigaciones o varios países incluso. Por otro lado, métodos estadísticos, son computacionalmente muy baratos. Estos métodos establecen una relación estadística entre distintas variables. En general una variable de gran escala (predictores) y una variable local que se quiere predecir (predictante) a través de observaciones. Esta relación es entonces aplicada a predictores de simulaciones de AOGCM de cambio climático y así se obtiene la predicción de la variable local (precipitación o temperatura por lo general). Este método requiere de series de tiempo lo suficientemente largas para establecer una relación robusta y validarla. Una importante desventaja es que este método asume que la relación entre ambas variables se mantendrá en el futuro, y no puede tomar en cuenta alguna re-alimentación con un clima cambiante. Estudios de Impacto: finalmente existe la incerteza asociada al uso de algún otro modelo numérico que sea utilizado para evaluar el impacto del cambio climático sobre algún sistema (hidrológico, cultivo terrestre o marino, etc) incluirá todas las incertezas anteriores: emisiones, concentraciones, modelo global, modelo regional. Con respecto al uso de modelos regionales se debe precisar que el RCM, por estar forzado cada 6horas en sus bordes por las variables dadas por el modelo global, no es completamente libre de simular un clima muy distinto al modelo global-madre. Esto se ha denomino el problema de Grabage in garbage out (Giorgi and Mearns, 1999). Si el modelo global tiene una representación incorrecta de la 15

16 circulación atmosférica en la región de interés, difícilmente el modelo regional podrá simular correctamente el clima en esa región. Por ejemplo, si el modelo global no simula el fenómeno del Niño, y en la región de interés el Niño tiene importantes impactos sobre el clima (como por ejemplo las precipitaciones en Chile central), el modelo regional no podrá reproducir la variabilidad climática asociada al Niño en la región. Déqué et al (2006) ilustran el punto de la importancia del modelo global al evaluar la contribución relativa de todas las fuentes de incertezas discutidas anteriormente en un conjunto de simulaciones regionales. Estas simulaciones fueron realizadas en el contexto de un proyecto europeo llamado PRUDENCE. La evaluación se hizo para temperatura y precipitación en Europa y están resumidas en la figura 7. La figura muestra que la incertidumbre depende de la variable y también de la estación del año, pero también muestra que el modelo global-madre (GCM en la figura) contribuye con la mayor parte de la incerteza. Figura 7: Fuentes de incertezas de proyecciones de cambios de temperaturas y precipitación ( con respecto al periodo ) en el ensamble de simulaciones PRUDENCE. Adaptado de Déqué et al 2006). 16

17 5. Modelos Globales: Base de datos CMIP5 Para fines de este proyecto se bajaron desde la base de datos de CMIP5 ( las variables precipitación (pr) y temperatura a 2m (tas), promedios mensuales. Detalles de los modelos están dados en la tabla 1 del anexo 5. La resolución de los modelos varía entre 1-4 grados, la mayoría tiene una resolución 2,5-2,7 grados. Para visualizar lo que la resolución espacial significa para simular el clima sobre el territorio de Chile, la figura 8 muestra la grilla del modelo con menor resolución horizontal (líneas azules) y el modelo con mayor resolución (líneas moradas) sobre una región que incluye a Chile. De la figura se puede ver que en el modelo de más baja resolución espacial, apenas 1 punto grilla cumbre la extensión longitudinal del país (grilla azul), mientras que el modelo con mayor resolución, cubre Chile con entre 2-4 puntos de grilla Figura 8: Regiones de análisis (7 regiones) y grillas de modelos globales CMIP5. Grilla azul: modelo con menor resolución especial. Grilla morada: modelo con mayor resolución especial. (grilla morada), que tampoco es suficiente para capturar los detalles de la intricada topografía de Chile (Cordillera de la Costa, Valle Central y Cordillera de los Andes). 17

18 6. Modelos Regionales Dada la geografía de Chile, con sus importantes variaciones topográficas dentro de muy pocos kilómetros, se hace indispensable contar con proyecciones de cambio climático capaz de resolver estas escalas espaciales de manera más fina que los modelos globales. Para esto se debe recurrir a modelos numéricos de mejor resolución, pero de área limitada, llamados Regional Climate Models (RCMs). En esencia, los RCMs realizan un escalamiento hacia abajo (downscaling) de la información de mayor escala provista por un GCM. Así, los resultados de un RCM son altamente determinados por el GCM que los alimenta en sus bordes laterales, pero su resolución es alta de manera que los resultados son físicamente consistentes con la geografía local. La Figura 9 esquematiza la relación entre un GCM y un RCM. 18 Figura 9: esquema de la modelación regional. Modelo Regional que simula una parte del globo, anillado dentro de un modelo global que le provee las condiciones de borde. En el departamento de Geofísica de la Universidad de Chile se han realizado varias simulaciones climáticas regionales (ver tabla 1) con el modelos PRECIS. PRECIS es un RCM de la atmósfera y la superficie continental de área limitada y alta resolución espacial que puede ser localizado en cualquier parte del globo. PRECIS es el acrónimo de Providing REgional Escenarios for Climate Studies y fue desarrollado por el Hadley Centre del Reino Unido para estos efectos sobre la base del Modelo Global (HadCM3) de este mismo centro de investigación (Jones et al. 2004). Este modelo resuelve una versión hidrostática de

19 las ecuaciones primitivas de la atmósfera (conservación de masa, momentum, energía y agua) empleando un esquema de diferencias finitas en una grilla esférica-polar en la horizontal y una coordenada híbrida con 19 niveles en la vertical. PRECIS usa varias parametrizaciones físicas que reproducen los efectos de las nubes y precipitación, radiación, y ondas de gravedad en la dinámica de la atmósfera libre. Emplea además 5 niveles en la capa límite atmosférica y el esquema MOSES (Met Office Surface Exchange Scheme) para calcular los intercambios de energía, momentum y agua con la superficie. Tabla 1: Simulaciones de cambio climático existentes que incluyan a Chile. Modelo PRECIS Nombre simulación PRECIS CONAMA Forzantes /Condiciones de Borde GCM HadAM3P SCENARIO SRES B2 SRES A2 Resolución espacial Periodos de simulación 25km / PRECIS PRECIS- ECHAM ECHAM5 SRES A1B 25km WRF WRF-Chile HADAM3P SRES A2 Dominio1: 45km Dominio2: 15 km / CLARIS- LPB(*) Varios modelos regionales Varios modelos globales SRES A1B 50 km (*) Más información en Anexo 2. De las simulaciones RCM realizadas en el DGF, se mostrarán los resultados de la corrida denominada PRECIS-ECHAM. Esta simulación se realizó en el DGF durante el año 2010, en el contexto del proyecto Anillo de Ciencias Sociales SOC28: Impactos Sociales y Ambientales del Cambio Climático Global en la Región del Bío-Bío: Desafíos para la Sostenibilidad del Siglo XXI. Esta simulación, que cubre el periodo 19

20 , a una resolución de 25 km se demoró prácticamente 1 año en correr y generó aproximadamente 2TB de datos (ver Estos costos hacen imposible que un sola institución genere un ensamble de simulaciones regionales tal como es recomendado. Por lo tanto se recomienda involucrarse en la comunidad internacional para realizar simulaciones de manera coordinada. En el caso de Chile esto significa integrar activamente CORDEX (Coordinated Regional Climate Modeling Experiment; 20

21 7. Resultados Modelos Globales y PRECIS-ECHAM En esta sección se muestran los resultados del conjunto de modelos globales CMIP5 y la simulación regional PRECIS-ECHAM. Los resultados se ponen contexto comparándolos con las simulaciones del CMIP3, que fueron corridas con los escenarios antiguos SRES, y a partir de los cuales se han realizado la mayoría de los estudios de impacto y adaptación hasta la fecha en Chile (reporteados por ejemplo en la 2nda Comunicación Nacional sobre Cambio Climático). Dado que la simulación PRECIS-ECHAM corresponde al escenario de emisiones SRES A1B, también se muestran los resultados para el conjunto de estas simulaciones. Primero se realiza una evaluación de los modelos en cuanto a su capacidad de simular el clima actual (simulación Histórica en CMIP5). Para las proyecciones futuras se analizan los cambios de temperatura y precipitación para Chile, según los escenarios RCP2.6 y RCP8.5. Figura 10: Regiones de análisis (7 regiones) y grillas de modelos globales CMIP5. Grilla azul: modelo con menor resolución especial. Grilla morada: modelo con mayor resolución especial. Cada simulación de un modelo global se ha interpolado a una grilla común de 1x1 grados para poder calcular promedios entre modelos. El clima actual corresponde a la simulación denominada Histórica en la cual las condiciones de borde son las observadas durante el siglo XX (gases de efecto invernadero, aerosoles, cambios en uso de suelo, erupciones volcánicas, variaciones en la radiación solar, etc.). Para las proyecciones (tanto de temperaturas como precipitaciones) se calculan las diferencias de la siguiente manera: para cada modelo se calcula su propia climatología: promedio sobre el periodo , la climatología del periodo futuro (futuro cercano: ; futuro de mediano plazo: ). En el caso de la temperatura ambas se restan, y finalmente se promedian las diferencias de todos los modelos: 21

22 < i (Clim fut,i Clim hist,i )> donde i= 1:22 es el número de modelos. En el caso de la precipitación se muestran diferencias porcentuales, es decir: < i (Clim fut,i Clim hist,i )/ Clim hist,i *100> Se realizaron 2 tipos de análisis, uno que se presenta como mapas de todo el territorio para los dos periodos de interés de MAPS: (periodo cercano) y (periodo de mediano plazo). Por último se analizan distintas aspectos promediando sobre 7 subregiones del territorio nacional, que se muestran en la figura 10, y se definen a continuación. Regiones: Se divide el país en 7 zonas climáticas (ver figura 10): Zona 1: Altiplano (18-23 S) Zona 2: Norte Grande (23-27 S) Zona 3: Norte Chico (28-32 S) Zona 4: Chile Central (32-38 S) Zona 5: Zona Sur (38-42 S) Zona 6: Patagonia (44-49 S) Zona 7: Magallanes (50-55 S) Debido al gran número de figuras que se produjeron para el análisis, éstas se encuentran en un anexo (anexo 3 para las evaluaciones y anexo 4 para las proyecciones). A continuación se muestran y discuten figuras de mapas para todo el territorio nacional para los dos periodos de análisis. Solamente para la región 4 se muestran el resto de las figuras de la evaluación y proyecciones. 7.1 Evaluación Se han realizado un número de análisis con fin de evaluar la capacidad del conjunto de modelos globales en CMIP5 y el modelo PRECIS-ECHAM para simular el clima actual en Chile. Como en todo el informe, para el clima actual se considera el periodo Para comparar con observaciones se ha utilizado la base datos de temperatura y precipitación grillados de CRU (Mitchell and Jones, 2005). La figura 11 muestra la climatología de la temperatura en la región 4 (Chile central, S). La línea negra gruesa de la figura 22

23 11a muestra el ciclo anual de la temperatura. Las temperaturas mínimas se observan entre Junio-Julio alcanzando un valor de 3 C aproximadamente (recordar que la región incluye la zona montañosa), las temperaturas máximas ocurren en verano (Diciembre-Enero-Febrero) con valores cercanos a los 15 C. La Figura 11: Validación de temperatura en la región 4 (Chile central, 32-38S). Izquierda: ciclo anual de temperatura. Derecha: sección longitudinal de temperatura anual, promediado entre las latitudes 32-38S. En ambos paneles: línea negra: climatología de producto observacional CRU, envolvente gris: percentil 20 y 80 de variaciones interanuales en temperatura. Líneas grises y barras: Modelos CMIP5. Línea café: promedio climatológico PRECIS- ECHAM, envolvente café clara: percentil 20 y 80 de la variabilidad interanual de temperatura. envolvente gris representa el percentil 20 y 80 de la variabilidad interanual observada, que es bastante baja todo el año, pero sobre todo en los meses de verano (1-2 grados). Las líneas grises individuales representan cada una la climatología de un modelo CMIP5. Vemos que en general el ciclo anual está bien representado, pero se observa un sesgo sistemático hacia temperaturas más cálidas, de entre 1-7 grados. La dispersión es algo mayor en verano que en invierno. La línea café y la envolvente café clara representan la climatología y el percentil 20 y 80 de PRECIS-ECHAM. Nuevamente el ciclo anual está bien simulado, con un pequeño sesgo positivo de entre 1-2grados en verano y más bajo en invierno. La variabilidad interanual del modelo (representada por el percentil 20 y 80), es algo menor que en las observaciones. El panel derecho muestra un corte longitudinal, promediado sobre las latitudes S de la temperatura anual. Para referencia en la parte inferior de la figura se muestra un corte de la topografía (Océano-Valle central-cordillera de los Andes). Se observa que en altitudes bajas, tanto los modelos globales como el modelo regional sobreestiman las temperaturas comparadas con CRU. Las temperaturas disminuyen sobre la cordillera, pero lo modelos globales no capturan este enfriamiento de manera correcta, y sí lo hace el modelo regional. Como la temperatura es fuertemente dependiente de la altura (decrece con la altura), una Cordillera más baja, debida a la baja resolución de los modelos, es probablemente una primera explicación de este error. En resumen, tanto los modelos globales 23

24 como el regional reproduce adecuadamente el ciclo anual, pero la pobre representación de la topografía en los modelos globales produce un sesgo sistemático a temperaturas más altas, y no capturan las variaciones longitudinales. El modelo regional, reproduce estos aspectos de mejor manera. La Figura 12 muestra la climatología de las precipitaciones en la región 4. Tanto las simulaciones CMIP5 como el modelo regional reproducen el ciclo anual, con veranos secos y precipitaciones en invierno. Sin embargo, los modelos CMIP5 por lo general subestiman los valores, en cambio PRECIS-ECHAM sobreestima las precipitaciones entre los meses de Abril - Noviembre. La variabilidad interanual (banda gris-observada y café-precis) está bien representada en sus valores altos, pero el modelo PRECIS tiene menos años secos que lo indicado por las observaciones CRU. En la sección longitudinal (Figura 12b) se observa claramente, que el modelo regional sobreestima fuertemente la precipitaciones en la zona alta de los Andes. Este es un problema recurrente en los modelos regionales, que se ha diagnosticado en los Andes (Rojas, 2006), pero también en otras zonas montañosas como los Alpes o los Rockies en Norte America (Grell et al, 2000). Cabe señalar que la base de datos de CRU, aun estando basado en datos de estación, tiene muy probablemente importantes limitantes, sobre todo en la zona cordillerana porque existen muy pocas estaciones en esa zona para validar el proceso de grillado que efectúa CRU. Por lo tanto, no posible cuantificar la sobreestimación de la precipitación del modelo regional. Figura12: Validación de precipitación en la región 4 (Chile central, 32-38S). Izquierda: ciclo anual de precipitación. Derecha: sección longitudinal de precipitación anual, promediado entre las latitudes 32-38S. En ambos paneles: línea negra: climatología de producto observacional CRU, envolvente gris: percentil 20 y 80 de variaciones interanuales en precipitación. Líneas grises y barras: Modelos CMIP5. Línea café: promedio climatológico PRECIS- ECHAM, envolvente café clara: percentil 20 y 80 de la variabilidad interanual de precipitación. 24

25 7.2 Proyecciones: Cambios en Temperatura Las Figuras 13 y 14 muestran mapas de cambio de temperatura para el primer y segundo periodo de análisis respectivamente. Todas las RCP 8.5 ( ) ( ) Latitud [C] Figura 13: Mapas de cambio de temperatura para el periodo , con respecto al periodo (a) promedio de simulaciones CMIP5- RCP2.6, (b) promedio de simulaciones CMIP5- RCP8.5, (c) promedio de simulaciones CMIP3- SRES A1B, (d) Simulación regional PRECIS- ECHAM. simulaciones proyectan un calentamiento sobre el territorio chileno para el periodo (figura 13), que va entre 0.5ºC (océano y extremo sur) y 1.5ºC en la zona norte (Altiplano). El conjunto de las simulaciones RCP8.5 muestran el mayor calentamiento (estas son las simulaciones con el mayor forzamiento radiativo, ver figura 2), pero en general los distintos escenarios no distan mucho de su proyección en cuanto al cambio de temperaturas para el futuro cercano. El modelo PRECIS-ECHAM simula un calentamiento del territorio nacional que se encuentra en línea con los resultados de los modelos globales. Un calentamiento mayor en el norte y zona Altiplánica, que va disminuyendo al sur, con valores más altos en la cordillera que zonas aledañas más bajas. En la variación del cambio en temperatura con altura se aprecia bien el efecto que tiene la mayor resolución de este modelo en comparación con los resultados de los modelos globales, especialmente alrededor de los 35ºS. Para el segundo periodo (figura 14) se mantiene el patrón de calentamiento, pero con valores mayores. Las simulaciones RCP8.5 proyectan un calentamiento que llega hasta los 2ºC en la zona 25

26 altiplánica y es en promedio 0.5ºC mayor que el conjunto de las simulaciones RCP2.6 y SRES A1B. La simulación de PRECIS nuevamente muestra mayor detalle en las zonas altas, y un mayor calentamiento sobre todo en la zona norte con valores que alcanzan los 3ºC. Figura 14: Mapas de cambio de temperatura. Igual que en figura 13, pero para el periodo , con respecto al periodo Adicionalmente a los mapas promedios de los modelos, también es importante mirar a los modelos individuales, para lo cual se han calculado series de tiempo e histogramas para las distintas regiones. Todas esas figuras se encuentran en el anexo 4. A continuación se discuten los resultados de estos análisis para la región 4 a modo de ejemplo. Figura 15: serie de tiempo de cambio porcentual de precipitación anual con respecto al periodo en la región 4, para el conjunto de las simulaciones RCP2.6 (líneas azules), RCP8.5 (líneas rojas), y la simulación PRECIS- ECHAM (línea calipso). 26

27 La figura 15 muestra la serie de tiempo del cambio de temperatura anual proyectado para todo el siglo XXI para cada modelo (con respecto a su propia climatología) para el escenario RCP2.6 (líneas azules delgadas, y su promedio, línea azul gruesa) y el escenario RCP8.5 (líneas rojas delgadas, y su promedio, línea roja gruesa). Se observa que todas las simulaciones RCP2.6 proyectan un cambio de temperatura por debajo de los 2 C, de hecho, en promedio llegan a aproximadamente 1 C, valor que se mantiene prácticamente constante durante todo el siglo XXI. Para el escenario RCP8.5, se llega en promedio a un calentamiento de 4 C hacia fines de siglo, con modelos alcanzando valores de hasta 6 C. El modelo PRECIS-ECHAM (línea calipso) simula un calentamiento que está por debajo de los 2 tipos de simulaciones CMIP5, hasta aproximadamente 2050, y después aumenta, alcanzando valores más parecidos al promedio del RCP8.5. Otra manera de ilustrar la dispersión de las proyecciones es a través de histogramas. La figura 16 muestra los histogramas de cambios en temperatura para los dos periodos de análisis y ambos escenarios. En todos los casos no existe ningún modelo que simule una disminución de la temperatura con respecto a periodo base ( ), y la dispersión es baja (más/menos 1 grado del valor promedio). Salvo para el periodo 2 en las simulaciones RCP8.5, donde existe una dispersión algo mayor (más/menos 1.5 grados del promedio). Nótese que para ambos periodos, el valor que da el modelos PRECIS-ECHAM es menor a los modelos CMIP5 (punto café). 27

28 Figura 16: Distribuciones de porcentaje de modelos con un cierto cambios de temperatura para la región 4. Para los 2 periodos considerados ( ) y ( ). Para el escenario RCP2.6 (panel izquierdo) y RCP8.5 (panel derecho). La línea roja indica el promedio de todas las simulaciones, y el punto café el promedio del modelos PRECIS- ECHAM. 7.3 Proyecciones: Cambios en Precipitación En cuanto a la precipitación, las figuras 17 y 19 muestran los mapas de los cambios porcentuales de la precipitación para los 2 periodos de estudio. Para el periodo , el conjuntos de simulaciones para los tres escenarios muestran disminuciones de entre 5-15% entre las latitudes S aproximadamente. La figura 18 muestra una métrica para evaluar la robustez de la señal de secamiento descrita; esto es el porcentaje de modelos que simulan un aumento de precipitación para el periodo de análisis. Colores café indican menos del 40% de los modelos simulan un aumento de precipitación, es decir en la mayor parte del territorio entre S, más de un 70% de los modelos indican secamiento (para los 3 escenarios). En la región 5 (entre S) la señal es la más robusta. La figura 17 también indica que no se proyectan cambios significativo en el resto del territorio (Norte, Patagonia y Magallanes). Lo que muestra la figura 18 para la región 1 es que la señal es poco robusta (color blanco: 50% modelos simula un aumento). 28

29 Figura 17: Mapas de cambio porcentual de precipitación para el periodo con respecto al periodo (a) Promedio de las simulaciones CMIP5- RCP2.6, (b) promedio de las simulaciones CMIP5- RCP8.5, (c) promedio de las simulaciones CMIP3- SRES A1B, (d) simulación regional PRECIS- ECHAM. Para el periodo (figura 19), el patrón de la señal de secamiento se mantiene e intensifica. Entre aproximadamente S se proyecta un 10-20% de secamiento. Nuevamente la figura 20 muestra el porcentaje de modelos que muestran un aumento de precipitación, e indica que entre los S la señal de secamiento sigue siendo robusta. En cuanto al modelo PRECIS-ECHAM, éste muestra bastantes diferencias con los resultados vistos en los modelos globales. Se simula una disminución en la zona altiplánica (región 1), y un aumento en las zonas 2 y 3. Este aumento está acotado a las zonas cordilleranas, y el modelo tiene un importante problema de sobreestimación del ciclo anual, como muestra la figura de la precipitación climatológica en estas regiones (figura Anexo 3: An3.3b). En la región 4 y 5, el modelo simula una disminución, tal como lo simulan todos los modelos CMIP5. Desde aproximadamente los 40ºS al sur no se ven cambios importantes (menores al 5%). Mirando las serie de tiempo de la precipitación anual en esas regiones (Figura 21), se puede observar que el modelo regional sí muestra una tendencia de largo plazo a la disminución, pero ésta esta superpuesta a un variabilidad interanual e inter-decadal, de tal manera que para el periodo , no se ven cambios importantes. 29

30 Es decir, los resultados de la simulación PRECIS-ECHAM, para algunas sub-regiones analizadas y para ciertos periodos en el futuro dan resultados que se encuentran fuera de la media del conjunto de los modelos globales. Esto ilustra muy bien la necesidad de contar con un ensamble de simulaciones para tener una proyección robusta de cambio climático. Como el modelo regional depende fuertemente de las condiciones de borde impuestas por el modelo global, la representación del clima en la región de simulación no puede diferir fuertemente del modelo madre o forzante. En este caso, parece que la simulación ECHAM5, con la que se forzó PRECIS tiene bastante variabilidad interanual e incluso inter-decadal (ver por ejemplo evolución de las precipitaciones en la región 3). Figura 18: Mapa del porcentaje de modelos que simulan un cambio positivo de precipitaciones para el periodo con respecto al periodo (a) Porcentaje de simulaciones CMIP5- RCP2.6, (b) porcentaje de simulaciones CMIP5- RCP8.5, (c) porcentaje de simulaciones CMIP3- SRES A1B. En resumen, para las precipitaciones se observa entonces que en los tres escenarios (RCP2.6, SRES A1B, RCP8.5), la zona entre 35-45ºS aproximadamente muestra una señal bastante robusta de secamiento. También se observa, que los puntos de aumento de precipitación en la zona norte (Altiplano) no son robustos. Por último, en la región 7 (Tierra del Fuego), entre el 60-80% de los modelos 30

31 simula un aumento de precipitaciones, pero una variación muy pequeña. El modelo regional solamente concuerda con el resto de las simulaciones en las zonas 4-7. En las tres zonas del norte (1-3) el modelo regional simula un aumento de precipitaciones en la zona cordillerana, que no se observa en ninguna otra simulación. 31

32 Figura 19: Mapas de cambio porcentual de precipitación, igual a figura 15, pero para el periodo con respecto al periodo Figura 20: Mapa de porcentaje de modelos que proyectan un aumento de precipitación, igual que la figura 16, pero para el periodo con respecto al periodo

33 La distribución de los cambios entre los modelos individuales, para cada región, y para los 2 horizontes de tiempo considerados se pueden ver en el anexo 4. De estas figuras se puede concluir que los cambios más robustos se observan para la región 5, que corresponde a S. En esta región todos los modelos proyectan una disminución de precipitación. La figura 21 muestra la serie de tiempo de los cambios de precipitación en la región 4. Tanto las simulaciones RCP2.6 y RCP8.5 muestran disminuciones en esta región. En el caso de las simulaciones RCP2.6 esa disminución se mantiene a lo largo del siglo XXI en -10% en promedio (promedio de los resultados de todos los modelos), mientras que las simulaciones RCP8.5 llegan a una disminución de 40% a fines de siglo. La simulación PRECIS-ECHAM también muestra una tendencia a la disminución, pero muestra además bastante variabilidad interanual e incluso decadal. Durante algunos periodos la precipitación aumenta en esta simulación, con respecto al periodo base Finalmente la figura 22 muestra el histograma la distribución de los modelos en la región 4. Para ambos periodos y en ambos escenarios no existe ningún modelo que simule un aumento de precipitaciones. El modelo PRECIS-ECHAM simula para ambos periodos un cambio que es menor al promedio de las simulaciones globales. 33

34 Figura 21: serie de tiempo de cambio porcentual de precipitación anual con respecto al periodo en la región 4, para el conjunto de las simulaciones RCP2.6 (líneas azules), RCP8.5 (líneas rojas), y la simulación PRECIS- ECHAM (línea calipso). Escenario RCP 8.5 Cambio de precipitacion en region 4 para Escenario RCP 2.6 Cambio de precipitacion en region 4 para % simulaciones % simulaciones (40 30) (30 20) (20 10) (10 0) (0 10) 0 (10 20) (20 30) [%] Cambio de precipitacion en region 4 para (10 20) (20 30) Cambio de precipitacion en region 4 para % simulaciones % simulaciones (0 10) [%] (40 30) (30 20) (20 10) (10 0) (40 30) (30 20) (20 10) (10 0) [%] (0 10) (10 20) (20 30) 0 (40 30) (30 20) (20 10) (10 0) [%] (0 10) (10 20) (20 30) Figura 22: Distribuciones de porcentaje de modelos con un cierto cambios porcentuales de precipitación para la región 4. Para los 2 periodos considerados ( ) y ( ). Para el escenario RCP2.6 (panel izquierdo) y RCP8.5 (panel derecho). La línea roja indica el promedio de todas las simulaciones, y el punto café el promedio del modelos PRECIS- ECHAM. 34

35 7.4 Resumen comparativo de las proyecciones En la tabla 2 se muestran los resultados de las proyecciones para temperatura y precipitación para 3 escenarios SRES: SRES B2 (el escenario de más bajas emisiones SRES), SRES A1B (nivel de emisiones intermedias) y SRES A2 (altas emisiones, ver figura 2). Además están los escenarios RCP2.6 y RCP8.5 y en la última columna los resultados de la simulación regional PRECIS-ECHAM5, que fue forzado con el escenario SRES A1B. En el caso de los modelos globales el promedio corresponde al promedio de todos los modelos (entre 15 y 22 modelos según escenario), y entre paréntesis se indica la desviación estándar. En el caso del modelo PRECIS, como corresponde a una sola simulación, el cambio corresponde al promedio de 20 años y entre paréntesis se indica la desviación estándar del periodo de 20 años (es decir corresponde a una indicación de la variabilidad interanual). Los aumentos proyectados de temperaturas, en general, para el primer periodo ( , Tabla 2) son prácticamente iguales, independiente del escenario de emisiones, con valores algo mayores en la región 1 y menores en la región 7. Para el segundo periodo los escenarios se diferencian, con mayor calentamiento en los escenarios de mayores emisiones. La desviación estándar es pequeña en ambos periodos y todas las regiones. La tabla 2 ilustra bien las regiones para las cuales existe proyecciones robustas y no de cambios de precipitación. Tal como ya se ha discutido, en la región 1 y 3 no existe acuerdo entre simulaciones. En las otras regiones la señal es más robusta. Región Variable SRES B1 ZONA 1 tas 1.1 (0.3) SRES A1B 1.2 (0.3) SRES A2 1.2 (0.3) RCP2.6 RCP8.5 PRECIS 1.4 (0.3) 1.5 (0.3) 1.2 (0.5) pr -1.6 (7.4) -1.3 (6.3) -3.0 (7.4) -1.8 (6.9) -0.8 (7.4) 4.2 (16.3) ZONA 2 tas 0.7 (0.2) pr -8.0 (5.5) 0.7 (0.2) (5.5) 0.7 (0.2) -8.9 (5.6) 0.7 (0.3) 0.8 (0.2) 0.4 (0.4) -9.0 (7.9) -9.1 (7.9) (14.8) ZONA 3 tas 0.9 (0.2) pr -3.0 (9.3) 1.0 (0.2) -1.9 (10.3) 0.9 (0.2) -2.8 (10.3) 1.0 (0.3) 1.2 (0.3) 0.8 (0.4) (10.1) (9.3) 14.3 (38.5) 35