Interpretación de:
Assessment of South America summer rainfall climatology and trends in a set of global climate models large ensembles
https://doi.org/10.1002/joc.6643Díaz, L., Saurral, R., Vera, C., 2020: Assessment of South America summer rainfall climatology and trends in a set of global climate models large ensembles, Intl Journal of Climatology, https://doi.org/10.1002/joc.6643
Intérprete
Gutierrez Villarreal Ricardo
Fecha de interpretación
22/03/2023
Revisor
Espinoza Jhan-Carlo
Resultados y conclusiones
En este estudio, se evalúan ensambles largos (esto es, un amplio número de realizaciones con condiciones iniciales perturbadas de GCMs) de 12 GCM de CMIP5 y CMIP6 al reproducir el cambio y la variabilidad de la precipitación de verano observada en Sudamérica. Los modelos presentan problemas al reproducir los patrones espaciales de la precipitación de verano sobre el continente, y más aún sobre su variabilidad. Además, las tendencias negativas sobre los Andes del sur de Chile y las tendencias positivas sobre el sudeste de Sudamérica son las características más persistentes entre simulaciones y coinciden parcialmente con las observaciones. Mientras tanto, en Perú o la Amazonía, las tendencias de ensambles largos de GCM son muy variables, probablemente debido a dificultades en reproducir la variabilidad climática y teleconexiones oceánicas. En el sudeste de Sudamérica, si bien el rendimiento mejora cuando se seleccionan los modelos que mejor reproducen el clima medio y su variabilidad interanual, la incertidumbre causada por la variabilidad interna puede ser aún mayor a la variabilidad entre GCMs. Este último aún sigue siendo grande, por lo que todavía son necesarias mejoras en la representación del clima medio.
Metodología y datos
La naturaleza caótica de la atmósfera y nuestro actual entendimiento sobre ella limita la capacidad de los Modelos Climáticos Globales (GCM) de reproducir las tendencias observadas, puesto que las simulaciones son extremadamente sensibles a las condiciones iniciales (variabilidad interna). A estas incertidumbres se suman las dificultades que tienen los GCM en reproducir características climatológicas de la precipitación en Sudamérica. Una forma de reducir el primer tipo de incertidumbre es la de simular muchas realizaciones con condiciones iniciales ligeramente modificadas (lo que se conoce como ensambles largos), lo que también permite separar la variabilidad interna de la variabilidad forzada (señal antropogénica). En este estudio, se evalúan ensambles largos(de entre 16 y 100 miembros) de 12 GCM de CMIP5 y CMIP6 al reproducir el cambio y la variabilidad de la precipitación de verano observada en Sudamérica. El periodo de evaluación está comprendido entre 1952 y 2014, y las tendencias fueron calculadas con una regresión lineal. Asimismo, se computaron campos como la precipitación media de verano y su variabilidad interanual (desviación estándar). Luego, se seleccionaron los mejores modelos basados en las correlaciones espaciales de las medias y desviaciones estándar.
Limitaciones de la investigación
1.El análisis se enfoca solamente en el sudeste y sur de Sudamérica, dejando de lado otras regiones del continente. 2. Los sesgos de los GCM al reproducir el clima medio de la precipitación de verano sobre Sudamérica limitan la evaluación y cuantificación de la incertidumbre por variabilidad interna. 3. Solo fueron estudiados los meses de diciembre, enero y febrero. En otras investigaciones, durante los meses de marzo-mayo y setiembre-noviembre se han mostrado cambios interanuales importantes en la Amazonía norte y sur, respectivamente, lo que probablemente deba ser explorado con LE de GCMs.
Adaptación: Agua
Mitigación: ---
Escala: Regional
Ámbito geográfico: Sudamérica
Palabras clave: Evaluación de modelos climáticos globales, ensambles largos, ensambles largos, Sudamérica, tendencias pluviométricas
Cita de la interpretación
Gutierrez Villarreal, Ricardo, 2023: Interpretación de Díaz et al. (2020, doi:10.1002/joc.6643), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/1e6de874-1078-4678-bbf2-592344852967