Interpretación de:
Increased dry-season length over southern Amazonia in recent decades and its implication for future climate projection
https://doi.org/10.1073/pnas.1302584110Fu, R., Yin, L., Li, W., Arias, P., Dickinson, R., Huang, L., Chakraborty, S., Fernandes, K., Liebmann, B., Fisher, R., Myneni, R., 2013: Increased dry-season length over southern Amazonia in recent decades and its implication for future climate projection, Proc. Natl. Acad. Sci. U.S.A., 110, 18110-18115, https://doi.org/10.1073/pnas.1302584110
Intérprete
Santamaria Sotelo Jorge Manuel
Fecha de interpretación
25/03/2025
Revisor
Espinoza Jhan-Carlo
Resultados y conclusiones
El análisis realizado en el estudio revela un notable retraso en la Duración de la estación seca (DSL) en el sur de la Amazonia, que ha aumentado desde 1979. Este retraso en el final de la estación seca (DSE) está asociado con una prolongada temporada de incendios. La investigación muestra que el Chorro subtropical sobre Sudamérica (SJSA) ha experimentado un desplazamiento hacia el polo, y la Energía de inhibición convectiva (CIN) ha aumentado durante el invierno austral (junio-agosto). Estos factores contribuyen a un retraso en la DSE, ya que un SJSA desplazado hacia el polo y un CIN elevado son condiciones que retrasan el fin de la estación seca. Además, el incremento en el Índice McArthur de Peligro de Incendios (FFDI) indica una mayor probabilidad de incendios, lo que está correlacionado con las condiciones meteorológicas más secas y favorables para el fuego. A pesar de la observación de un retraso significativo en el DSE, no se detectaron cambios significativos en el Inicio de la estación seca (DSA) ni en la tasa de lluvia en comparación con los datos históricos. Los resultados sugieren que la influencia del cambio climático y el efecto invernadero podrían estar exacerbando estos fenómenos, con un aumento en la CIN y una mayor polarización del SJSA. Sin embargo, los modelos climáticos globales evaluados en el IPCC AR5 no logran reproducir adecuadamente estos cambios observados, subestimando potencialmente la sensibilidad del DSE, SJSA y CIN a la variabilidad climática y al cambio antropogénico.
Metodología y datos
Para abordar el problema del retraso en la DSE y su relación con el SJSA y CIN, se utilizaron datos de precipitaciones diarias provenientes de aproximadamente 300-450 pluviómetros distribuidos en toda la Amazonia. Estos datos se fusionaron para mejorar la precisión, dado que las mediciones individuales presentaban cantidades de lluvia más bajas en comparación con los conjuntos de datos globales como GPCP (Global Precipitation Climatology Project) y TRMM (Tropical Rainfall Measuring Mission). La fusión de datos incluyó la combinación de series temporales de Silva (1979 a 2007) y SA24 (2008 a 2011), utilizando un promedio espacial y temporal sobre períodos de 5 días, denominados pentadas. Este método ayuda a reducir el ruido sinóptico, que son las variaciones meteorológicas a corto plazo. Se definió la DSA como el primer momento en que la tasa de lluvia media de una pentada supera la tasa de lluvia media anual climatológica durante seis de ocho pentadas. Por otro lado, el DSE se define cuando la tasa de lluvia media de una pentada cae por debajo de la tasa anual climatológica durante seis de ocho pentadas. Además, se evaluaron 50 simulaciones de modelos climáticos globales presentados en el IPCC AR5 para comparar y validar las predicciones de DSE, SJSA y CIN derivadas del ERA-Interim y del Centro Nacional de Predicción Medioambiental (NCEP). Los datos sobre el FFDI se obtuvieron a partir de dos reanálisis atmosféricos independientes, el ERA-Interim y el NCEP, haciendo uso de la ecuación formal.
Limitaciones de la investigación
La investigación presenta varias limitaciones que deben considerarse. En primer lugar, la discrepancia entre los datos de precipitación obtenidos a partir de pluviómetros y los conjuntos de datos globales como GPCP y TRMM puede afectar la precisión de las conclusiones. Aunque se realizó una fusión de datos para mitigar este problema, la variabilidad en las mediciones aún puede introducir errores en los análisis. Además, el método de promediar los datos sobre pentadas de 5 días, aunque útil para reducir el ruido sinóptico, puede suavizar las variaciones que podrían ser relevantes para una comprensión más detallada de la dinámica de la estación seca. Otro desafío es que los modelos climáticos globales evaluados no lograron replicar adecuadamente el retraso en el DSE observado, lo que sugiere que los modelos actuales podrían subestimar la sensibilidad del DSE, SJSA y CIN a los cambios climáticos y antropogénicos. Finalmente, la influencia de factores como los aerosoles de quema de biomasa y el uso del suelo en el retraso del DSE sigue sin estar clara, y no se identificó una causa dominante entre estos factores. La complejidad de las interacciones entre el efecto invernadero, la variabilidad de las temperaturas del mar y otros factores climáticos puede hacer que las relaciones observadas sean difíciles de modelar con precisión.
Recomendaciones
Para mejorar la comprensión y la predicción de los fenómenos asociados con el retraso en el DSE y su impacto en la Amazonia, se recomienda implementar varias acciones. Primero, es crucial aumentar la densidad de la red de pluviómetros en la región amazónica para obtener datos más precisos y detallados sobre las precipitaciones. Esto permitirá una mejor calibración y validación de los modelos climáticos. Además, se deben desarrollar y aplicar técnicas más avanzadas de fusión de datos que puedan manejar de manera más efectiva las discrepancias entre diferentes conjuntos de datos y reducir la incertidumbre en las mediciones de precipitación. Se sugiere también que se continúe investigando la relación entre el CIN, el SJSA y el FFDI, prestando especial atención a las posibles influencias del cambio climático y el efecto invernadero. La integración de nuevos datos sobre la influencia de factores como los aerosoles y el uso del suelo podría proporcionar una imagen más completa de las causas del retraso en la DSE. Por último, se recomienda ajustar y mejorar los modelos climáticos globales para que reflejen mejor la sensibilidad de la DSE, SJSA y CIN a la variabilidad climática y los cambios antropogénicos. La colaboración entre investigadores y el uso de técnicas de modelado avanzadas serán esenciales para abordar las limitaciones actuales y mejorar las predicciones futuras.
Adaptación: Agua, Bosques
Mitigación: Agricultura, Uso de suelo, cambio de uso de suelo y silvicultura, Energía
Escala: Global
Ámbito geográfico: Amazonía
Palabras clave: DSE, DSL, DSA, CIN, SJSA, SSTA, SJSH, FFDI, IPCC AR5
Cita de la interpretación
Santamaria Sotelo, Jorge Manuel, 2025: Interpretación de Fu et al. (2013, doi:10.1073/pnas.1302584110), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/7b922cc6-0f4b-4b49-a5b0-ab8bbd444fc6