Interpretación de:
Evaluating the strength of the land–atmosphere moisture feedback in Earth system models using satellite observations
https://doi.org/10.5194/hess-20-4837-2016Levine, P., Randerson, J., Swenson, S., Lawrence, D., 2016: Evaluating the strength of the land–atmosphere moisture feedback in Earth system models using satellite observations, Hydrol. Earth Syst. Sci., 20, 4837-4856, https://doi.org/10.5194/hess-20-4837-2016
Intérprete
Gutierrez Villarreal Ricardo
Fecha de interpretación
13/03/2025
Resultados y conclusiones
La representación del forzamiento de la humedad del suelo en variables meteorológicas (precipitación, radiación solar incidente y déficit de vapor de presión) y viceversa (la respuesta de la humedad del suelo a dichas variables) es sobreestimada en un ensamble de Modelos del Clima Global respecto de productos satelitales. Para la Amazonía, la precipitación y el déficit de presión de vapor (VPD) del periodo seco (aproximadamente abril-octubre) se correlacionan positiva y negativamente, respectivamente, con la humedad del suelo durante su máxima estacional meses atrás (entre marzo-abril). La respuesta de la mínima humedad del suelo (aproximadamente en setiembre-octubre) respecto de la precipitación y VPD del periodo seco que la precede mantiene el mismo signo de la correlación. Esto constituye una retroalimentación positiva respecto del clima del inicio y final del periodo seco. No obstante, estas relaciones son sobreestimadas para la Amazonía sur y oriental y en las regiones tropicales en general, con posibles implicancias en la simulación de sequías y olas de calor en escenarios del clima futuro.
Metodología y datos
Se utilizaron datos de almacenamiento de agua terrestre (TWS) de GRACE, VPD de AIRS, precipitación de GPCP y radiación de onda corta (SWdown) de CERES durante el perido 2002-2014. La métrica de acoplamiento se calculó considerando el máximo TWS estacional y su correlación con variables climáticas (VPD, P, SWdown) que suceden al máximo TWS hasta el mínimo TWS estacional. El periodo entre TWSmax y TWSmin constituyen un intervalo de “drawdown” (desgaste o consumo de agua en el suelo). Luego, la métrica de respuesta (de TWS) se calculó considerando el mínimo TWS estacional y su correlación con las variables climáticas del periodo que la precede hasta el máximo TWS. Este ejercicio fue repetido para el ensamble largo (LENS) de CESM (38 miembros) y 6 GCMs de CMIP5. Ambos grupos de modelos tienen una representación de TWS, pero también se derivó una a partir de un balance hídrico. En los GCMs, se consideraron 12 años al igual que en las observaciones, y los datos a partir del 2006 fueron extraídos de los escenarios RCP8.5
Limitaciones de la investigación
El corto periodo de tiempo estudiado posiblemente tenga influencias de la variabilidad de la temperatura superficial del mar. Para la Amazonía (particularmente alrededor del río), los feedbacks entre la humedad del suelo y SWdown no parecen ser muy consistentes con los feedbacks derivados con la precipitación y VPD. Las correlaciones entre la humedad del suelo y SWdown son positivas, lo que es contraintuitivo (por la nubosidad) si se considera la relación positiva (y negativa) con P (y VPD). Los autores no discuten mucho estos resultados (que suceden también en África occidental), aunque podrían deberse a impactos locales asociados a la dinámica del río Amazonas en GRACE, entre otros artefactos observacionales y también el corto periodo de tiempo estudiado. Estos problemas de causalidad podrían ser evaluados a través de experimentos de sensibilidad como los de GLACE.
Recomendaciones
Métricas similares podrían ser empleadas para la evaluación de modelos climáticos.
Adaptación: Agua
Mitigación: ---
Escala: Global
Ámbito geográfico: Global
Palabras clave: Humedad del suelo, .Acoplamiento suelo clima, Evaluación de modelos, Observaciones satelitales
Cita de la interpretación
Gutierrez Villarreal, Ricardo, 2025: Interpretación de Levine et al. (2016, doi:10.5194/hess-20-4837-2016), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/9e6cfd98-da0e-47e5-abf0-c9ad9798bc3b