http://www.rsef.orgREF, Vol. 26-2, Abril-Junio
20121.IntroduccinParapodertomarmedidasdemitigacindelcambiocli-mticoantropognicoydeadaptacinasusconsecuencias,
esnecesariodisponerdeinformacinsobrelaevolucin previsible del
clima. Una herramienta bsica para ello son los
denominadosescenariosdecambioclimtico.Unescenario
decambioclimticoesunadescripcincoherente,interna-mente consistente
y plausible de una evolucin futura posible
delclima.Losescenariosnosonpredicciones,sinoposibili-dadesalternativasquedependendefactorescuyodesarrollo
no podemos predecir. En el caso del cambio climtico
antro-pognico,relacionadoconlacrecienteacumulacinenla atmsfera de
gases de efecto invernadero (en adelante GEIs), la evolucin futura
de la concentracin de los GEIs depender de muchos factores
econmicos y sociales cuyo desarrollo no podemos conocer con
antelacin, como el crecimiento ecno-mico, las innovaciones
tecnolgicas o la demografa. Por ello
sehandesarrolladolosescenariosdeemisiones,derivados de un ejercicio
de prospectiva sobre las evoluciones futuras de emisiones
antropognicas de GEIs y aerosoles. Esto se realiza
considerandodiversossupuestosacercadelfuturodesarrollo demogrfico y
socio-econmico en el mundo.
Losescenariosdeemisionesquesehanutilizadohasta
ahorapararealizarproyeccionesconmodelosdeclimaalo largo del siglo
XXI, se conocen por las siglas SRES (del ingls
SpecialReportonEmissionScenarios).Constituyenun conjunto de
escenarios de emisin elaborados por un grupo de expertos dentro del
IPCC (Nakicenovic et al., 2000), teniendo
encuentahiptesiscoherentessobreevolucionesfuturasde crecimiento de
la poblacin mundial, la demanda de energa, la eficiencia de su
consumo o el crecimiento econmico glo-bal, entre otras
consideraciones. Partiendo de estas hiptesis, se deducen las
emisiones de GEIs y las concentraciones
resul-tantes,quesirvendeforzamientoradiativoparalosmodelos
climticosglobales. Amododeilustracin,enlafigura1se muestran las
evoluciones de emisiones de CO2 y SO2
corres-pondientesalosseisescenariosSRESprincipalesutilizados
pararealizarproyeccionesdeclima.Enlamismafigurase
incluyenlasevolucionesdelaconcentracinglobaldeCO2
paracadaunodelosescenariosdeemisionesconsiderados, segn resulta de
la aplicacin de modelos de balance del car-bono (por ejemplo Cramer
y Field, 1999). Este procedimiento para obtener escenarios de
emisones se ha modificado recien-temente por otro en el que se
parte de ciertas trayectorias futu-ras posibles de forzamiento
radiativo (el cambio en el balance entre la radiacin saliente y
entrante en la atmsfera, causado por cambios en la concentracin de
GEIs y aerosoles). A estos
valoresdeforzamientoradiativosepuedellegaratravsde diferentes
evoluciones socio-econmicas y tecnolgicas. Para forzar los modelos
climticos se escoge una de las
evolucio-nesdeconcentracionesdeGEIsquepuededarlugaralas
trayectoriasdeforzamientoradiativoconsideradas.Dichas evoluciones
de GEIs constituyen los denominados escenarios
RCP(delinglsRepresentativeConcentrationPathways; Moss et al.,
2010).Paraobtenerproyeccionesdelcambioclimticodebido al incremento
en la atmsfera de GEIs y de aerosoles emiti-dos por actividades
humanas, se utilizan modelos climticos
globales.Debidoalalimitadaresolucinespacialdeestos
modelosglobales,yalanecesidaddedisponerdeinforma-cinaescalaregionalylocalparaestudiosdeimpactosdel
cambioclimtico,serealizaladenominadaregionalizacin (downscaling, en
ingls) para aumentar la resolucin espacial de los escenarios
climticos. Este proceso de regionalizacin se puede llevar a cabo
por dos tipos de mtodos: dinmicos y estadsticos. Tras describir el
mtodo de obtencin de esce-narios globales, se tratan estos mtodos
de regionalizacin.2.Escenarios globales de cambio climticoUn modelo
climtico consiste en una representacin mate-mtica de los procesos
que tienen lugar en el sistema climtico, cuyo estado define el
clima. El sistema climtico se considera
compuestoporcincocomponentes:atmsfera,hidrosfera,
criosfera,litosferaybiosfera(PeixotoyOort,1992).Entre
ellosseproducengrandesintercambiosdemateria,calory momento y
constantes interacciones mediante multitud de pro-cesos fsicos,
qumicos y biolgicos, lo que hace que el sistema
climticoterrestreseamuycomplejo.Losmodelosglobales de clima
constituyen actualmente la herramienta bsica de que se dispone para
estudiar los procesos que conforman el estado del clima. Por esta
razn resultan imprescindibles para derivar la respuesta del clima a
las perturbaciones inducidas por acti-vidades humanas. La capacidad
de los modelos para proyectar Temas de FsicaEscenarios regionales
de cambio climticoMiguel ngel Gaertner, Jos Manuel Gutirrez y
Manuel Castro2000 2000
2000510300501001504005006007008009001000110012001300152025Ao Ao
Ao2020 2020 2020 2040 2040 2040Escenarios Escenarios Escenarios2060
2060 2060 2080 2080 2080 2100 2100 2100Emisiones de CO2(GTm
C/ao)Emisiones de SO2(MTm S/ao)Emisiones de CO2 Emisiones de SO2
Concentraciones de CO2Concentraciones de CO2(ppmV)
A1BA1TA1FLA2B2B1A1BA1TA1FLA2B2B1A1BA1TA1FLA2B2B1Fig.1. Evoluciones
de emisiones globales de CO2 y SO2 a la atms-fera debidas a
actividades humanas y de las concentraciones globales de CO2 que
resultaran de tales emisiones, segn los diversos escena-rios SRES.
Tomada de IPCC (2001).2Temas de FsicaREF, Vol. 26-2, Abril-Junio
2012http://www.rsef.orglaevolucinfuturadelclimadependebsicamentedelcono-cimiento
de los procesos que gobiernan el sistema
climtico.Actualmentelamayorpartedelosmodelosclimti-cosglobalesincluyenalgunarepresentacindeloscinco
componentesdelsistemaclimtico,delosprocesosque
seproducenencadaunodeellosydelosquedeterminan
losintercambiosmutuos.Alosmodelosenloscualesla
atmsferayelocanointeractandeformaacopladaseles
conocegeneralmenteporlassiglasAOGCM(delingls
Atmosphere-OceanGlobalClimateModel),queseutili-zarn de aqu en
adelante para referirse a ellos.Los AOGCMs se basan en la resolucin
del conjunto de ecuaciones matemticas queexpresan lasleyes
delaFsica quegobiernanladinmicadelaatmsferayelocano.Es
uncomplejosistemano-linealdeecuacionesdiferenciales que no tiene
solucin analtica. Por ello, han de resolverse de forma aproximada
aplicando tcnicas numricas, que requie-ren dividir el espacio
ocupado por la atmsfera y el ocano
enceldillastridimensionales.Encadaunadeellasseasig-nan valores de
las variables que caracterizan el estado de la atmsfera y el ocano,
como temperatura, movimiento, den-sidad, etc. Dicha asignacin se
realiza a partir de observacio-nes directas o indirectas de tales
variables a escala global en un determinado instante inicial. Para
derivar las evoluciones
temporalesdelasvariablesencadaceldilladelamalladel
modeloseresuelvenlasecuacionesapartirdelosvalores iniciales. Estas
evoluciones se obtienen en intervalos tempo-rales discretos (paso
temporal), cuya duracin debe estar en
concordanciaconeltamaodelasceldillas.Cuantomenor sea dicho tamao,
tambin ha de serlo el paso temporal. En
latabla1semuestrancomoejemplolascaractersticasde los AOGCMs
empleados en los ltimos escenarios globales
decambioclimticogeneradosenelmarcodelproyecto europeo ENSEMBLES
(Van der Linden y Mitchell, 2009).
Adems,ladiscretizacinqueprecisanlastcnicas numricas para resolver
el sistema de ecuaciones diferencia-les implica que con ellas no
pueden resolverse aquellos pro-cesos atmosfricos u ocenicos con
escalas espaciales o tem-porales menores que la resolucin del
modelo, por ejemplo nubes individuales en los modelos atmosfricos o
remolinos deescalaintermediaenlosmodelosocenicos.Poreso,su efecto
debe calcularse mediante una representacin param-trica en funcin de
valores de las variables bsicas resueltas por el modelo. Este
procedimiento se llama parametrizacin. Los modelos AOGCM se
combinan con representaciones matemticas empricas o semiempricas de
otros componen-tesdelsistemaclimtico,comolacriosfera,lasuperficie
delsueloolacubiertavegetal.Losmodelosactualesms
completosincluyentambinrepresentacionesdelciclodel carbono, de la
dinmica de la vegetacin y de procesos que afectan a los aerosoles
en la atmsfera.Antes se ha sealado que el sistema de ecuaciones
dife-renciales de un AOGCM se resuelve en intervalos o pasos
temporalesdiscretos.Estosignificaque,encadaunode
ellos,elmodelodeberesolvertodaslasecuacionespara
calcularlosvaloresactualizadosdelasvariablesentodas
lasceldillasdelamallatridimensionalqueabarcaelglobo terrestre. Esto
implica tener que realizar millones de
opera-cionesmatemticassimplesencadaintervalotemporal(de
30a60minutossegnlosmodelos),hastacompletartodo
elperiododeintegracin,quenormalmenteseextiendea varios centenares
de aos. Obviamente, esto requiere el uso de los computadores ms
potentes disponibles.LosmodelosAOGCMqueseutilizanparacuantificar la
respuesta futura del clima a perturbaciones inducidas por
actividadeshumanashandeserpreviamenteevaluados.El examen de la
fiabilidad que presenta un AOGCM para
repro-ducirlosprincipalesprocesosenelsistemaclimtico,se realiza
mediante una comparacin sistemtica entre resulta-dos de
simulaciones con condiciones de clima actual y datos climatolgicos
observados. Las simulaciones de clima actual
conAOGCMssellevanacaboconsiderandolaevolucin
devaloresobservadosdeconcentracionesatmosfricasde
GEIs.Losmodelostambinpuedenevaluarseconsideran-docondicionespaleoclimticas,porejemplolapasadaera
glacial.Unavezquesehaevaluadosatisfactoriamentesu calidad, el
modelo se utiliza para realizar simulaciones de la evolucin
temporal del futuro cambio climtico. Tabla 1. Resumen de
caractersticas de los AOGCMs empleados en los escenarios de cambio
climtico del proyecto europeo ENSEMBLES. Una validacin de estos
modelos, desde el punto de vista de la regionalizacin, puede
consultarse en Brands et al. (2011a).Institucin Modelo Atmsfera
Resolucin Niveles Ocano Resolucin NivelesMETO-HC
HadCM3HadGEM1HadAM3HadGAM12,75x3,751,25x1,8751938HadGOM1
1,25x1,250,33-12040IPSL+UCL-ASTRIPSL-CM4 LMDZ-4 2,5x3,75 19 OPA8.1
0,5-2 31MPIMET+DMIECHAM5/MPI-OMECHAM5 T63 (~1,875) 31 MPI-OM 1,5
40INGV-SX INGV-CMCC ECHAM4.6 T106 (~1,125)19 OPA8.2 0,5-2 31FUB
EGMAM ECHAM4-MA T30 (~3,75) 19/39 HOPE-G 0,5-2,8 20CNRM CNRM-CM3
ARPEGE V3 T63(~1,875) 45 OPA8 0,5-2 31NERSC BCM2 ARPEGE V3
T63(~1,875) 31 MICOM 2.8(modificado)1,5 35Escenarios regionales de
cambio climtico3http://www.rsef.orgREF, Vol. 26-2, Abril-Junio
2012Enestetipodeevaluacionessehacomprobadoquela
mayorpartedelosactualesAOGCMhanexperimentado
unanotablemejoraenlosltimosaos.Estoseatribuyea varias causas, entre
las que destacan un mejor conocimiento
delascaractersticasdelosocanosydelosprocesosde intercambio con la
atmsfera, y la reduccin en la resolucin espacial de los modelos
(tamao de celdillas) permitida por el impresionante incremento en
la potencia de computacin.
Dehecho,porlogenerallassimulacionesreproducende
maneramuyaceptablelaevolucinexperimentadaporla temperatura global a
lo largo de los ltimos 150 aos. Tanto es as, que los ensayos
realizados con diferentes evoluciones
deGEIshanpermitidodiscriminarlacontribucindelas actividades humanas
al cambio experimentado por el clima, con un grado de confianza
aceptable (Stott et al.,
2001).Aunquelosresultadosdeproyeccionesdeclimaobteni-dos con
diversos AOGCM son fiables a escala global, cuando
seconsideranescalasregionales(10-100km)lasdistribucio-nesdetemperaturay,sobretodo,deprecipitacinmuestran
notables discrepancias con los datos observados. Esta mengua
enlafiabilidaddelosresultadosaescalaregionalseatribu-ye en buena
medida a la insuficiente resolucin espacial de los AOGCMs y al uso
de parametrizaciones fsicas no adaptadas a procesos de mesoescala.
Una baja resolucin espacial da lugar a que se distorsionen las
lneas de costa y se suavicen las alturas delosaccidentesorogrficos.
Adems,yasehasealadoque
losmodelosnopuedenreproducirdeformarealistaprocesos atmosfricos con
un tamao similar o inferior al de las celdillas
enquesediscretizaeldominiodondeseaplica.Porejemplo, los climas de
la Pennsula Ibrica son el resultado de la accin
delacirculacinglobaldelaatmsfera,delasinteracciones entre este
flujo a macroescala y la orografa, de los contrastes mar-tierra y
de otros efectos de carcter ms local (Castro et al., 1995). Pero
los actuales AOGCM no son capaces de reproducir adecuadamente estos
rasgos del clima en la Pennsula. Un ejem-plo ilustrativo se muestra
en la figura 2, donde se comparan las distribuciones de temperatura
y precipitacin estacionales simu-ladas por el modelo global HadCM3
para el periodo 1961-1990 y las climatolgicas para dicho periodo.
Es evidente que los rasgos climticos de escala regional en
laPennsulanoestnreproducidos,porquelabajaresolucin espacial del
AOGCM no lo permite. Pero aumentar la resolucin de los AOGCM
supondra un incremento muy considerable del tiempo de computacin y
tambin una adaptacin de las parame-trizaciones fsicas a esa mayor
resolucin en todas las latitudes del planeta. En consecuencia, para
obtener aproximaciones ms adecuadas a los climas de escala regional
o sub-regional, actual-mente se aplican otras tcnicas a partir de
las simulaciones con losAOGCM,conocidascomotcnicasderegionalizacin,
condosaproximacionesmetodolgicasdistintas(dinmicay estadstica),
como se ilustra esquemticamente en la figura 3.3.Regionalizacin
dinmicaLaregionalizacindinmicaconsisteenaplicarmodelos
regionalesdeclima(enadelanteRCM,delinglsRegional
ClimateModel)pararealizarproyeccionesrealistasde cambio climtico a
escala regional (10-100 km) de forma
fsi-camenteconsistente(Rummukainen,2010).LosRCMsson
esencialmentesimilaresalmduloatmosfricodecualquier
AOGCM,peroseaplicanaunrealimitadadelglobocon ms resolucin, es decir
discretizando espacialmente con
cel-dillasdemenortamao.Seutilizananidndolosenlamalla del modelo
global (figura 4). Esto significa que en los RCM los valores
iniciales de las variables simuladas y su evolucin Temperatura
media estacional (C) Precipitacin estacional (mm/da)HadCM3 DEF
HadCM3 DEFCRU DEF CRU DEF151227192920 2020 2092415255 55 562111214
44 43187173 33 33 33 30 00 02 22 20,5 0,50,5 0,50153133 121HadCM3
JJA HadCM3 JJACRU JJA CRU JJAFig.2. Comparacin entre las
temperaturas medias (en C) y las pre-cipitaciones (en mm/da)
promedio en invierno (DEF) y verano (JJA) simuladas por el AOGCM
HadCM3 (fla de arriba) y la climatologa elaborada por la Unidad de
Investigacin del Clima (CRU) de la Uni-versidad de East Anglia (fla
de abajo). En ambos casos el periodo es 1961-1990. Ntese que los
colores y valores en las escalas de tempera-tura son diferentes en
cada mapa, pero los de precipitacin son iguales.Fig.3. Esquema de
las metodologas de regionalizacin (dinmica y estadstica), aplicadas
a los escenarios globales de cambio climtico (fla superior).Fig.4.
Ejemplo del dominio de aplicacin de un RCM sobre Europa con una
rejilla de 50 km. La tcnica de anidamiento (nesting) consiste en
proporcionar al RCM informacin de la evolucin de las variables
at-mosfricas en los puntos del contorno del dominio. Dicha
informacin seobtienepreviamentedelasimulacinconun AOGCMqueutiliza
una rejilla con resolucin ms baja (celdillas con mayor tamao)
4Temas de FsicaREF, Vol. 26-2, Abril-Junio
2012http://www.rsef.orgtemporalenloscontornosdeldominiosederivanderesul-tadosobtenidosporunAOGCM.Endefinitiva,losRCM
estnforzadosporloscontornosconvaloressimuladospor
losAOGCM.Portanto,elprocedimientoqueactualmente
sesigueconsisteenutilizarlassalidasdeun AOGCMpara simular la
respuesta de la circulacin global a forzamientos de
macroescalaylosRCMparatenerencuentalosforzamien-tosaescalamspequeaqueeltamaodelaceldillaenel
AOGCM, de una forma acorde con principios fsicos, y para
resaltarlasimulacindecirculacionesatmosfricasyvaria-bles climticas
a escalas espaciales ms finas (IPCC, 2007).
LatcnicadelosRCM,iniciadaaprincipiosdelalti-madcadadelsigloXX(Dickinsonetal.,1989),seutiliza
actualmenteparaunagranvariedaddeaplicaciones,desde estudios
paleoclimticos a proyecciones de cambio climtico
antropognico.Proporcionanresultadosconmucharesolu-cin espacial
(entre 10 y 50 km) a partir de simulaciones de varias decenas de
aos, y son capaces de describir mecanis-mos climticos de
realimentacin a escala regional. No obs-tante, se ha de tener
presente que un RCM no puede corregir los errores generados en el
AOGCM en que se anide, por lo que conviene elegir un AOGCM bien
validado que represente de forma realista los rasgos de la
circulacin global que afec-ten a la regin de inters, o bien
considerar el anidamiento en unconjuntodediferentes
AOGCMsparatenerencuentala incertidumbre asociada a stos. Asimismo
es importante que elRCMincluyaparametrizacionesfsicasadecuadaspara
simular procesos convectivos, intercambios de energa entre
elaireyelsuelooefectosradiativosdelasnubesaescala regional.
Finalmente, la eleccin del tamao de las celdillas
delamalladelRCMdebetomarsecomouncompromiso
entrelaescaladeaquellosprocesosatmosfricosquems
influenciaejercensobreelclimadelaregindeintersy
lapotenciadecomputacindisponible.Apesardequeel dominio de aplicacin
de los RCM abarca una pequea parte del planeta, el tiempo de
computacin es muy superior al que
precisaunAOGCMparasimularunmismoperiodo.Alo largo de la ltima
dcada, el incremento de potencial compu-tacional ha permitido pasar
de simulaciones de pocas dcadas
deduracin,porejemploutilizandoperiodosdiscontinuos
de30aos(1961-1990paraelclimaactualy2071-2100
paraelclimafuturo,enelproyectoeuropeoPRUDENCE;
Christensenetal.,2002)asimulacionescontinuasdehasta 150 aos
(1951-2100, en el proyecto europeo ENSEMBLES; Van der Linden y
Mitchell, 2009).Parailustrarlainformacinquepuedeproporcionarun
escenario regionalizado de cambio climtico, se muestran en la
figura 5 proyecciones de cambio de temperatura media del aire en
superficie (C) para cada estacin del ao. Los
resul-tadosprocedendeunodelosRCMutilizadosenelmarco
delproyectoeuropeoPRUDENCE,elmodeloPROMES
(Gallardoetal.,2001),desarrolladoenlaUniversidadde
Castilla-LaMancha.Serealizarontressimulacionesani-dadasenelmodeloglobalHadAM3,abarcandoperiodos
de30aos.Unasimulacincorrespondiacondiciones
climticasactuales(1960-1990),considerandolosniveles observados de
GEIs y aerosoles atmosfricos, y las otras dos simulaciones al ltimo
tercio del presente siglo (2070-2100), teniendo en cuenta los
escenarios de emisiones SRES-A2 y SRES-B2. Los resultados de las
dos proyecciones climticas
(A2yB2)sepresentanenformadediferenciaentrelos
valoresobtenidosparacadaescenariodeemisionesylos
simuladosparaelperiodo1960-1990.Elcomportamien-togeneralesquelosincrementostrmicosmsintensos
corresponden al escenario SRES-A2, es decir el de mayores
emisionesdeGEIs.Lasdiferenciasentreelescenario A2y B2 se mantienen
en torno a 1C. Los meses de invierno son
losquepresentanmenoresincrementosdelatemperatura
diaria,convaloresentre2y4CparaelescenarioA2y entre 1 y 3C para el
escenario B2. La distribucin espacial de estos cambios en invierno
es parecida en ambos
escena-rios,correspondiendolosmenoresincrementosalazona noroeste de
la Pennsula y los mayores a la mitad suroriental
delaPennsula.Laestacinenlaquelosincrementosde
temperaturadiariasonmayoreseselverano,alcanzando valores superiores
a 6C en el escenario A2 y por encima de 5C en el B2. Estos cambios
tan elevados se localizan en el
interiordelaPennsula.Tambinsepercibeclaramenteun gradiente marcado
entre la periferia y el interior, que podra
relacionarseconelefectoreguladordelasbrisascosteras.
Estasdiferenciasaescalasespacialespequeassepueden representar en el
RCM gracias a su elevada resolucin espa-CAMBIOS EN LA TEMPERATURA
(C)A2 - Control DEF 2071-2100A2 - Control MAM 2071-2100A2 - Control
JJA 2071-2100B2 - Control SON 2071-2100B2 - Control JJA 2071-2100B2
- Control MAM 2071-2100B2 - Control DEF
2071-21008764213587642135876421358764213587642135876421358764213587642135Fig.5.Proyeccionesregionalizadasdecambiodetemperaturame-dia
diaria del aire superfcial (C) realizadas con el RCM PROMES anidado
en el AOGCM HadCM3. Se muestran los resultados prome-diados para
cada estacin del ao (DEF invierno, MAM primavera, JJA verano y SON
otoo) en la Pennsula Ibrica, Baleares y Cana-rias (esquina inferior
derecha en cada mapa), correspondientes a dos escenarios SRES de
emisiones: A2 en la columna izquierda y B2 en la columna derecha.
Los valores corresponden a diferencias entre la simulacin del
periodo 2071-2100 y la de control (1961-1990). Las isolneas en las
fguras muestran los porcentajes de cambio en la va-riabilidad
interanual (positivos en trazo continuo, negativos en trazo
discontinuo y cero en trazo grueso continuo).Escenarios regionales
de cambio climtico5http://www.rsef.orgREF, Vol. 26-2, Abril-Junio
2012cial. En la primavera y el otoo los incrementos proyectados
alcanzan valores intermedios entre los del invierno y el vera-no.
No obstante, los incrementosenotoosonsuperioresa
losdelosmesesdeprimavera,enespecialenelescenario B2. Aunque no se
muestran grficamente, los cambios
pro-yectadosparalospromediosestacionalesdetemperaturas mximas y
mnimas diarias presentan una distribucin espa-cial semejante a los
de las temperaturas medias. No obstante, los valores de los cambios
son en torno a 1C ms elevados para las mximas que para las mnimas,
siendo los de estas ltimassimilaresalosdelastemperaturasmedias.Esto
significaquelaamplituddelaoscilacintrmicadiariase incrementa
respecto al clima presente. Este comportamiento se aprecia en todas
las estaciones y en la mayor parte de las zonas del territorio,
salvo en las reas insulares o en las muy prximas a las
costas.Unaspectoimportanteenlatcnicaderegionalizacin
dinmicaeselempleodeconjuntos(ensembles)multi-modelo de
simulaciones. Estos conjuntos multi-modelo
con-sistenenrealizarsimulacionesdecaractersticascomunes
condistintosRCMs.Untipodeconjuntosdesimulaciones consiste en anidar
distintos RCMs en un mismo GCM y para
elmismoescenariodeemisiones.Lasdiferenciasderesul-tados entre los
miembros del conjunto permitirn identificar la incertidumbre
asociada a la formulacin de los RCMs. Si
losdistintosRCMsproporcionanresultadossimilaresenel
cambiodevariablesclimticas,selepuedeasignarmayor certidumbre a
dicho cambio que si los modelos dan resulta-dos distintos entre
s.Uno de los aspectos climticos donde la regionalizacin dinmica
puede proporcionar informacin difcilmente obte-nible mediante otros
mtodos es el relativo al cambio en los
llamadosextremosclimticos.Generalmenteseentiende
porextremosclimticoslosvaloresdevariablesatmosfri-casmuyalejadosdelospromediosclimatolgicos,quese
producenensituacionesmeteorolgicasexcepcionales.El
intersquepresentaesteotrotipodeanlisisradicaenque
seconsideraquelosimpactosdelasalteracionesdelclima
futurodebidosacambiosenlosextremosclimticossern
probablementemsseverosquelosrelacionadosconel
cambiodelclimapromedio. Aunquelafrecuenciaconque
ocurrentaleseventosesrelativamentepequea,suimpacto social, econmico
y medioambiental suele ser muy notable.
Lasimulacindeextremosclimticosrequierealtareso-lucinespacial,dadoquesetrataamenudodefenmenos
deescalarelativamentepequea,porloquelosRCMslos representarn en
general mejor que los GCMs.Una ilustracin de la capacidad de los
RCMs para gene-rarinformacinsobrefenmenosextremoseselestudiode
Gaertneretal.(2007),enelqueanalizandolaintensidady estructura de
ciclones simulados por un conjunto de RCMs, se detect un riesgo de
desarrollo de ciclones tropicales sobre
elmarMediterrneoenunescenariodecambioclimtico futuro. En la figura
6 se muestra un cicln extremo simulado para clima futuro. En ella
se representa la presin a nivel del mar, con un gran gradiente de
presin asociado a vientos muy
fuertesensuperficie,ytambinunavariableasociadaala temperatura de la
columna de aire, que muestra en este caso como la temperatura sobre
la depresin es ms alta que en el
entorno.Estaestructuradenominadadencleoclidoes caracterstica de
ciclones tropicales, a diferencia de los
ciclo-nesextratropicalesquetienenestructuradencleofro.
Hayqueindicarqueestaposibilidaddeciclonestropicales aparece slo en
algunas simulaciones, lo que refleja una gran
incertidumbreenesteresultado.Estoresaltatambinlauti-lidad de los
conjuntos de simulaciones para asignar mayor o menor certidumbre a
los posibles cambios futuros.En la actualidad se estn desarrollando
nuevos proyectos de investigacin para generar escenarios de cambio
climti-co mejorados. En el marco del proyecto ESCENA, en el que
participan cuatro grupos de investigacin espaoles, se estn
generando escenarios de cambio climtico de alta resolucin espacial
en un dominio que, adems de la Pennsula Ibrica,
incluyezonasnocubiertasenanterioresproyectoscomo las Islas Canarias
y el noroeste de frica. Las proyecciones
climticasdeesteproyectocomplementanyamplanlos escenarios obtenidos
en el proyecto europeo ENSEMBLES,
medianteelusodenuevosRCMynuevascombinaciones AOGCM-RCM. Otro
aspecto importante de este proyecto es el uso de una nueva base de
datos observados para la evalua-cin de los modelos. La climatologa
con la que se comparen los resultados de una simulacin realizada
con un RCM debe estar discretizada en celdillas con un tamao
semejante a las del modelo, a fin de que la topografa del dominio
sea simi-lar.RecientementesehadesarrolladoenlaUniversidadde
Cantabria la base de datos Spain02 (Herrera et al., 2010), que con
una resolucin de 0,2 en latitud y longitud se aproxima mucho a la
resolucin de los RCM (25 km). Spain02 se basa
enunagrancantidaddeestacionesdeobservacin,loque
enparticularpermiteresolverlacomplejadistribucinde precipitacin en
Espaa de forma mucho mejor que en bases de datos observados
previas.Otroproyectoactualeselproyectointernacional
CORDEX(Giorgietal.,2009),unprogramapatrocinado
46N38N30N42N34N26N10W 0 10E 20E
30E8960880088808640856083208240872084808400816080808000Fig.6.EjemplodeextremosciclnicossimuladosconunRCMso-bre
el Mediterrneo en un escenario de cambio climtico futuro. Las
lneascontinuassonisobarasdepresinaniveldelmar(hPa)que
muestranuncentrodebajaspresionesmuyintensosobreSicilia. El
sombreado indica el espesor de altura geopotencial (m) entre los
nivelesdepresinde300y900hPa.Esteespesorgeopotenciales proporcional
a la temperatura media de la columna de aire, de forma que el
espesor geopotencial ms alto (en rojo) situado sobre el centro de
bajas presiones indica una estructura de ncleo clido,
caracte-rstica de ciclones tropicales.6Temas de FsicaREF, Vol.
26-2, Abril-Junio 2012http://www.rsef.orgpor el programa WCRP (del
ingls World Climate Research
Program)delaOrganizacinMeteorolgicaMundialpara
generarescenariosclimticosglobalmente.Suprincipal
objetivoesextenderlaaplicacindeRCMsaregionesdel
mundonoconsideradasanteriormente.Otrosobjetivosadi-cionalessonaumentarlaresolucinenlosescenariospara
Europa, llegando hasta cerca de 10 km (0,11 de resolucin espacial)
y avanzar en el desarrollo y aplicacin de modelos
climticosregionalesconacoplamientoatmsfera-ocano sobre la regin
mediterrnea.Esteltimoaspectoestrelacionadoconuncampode
actividadespecialmenteimportanteparaelfuturodelos
escenariosregionalizados:eldesarrollodelosmodelos regionales del
Sistema Tierra. Para ello, se estn
incorporan-domodelosregionalesdeocanoacopladosalaatmsfera
(Somotetal.,2008),modelosavanzadosdevegetaciny
sueloconcapacidadparasimularladinmicadelavegeta-cin, as como
modelos de qumica atmosfrica y aerosoles.
Larealizacindesimulacionesacopladasentreestoscom-ponentesdelsistemaclimticopermitirmodelarconalta
resolucin espacial las importantes interacciones entre ellos,
quepuedenmodularaescalalocalyregionallaevolucin futura del
clima.4.Regionalizacin
estadsticaLosmtodosestadsticosderegionalizacin(enade-lanteSDMs,delinglsStatisticalDownscalingMethod)
sebasanenmodelosestadsticosquerelacionandeforma
empricalasvariablesdecirculacinatmosfricaagran
escalaconlasvariableslocales/regionalesobservadasen superficie,
relacionadas con el fenmeno de estudio (tpica-mente, la temperatura
y la precipitacin). Estos modelos se ajustan/calibran utilizando
datos de reanlisis (para caracte-rizar la circulacin atmosfrica,
ver Brands 2011b) y regis-tros histricos de observaciones para un
perodo comn de referencia(porejemplo,unperodohistricode30aos,
1971-2000).Posteriormente,losmodelosobtenidosson utilizados para
proyectar localmente los escenarios globales
futurosproporcionadosporlos AOGCMs(ver Wilbyetal. 2004, para ms
detalles), lo que implica suponer la
estacio-nariedaddelosmodelos,esdecir,quelasrelacionesentre
pequeaygranescalaestablecidasenelperodohistrico
nocambiarnenelfuturo.Estaesunadelaslimitaciones ms importantes de
los distintos mtodos de regionalizacin estadstica para su uso en
estudios de cambio climtico.La ventaja de estas tcnicas es que
utilizan la
climatolo-garealobservadadelavariablelocaldeintersduranteel perodo
de referencia y, por tanto, calibran/corrigen estads-ticamente las
posibles deficiencias y desajustes sistemticos
delosmodelosglobales;portanto,losresultadospueden
utilizarsedirectamenteenestudiosdeimpacto,sinnecesi-dad de ser
calibrados. Otra ventaja de estos mtodos es que
permitenincluircomopredictoresdelmtodoestadstico
sloaquellasvariablesdecirculacinqueseanreproduci-das con mayor
fiabilidad por los AOGCMs y que dependan
enmenormedidadeparametrizaciones;porotraparte,las
variablesdelosAOGCMstambinpuedenpre-procesarse
(porejemplo,eliminandosesgosenlamedia)antesdeser
utilizadasenlaregionalizacinestadstica,loqueelimina
unafuentedeerrordebidaaloserroressistemticosdelos modelos numricos.
Porotraparte,lasnecesidadesdeclculodeestastc-nicassonmuchomenoresquelasrequeridasparaejecutar
RCMs, si bien en algunos casos las tcnicas estadsticas no
linealesutilizadasconsumentambinmuchosrecursosde computacin en
costosos procesos de optimizacin (cuando
seaplicanamuchospuntosgeogrficos).Portanto,con
estastcnicassepuederealizarungrannmerodereali-zaciones/simulacionescondiferentesmtodosdedowns-calingydistintos
AOGCMs,quecubrantodaslasposibles combinaciones y permitan analizar
separadamente de forma adecuada las distintas fuentes de
incertidumbre: escenarios, modelos globales, y tcnicas de
regionalizacin.Las distintas tcnicas de downscaling estadstico que
se han propuesto en la literatura se suelen clasificar en tres
grupos:Funcionesdetransferencia,basadasenmodelosde
regresinlinealonolineal(e.g.redesneuronales)para inferir las
relaciones entre los predictandos locales y los
predictoresdelargaescala.Estosmtodossongenera-tivos,enelsentidodequelasprediccionessederivan
deunmodelo(estadstico),queseobtieneapartirde
losdatos.Enocasionesseutilizantcnicasespaciales
parareducirladimensindelproblema(Componentes
Principales,etc.),oparapredecirconpatronescorrela-cionados
(Correlacin Cannica lineal o no lineal, etc.).Tipos de tiempo y
mtodos de anlogos, basados en
algo-ritmosdevecinoscercanos(k-NN)y/oenunapreclasi-ficacinenunnmerofinitodegrupos(tiposdetiempo)
obtenidos acorde a la similitud a gran escala de los campos
atmosfricos;normalmenteestosmtodossonnogenera-tivos, pues se basan
en un procedimiento algortmico para obtener la proyeccin. El mtodo
ms popular de este grupo es el mtodo de anlogos, basado en usar das
del pasado similares a los das futuros para obtener una
proyeccin.Generadoresdetiempo,queseutilizancuandosedis-pone de
predicciones a una escala temporal superior a la
deseada(porejemplo,mensualoestacional,cuandose
necesitaprediccindiaria),ysimulanestocsticamente
seriesdevaloresdiariosconsistentesconlaclimatolo-gaprevista.Estosmtodosson,enrealidad,tcnicas
de desagregacin temporal y tienen la ventaja prctica de
permitirgenerartantasrealizacionescomosenecesiten en el modelo de
impactos que se aplique.A modo de ejemplo, y con el fin de poder
comparar cuali-tativamente los resultados que proporcionan las
tcnicas esta-dsticasydinmicasderegionalizacin,lafigura7muestra las
proyecciones de cambio de temperatura en superficie (C)
paracadaestacindelaoobtenidasaplicandounatcnica
deregionalizacinbasadaenregresin,delprimerodelos
gruposanteriores(utilizandopresinaniveldelmarytem-peratura a dos
metros como predictores). A diferencia de en
lafigura5,enestecasosemuestralatemperaturamxima, Escenarios
regionales de cambio climtico7http://www.rsef.orgREF, Vol. 26-2,
Abril-Junio 2012y se utiliza el escenario de emisiones SRES-A1B del
modelo HadGEM2 (que puede considerarse intermedio entre los dos
escenarios B2 y A2 mostrados en la figura 5). Los resultados se
presentan en forma de diferencia entre los valores obteni-dos para
el escenario de emisiones en el perodo 2071-2100 y los simulados
para el periodo 1971-2000. Ntese que, a pesar de las diferencias
observadas entre ambos experimentos, los
resultadosguardanunagransimilitudencuantoalpatrn espacial y la
estacionalidad de los resultados.
Lafigura7ilustratambinelhechodequelastcnicas
estadsticaspuedenaplicarsetantoaregistroshistricos puntuales (como
la red de estaciones de AEMET, eligiendo
aquellascondatosdesuficientecalidad,mostradasenla
columnaizquierda)comoadatoshistricosenformade
rejillasregulares(comolosdatosdeSpain02descritoscon anterioridad, y
mostrados en la columna derecha).
Lascaractersticasanterioreshanhechoquelaregiona-lizacinestadsticasehayapotenciadoenlosltimospro-yectosdecambioclimtico,queincluyentareasespecficas
aesterespecto.Porejemplo,enlosproyectosEuropeos
STARDEXyENSEMBLESsecompararondistintosmto-dos estadsticos sobre
distintas regiones de Europa y para dis-tintas variables
concluyendo que ningn mtodo es, en gene-ral, superior a los otros.
Por tanto, es necesario considerar un conjunto amplio y robusto de
mtodos estadsticos para poder llegar a conclusiones que tengan en
cuenta la incertidumbre introducida por el mtodo de regionalizacin.
Por ejemplo, en elmarcodelproyectoENSEMBLESsedesarrollelportal de
downscaling estadstico, que incorpora distintos mtodos
estadsticosderegionalizacinypermitecalibrarlosyutili-zarlos
libremente a partir de los AOGCMs de este proyecto,
mostradosenlatabla1(sepuedeaccederlibrementeaesta herramienta en
http://www.meteo.unican.es/ensembles).
Finalmente,anivelnacionaltambinseestnllevan-doacaboaccionescoordinadas(enparaleloalproyecto
ESCENAdescritoenlaseccinanterior)paralageneracin
deescenariosregionalescontcnicasestadsticas(proyecto ESTCENA), en
el que se estn calibrando, validando y apli-cando distintas tcnicas
estadsticas de regionalizacin para la generacin de escenarios
regionalizados en Espaa para preci-pitacin y temperatura, tanto en
puntos locales (las estaciones de AEMET con datos de calidad), como
en la rejilla Spain02
de,aproximadamente,20kmderesolucin.Losresultados
conjuntosdeambosproyectospermitirnllevaracaboun
estudiocomparativosistemticodelasproyeccionesobteni-das con ambas
metodologas, para poder evaluar el efecto de las distintas hiptesis
y limitaciones de las distintas tcnicas.5.ConclusionesLa proyeccin
regional de los escenarios de cambio
cli-mticoesunproblemaactualdegranimportancia,decara a poder
realizar los estudios de impacto del cambio climti-co a la escala
adecuada, para tener en cuenta la variabilidad espacial del clima y
su sensibilidad en problemas de agricul-tura, ecologa, hidrologa,
recursos energticos, etc.
Enlaactualidadexistendistintasmetodologascomple-mentarias (dinmicas
y estadsticas) para abordar este proble-ma, que han sido
desarrolladas y aplicadas a distintas regio-nes del mundo,
mostrando sus ventajas e inconvenientes. Sin
embargo,conlaexcepcindealgunosproyectosaescala
continental(comolosproyectoseuropeosPRUDENCE,
ENSEMBLES,osusequivalentesamericanosyasiticos), la comunidad de
escenarios regionales ha trabajado de forma
descoordinadasinlograrproducirresultadoshomogneos
aescalaglobal,teniendomenorvisibilidadquelacomuni-daddemodelosglobales.Sinembargo,recientementehan
comenzadoaccionesinternacionalesconducentesaresolver este problema,
principalmente la accin CORDEX, que darn
msvisibilidadaestetemaenlosfuturosinformessobre cambio climtico (en
particular los informes del
IPCC).Todaslastcnicasderegionalizacincompartenlades-ventaja de que
dependen de datos de entrada procedentes de AOGCMs y, por tanto,
estn al final de la cadena de incerti-dumbre, tras los escenarios
de cambio climtico y los modelos globales, lo que obliga a realizar
un nmero mayor de simu-laciones para muestrear adecuadamente estas
incertidumbres.Hastalafecha,distintosestudios,hanmostrado,utili-zandomedidasdevalidacinenperodoshistricos,que
ningunadeestasmetodologas(dinmicayestadstica)
tieneuncomportamientosuperioralaotra,sinoqueen
cadacaso(cadavariable,regingeogrfica,etc.)unastc-nicassonmsapropiadasqueotras(ver,porejemplo,los
resultadosdelproyectoSTARDEX,http://www.cru.uea.ac.uk/projects/stardex/).
Por tanto, en cierta medida, ambas
tcnicasproporcionanresultadoscomplementarios,porlo que la seleccin
de escenarios regionalizados para la reali-Diferencia 2071-2100
(A1B) y 1971-2000 (20c3m)87642135InviernoPrimaveraVeranoOtooCFig.7.
Similar a la fgura 5, pero obtenida con un SDM basado en re-gresin
para la temperatura mxima diaria, considerando el escenario SRES
A1Byel AOGCMHadGEM2.Lacolumnadelaizquierda muestra los resultados
obtenidos utilizando un conjunto de estacio-nes de la AEMET,
mientras que la columna de la derecha muestra los resultados para
la rejilla regular Spain02 de observaciones interpola-das. Los
valores corresponden a diferencias entre la simulacin del periodo
2071-2100 y la de control (1971-2000).8Temas de FsicaREF, Vol.
26-2, Abril-Junio 2012http://www.rsef.orgzacin de estudios de
impacto del cambio climtico
depen-derenpartedelosrequisitosdelaaplicacinconcreta. En la tabla
2, se muestra un breve resumen de las ventajas
einconvenientesdeestasmetodologas(ver Winkleretal. 2011, para un
estudio ms detallado).Referencias[1]BRANDS, S., HERRERA, S.,
SAN-MARTN, D., GUTIRREZ, J.M.Valida-tion of the ENSEMBLES Global
Climate Models over southwestern Europe using probability density
functions: A downscaling perspec-tive. Climate Research, 48,
145-161, 2011a, doi: 10.3354/cr00995[2]BRANDS, S., GUTIRREZ, J.M.,
HERRERA, S., COFIO, A., On the Use of Reanalysis Data for
Downscaling. Journal of Climate, in press, 2011b.[3]CASTRO, M., .
FERNNDEZ, C, GAERTNER, M.A. AND GALLARDO, C., Relevance of regional
models for analyzing future climate change in the Iberian
Peninsula. Global Change and Mediterranean-type Ecosystems.
Ecological Studies 117. Springer, 1-34, 1995. [4]CRAMER, W. AND
FIELD, C.B., Comparing global models of te-rrestrial net primary
productivity (NPP): introduction. Global Change Biology, 5, III-IV,
1999.[5]CHRISTENSEN,J.H.,CARTER,T.ANDGIORGI,F.,PRUDENCE Employs New
Methods to Assess European Climate Change, EOS, Vol. 82, p. 147,
2002.[6]DICKINSON R.E., ERRICO, R.M., GIORGI, F., AND BATES, B.T.,
A regionalclimatemodelforwesternUnitedStates.Climatic Change, 15,
383422, 1989.[7]GALLARDO, C., ARRIBAS, A., PREGO, J.A., GAERTNER,
M.A. AND CAS-TRO, M., Multi-year simulations with a high resolution
regional cli-mate model over the Iberian Peninsula: Current climate
and 2xCO2 scenario . Quart. Jour. Roy. Meteor. Soc. 127, 1659-1682,
2001.[8]GIORGI, F., JONES, C., ASRAR, G., Addressing climate
informa-tionneedsattheregionallevel:TheCORDEXframework. WMO
Bulletin, 58(3):175183, 2009.[9]HERRERA S., GUTIRREZ, J.M., ANCELL,
R., PONS, M.R., FRAS, M.D.
ANDFERNNDEZ,J.,Developmentandanalysisofa50-yearhigh-resolution
daily gridded precipitation dataset over Spain (Spain02).
International Journal of Climatology. DOI: 10.1002/joc.2256,
2010.[10]Disponible libremente en
http://www.meteo.unican.es/spain02[11]IPCC, Climate Change 2007:
The Physical Science Basis. Con-tribution of Working Group I to the
Fourth Assessment. Report of the Intergovernmental Panel on Climate
Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B.
Averyt, M. Tig-nor and H.L. Miller (eds.)]. Cambridge University
Press, Cam-bridge, United Kingdom and New York, NY, USA, 996 pp,
2007.[12]CHRISTENSEN, J.H., HEWITSON, B., BUSUIOC, A., CHEN, A.,
GAO, X., HELD, I., JONES, R., KOLLI, R.K., KWON, W.-T., LAPRISE,
R., MAGAA RUEDA, V., MEARNS, L., MENNDEZ, C.G., RISNEN, J., RINKE,
A., SARR, A. AND WHETTON, P., Regional Climate Projections. In:
Cli-mate Change 2007: The Physical Science Basis. Contribution of
Working Group I to the Fourth Assessment Report of the
Intergo-vernmental Panel on Climate Change [Solomon, S., D. Qin, M.
Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L.
Miller(eds.)].CambridgeUniversityPress,Cambridge,United Kingdom and
New York, NY, USA, 2007.[13]MOSS, R.H., EDMONDS, J.A., HIBBARD,
K.A., MANNING, M.R., ROSE, S.K., VAN VUUREN,D.P., CARTER, T.R.,
EMORI, S., KAINUMA,M.,KRAM, T., MEEHL, G.A., MITCHELL, J.F.B.,
NAKICENOVIC, N., RIAHI, K., SMITH, S.J.,
STOUFFER,R.J.,THOMSON,A.M.,WEYANT,J.P.ANDWILBANKS,T.J., The next
generation of scenarios for climate change research and
as-sessment. Nature, 463, 747-756. DOI:10.1038/nature08823,
2010[14]NAKICENOVIC, N., ALCAMO, J., DAVIS, G., DE VRIES, B.,
FENHANN, J., GAFFIN, S., GREGORY, K., GRBLER, A., JUNG, T.Y., KRAM,
T., LA ROVERE,E.L.,MICHAELIS,L.,MORI,S.,MORITA,T.,PEPPER,W.,
PITCHER,H.,PRICE,L.,RAIHI,K.,ROEHRL,A.,ROGNER,H.-H., SANKOVSKI, A.,
SCHLESINGER, M., SHUKLA, P., SMITH, S., SWART, R., VAN ROOIJEN, S.,
VICTOR, N. AND DADI, Z., IPCC Special Report on Emissions
Scenarios, Cambridge University Press, 599 pp,
2000.[15]PEIXOTO,J.P.ANDOORT,A.H.PhysicsofClimate.American
Institute of Physics. New York, 1992.[16]RUMMUKAINEN, M.,
State-of-the-art with regional climate models. WIREs Clim. Change
1, 82-96. DOI: 10.1002/wcc.008, 2010.[17]SNCHEZ, E., GALLARDO, C.,
GAERTNER, M.A., ARRIBAS, A. AND CASTRO, M., Future climate extreme
events in the
Mediterra-neansimulatedbyaregionalclimatemodel:frstapproach. Global
and Planetary Change (en prensa), 2004.[18]SOMOT, S., SEVAULT, F.,
DQU, M., CRPON, M., 21st century clima-te change scenario for the
Mediterranean using a coupled atmos-phereocean regional climate
model, Global and Planetary Chan-ge, 63, 112-126. DOI:
10.1016/j.gloplacha.2007.10.003, 2008.[19]STOTT,P.A.,
TETT,S.F.B.,JONES,G.S., ALLEN,M.R.,INGRAM, W.J. AND
MITCHELL,J.F.B., Attribution of Twentieth Century
TemperatureChangetoNaturalandAnthropogenicCauses. Clim. Dynamics,
Vol. 17, 1-22, 2001.[20]VAN DER LINDEN, P. AND MITCHELL, J.F.B.
(eds.) ENSEMBLES: Cli-mate Change and its Impacts: Summary of
research and results from the ENSEMBLES project. Met Offce Hadley
Centre, FitzRoy Road, Exeter EX1 3PB, UK. 160pp., 2009
http://www.ensembles-eu.org/[21]WILBY, R.L., CHARLES, S.P., ZORITA,
E., TIMBAL, B., WHETTON, P., MEARNS, L.O., Guidelines for Use of
Climate Scenarios deve-loped from Statistical Downscaling Methods.
Supporting ma-terial of the IPCC (Task Group on Data and Scenario
Support for Impacts and Climate Analysis, TGICA), 2004.[22]WINKLER,
J.A., GUENTCHEV, G.S., LISZEWSKA, M., PERDINAN AND TAN, P.N.,
Climate Scenario Development and Applications for LocalRegional
Climate Change Impact Assessments: An
Over-viewfortheNon-ClimateScientist.PartII:Considerations When
Using Climate Change Scenarios, Geography Compass 5/6, 301328,
2011, 10.1111/j.1749-8198.2011.00426.xMiguel ngel Gaertner Facultad
de Ciencias Ambientales y Bioqumica. Universidad de Castilla-La
Mancha. ToledoJos Manuel Gutirrez Instituto de Fsica de Cantabria
(IFCA). CSIC-Universidad de Cantabria. SantanderManuel Castro
Instituto de Ciencias Ambientales. Universidad de Castilla-La
Mancha. ToledoTabla 2MtodoVentajas InconvenientesRegionalizacin
dinmicaInformacin con alta resolucin espacial y temporalInformacin
basada en modelos fsicos, con inclusin de realimentaciones entre
componentes del sistema climticoGran nmero de variables, fsicamente
consistentes entre sCapacidad para generar nuevos extremos
climticosGran coste computacionalValores en celdillas
representativos depromedios sobre al rea de cada celdillas,no de
valores puntualesRegionalizacin estadsticaBajo coste
computacionalAplicacin rpida a muchos escenarios y modelos globales
distintosInformacin con resolucin espacial muy alta,en localidades
puntuales o rejillas regulares.Hiptesis de estacionariedad
estadstica: supone que las relaciones empricas deducidas en clima
actual son tambin vlidas en clima futuro.Necesita observaciones
diarias de calidad (en puntos aislados o en una rejilla regular)
para un perodo climtico representativo.Proporciona resultados slo
para las variablespara las que se dispone de observaciones.