¿Cómo seleccionar modelos de circulación general para estudios regionales? propuesta metodológica basada en el desempeño histórico

Abstract

Estudios realizados durante las últimas décadas indican que el cambio climático afectará la disponibilidad de los recursos hídricos debido a cambios en temperaturas y precipitaciones. Para mitigar dichos efectos, se suelen realizar estudios hidrológicos que, a través de proyecciones climáticas generadas por modelos de circulación general (GCMs), permiten estimar la disponibilidad hídrica futura, cuantificar cambios proyectados, y generar planes que faciliten un manejo más eficiente del recurso hídrico. En la actual fase del Proyecto de Intercomparación de Modelos Acoplados (CMIP6) existen alrededor de 60 GCMs, los cuales simulan a escala diaria la climatología histórica (1850-2014) y futura (2015-2100) para todo el mundo bajo distintos escenarios. Utilizar la totalidad de ellos resulta en una tarea ardua debido a los altos costos computacionales de procesar tal magnitud de información, y, por lo tanto, es imprescindible someterlos a un proceso de diagnóstico que permita la selección de modelos que representen adecuadamente la climatología de la zona de estudio. Debido a esto, en el presente trabajo se propone una metodología de ranking de GCMs que facilite la selección para posteriores estudios regionales de cambio climático en Chile continental. El estudio se lleva a cabo considerando 27 modelos (y el promedio de estos) asociados al CMIP6, los cuales son diagnosticados en el periodo 1979-2014, evaluando cuatro aspectos de las series de precipitaciones y temperaturas extremas: (i) variabilidad interanual; (ii) correlación espacial de la media climatológica; (iii) reproducción temporal del ciclo medio anual; y (iv) la tendencia anual. Se construyeron cuatro métricas, las cuales fueron calculadas para cada GCM y comparadas con el set de datos observacional CR2METv2.0, generándose un ranking de modelos a nivel general y para cada métrica y variable. Se analizó también el efecto de la resolución horizontal a la que se diagnostican los modelos, repitiendo el proceso de diagnóstico a cuatro resoluciones horizontales. Finalmente, se estudió la influencia que tiene el escalamiento estadístico en el rendimiento de los modelos al aplicarse, a la resolución de 0,25°, dos métodos a los GCMs para luego recalcular el ranking de modelos y compararlo con el obtenido previo al proceso de escalamiento. Los resultados indican que no existe un modelo que demuestre superioridad en todas las variables y métricas de manera simultánea, y a la vez, todos varían en su desempeño según la zona que se esté analizando. Los dos métodos de escalamiento estadístico aplicados producen una mejoría del ciclo anual climatológico y la correlación espacial, aunque no logran corregir errores en las tendencias históricas, donde todos los GCMs presentan tendencias contrarias a las observadas en precipitaciones y temperaturas extremas en ciertas zonas del país. Considerando la variabilidad espacial del desempeño de los GCMs, se recomienda realizar, a escala regional, una selección basada en el diagnóstico de múltiples aspectos y variables de la meteorología, donde se considere, al menos, la reproducción del ciclo anual, la variabilidad interanual y las tendencias observadas en el periodo histórico.