Modelamiento climtico

1
Modelamiento climático

• Ken Takahashi G.
• Princeton University/NOAA GFDL
• ken.takahashi_at_noaa.gov

Ahora en el Instituto Geofísico del Perú
2
Escenarios futuros de temperatura global
3
Qué es un modelo climático?

• Representación matemática (ecuaciones) de los
  procesos físicos/químicos/biológicos que
  determinan el estado del clima
• El problema matemático está completamente
  planteado dados los parámetros, condiciones
  iniciales y condiciones de frontera.
• Típicamente, las ecuaciones se resuelven
  numéricamente usando grandes computadoras.

4
Ejemplo Laboratorio de Dinámica de Fluidos
Geofísicos (GFDL) de la NOAA
5
Evolución de modelos climáticos
IPCC 2001
6
Esquema de modelo climático numérico
NOAA
7
Modelo atmosférico Ecuaciones básicas

• Conservación de momentum (2da ley de Newton)

Conservación de energía (2da ley de termodinámica)
Conservación de humedad
Conservación de masa
8
Modelo atmosférico Ecuaciones básicas

• Conservación de momentum (2da ley de Newton)

Conservación de energía (2da ley de termodinámica)
Conservación de humedad
Términos no-lineales
Conservación de masa
9
Modelo atmosférico Ecuaciones básicas

• Conservación de momentum (2da ley de Newton)

Conservación de energía (2da ley de termodinámica)
Conservación de humedad
Fuentes (procesos no resueltos)
Términos no-lineales
Conservación de masa
10
Modelo atmosférico Parametrizaciones

• Parametrizaciones Aproximaciones
  semi-empíricas de los efectos de procesos físicos
  no resueltos explícitamente
• Ejemplos
• Sistemas de precipitación (convección húmeda)
• Turbulencia cerca a la superficie (capa límite
  planetaria)
• Interacción radiación-nubosidad-aerosoles
• Generación de ondas de gravedad/turbulencia por
  orografía
• Las parametrizaciones son uno de las principales
  fuentes de incertidumbre en los modelos
  climáticos, así como la baja resolución.

11
Errores en modelos climáticos Clima actual
Error promedio de los 20 modelos en reporte de
IPCC (2007)
Error lluvioso gt 1 metro/año
Lluvia
Error cálido gt 3C
Temperatura de la superficie del mar
mm/dia K
12
Cómo tener confianza en los modelos climáticos?

• Necesitamos entendimiento de los procesos físicos
  más importantes para los aspectos que nos
  interesan.
• Esto requiere la formulación y verificación de
  hipótesis mediante la interacción entre teoría,
  experimentación numérica y observaciones.
• Luego, se verifica si los modelos climáticos
  reproducen estos procesos satisfactoriamente.

13
Ejemplo Efecto de los Andes en el Pacífico
Pregunta Qué procesos son importantes para
mantener la temperatura baja en el Pacífico
frente a Sudamérica? Hipótesis El efecto de
los Andes sobre la circulación atmosférica
alterará la evaporación de la superficie del mar,
enfriándolo y suprimiendo la lluvia sobre
él. Metodología Experimentos con modelos
numéricos simplificados y comparación con lo
observado.
Takahashi y Battisti (Journal of Climate, 2007)
14
Ejemplo Efecto de los Andes en el Pacífico
Lluvia (sombreado) y temperatura del mar
(contornos) observadas
ZCIT al norte
Andes
ZCPS
Frio
Modelo acoplado incluyendo los Andes únicamente
ZCIT al norte
Andes
Frio
ZCPS
Takahashi y Battisti (Journal of Climate, 2007)
Sin continentes, otras montañas o corrientes
oceánicas
15
Ejemplo Efecto de los Andes en el Pacífico
Takahashi y Battisti (Journal of Climate, 2007)
16
Comentarios finales

• Es fundamental comprender los procesos físicos
  para tener confianza en los modelos climáticos.
  Esto es particularmente importante para aspectos
  que solo nos afectan a nosotros.
• En el Perú, la escasez de recursos humanos hace
  necesario que seamos más generalistas que
  especialistas.
• En las ciencias del clima, la gran ventaja que
  paises más desarrollados tienen sobre paises como
  Perú es la cantidad de científicos con que
  cuentan. Los recursos computacionales son cada
  vez menos una excusa.

17

• La ciencia es una forma de tratar de no
  engañarnos a nosotros mismos. El principio
  fundamental es no engañarse a uno mismo, y somos
  los más fáciles de engañar.
• R. Feynman (1964)
• ken.takahashi_at_noaa.gov