Clima Estacional a Escalas Regional y Local
Parte II: Métodos de Predicción Estacional,
Downscaling y Ajustes de Pronósticos Regionales
Walter E. Baethgen
Latin America and the Caribbean Regional Program
IRI: International Research Institute for Climate and Society
The Earth Institute
Columbia University
[email protected]
(Adaptado de N. Ward, IRI)
http://ccnmtl.columbia.edu/projects/climate/
Gestión de Riesgos Climáticos en el Sector Agropecuario (IRI-INMET). Brasilia, Diciembre 2007
Sistema Climático Global
Esquema del
Sistema Climático
Global (Adaptado
del IPCC, 1995).
Pronósticos Climáticos
Estacionales: Métodos
1. Modelos de Atmósfera (GCMs) con TSM dadas
(Ejercicio2)
2. GCMs Atmosféricos forzados con TSM predichas
3. Modelos de Alta Resolución (Anidados, Resolución Variable)
4. Transformaciones estadísticas de salidas de Modelos
5. Pronósticos estadísticos directamente de índices clave
Global Climate Models
Modelos de Circulación General / Modelos Climáticos Globales (GCMs)
Modelos acoplados de océano – atmósfera tienen potencial de ser
mejorados considerablemente
Monitoreo de 500m de
profundidad del Océano
Desde que se mide
Temperaturas del Océano
en profundidad se ha
podido predecir El Niño
3 a 6 meses
Ejemplo: Pacífico sub-superficial
a lo largo del Ecuador
Es ésta una situación que puede
llevar a un El Niño?
Cómo responder a esta pregunta?
Pronósticos de las TSM Nino3 de un
modelo acoplado océano-atmósfera
Pronósticos Nino3.4 de otro modelo
acoplado océano-atmósfera
Pronósticos de El Niño de IRI
Pronósticos Climáticos
Estacionales: Métodos
1. Modelos de Atmósfera (GCMs) con TSM dadas (Ejercicio2)
•2. GCMs Atmosféricos forzados con TSM predichas
• 3. Modelos de Alta Resolución (Anidados, Resolución Variable)
• 4. Transformaciones estadísticas de salidas de Modelos
• 5. Pronósticos estadísticos directamente de índices clave
Example of GCM Prediction of
East Africa Rainfall from SST
América del Sur:
6 Modelos
en OND
América del Sur:
6 Modelos
en FMA
Diferentes modelos tienen “Skill”
diferentes en Diferentes estaciones
Cuál (es) elegir?
Solamente el de mayor “Skill”?
Una Combinación?
Qué Combinación?
Ranked Probability Skill Score (RPSS) for 2m Temperature
Jan-Feb-Mar 1950-1995
Ranked Probability Skill Score (RPSS) for 2m Temperature
Jan-Feb-Mar 1950-1995
Combining models reduces deficiencies of individual models
Diferentes modelos tienen “Skill”
diferentes en Diferentes estaciones
Cuál (es) elegir?
Solamente el de mayor “Skill”?
Una Combinación?
Qué Combinación?
•Varios Modelos es mejor que cualquier modelo individual
(Comparar con modelos que predicen precios de granos: unos mejor para Asia, Am. Norte,etc.)
•“Ponderar” los Modelos en diferentes regiones y estaciones
según su “Skill”
IRI DYNAMICAL CLIMATE FORECAST SYSTEM
2-tiered
OCEAN
PERSISTED
GLOBAL
SST
ANOMALY
ATMOSPHERE
GLOBAL
ATMOSPHERIC
MODELS
ECPC(Scripps)
ECHAM4.5(MPI)
FORECAST SST
TROP. PACIFIC
(multi-models, dynamical
and statistical)
TROP. ATL, INDIAN
(statistical)
EXTRATROPICAL
(damped persistence)
10
24
24
10
Persisted
SST
Ensembles
3 Mo. lead
CCM3.6(NCAR)
NCEP(MRF9)
NSIPP(NASA)
COLA2
GFDL
12
Forecast
24
SST
24
Ensembles
30
12
30
30
3/6 Mo. lead
POST
PROCESSING
MULTIMODEL
ENSEMBLING
Pronósticos Climáticos
Estacionales: Métodos
• 1. Acoplados de Océano-Tierra-Atmósfera (GCMs)
• 2. GCMs Atmosféricos forzados con TSM predichas
• 3. Modelos de Alta Resolución (Anidados, Resolución Variable)
• 4. Transformaciones estadísticas de salidas de Modelos
• 5. Pronósticos estadísticos directamente de índices clave
Downscaling Dinámico
Ejemplo del uso de un Modelo
Climático Regional con la salida
de un Modelo Climático Global.
Vientos superficiales a un paso
temporal
Downscaling Dinámico
Patrones de Lluvia Dic-Feb – Ejemplo de El Niño MENOS La Niña
Grilla del
Modelo
Pronóstico
del Modelo
1997 Menos
1998
Observaciones
1997 Menos
1998
Pronósticos Climáticos
Estacionales: Métodos
• 1. Acoplados de Océano-Tierra-Atmósfera (GCMs)
• 2. GCMs Atmosféricos forzados con TSM predichas
• 3. Modelos de Alta Resolución
(Anidados, Resolución Variable)
• 4. Transformaciones estadísticas de salidas de Modelos
Downscaling estadístico de salidas de GCM es uno de estos métodos
• 5. Pronósticos estadísticos directamente de índices clave
Corrección de Sesgos de lluvias del GCM
Ejemplo más Elemental
Excelente variación entre
años, pero el modelo
generalmente es muy seco
Calcular el sesgo medio,
y sumarlo a las predicciones
del modelo cada año
Corrección de Sesgos de lluvias del GCM
Ejemplo más Elemental
Excelente variación entre
años, pero el modelo
generalmente es muy seco
Calcular el sesgo medio,
y sumarlo a las predicciones
del modelo cada año
Climate Predictability Tool
Herramienta muy efectiva para Downscaling y otros
Análisis Estadísticos
http://portal.iri.columbia.edu/ IRI Tools
Wind index predicts Sri Lanka
Rainfall at 20km resolution
Skill is found to be related
to the topography
Elevation is contour lines
Correlation skill (multiplied
by 10) – darker orange/brown
indicates more skill
Un paso más: De Clima a Agricultura
Combinar Información Climática en productos que sean más
útiles para la agricultura
Lluvia
Temperaturas
GCM, RCM,
Estadísticos
+
Capacidad
Alm. Agua
=
Balance
de Agua
Caracterización
de Suelos
Trabajos conjuntos IRI con INMET, CPTEC, FUNCEME
GCM index predicts East Africa
Vegetation at 25km resolution
Forecast Skill (shading)
Forecast and observed
Over NE Kenya
Now is seen more clearly as a tailoring methodology
for risk management
Example: Forecasting streamflow using
ECHAM 4.5 in the ONDJF wet season
(statistical downscaling, persisted SST, 12 scenarios)
Streamflow (MCM)
400
ONDJF-obs
ONDJF-pred
350
300
250
200
150
100
50
0
1968
ONDJF Forecast – produced in October
(can be updated monthly)
1978
1988
Year
Angat reservoir, Philippines
1998
NDVI
(Pron. DJF 08)
NDVI (Nov 2007)
Balance Agua (Nov 2007)
PRONOSTICO
ESTACIONAL de
LLUVIAS y
TEMPERATURAS
Balance Agua
(Pron DJF 08)
CLIMATE DYNAMICAL DOWNSCALING PREDICTION SYSTEM FOR NORDESTE
HISTORICAL DATA
•Extended Simulations
•Observations
PERSISTED GLOBAL
SST ANOMALIES
PREDICTED SST
ANOMALIES
Tropical Pacific Ocean
10
Persisted SSTA
ensembles
1 Mo. lead
ECHAM4.5
AGCM (T42)
(LDEO Dynamical Model)
(NCEP Dynamical Model)
(NCEP Statistical CA Model)
10 Predicted SSTA
ensembles
Post
Processing
1-4 Mo. lead
Tropical Atlantic Ocean
(CPTEC Stat. CCA Model)
Tropical Indian Ocean
(IRI Statistical CCA Model)
Extratropical Oceans
AGCM INITIAL CONDITIONS
(Damped Persistence)
UPDATED ENSEMBLES (10+)
WITH OBSERVED SSTs
IRI
NCEP RSM97
(60km)
FUNCEME
IRI Approach: (1) REGIONAL PARTNERSHIPS
Other IRI Products
“Forecasts in context”
Descargar

Modelos acoplados de océano