Repositorio Institucional de Documentos

Evaluaci´ on y aplicaci´ on de un procedimiento estad ´ ıstico para la generaci´ on de escenarios futuros de temperatura a escala diaria y local Mar´ıa Escorihuela Sah´un M´aster en Modelizaci´on Matem´atica, Estad´ıstica y Computaci´on Septiembre 2012 Dirigido por: Dr. Jes´us Abaurrea Le´on Dra. Ana Carmen Cebri´an Guajardo Facultad de Ciencias Universidad de Zaragoza Evaluaci´on y aplicaci´on de un procedimiento estad´ıstico para la generaci´on de escenarios futuros de temperatura a escala diaria y local Resumen El objetivo de este trabajo es aplicar un procedimiento de downscaling estad´ıstico a las series de temperatura m´axima y m´ınima diarias de 10 observatorios de la Pen´ınsula Ib´erica en tres escenarios de cambio clim´atico, as´ı como analizar los cambios previstos respecto al clima presente. El primer paso del procedimiento de downscaling es seleccionar las trayectorias v´alidas de la temperatura diaria proporcionadas por los modelos de circulaci´on general. Esta selecci´on se realiza en base a la calidad con que dichas trayectorias reproducen la climatolog´ıa observada de los observatorios en el periodo 1971-2000, tanto respecto a la distribuci´on global como respecto a la parte central y las colas de la distribuci´on. Con las trayectorias seleccionadas se obtienen las proyecciones de los valores medios mensuales de las series de temperatura para 2031-60 en los escenarios A1B, A2 y B1. Finalmente, para obtener una ´unica proyecci´on mensual que resuma de forma robusta el cambio previsto para cada observatorio y escenario, se calcula una media ponderada del haz de proyecciones correspondiente a las trayectorias obtenidas en cada caso. Los resultados muestran un aumento del valor medio de las temperaturas para el periodo 2031-2060, en todos las regiones y en todos los escenarios. Abstract The objective of this work is to apply a statistical downscaling procedure 2 to daily maximum and minimum temperature series in 10 observatories of the Iberian Peninsula under three climate change scenarios. We also analyze the coresponding expected changes with regard to the current climate The first step of the procedure is to select the temperature trajectories provided by general circulation models. This selection is based on the capacity of the trajectories for reproducing the observed climatology in the period 1971- 2000. The global distribution, as well as the tails and the central part of the distribution are analysed in the selection process. Using the selected trajectories, projections of the mean monthly temperature for the period 2031-60 are obtained under scenarios A1B, A2 and B1. Finally, to obtain a single projection which summarizes the predicted change for each observatory and scenario, a weighted mean of the projections obtained in each case is calculated. The results show an increase in the average value of the temperatures for the period 2031-2060, in all regions and in all settings. 3 ´ Indice general 1. Introducci´on 8 2. Presentaci´on de los datos 10 3. Metodolog´ıa 13 3.1. Metodolog´ıa .................................. 13 3.1.1. Selecci´on de trayectorias ....................... 13 3.1.2. Proyecci´on de los valores medios mensuales de Tmax y Tmin para 2031-60 ................................ 14 3.1.3. C´alculo de la media ponderada de las proyecciones ........ 14 4. Resultados 16 4.1. Selecci´on de trayectorias ........................... 16 4.1.1. An´alisis del grado de reproducci´on de la distribuci´on en los GCM 16 4.1.2. An´alisis de la reproducci´on de la climatolog´ıa local que logran las trayectorias GCM-20c3M una vez reescaladas ........... 17 4.1.3. An´alisis de la reproducci´on de los datos extremos para Tmax y Tmin 20 4.2. Proyecci´on de los valores medios mensuales de Tmax y Tmin en 2031-60 en tres escenarios de cambio clim´atico .................... 21 4.2.1. Obtenci´on de las proyecciones para el valor medio en Zaragoza . . 22 4.2.2. Obtenci´on de las proyecciones para el valor medio en todos los observatorios ............................. 25 5. Conclusiones 26 Bibliograf´ıa 28 4 ´ Indice de figuras 2.1. Observatorios en estudio en la Pen´ınsula Ib´erica .................. 10 4.1. Sup. Sesgo en la mediana y en el IQR en cada mes y suavizados del valor medio diario de la serie de Tmax observada en Zaragoza y de la generada por CGCM3.1 en su nodo m´as pr´oximo. Inf. izda. Diagrama de caja, por meses, de los datos de Tmax observados y de los generados por el GCM. ......................... 17 4.2. Sup. Diagramas de caja, por meses, de Tmax diaria en Zaragoza, izda., y de la trayectoria CGCM3.1 reescalada, dcha. Inf. Comparaci´on de los percentiles 5, 50 y 95 mensuales en las dos distribuciones y diagrama de los sesgos cometidos, por meses. ....... 18 4.3. Perfil anual de los valores medios mensuales de Tmax en Zaragoza, 1971-2000 (l´ınea continua) y valores medios proyectados 2031-60 en el escenario A1B por las distintas trayectorias GCM.La l´ınea de puntos indica el perfil anual de los valores medios ponderados 2031-60, sin incluir la proyecci´on de MIROC. ............. 23 5 ´ Indice de tablas 2.1. Percentiles 25 (Q1) y 75 (Q3) y valor medio de las series diarias de temperatura m´axima de los observatorios estudiados. Para la submuestra de veranos (JJA) e invierno (DEF) se muestran los valores m´aximo, medio y m´ınimo ..................................... 11 2.2. An´alisis descriptivo de las series diarias de temperatura m´ınima observada de los observatorios estudiados ........................ 12 4.1. Estad´ısticos de los datos de Tmax en Zaragoza y en la trayectoria CGCM3.1 en su nodo m´as pr´oximo. p-valores del test KS de comparacari´on de distribuciones en las series observada y simulada,en las series de anomal´ıas y en las de animal´ıas estandarizadas. ..................... 18 4.2. Estad´ısticos de los datos de Tmax en Zaragoza, y de los de la trayectoria CGCM3.1 reescalada y sesgos correspondientes ............... 19 4.3. Resultados de la comparaci´on, para Tmax en Zaragoza, de las distribuciones de las colas definidas por los percentiles p5, p10, p90 y p95, en las muestras procedentes de las trayectorias 20c3M reescaladas y de la serie observada, partiendo de las anomal´ıas y de las anomal´ıas tipificadas. Para las trayectorias seleccionadas se muestra el n´umero de meses de cada estaci´on que presentan un p-valor en el test KS no inferior a 0.10, 0.05 y 0.01. ...................................... 20 4.4. N´umero de combinaciones observatorio−variable−estaci´on−trayectoria con un p-valor no inferior a 0.01 en los tests KS de comparaci´on de las distribuciones m´as all´a de los percentiles p10 y p5, simult´aneamente y para cada mes de la estaci´on (n´umero a la izquierda del s´ımbolo ”/”). A la derecha lo mismo para los tests KS aplicados a las colas definidas por p90 y p95. . 21 4.5. N´umero de trayectorias (de 7) que superan los filtros de la fase de selecci´on y sirven para proyectar los valores medios mensuales de Tmax y Tmin. . 22 6 4.6. Valores medios mensuales observados en Zaragoza en el periodo 1971−2000, valores proyectados 2031−2060 y cambio asociado en el escenario A1B, seg´un los GCM ´utiles para ese observatorio y variable y valor medio ponderado. ..................................... 23 4.7. Cambio proyectado en Zaragoza, en el escenario A1B, para la media recortada al 25 %, los cuartiles Q1 y Q3, y el rango intercuart´ılico de las variables Tmax y Tmin ............................ 24 4.8. Cambio proyectado, por estaciones,en el valor medio de Tmax para los 10 observatorios. ................................. 24 4.9. Cambio proyectado, por estaciones,en el valor medio de Tmin para los 10 observatorios. ................................. 24 7 Cap´ıtulo 1 Introducci´on El objetivo de este trabajo es aplicar el porcedimiento de downscaling estad´ıstico propuesto por Abaurrea et al. (2012) en varias localidades de la Pen´ınsula Ib´erica. Este procedimiento permite obtener proyecciones veros´ımiles de la temperatura m´axima y m´ınima diaria en el periodo 2031−2060 para hacer una evaluaci´on del cambio esperado de temperatura. Los Modelos de Circulaci´on General (GCM) son modelos f´ısico -matem´aticos basados en la resoluci´on num´erica de las ecuaciones diferenciales que describen la din´amica de los procesos e interacciones que tienen lugar en los subsistemas del sistema clim´atico, la atm´osfera, el oc´eano y la superficie terrestre, lo que permite simular la evoluci´on del clima, IPCC(2007). Los GCM permiten tambi´en obtener proyecciones a medio y largo plazo de la evoluci´ın de variables como la temperatura o la precipitaci´on, en una rejilla de puntos que cubre el globo terr´aqueo. Estas proyecciones se ven afectadas por el comportamiento humano, en particular por las emisiones de gases de efecto invernadero(GEI), que son el resultado de fuerzas tales como el crecimiento demogr´afico, el desarrollo socioecon´omico o el cambio tecnol´ogico. Por este motivo los GCM proporcionan proyecciones sobre la evoluci´on del clima, suponiendo diferentes modos de evoluci´on de los GEI, son los llamados escenarios de cambio clim´atico. El Grupo Intergubernamental de Expertos sobre el cambio clim´atico (IPCC) ha desarrollado varios escenarios de emisiones a largo plazo. Estos escenarios son hip´otesis alternativas sobre lo que puede acontecer con las emisiones futuras de GEI. En este trabajo se proyectan los datos en los escenarios: 1. A1B, que describe un mundo futuro con un r´apido crecimiento econ´omico y una r´apida introducci´on de las nuevas tecnolog´ıas as´ı como una convergencia entre las 8 diferentes regiones y una poblaci´on mundial que alcanza su valor m´aximo a mitad de siglo XXI. 2. A2, que describe un mundo muy heterog´eneo en cuanto al desarrollo, con una poblaci´on mundial en continuo crecimiento. 3. B1, que descibe un mundo con un desarrollo convergente, con una evoluci´on de la poblaci´on mundial como en el escenario A1B y con r´apidos cambios en las estructuras econ´omicas orientados a una introducci´on de las tecnolog´ıas limpias con un aprovechamiento eficaz de los recursos. Los GCM son una herramienta muy importante para realizar proyecciones clim´aticas, pero tienen algunas limitaciones, entre otras, su escasa resoluci´on espacial. Sus proyecciones proporcionan valores medios que suponen una buena aproximaci´on para ´areas bastante extensas pero que resultan inadecuados para ser utilizados a escala regional o local,´areas de inter´es para el estudio de los impactos del cambio cl´ımatico, Errasti et al. (2011). Existen varios procedimientos para mejorar la resoluci´on espacial de los GCM, adaptando las proyecciones a las caracter´ısticas regionales. Uno de los procedimientos que proporcionan mejores resultados son los modelos estad´ısticos de downscaling o reducci´on de escala, Brands et al. (2011), Fowler et al. (2007), Haerter et al. (2011), Themeβl et al. (2012) . En este trabajo se aplica un procedimiento estad´ıstico de downscaling para las variables temperatura m´axima y m´ınima diaria (Tmax y Tmin) a escala local. El m´etodo se basa en corregir, con respecto a los valores de temperatura observados en el punto de inter´es, los sesgos en el nivel medio y en la variabilidad de la trayectoria generada, en las condiciones siglo XX (20c3M) por un modelo de circulaci´on global en el nodo m´as pr´oximo de su rejilla. La memoria est´a estructurada en los siguientes 4 cap´ıtulos. El cap´ıtulo 2 presenta los datos observados y procedentes de GCM. El cap´ıtulo 3 se dedica a establecer la metodolog´ıa de seleci´on y validaci´on de las trayectorias ´utiles y el procedimiento para obtener proyecciones de escenarios. Los resultados en 10 observatorios peninsulares se presentan en el cap´ıtulo 4. Por ´ultimo el cap´ıtulo 5 recoge las principales conclusiones. 9 Cap´ıtulo 4 Resultados En este cap´ıtulo se muestran como ejemplo, con alg´un detalle, los resultados relativos a Zaragoza. De manera m´as agregada y resumida se indican algunos resultados obtenidos en el resto de observatorios. 4.1. Selecci´on de trayectorias 4.1.1. An´alisis del grado de reproducci´on de la distribuci´on en los GCM Tal y como se ha descrito al explicar metodolog´ıa, el an´alisis comparativo entre la trayectoria GCM y la serie observada se apoya y puede visualizarse en gr´aficos como el del perfil del valor medio a lo largo del a˜no, el de los sesgos cometidos al reproducir la mediana y el rango intercuartilico (IQR) y en el an´alisis de diagramas de cajas o qqplots. La figura 4.1 muestra algunos de estos gr´aficos para la comparaci´on del registro 1971-2000 de Tmax en la estaci´on 9434, Zaragoza Aeropuerto, con la serie correspondiente del modelo CGCM3.1-20c3M en su punto de malla m´as pr´oximo, 1.9W-42N. Resulta evidente la existencia de sesgos en el valor medio (del ´orden de 3 oC) y en la variabilidad (del ´orden del 20 % en el sesgo del IQR en varios meses) 16 Month %(obs-sim)/obs 2 4 6 8 10 12 -30 -20 -10 0 10 20 Median bias IQR bias Tx 9434 vs CGCMr1 Day Smoothed mean 0 100 200 300 10 15 20 25 30 Observed Simulated 0 10 20 30 40 J F Ms Ap My Jn Jl Ag S O N D Observed Tx 9434 vs CGCMr1 0 10 20 30 40 J F Ms Ap My Jn Jl Ag S O N D Simulated Tx 9434 vs CGCMr1 Figura 4.1: Sup. Sesgo en la mediana y en el IQR en cada mes y suavizados del valor medio diario de la serie de Tmax observada en Zaragoza y de la generada por CGCM3.1 en su nodo m´as pr´oximo. Inf. izda. Diagrama de caja, por meses, de los datos de Tmax observados y de los generados por el GCM. 4.1.2. An´alisis de la reproducci´on de la climatolog´ıa local que logran las trayectorias GCM-20c3M una vez reescaladas En la figura 4.2 se muestran los diagramas de caja mensuales de los datos de Tmax en Zaragoza y los correspondientes a la serie reescalada (desde la anomal´ıa estandarizada) de la trayectoria CGCM3.1-20c3M. Al compararlos con los de la figura 4.1 se aprecia la mejora que produce el proceso de reescalado. En la parte inferior de 4.2 se comparan los percentiles 5, 50 y 95, mensuales (izda.) y el tama˜no del sesgo cometido en su reproducci´on (dcha.), apreci´andose valores inferiores a 1oC en los percentiles 5 y 95 en todos los meses. En la tabla 4.1 se muestran un conjunto de estad´ısticos para los datos observados en las columnas pares y para los valores simulados en las columnas impares. En las columnas impares de las tres filas finales, aparecen los p-valores del test KS para la comparaci´on de la distribuci´on global, en los datos observados y simulados, en sus anomal´ıas y, por ´ultimo, en sus anomal´ıas estandarizadas. En el an´alisis comparativo de la serie de Tmax en Zaragoza y de la trayectoria CGCM3.1 reescalada, vemos que en los meses de Enero Febrero y Marzo los p-valores del test KS son mayores que 0.05, primera l´ınea de la Tabla 4.2. La misma Tabla compara los valores de ocho estad´ısticos (media, stdev, p05, p10, p25, p75, p90 y p95) en la distribuci´on 17 0 10 20 30 40 J F Mr Ap My Jn Jl Ag S O N D tx.9434 Tx 0 10 20 30 40 J F Mr Ap My Jn Jl Ag S O N D Tx.9434.CGCM3t63.20c3M.std.anom Tx Month Tx 2 4 6 8 10 12 10 20 30 Quantiles of daily Tx 9434 observed and scaled CGCM3t63 std.anom Month Tx 2 4 6 8 10 12 -3 -2 -1 0 1 2 3 Change of quantiles of daily Tx 9434 scaled less observed p05 p50 p95 Figura 4.2: Sup. Diagramas de caja, por meses, de Tmax diaria en Zaragoza, izda., y de la trayectoria CGCM3.1 reescalada, dcha. Inf. Comparaci´on de los percentiles 5, 50 y 95 mensuales en las dos distribuciones y diagrama de los sesgos cometidos, por meses. Enero Febrero Marzo Obs. GCM escalada Obs. GCM escalada Obs. GCM escalada Mean 10.295 7.507 13.262 9.011 16.56 11.571 Min -0.8 -3.01 3.2 -2.419 4 -2.315 p05 3 2.16 7 3.269 10.44 5.706 p50 10.6 7.708 13.2 9.117 16.4 11.64 p75 13 9.642 15.6 11.497 19.5 14.019 p95 16.355 12.426 19.33 14.372 23.1 17.237 Max 19.8 17.242 22.5 18.908 28 22.962 KS distr. pv 0 0 0 Anom KS distr. pv 0.063 0.657 0.1 St anom KS distr. pv 0.73 0.621 0.294 Tabla 4.1: Estad´ısticos de los datos de Tmax en Zaragoza y en la trayectoria CGCM3.1 en su nodo m´as pr´oximo. p-valores del test KS de comparacari´on de distribuciones en las series observada y simulada,en las series de anomal´ıas y en las de animal´ıas estandarizadas. 18 J F Mr pv KS obs/scaled sim variables 0.574 0.397 0.292 Observed Mean (C) 10.3 13.3 16.6 Scaled CGCM3t63 20c3M 10.4 13.3 16.5 Mean (C) bias 0.1 0 0 Observed Stdev 4 3.6 4 Scaled CGCM3t63 20c3M 4.1 3.6 3.9 Stdev bias 0.1 0 -0.1 Observed p05 (C) 3 7 10.4 Scaled CGCM3t63 20c3M 3.4 7.3 10.3 p05 (C) bias 0.4 0.3 -0.2 Observed p10 (C) 4.8 8.3 11.7 Scaled CGCM3t63 20c3M 4.9 8.4 11.5 p10 (C) bias 0.1 0.1 -0.2 Observed p25 (C) 8 11 13.8 Scaled CGCM3t63 20c3M 7.8 11 13.9 p25 (C) bias -0.2 0 0.1 Observed p75 (C) 13 15.6 19.5 Scaled CGCM3t63 20c3M 13.1 15.9 19.1 p75 (C) bias 0.1 0.3 -0.4 Observed p90 (C) 15 18.2 21.8 Scaled CGCM3t63 20c3M 15.3 17.8 21.4 p90 (C) bias 0.3 -0.4 -0.4 Observed p95 (C) 16.4 19.3 23.1 Scaled CGCM3t63 20c3M 16.7 19.1 22.6 p95 (C) bias 0.4 -0.3 -0.5 Tabla 4.2: Estad´ısticos de los datos de Tmax en Zaragoza, y de los de la trayectoria CGCM3.1 reescalada y sesgos correspondientes 19 observada y en la trayectoria reescalada y el sesgo correspondiente expresado en oC o en % en el caso de la desviaci´on t´ıpica. En esos tres meses la reproducci´on de la distribuci´on es adecuada y verifica los criterios se˜nalados para superar el segundo filtro. 4.1.3. An´alisis de la reproducci´on de los datos extremos para Tmax y Tmin En la tabla 4.3, para cada estaci´on del a˜no y cada trayectoria, se muestran en la primera terna de n´umeros y separados por comas, el n´umero de meses donde el p−valor del test KS que compara la distribuci´on de los datos extremos es, al menos, 0.10, 0.05 y 0.01 en el test aplicado a la cola del percentil 5. Las siguientes ternas corresponden al resultado de los tests para las colas correspondientes a p10, p90 y p95. Vemos que los mejores resultados, en el caso de Tmax, los encontramos en los meses de verano pero que se est´a lejos de tener una buena representaci´on de la distribuci´on observada en los valores extremos. Zaragoza Spring Summer Autumm Winter E5.run1.Tx.anom – 1,1,1-2,2,2-1,1,2-1,1,1 – – E5.run1.Tx.stdan 0,1,1-1,1,1-1,2,2-2,2,2 1,1,2-2,2,2-2,2,3-2,2,3 1,1,1-1,1,2-2,2,2-0,0,1 – E5.run3.Tx.anom – – – – E5.run3.Tx.stdan 1,1,1-0,0,1-0,0,0-1,1,2 1,2,2-2,2,3-0,1,2-3,3,3 – 0,0,0-0,0,0-0,0,0-1,1,1 E5.run4.Tx.anom – 0,0,0-1,1,1-2,2,2-0,0,1 – – E5.run4.Tx.stdan 1,1,1-1,2,2-2,3,3-1,1,1 0,0,3-2,3,3-2,3,3-3,3,3 1,1,1-1,1,2-2,2,2-0,0,1 0,0,0-1,1,1-1,2,2-1,1,1 CGCM.run1.Tx.anom 1,1,1-2,3,3-0,0,0-0,0,0 0,0,0-1,1,2-0,1,1-0,0,0 1,1,1-0,1,1-0,0,0-0,0,0 0,0,0-0,0,0-0,0,0-0,0,0 CGCM.run1.Tx.stdan 3,3,3-2,2,2-1,1,1-1,2,2 2,2,2-1,2,2-1,1,3-0,0,1 2,2,2-1,1,1-3,3,3-2,2,2 1,3,3-2,3,3-1,1,2-1,1,1 MIROc3.run1.Tx.anom 0,0,0-1,1,3-1,1,3-1,1,2 0,1,1-1,1,1-3,3,3-0,0,2 0,0,0-0,0,0-1,1,1-0,0,0 – MIROc3.run1.Tx.stdan 0,0,0-1,1,2-2,2,2-1,1,2 0,1,3-2,2,2-2,2,2-0,0,1 1,1,1-2,2,2-0,0,0-2,2,2 1,2,2-2,2,2-0,1,1-1,1,2 CNCM3.run1.Tx.anom – – – – CNCM3.run1.Tx.stdan 0,2,2-2,2,2-1,1,1-0,0,0 – – 1,1,2-1,2,2-1,2,2-0,0,0 HADGEM.run1.Tx.anom 1,2,2-1,1,1-0,1,1-1,1,1 0,0,0-2,2,2-0,1,1-1,1,2 1,1,2-2,2,3-2,2,3-1,1,1 1,1,1-1,1,2-1,2,2-0,1,1 HADGEM.run1.Tx.stdan 1,1,2-1,2,2-1,1,2-3,3,3 0,1,1-2,2,2-1,1,2-0,1,1 2,3,3-1,2,2-1,2,3-1,1,1 0,0,1-2,2,3-1,1,2-2,2,2 Tabla 4.3: Resultados de la comparaci´on, para Tmax en Zaragoza, de las distribuciones de las colas definidas por los percentiles p5, p10, p90 y p95, en las muestras procedentes de las trayectorias 20c3M reescaladas y de la serie observada, partiendo de las anomal´ıas y de las anomal´ıas tipificadas. Para las trayectorias seleccionadas se muestra el n´umero de meses de cada estaci´on que presentan un p-valor en el test KS no inferior a 0.10, 0.05 y 0.01. La tabla 4.4 muestra resumidamente los resultados relativos a la reproducci´on de las distribuciones de los datos extremos en los 10 observatorios analizados. Estos resultados indican la dificultad de los GCM para representar adecuadamente los extremos, por lo que se descarta el procedimiento de reescalado que estamos aplicando para el downscaling de este tipo de datos y, por consiguiente, de las series de datos diarios. 20 p5+p10/p90+p95 Tmax Tmin Sp Su Au Wi Sp Su Au Wi Alsasua 0/1 0/0 0/0 0/0 0/1 3/1 1/0 0/0 Burgos 0/0 0/0 1/0 0/0 3/1 1/0 0/0 0/0 Zaragoza 0/0 1/2 0/0 1/0 3/3 3/2 0/1 0/0 Tortosa 0/0 1/0 0/0 2/0 1/1 1/0 1/0 0/0 Barcelona 0/1 1/1 0/1 1/0 0/0 1/0 1/1 2/0 Albacete 0/0 0/0 0/0 1/0 2/2 1/0 0/1 0/0 Madrid 0/0 0/0 1/0 0/0 1/2 1/0 1/2 0/1 Badajoz 0/1 1/1 1/0 0/0 0/0 0/0 0/2 0/0 Sevilla 0/1 1/0 1/0 1/1 3/3 0/0 4/3 0/0 Bilbao 0/0 0/0 0/0 0/0 0/1 0/0 0/0 0/0 Oporto 0/0 0/0 0/0 0/0 1/0 0/0 0/0 0/0 Braganza 0/1 1/1 0/0 0/0 0/1 1/0 0/0 0/0 Lisboa 0/0 0/0 0/0 1/0 3/2 0/1 0/1 0/0 Tabla 4.4: N´umero de combinaciones observatorio−variable−estaci´on−trayectoria con un pvalor no inferior a 0.01 en los tests KS de comparaci´on de las distribuciones m´as all´a de los percentiles p10 y p5, simult´aneamente y para cada mes de la estaci´on (n´umero a la izquierda del s´ımbolo ”/”). A la derecha lo mismo para los tests KS aplicados a las colas definidas por p90 y p95. Antes de abordar la ultima secci´on de este cap´ıtulo, relativa a las proyecciones de cambio clim´atico en los valores medios del periodo 20131-60, se indica cu´antas trayectorias pasan las dos fases de selecci´on, en cada mes y cada uno de los 10 observatorios. La tabla 4.5 muestra los resultados obtenidos para Tmax y para Tmin. En el caso de esta ´ultima, los meses de invierno resultan los m´as problem´aticos, pero en todos los observatorios se dispone de, al menos, 3 trayectorias en todos los meses, lo que implica una buena fiabilidad de la proyecci´on obtenida. En el caso de Tmax los resultados son algo menos satisfactorios en alguno de los observatorios en el periodo m´as c´alido: en Alsasua se selecciona s´olo una trayectoria en junio y dos en mayo y julio; en Madrid en los meses de verano dos trayectorias y en Braganza tres. 4.2. Proyecci´on de los valores medios mensuales de Tmax y Tmin en 2031-60 en tres escenarios de cambio clim´atico Hasta este momento se han analizado las 7 trayectorias descritas en el cap´ıtulo dos; sin embargo, para obtener el valor medio proyectado, se utilizar´an solo 6. La proyecci´on de MIROc3.2 hires no se introduce en el c´alculo del valor medio ponderado porque este modela proyecta unos incrementos de temperatura desproporcionados respecto de los del resto de GCM. 21 J F M A M J J A S O N D Albacete Tmax 4 5 4 5 4 3 3 4 3 5 5 5 Alsasua Tmax 4 5 7 7 2 1 2 3 3 3 4 6 Badajoz Tmax 4 4 5 5 4 4 4 4 5 6 7 5 Barcelona Tmax 4 5 6 6 3 5 5 5 5 5 4 5 Burgos Tmax 5 6 6 5 5 5 4 5 4 4 5 6 Madrid Tmax 6 5 4 5 4 2 2 2 4 4 4 6 Sevilla Tmax 7 7 7 4 6 4 5 2 6 6 7 6 Tortosa Tmax 6 6 5 5 3 4 4 4 5 4 5 6 Zaragoza Tmax 4 5 7 7 6 6 6 6 4 5 5 5 Braganza Tmax 6 6 3 4 4 3 3 3 5 6 7 4 Albacete Tmin 3 5 7 7 5 5 4 5 6 7 7 3 Alsasua Tmin 6 6 5 6 6 4 6 6 5 5 3 5 Badajoz Tmin 4 6 7 7 7 5 4 5 6 6 6 4 Barcelona Tmin 5 6 7 6 7 6 5 6 6 7 7 6 Burgos Tmin 6 6 7 7 7 7 7 7 5 5 3 3 Madrid Tmin 4 6 6 6 6 5 5 5 5 7 7 6 Sevilla Tmin 3 6 7 7 7 7 7 6 6 6 6 5 Tortosa Tmin 5 6 6 7 7 7 7 6 6 5 6 6 Zaragoza Tmin 6 6 7 7 6 6 6 6 6 7 7 6 Braganza Tmin 3 4 6 7 6 6 6 6 5 5 3 3 Tabla 4.5: N´umero de trayectorias (de 7) que superan los filtros de la fase de selecci´on y sirven para proyectar los valores medios mensuales de Tmax y Tmin. 4.2.1. Obtenci´on de las proyecciones para el valor medio en Zaragoza El gr´afico 4.3 muestra las diferentes proyecciones para el valor medio de Tmax en Zaragoza en el escenario A1B. Como se indic´o en el cap´ıtulo anterior, utilizando un esquema de pesos se ha calculado un ´unico valor mensual proyectado, que aparece en la gr´afica con una l´ınea de puntos. En la tabla 4.6 se comparan los valores medios mensuales de Tmax observados en el periodo 1971−2000 en Zaragoza, los valores proyectados por los GCM ´utiles y el valor medio obtenido al ponderar esas proyecciones. En la tabla 4.7 vemos para cada mes en Zaragoza el cambio esperado en los percentiles p25, p75, en la media recortada al 25 % y en el IQR de Tmax y Tmin en el escenario A1B, en el periodo 2031-2060. El mayor incremento se aprecia en el mes de agosto, que para el valor medio de Tmax llega a ser de 3.7oC y para Tmin 2.3oC. El incremento menor lo encontramos en el mes de febrero para Tmax con 1.6oC y en marzo 1.1opara Tmin. 22 Month tx 9434 2 4 6 8 10 12 10 15 20 25 30 35 Daily tx observed 9434 A1B and scaled GCMs ECH5r1 std ECH5r3 std ECH5r4 std CGCM std CNCM std HADGEM std ECH5r1 anom ECH5r3 anom ECH5r4 anom CGCM anom CNCM anom HADGEM anom tx 9434 observed Midmean weighted Figura 4.3: Perfil anual de los valores medios mensuales de Tmax en Zaragoza, 1971-2000 (l´ınea continua) y valores medios proyectados 2031-60 en el escenario A1B por las distintas trayectorias GCM.La l´ınea de puntos indica el perfil anual de los valores medios ponderados 2031-60, sin incluir la proyecci´on de MIROC. Tmax Zaragoza J F Mr Ap My Jn Jl Ag S O N D Observed Tx 9434 10.6 13.3 16.4 18.4 23.2 27.8 31.7 31.2 27 20.6 14.5 10.9 Midmean weighted Tx 9434 12.9 15 17.9 21 25.8 30.9 35 34.8 29.1 22.7 17 12.7 A1B E5r1 anom 31.07 34.55 Mean change (C) 3.32 2.81 A1B E5r1 std.anom 17.59 20.32 25.42 34.78 29.22 23.47 16.99 Mean change (C) 1.16 1.9 2.24 3.62 2.26 2.85 2.44 A1B E5r3 std.anom 14.52 16.25 20.2 30.14 34.17 34.45 12.3 Mean change (C) 1.21 -0.19 1.78 2.39 2.43 3.29 1.45 A1B E5r4 anom 31.53 Mean change (C) 3.78 A1B E5r4 std.anom 12.68 15.29 17.44 19.2 24.99 34.81 33.71 29.01 22.22 16.19 13.34 Mean change (C) 2.07 1.98 1 0.78 1.82 3.07 2.54 2.05 1.59 1.64 2.49 A1B CGCM3t63 anom 14.8 35.42 Mean change (C) 1.49 4.26 A1B CGCM3t63 std.anom 13.56 18.74 21.91 25.63 30.94 34.62 29.13 22.8 17.52 13 Mean change (C) 2.94 2.31 3.49 2.45 3.19 2.88 2.18 2.18 2.97 2.14 A1B CNCM3 std.anom 13.03 15.77 19.28 21.58 27.36 13.09 Mean change (C) 2.42 2.46 2.85 3.16 4.18 2.24 A1B HADGEM anom 12.52 20.57 36.88 36.6 11.94 Mean change (C) 1.9 2.15 5.14 5.44 1.09 A1B HADGEM std.anom 17.49 26.33 30.33 22.93 17.01 Mean change (C) 1.05 3.16 2.58 2.31 2.47 Tabla 4.6: Valores medios mensuales observados en Zaragoza en el periodo 1971−2000, valores proyectados 2031−2060 y cambio asociado en el escenario A1B, seg´un los GCM ´utiles para ese observatorio y variable y valor medio ponderado. 23 A1B J F M A M J J A S O N D Tx 9434 Q1 change 2.6 1.6 1.3 2.1 2.4 2.9 3.3 3.7 2.1 1.8 2.3 1.7 Tx Midmean change 2.3 1.6 1.4 2.6 2.6 3.2 3.2 3.7 2.1 2.1 2.4 1.9 Tx Q3 change 2.3 2 1.3 2.7 2.7 3.1 3.2 3.5 2.3 2.5 2.5 2.3 Tx IQR change -0.3 0.4 0 0.5 0.3 0.2 -0.2 -0.2 0.1 0.7 0.2 0.7 Tn 9434 Q1 change 1.8 1.4 1.2 1.1 1.6 1.8 1.9 2.2 1.5 1.6 1.9 1.5 Tn Midmean change 1.7 1.5 1.1 1.3 1.7 2.1 2.1 2.3 1.7 1.6 1.9 1.6 Tn Q3 change 1.4 1.4 1.2 1.5 1.8 2.1 2.1 2.3 1.7 1.5 1.8 1.6 Tn IQR change -0.4 0 0 0.4 0.2 0.3 0.2 0.1 0.1 -0.1 -0.1 0.1 Tabla 4.7: Cambio proyectado en Zaragoza, en el escenario A1B, para la media recortada al 25 %, los cuartiles Q1 y Q3, y el rango intercuart´ılico de las variables Tmax y Tmin Sp Su Au Wi Albacete. 2.54 3.43 * 2.1 * 2.04 Alsasua. 2.47 * – * 2.78 * 1.8 Badajoz 2.1 2.96 2.46 1.88 Barcelona 2.45 3.29 2.38 2.11 Burgos 2.2 3.11 2.92 1.69 Madrid 2.49 3.48 * 2.48 1.55 Sevilla 2.34 2.97 * 2.37 1.75 Tortosa 2.03 2.24 1.96 1.93 Zaragoza 2.21 3.36 2.21 1.94 Braganza 2.72 * 3.22 * 2.43 2.08 Tabla 4.8: Cambio proyectado, por estaciones,en el valor medio de Tmax para los 10 observatorios. Sp Su Au Wi Albacete 1.64 2.8 2.24 1.56 * Alsasua 1.87 2.49 2.61 1.89 Badajoz 1.55 2.03 2.02 1.69 Barcelona 2.15 3.17 2.55 2.03 Burgos 1.41 2.09 2.21 * 1.72 Madrid 1.49 2.96 1.78 1.22 Sevilla 1.59 2.41 1.95 1.38 * Tortosa 1.36 2.16 1.69 1.67 Zaragoza 1.36 2.18 1.71 1.63 Braganza 1.32 2.54 1.79 1.56 * Tabla 4.9: Cambio proyectado, por estaciones,en el valor medio de Tmin para los 10 observatorios. 24 4.2.2. Obtenci´on de las proyecciones para el valor medio en todos los observatorios En la tabla 4.8 se muestran los cambios en el valor medio de Tmax, y en la tabla 4.9 los de Tmin, proyectados para el periodo 2031-2060 en todos los observatorios, en cada estaci´on del a˜no. Aparece el valor del cambio acompa˜nado de ∗en aquellos observatorios que tienen menos de tres trayectorias para proyectar en una estaci´on. Destaca el observatorio de Alsasua (9269) que no se ha proyectado en verano, ya que ninguna trayectoria result´o utilizable para Tmax. El incremento en Tmax en oC mayor lo vemos en Madrid en los meses de verano. En los observatorios de Barcelona y Tortosa vemos un aumento m´as suave de las temperaturas, donde en la primera, en los meses de primavera s´olo se aumenta un 1.29oC, en media. Sin embargo en la regi´on central se aprecian los mayores aumentos de temperatura. En cuanto a los valores para Tmin las primaveras tiene cambios menores. Podemos destacar que en Barcelona el aumento de temperatura en primavera, verano e invierno es el mayor de todos los observatorios. 25