Instituto Geológico y Minero de España · DE LA CUBIERTA DE NIEVE EN SIERRA NEVADA: CONCLUSIONES A PARTIR DE UN MODELO DE AUTÓMATAS CELULARES DISTRIBUIDO Instituto Geológico y

A.J. Collados-Lara E. Pardo-Igúzquiza

D. Pulido-Velazquez

IMPACTOS POTENCIALES DEL CAMBIO CLIMÁTICO EN LA DINÁMICA DE LA CUBIERTA DE NIEVE EN SIERRA NEVADA: CONCLUSIONES A

PARTIR DE UN MODELO DE AUTÓMATAS CELULARES DISTRIBUIDO

Instituto Geológico y Minero de España Departamento de investigación en recursos geológicos

Área de geología ambiental y geomatemáticas

TALLER de CIERRE del proyecto IMPADAPT. Plan Estatal I+D+i 2013 Adaptación de la gestión de recursos hídricos al cambio climático y global.

7 de Diciembre de 2017 Valencia

2 TALLER de CIERRE del proyecto IMPADAPT. Adaptación de la gestión de recursos hídricos al cambio climático y global.

Impactos potenciales del cambio climático en la dinámica de la cubierta de nieve en Sierra Nevada: conclusiones a partir de un modelo de autómatas celulares

Conclusiones Resultados Datos Caso de estudio Método Introducción

3



• En determinados sistemas alpinos la nieve es el principal recurso hídrico.

• Gran valor ecológico y económico.

• El sistema alpino actúa como un sistema de regulación natural: Almacena agua en forma de nieve y la devuelve en la época de fusión.

• Cuantificación del agua disponible en el paquete de nieve:

Recursos nivales

TALLER de CIERRE del proyecto IMPADAPT. Adaptación de la gestión de recursos hídricos al cambio climático y global.

𝑆𝐷𝑖 es el espesor de nieve 𝑆𝐶𝐴𝑖 es el área cubierta de nieve 𝐷𝑆𝑖 es la densidad de la nieve 𝐷𝑊𝑖 es la densidad del agua

4



¿Cómo podemos evaluar los impactos potenciales del cambio climático en la cubierta de nieve?

• La influencia humana en el sistema climático y su calentamiento son inequívocos. Desde la década de 1950 muchos de los cambios observados no tienen precedentes. (IPCC’s Fifth Assessment Report, 2014).

• Evaluar los impactos potenciales del cambio climático en los recursos hídricos es fundamental para diseñar estrategias de adaptación.

• Los sistemas alpinos y los recursos nivales son muy sensibles al cambio climático.

Cambio climático


5



1) Modelo de autómatas celulares distribuido: SCA= g ( P, T, H )

2) Generación de series futuras: Pf, Tf

+

3) Impactos potenciales del CC en la cubierta de nieve: SCAf= g ( Pf, Tf, H )

Modelos dinámicos discretos que permiten simular dinámicas complejas mediante reglas simples de interacción (Wolfram, 1984).

Técnicas estadísticas de corrección aplicadas a modelos regionales de clima (RCM)


6



1) Modelo de autómatas celulares: SCA= g ( P, T, H )

𝑆 𝑖, 𝑗, 𝑡 = 1 si la celda 𝑖, 𝑗 está cubierta por nieve en el tiempo 𝑡

0 si la celda 𝑖, 𝑗 está libre de nieve en el tiempo 𝑡

En el modelo 𝑆 𝑖, 𝑗, 𝑡 depende de:

• El estado de la celda 𝑖, 𝑗 en 𝑡 − 1 : 𝑆(𝑖, 𝑗, 𝑡 − 1).

• El estado de las celdas vecinas en 𝑡 − 1

• Variables :

𝑃 𝑖, 𝑗, 𝑡 es la precipitación

𝑇 𝑖, 𝑗, 𝑡 es la temperatura

𝐻 𝑖, 𝑗 es la altitud

𝐻 𝑖, 𝑗, 𝑡 es la elevación de la linea de nieve definida por: 𝐻 𝑖, 𝑗, 𝑡 = 𝑎 + 𝑏𝑇 𝑖, 𝑗, 𝑡 𝑁 𝑖, 𝑗, 𝑡 es el numero de vecinos con 𝑆 𝑖, 𝑗, 𝑡 = 1

• Discretizar del área de interés en celdas 𝑖, 𝑗


7




• Reglas de transición

1) Si 𝑃 𝑖, 𝑗, 𝑡 ≥ 𝑃0 y 𝐻 𝑖, 𝑗 > 𝐻(𝑡) 𝑆 𝑖, 𝑗, 𝑡 = 1

2) Si𝑃 𝑖, 𝑗, 𝑡 < P0 y 𝑇 𝑖, 𝑗, 𝑡 − 𝑇(𝑖, 𝑗, 𝑡 − 1) ≤ 𝑇𝑐 > 0 𝑆 𝑖, 𝑗, 𝑡 = 𝑆 𝑖, 𝑗, 𝑡 − 1

3) Si 𝑃 𝑖, 𝑗, 𝑡 < P0 y 𝑇 𝑖, 𝑗, 𝑡 − 𝑇 𝑖, 𝑗, 𝑡 − 1 > 𝑇𝑐 > 0

Si 𝑆 𝑖, 𝑗, 𝑡 − 1 = 0 𝑆 𝑖, 𝑗, 𝑡 = 0

Si 𝑆 𝑖, 𝑗, 𝑡 − 1 = 1 y 𝑁(𝑖, 𝑗, 𝑡) ≤ 𝑁𝑚 𝑆 𝑖, 𝑗, 𝑡 = 0

Parámetros a calibrar

𝑃0, 𝑇𝑐 , 𝑁𝑚, 𝑎, 𝑏


8




INFORMACIÓN HISTORICA (P & T)

MODELOS REGIONALES DE CLIMA(RCM) - Simulación de Control - Simulación de Futuro

TÉCNICAS DE CORRECCION ESTADÍSTICA - Corrección de segundo momento

DATOS

ENFOQUE BIAS CORRECTION

(E2) ENFOQUE

DELTA CHANGE (E1)

ESCENARIOS CLIMÁTICOS FUTUROS


9




From Räisänen and Räty, 2012

Corrección de segundo momento Esta técnica incluye media y desviación estándar para definir la función de transformación Otras técnicas como corrección de primer momento, regresión o quantile mapping pueden ser aplicadas.

Enfoque Técnica


10



Malla de cálculo usada para la cubierta de nieve: Malla producto MODIS (± 460 m)

Malla de cálculo usada para índices climáticos y parámetros: Malla Euro-CORDEX (12.5 km)


11



Datos climáticos históricos (proyecto Spain02)

Modelos regionales de clima (proyecto CORDEX)

Resolución espacial: 12.5 Km

Resolución temporal: 1 día

Periodo para AC: 2000-2006 (3 + 3 años)

Periodo para EF: 1971-2000 (30 años)

Resolución espacial: 12.5 Km

Resolución temporal: 1 día

Periodo Control: 1971-2000 (30 años)

Periodo Futuro: 2071-2100 (30 años)

Escenario: RCP 8.5

GCM

RCM CNRM-CM5 EC-EARTH MPI-ESM-LR

IPSL-

CM5A-MR

CCLM4-8-17 X X X

RCA4 X X X

HIRHAM5 X

RACMO22E X

WRF331F X

Datos cubierta de nieve históricos (satélite MODIS)

Resolución espacial: aprox. 460 m

Resolución temporal: 1 día.

Periodo: 2000-2006 (3 + 3 años)


12





13




Todos los parámetros excepto 𝑇𝑐 muestran importantes correlaciones con la altitud.

Los parámetros 𝑎, 𝑏, 𝑃0 aumentan con la altitud.

El parámetro 𝑁𝑚 disminuye con la altitud.


14




Eventos extremos (↑ SCA ↓ días) Infra estimados

Buena aproximación a la dinámica general

Calibración


15




Eventos extremos (↑ SCA ↓ días) Infra estimados

Buena aproximación a la dinámica general

Validación


16




Celdas con mas de 5, 15, 25 y 35 % de días con nieve para el periodo de calibración.

Aproximación bastante buena

Calibración


17




Celdas con mas de 5, 15, 25 y 35 % de días con nieve para el periodo de calibración.

Aproximación bastante buena

Validación


18




ΔP disminuyen con la altitud ΔT aumentan con la altitud

Efectos de CC en altitudes elevadas mayores en T y menores en P


19




Month Relative changes on SCA (%)

Scenario E1 Scenario E2

October -50.8 -69.7

November -61.4 -52.5

December -60.9 -57.8

January -58.9 -59.8

February -57.0 -60.8

March -63.6 -67.2

April -51.3 -65.3

May -54.8 -86.6

Importantes reducciones en la cubierta de nieve

(59.0 % para E1 and 61.7 % para E2)


20




Celdas con mas de 5, 15, 25 y 35 % de días con nieve

Importantes reducciones

en la cubierta de nieve


21



• Un modelo de autómata celular distribuido para la estimación de cubierta de nieve ha sido desarrollado para Sierra Nevada con buenos resultados.

• El modelo permite estimar la cubierta de nieve cuando no hay disponibilidad de datos a partir de series climáticas de precipitación y temperatura.

• El modelo permite evaluar los impactos potenciales del cambio climático introduciendo series futuras de precipitación y temperatura.

• Las series futuras generadas muestran que los efectos del cambio climático en altitudes elevadas serán mayores para la temperatura y menores para la precipitación.

• Muy importantes reducciones de cubierta de nieve (60.4 %) han sido obtenidas bajo el escenario de emisiones considerado.


Gracias por la atención

Picture from http://www.turgranada.es

Documents

Instituto Geológico y Minero de España · DE LA CUBIERTA DE NIEVE EN SIERRA NEVADA: CONCLUSIONES A PARTIR DE UN MODELO DE AUTÓMATAS CELULARES DISTRIBUIDO Instituto Geológico y