Rutas hidrológicas : recordando a un colega por los senderos de la hidrología

R ECORDANDO A UN COLEGA POR LOS SENDEROS DE LA HIDROLOGÍA R UTAS H IDROLÓGICAS 96 permitieran impulsar la selección de GCM. Esta base de datos presenta los resultados de las simulaciones de 21 GCM utilizados en la Fase 5 del Proyecto de Intercomparación de Modelos Acoplados (CMIP5), incluyendo la línea base simulada y los escenarios futuros RCP 4.5 y 8.5 para todo el mundo, entre 1950 y 2100. La resolución espacial de la base de datos es 0,25°x0,25°. La metodología de selección sería aplicable para cualquier región con datos observados representativos de precipitación y temperatura. El tamaño del subconjunto seleccionado de GCM se puede cambiar de acuerdo con diferentes criterios, así como la disponibilidad de capacidad computacional. Para seleccionar los GCM se han definido tres criterios, considerando los datos de lluvia y temperatura como las variables observadas: i. Representación de la estacionalidad: los GCM que representan mejor la estacionalidad de las variables observadas. ii. Representación de la variabilidad: los GCM que mejor representan la variabilidad temporal de las variables observadas. iii. Representatividad del cambio en escenarios futuros: Se lleva a cabo un ensamble de las proyecciones de cambio climático de los 21 GCM y se busca seleccionar los GCM que representen de mejor forma dicho ensamble. Para cada criterio se determinaron diferentes métricas o índices para los datos observados de lluvia y temperatura, como se detalla a continuación. Se debe considerar que la selección final no necesita un análisis adicional de las métricas, entregando una forma simple de evaluar la mejor selección para cualquier zona geográfica particular, con datos observados in situ (escala local). Análisis de estacionalidad En el caso de precipitación, se definen las siguientes variables: = ∑ ⁡ =1 (1) Donde j Є [1976, 1976+N], N es el número de años de referencia para cada GCM evaluado, i Є [1, 12] representa cada mes del año j. De esta manera, para cada GCM, se obtienen 12 valores de PPi, asociados a la precipitación mensual promedio del período de referencia. Además, se requiere la precipitación anual promedio de cada GCM, que se obtiene de las siguientes ecuaciones, considerando las mismas variables ya definidas: = ∑ ⁡ 12 =1 (2) ⁡ = ∑ =1 (3) Finalmente, el índice Ri para cada mes i se calcula como: = ⁡ (4) El índice “Ri” puede interpretarse como la "tasa de precipitación mensual promedio con respecto a la precipitación anual promedio". En total, se calculan 12 valores de Ri para cada uno de los 21 GCM, así como para la estación de lluvia seleccionada. Los índices se obtuvieron al interpolar los valores de GCM en el punto de análisis (escalamiento espacial). La metodología de escalamiento espacial consiste en una interpolación bilineal entre los cuatro puntos más cercanos de la grilla de GCM. Para la temperatura, se calculó el índice Di, que se puede interpretar como la "desviación de la temperatura media mensual promedio, respecto a la temperatura media anual promedio" utilizando la siguiente ecuación: = ( − ) (5) Donde Ti y Tanual son calculados como: = ∑ ⁡ =1 12 (6) = ∑ =1 (7) El objetivo de estos dos índices es medir la consistencia de la estacionalidad de los GCM con respecto a los datos observados. En cada caso, se calculó la correlación (R 2 ) y el error cuadrático medio (ECM) para los índices Ri y Di para cada modelo. De esta forma, se obtienen 2 subindicadores de Ri (Ri_R2 y Ri_ECM) y 2 subindicadores de Di (Di_R2 y Di_ECM). Análisis de variabilidad Para cumplir con el objetivo de seleccionar modelos que representen la variabilidad observada, se utilizan las curvas de duración de las series temporales de precipitación y temperatura, tanto para los GCM como para los valores observados en las estaciones seleccionadas. La curva de duración observada se compara con cada una de las curvas de duración de GCM y el coeficiente de correlación R 2 se calcula en cada caso. Un R 2 mayor implica que el GCM en cuestión representa mejor la variabilidad observada y, por lo tanto, es preferible a los GCM R 2 menores. Es importante aclarar que este índice no considera posibles sesgos entre GCM y los valores observados, que se corrigen mediante la