Noticias

Conseguir y manejar información futura de clima no es siempre una tarea fácil. Actualmente, nuestras mejores herramientas para entender como el clima está cambiando son los Modelos Globales de Clima (GCM en inglés). Las proyecciones de los GCM son, sin embargo, demasiado gruesas para evaluar los impactos del cambio climático a escalas locales.

Por ello, tener proyecciones locales relevantes es un continuo desafío para los modeladores agrícolas que buscan entender los impactos de cambio climático en sitios específicos. Para cerrar esta brecha, fue desarrollado el portal CCAFS-Climate, que alberga conjuntos de datos globales de proyecciones de cambio climático reducidos de escala (downscaled en inglés) usando varias metodologías.

Actualmente, los datos que se proveen públicamente son promedios climatológicos de precipitación y temperatura mensual, y un conjunto de índices bioclimáticos mayormente útiles para modeladores de nicho ecológico y una gran variedad de grupos de interés de diversas disciplinas.

Léa también: Datos para entender mejor el cambio climático (en inglés).

CCAFS-Climate ahora provee datos diarios para modeladores de cultivos, convirtiéndose en el primer y único portal en proveer este tipo de información.

Recientemente, una nueva funcionalidad fue lanzada en CCAFS-Climate dirigida especialmente para modeladores de cultivo. Esta nueva característica permite a los modeladores alrededor del mundo corregir sesgo, reducir de escala y descargar datos diarios de GCM para los más recientes escenarios y modelos del IPCC para cualquier sitio alrededor del mundo, usando una variedad de métodos. Esto hace de CCAFS-Climate el único portal que provee este tipo de información a escala global. 

Para hacer las cosas aún más fáciles para los modeladores de cultivos, el portal permite la descarga de los datos climáticos futuros en el formato de los modelos de cultivos más comunes (actualmente sólo DSSAT y APSIM). Esto involucró el desarrollo de una interfaz mejorada para hacer consultas de datos “crudos” (sin corregir) de GCM del la quinta fase del Proyecto de Intercomparación de Modelos Acoplados (CMIP5) y datos diarios procesados con varias metodologías de corrección de sesgo. La herramienta se construye basándose en métodos bien establecidos y documentados (véase más adelante).

Vista previa de la interfaz de corrección de sesgo

Qué es corrección de sesgo?

Los GCM tienen errores sistemáticos (sesgos) o desviaciones con respecto a los datos de observación en sus salidas. Estos errores generalmente son debido a:

• Limitada resolución espacial (50 km en el mejor de los casos).
• Procesos físicos y termodinámicos simplificados.
• Conocimiento incompleto del sistema climático.

Antes de usar los GCM en modelos de cultivos, deben corregirse los errores y sesgos de las salidas. La corrección de estos errores y sesgos es llamada “corrección de sesgo” (BC en inglés). Los métodos de corrección de sesgo buscan ajustar la media a largo plazo y la variabilidad de las simulaciones de los GCM usando observaciones como puntos de referencia (la “verdad”) para la corrección. En consecuencia, es posible, por ejemplo, remover los sesgos de “calor” o de “frío”, corregir el problema de las lloviznas (demasiados eventos de lluvia de baja magnitud en comparación con observaciones) comúnmente asociados a los datos de GCM crudos.

Un ejemplo de un método de corrección de sesgo simple. BC usa datos "crudos" de salida para el periodo futuro, y los corrige usando las diferencias (Δ) entre los datos históricos de referencia del modelo y las observaciones. Basado en Hawkins et al. (2013)

La nueva interfaz de CCAFS-Climate incorpora tres métodos de corrección de sesgo ampliamente utilizados en el contexto agrícola y ambiental:

Corrección de sesgo simple: Corrige los datos futuros diarios proyectados usando las diferencias en la media y la variabilidad entre GCM, y observaciones en un período de referencia (Hawkins et al., 2013).

Método delta o factor de cambio: Los datos crudos históricos de los GCM son sustraídos de los valores futuros simulados, resultando en “anomalías climáticas” las cuales son luego añadidas al conjunto de datos de observaciones (Tabor & Williams, 2010).

Mapeo de cuantiles: Remueve el error sistemático añadiendo a los cuantiles observados tanto el cambio medio y los cambios individuales en los cuantiles correspondientes en todos los momentos estadísticos no sólo la media o la media y la varianza.

Ejemplo de cómo los métodos de BC pueden corregir errores en los GCM. En este caso su aplicación puede ayudar a corregir el problema de las lloviznas. Nótese que las cajas verdes (corregidas de sesgo) son más similares a las grises (observaciones) que las rojas (GCM no corregido).

Nueva interfaz de estaciones meteorológicas

Además de la interfaz de corrección de sesgo, una nueva funcionalidad de consulta de estaciones meteorológicas fue lanzada dentro de CCAFS-Climate. Por ahora, la página contiene tres redes meteorológicas regionales: Cruz Roja Nicaragua, IDEAM-Colombia (solo medias climatológicas), USAID-Etiopía, adicional a datos de la sabana brasileña (proveídos por Embrapa). A largo plazo, la idea es que esta interfaz se convierta en un repositorio de datos de estaciones meteorológicas de más proyectos relacionados con CCAFS.

Esta plataforma podría ayudar a construir alianzas entre diferentes actores, tales como los servicios meteorológicos, instituciones académicas, instituciones gubernamentales y organizaciones no gubernamentales, para la realización de estudios en campos como seguridad alimentaria, planificación en adaptación, sistemas de alerta temprana, evaluación de la vulnerabilidad y otros.

Vista previa de la interfaz de estaciones meteorológicas

PRECAUCIÓN: Datos técnicos

El lanzamiento de la interfaz de corrección sesgo incluye:

• >1,600 nuevos archivos de datos diarios de CMIP5
• 7 conjuntos de datos basados en nuevos análisis: AgCFSR, AgMERRA, GRASP, NNRP, Princeton, WFD, WFDEI
• 4.78 TB de nuevos datos (almacenados en nuestros servidores): Periodo histórico y 4 escenarios RCP (Representative Concentration Pathways en inglés) (RCP 2.6, 4.5, 6.5 y 8.5); 31 GCM (cerca de 26 modelos por RCP); las simulaciones de GCM disponibles incluyen el periodo 1950–2005 (histórico) y 2005–2100 (futuro); 5 variables (precipitación, temperatura máxima, media y mínima, y radiación solar de onda corta).
• Datos de salida en formato txt y gráficos estadísticos de comparación GCM BC - GCM RAW, incluyendo cambios proyectados, series de tiempo, funciones de densidad de probabilidad (PDF en inglés), variabilidad interanual, frecuencia de días calurosos y frecuencia de días húmedos. 

Más información

Para más información por favor contáctenos, o:

• Visite el portal de CCAFS-Climate y la sección de corrección de sesgo.
• Lea  el documento de la descripción de metodologías de corrección de sesgo.
• Descargue el documento informativo de CCAFS-Climate.

Lecturas adicionales

• Navarro-Racines, C.E., and Tarapues-Montenegro, J.E. 2015. Bias-correction in the CCAFS-Climate Portal: A description of methodologies. Decision and Policy Analysis (DAPA) Research Area. International Center for Tropical Agriculture (CIAT). Cali, Colombia.
• Hawkins, E., Osborne, T. M., Ho, C. K., & Challinor, A. J. (2013). Calibration and bias correction of climate projections for crop modelling: An idealised case study over Europe. Agricultural and Forest Meteorology, 170(0), 19–31. JOUR.
• Tabor, K., & Williams, J. W. (2010). Globally downscaled climate projections for assessing the conservation impacts of climate change. Ecological Applications, 20(2), 554–565. Journal Article.