Modelos climáticos

Los científicos crearon modelos climáticos para comprender mejor cómo cambiaría el clima en respuesta las modificaciones en la composición de la atmósfera. En su nivel más básico, estos modelos se basan en leyes fundamentales de la física, simulando dinámicas físicas comprobadas que gobiernan el comportamiento atmosférico y reproduciendo patrones en los datos observados. Los modelos climáticos simulan propiedades y procesos en todo el sistema terrestre, incluyendo el suelo, los glaciares, los bosques, los océanos y la atmósfera. 

El clima es un conjunto de condiciones que se mantienen a lo largo de las estaciones y los años, mientras que el tiempo es una composición de resultados atmosféricos a corto plazo que pueden cambiar en un día. El clima se expresa en rangos y promedios, mientras que el tiempo es un fenómeno puntual en un momento específico y un lugar concreto. Por lo tanto, los modelos climáticos ofrecen información útil sobre la trayectoria y la magnitud de los resultados del clima para cambios dados en la atmósfera, pero no pretenden hacer predicciones precisas.

Hay instituciones científicas que crean y mantienen modelos climáticos por todo el mundo. Dado que los modelos integran muchas fuerzas diferentes que nuestra compleja atmósfera produce, los modelos requieren de equipos de expertos que trabajen juntos. Generalmente, esto sucede en laboratorios nacionales y grandes institutos de investigación.

Centros de modelado CMIP5

La mayoría de las instituciones que los crean comparten estos modelos o sus resultados, y los más utilizados se ponen a disposición del público a través del Proyecto de Intercomparación de Modelos Acoplados, o CMIP (pronunciado simip). El Programa Mundial de Investigación del Clima (WCRP) se encargó de preparar este marco de modelado por primera vez en 1995, y continúa coordinando los CMIP para las nuevas generaciones de modelos. Cuando comparamos el resultado de estos modelos con nuestra propia experiencia de la Tierra, podemos mejorar nuestra comprensión del clima y cómo lo afecta la actividad humana. 

Los modelos a los que comúnmente nos referimos como modelos climáticos (y, a veces, «modelos de sistemas terrestres») son técnicamente modelos de circulación globales (GCM) porque el clima es impulsado por la circulación de energía, carbono, agua y otros componentes de los sistemas de la Tierra. 

Compartir

PDF

Los modelos reproducen una variedad de dinámicas físicas, incluyendo los patrones de circulación oceánica, el ciclo anual de las estaciones y los flujos de carbono entre la superficie terrestre y la atmósfera. Mientras que las previsiones meteorológicas se centran en cambios locales detallados a lo largo de horas y días, los modelos climáticos proyectan fuerzas a gran escala que cubren continentes y abarcan décadas o siglos.

Cada modelo es distinto por tres razones. 

1. La Tierra, sus sistemas y su clima se miden de manera imperfecta e inconsistente. Para algunas ubicaciones de la Tierra existen series de datos largas, detalladas y precisas, pero incluso hoy en día, los datos que tenemos para la mayor parte del globo son limitados. Cada equipo de modelado debe abordar esta insuficiencia y puede elegir diferentes formas de hacerlo. 
2. No todos los fenómenos climáticos se entienden igual de bien. Algunos aspectos, como la cantidad de vapor de agua que puede contener el aire a una temperatura dada, son bien conocidas y resultan idénticas en todos los modelos, mientras que otros, como las corrientes oceánicas, fenómenos como El Niño y La Niña y los cambios en el hielo marino en relación con las variaciones de temperatura son temas que se encuentran aún en fase de investigación y se representan de manera algo diferente en distintos modelos. 
3. Cada grupo de investigación varía ligeramente su área de enfoque. Uno podría centrarse más en su modelado de glaciares, mientras que otro podría orientarse en el ciclo del carbono de los bosques tropicales.

Sin embargo, las diferencias entre estos modelos son una gran ventaja en realidad: puesto que no sabemos exactamente cómo funciona el sistema, para comprenderlo es mejor tener una variedad de aproximaciones bien informadas en lugar de una sola. Unas décadas después de que los científicos crearan los primeros modelos climáticos, los resultados confirmaron su enfoque y han seguido haciéndolo: El promedio de todos los modelos siempre ha sido lo más preciso a la hora de predecir cómo respondería el clima a los cambios en la atmósfera. En otras palabras, no existe «un mejor modelo», sino un mejor proceso para usar muchos modelos.

Los GCM generan resultados numéricos para las variables climáticas en cada celda de la cuadrícula, incluyendo la temperatura, las precipitaciones, la humedad relativa y otros fenómenos, para cada día de un año simulado. Los GCM en sí mismos no son pronósticos, sino simulaciones de resultados a partir de un conjunto de condiciones. Los científicos pueden elegir escenarios y ejecutar diversos modelos para simular varios años de condiciones diarias, como la temperatura y las precipitaciones. Usando la salida modelada, pueden calcular métricas para examinar incidencias como la cantidad de días en un año por encima de los 32 °C (90 °F) o la temperatura promedio de los 10 días más calurosos del año bajo las condiciones especificadas. Desde el principio, se han desarrollado modelos CMIP para múltiples escenarios de emisiones. Si bien ningún año en concreto coincidirá perfectamente con la proyección de cualquier modelo, los rangos y cambios en ellos que han ocurrido en las décadas desde que se creó el primer conjunto de modelos han seguido de cerca los resultados agregados del modelo del escenario de emisiones más altas, que asume el uso continuado de combustibles fósiles con poca o ninguna mitigación. El término técnico para este escenario de emisiones es «vía de concentración representativa 8.5», o RCP 8.5 (por sus siglas en inglés). 

Generalmente, un GCM contiene suficiente código de computadora para llenar 18 000 páginas de texto impreso. Para desarrollarlo y mejorarlo, hacen falta cientos de científicos trabajando muchos años, y requiere de una enorme supercomputadora para funcionar. Los GCM emplean celdas de cuadrícula de gran tamaño porque el uso de celdas más pequeñas aumentaría enormemente los requisitos de modelado y computación. 

Por otro lado, muchas de las celdas de cuadrícula de GCM pueden contener lugares muy diferentes dentro de ellas. Por ejemplo, una celda que abarcara una línea de costa podría contener ubicaciones tierra adentro, otras justo en el mar y otras tan alejadas de la costa que ni los marineros podrían alcanzar a verla. Los GCM producen solo un valor para cada medida en dicha celda, promediando las distintas ubicaciones dentro de ella. Y sin embargo, estos resultados promedio a veces no coinciden con la experiencia de ninguna ubicación específica que se encuentre dentro de la celda.

Aunque los GCM tienen un sólido historial de representar fenómenos a escala global y continental, ¿hasta qué punto son útiles para las personas, animales, plantas y organismos que viven en lugares específicos? Los científicos usan una técnica llamada reducción de escala para ver cómo afectarían al clima local los diferentes cambios en la atmósfera. La reducción de escala se puede abordar de diferentes maneras, cada una de las cuales tiene ventajas y desventajas. 

Los científicos pueden reducir los resultados de GCM centrándose en una región específica y dividiendo las celdas de cuadrícula relevantes en otras más pequeñas. La región objetivo está limitada en el espacio, el tiempo o el número de cantidades simuladas (p. ej., precipitación diaria en California); de lo contrario, la carga computacional sería inmanejable. 

1. La reducción de escala dinámica toma los resultados a gran escala de los GCM y los utiliza como condiciones límite para modelos meteorológicos a menor escala, lo cual permite a los científicos representar mejor la topografía local y los procesos atmosféricos a menor escala (lo que se conoce como mesoescala).
   
   La reducción de escala dinámica mejora la representación de la dinámica meteorológica, especialmente en regiones topográficamente diversas. Dado que este tipo de reducción de escala implica ejecutar modelos globales y regionales, requiere de una enorme potencia computacional.

2. La reducción de escala estadística desglosa celdas de cuadrícula más grandes y toma datos anteriores de las múltiples ubicaciones de su interior para crear un patrón estadístico consistente con el pasado. 
   
   Por ejemplo, las temperaturas diurnas de verano tienden a ser más frías justo en el agua en comparación con unos pocos kilómetros tierra adentro, mientras que los lugares a mayor altura se enfrían más por la noche. Esto son aspectos que indica la reducción de escala estadística, un método que requiere de una gran cantidad de datos de observación de alta calidad que no están disponibles para gran parte del globo. Los pronósticos generados utilizando técnicas de reducción de escala estadística asumen implícitamente que las relaciones históricas utilizadas para entrenar sus modelos permanecerán inalteradas en el futuro.

Probable Futures utiliza GCM y modelos climáticos regionales. Los RCM se usan comúnmente en la reducción de escala dinámica y son mucho más granulares que los GCM, con celdas de cuadrícula que van de 10 a 50 km por lado. Dada la carga computacional de ejecutar modelos tan detallados, estos se dividen en regiones que se pueden ejecutar por separado (p. ej., Asia del Sur, Asia Oriental, Sudeste de Asia, Australasia, África, Europa, América del Sur, América Central y América del Norte). 

Los RCM se pueden usar de manera efectiva en conjunción con los GCM. Los modelos regionales pueden tomar múltiples simulaciones GCM de propiedades climáticas a gran escala para generar resultados locales a una escala más detallada. 

Si bien la mayoría de los GCM se crearon utilizando estándares comunes a través del proceso CMIP, no sucedió así con los RCM. Los grupos de investigación crearon RCM y, eventualmente, eligieron diferentes GCM como base, generando diferentes resultados y empleando resoluciones distintas. El Programa Mundial de Investigación del Clima se propuso coordinar la inconsistente generación de RCM, lo cual dio como resultado el experimento regional coordinado de reducción de escala del clima (CORDEX, por sus siglas en inglés) que se hizo público a fines de 2019. Dado que el modelado climático regional es tan computacionalmente intensivo, se estableció en tres la cantidad mínima requerida de GCM para la reducción de escala por RCM, a fin de representar un rango de las diferentes sensibilidades climáticas exhibidas por el rango completo de GCM.

La reducción de escala es un área de investigación activa para la cual hay diferentes equipos de científicos desarrollando y utilizando diferentes métodos. El mejor enfoque depende del uso previsto de los resultados del modelo, la disponibilidad de datos de observación histórica de alta calidad de las estaciones meteorológicas, el horizonte temporal de interés y el presupuesto. 

En definitiva, son muchos factores que alinear para que la reducción de escala de GCM muestre una imagen precisa de los resultados climáticos. Considere un grupo interesado en un área geográfica específica con una larga historia de observación meteorológica precisa y completa. Si los investigadores tienen acceso a grandes cantidades de poder de cómputo, pueden combinar la reducción de escala dinámica y estadística de muchos GCM diferentes en múltiples escenarios distintos, lo cual supone una estrategia particularmente atractiva para evaluar la probabilidad de eventos extremos. 

Desafortunadamente, tales condiciones existen solo en un número de lugares muy pequeño (p. ej., California). Contamos con registros meteorológicos históricos más numerosos y confiables en aquellas secciones más densamente pobladas de los países de altos ingresos. Por contra, hay menos datos disponibles en los lugares menos poblados y menos desarrollados, y donde los recursos financieros, científicos y computacionales son proporcionalmente más bajos. Por lo tanto, en la mayoría de los lugares del mundo, resulta mucho más difícil reducir la escala de los GCM manteniendo la confianza en los resultados al mismo tiempo. Esta es la razón por la cual se desarrollaron los RCM.

Nuestro objetivo es proporcionar escenarios climáticos de alta calidad en diferentes niveles de calentamiento para cada lugar en cada continente poblado. Con esto en mente, nuestro socio científico, el Woodwell Climate Research Center (Woodwell), aconsejó utilizar el resultado a menor escala del marco CORDEX-CORE, en el cual dos modelos climáticos regionales reducen la escala de tres GCM cada uno y abarcan casi todo el mundo poblado, dejando fuera de estos datos simulados zonas como el Ártico, la Antártida y algunas islas del Pacífico. 

1. Ningún lugar tiene su propio clima. Los científicos diseñaron modelos para proyectar tendencias y cambios climáticos globales o continentales y se han obtenido avances, entre los que podemos contar los RCM, que han ayudado a aumentar su resolución. Sin embargo, pronosticar el clima a nivel de una estructura específica o un área pequeña bajo unas condiciones globales sustancialmente diferentes no solo requiere una miríada de suposiciones adicionales no probadas, sino que es poco probable que resulte de utilidad en la toma de decisiones estratégicas, puesto que cada estructura, ecosistema, comunidad y demás está conectado con otros elementos cercanos. Por lo general, es mejor considerar primero los resultados del modelo para áreas grandes y luego enfocarse en regiones más pequeñas.

2. El aumento de los gases de efecto invernadero afecta la precisión de los modelos. Los científicos tienen acceso a una cantidad limitada de datos para desarrollar sus modelos, y la gran mayoría de estos datos son recientes; por ejemplo, las mediciones consistentes de temperatura comenzaron a mediados del siglo XIX, y los satélites que recopilan información global comenzaron a orbitar la Tierra por primera vez en la década de 1970. Como resultado, los modelos climáticos están particularmente sintonizados con las condiciones climáticas del pasado reciente, y aunque resulta alentador que los modelos climáticos hayan sido precisos en sus predicciones durante los últimos cuarenta años, cuanto mayor es la concentración de gases de efecto invernadero en la atmósfera, más se aleja el clima de las condiciones en que se sustentan. 
   
   En otras palabras, cuanto más avance el escenario de calentamiento, mayor será la incertidumbre en los resultados. Es por eso que el escenario de mayor calentamiento presentado en nuestra plataforma es de +3 °C, aunque corremos el riesgo de superar dicho nivel sin una reducción drástica de las emisiones. Recomendamos enfáticamente que, cuando observes los resultados para +2,5 °C y +3,0 °C de calentamiento, consideres el riesgo de que los resultados en los modelos sean demasiado leves. Existe un conservadurismo inherente en la modelización climática, y la sociedad enfrenta riesgos asimétricos: si los modelos resultan demasiado agresivos, será una agradable sorpresa... mas si resultan ser conservadores, todos padeceremos las consecuencias. Necesitamos prepararnos para unos resultados con una baja probabilidad, pero unos costos muy altos, y tratar de evitarlos.

3. No modelan con precisión fenómenos más raros. Los eventos climáticos infrecuentes y complejos son difíciles de modelar con precisión. Si ocurre un evento con poca frecuencia, los científicos tienen observaciones limitadas a la hora de trabajar en la creación de sus modelos. La complejidad es todo un desafío en sí misma. Si bien se tiene una buena comprensión de las leyes físicas que gobiernan el clima, resulta imposible modelar cada molécula. De hecho, incluso aunque los científicos pudieran hacerlo, todavía habría otras formas de complejidad y aleatoriedad que influirían en los resultados. Es posible que hayas oído hablar del «efecto mariposa», en el que una pequeña perturbación, como el aleteo de una mariposa, desencadena una reacción en cadena que conduce a un resultado mucho mayor en otro lugar del mundo. Pues es precisamente por eso que huracanes y tifones, por ejemplo, son un desafío para la comunidad de modelado, mientras que es mucho más fácil trabajar con el calor: mientras que los científicos pueden basarse en décadas de observaciones de temperatura y han podido usar registros de hielo y sedimentos para reconstruir millones de años de datos históricos de temperatura, solo podemos trabajar con aquellos huracanes y tifones que conocemos porque se han registrado, y aun así se trata de fenómenos poco frecuentes. Los investigadores que exploren múltiples enfoques y metodologías para fenómenos complejos, como tormentas y cambios en las corrientes del golfo, obtendrán resultados más variados,

4. pero no tienen en cuenta todas las interacciones bióticas. Las interacciones bióticas son respuestas en bucle entre las reservas terrestres de carbono y la atmósfera, como por ejemplo la liberación de metano de la materia orgánica al descongelarse el permafrost y la liberación de CO₂ de la quema de bosques, que no sólo son causados por el calentamiento, sino que provocan más calentamiento a su vez. 
   
   Es crucial entender que los modelos, incluyendo en CMIP, no tienen en cuenta cambios atmosféricos de fuentes bióticas a gran escala porque fueron diseñados para responder preguntas sobre cómo afectaría al clima el cambio atmosférico inducido por el hombre. La falta de bucles de interacción es una deficiencia crítica de los modelos, 

5. No pueden proyectar el punto de inflexión de la Tierra Hothouse. La falta de estas retroalimentaciones en los modelos hace que dejen de calentarse unas décadas después de que los humanos dejen de emitir carbono. El conjunto actual de modelos supone que alcanzaremos una temperatura de equilibrio global con cualquier nivel de carbono en la atmósfera. Ahora sabemos que esto es improbable incluso con los niveles actuales de calentamiento y extremadamente improbable con temperaturas que pueden no parecer mucho más cálidas que las actuales. La incapacidad de estos modelos para proyectar o estimar la probabilidad de que las emisiones humanas desencadenen puntos de inflexión naturales como el deshielo descontrolado del permafrost, los incendios forestales y el deshielo de los glaciares, que podrían llevar al planeta a la Tierra invernadero, es probablemente su mayor defecto.
   
   Aunque las retroalimentaciones bióticas no figuran en los datos históricos sobre los que los científicos han construido modelos climáticos, son un área crítica de investigación científica activa, en la que el Centro Woodwell de Investigación Climática es un líder reconocido. Probable Futures se compromete a añadir las retroalimentaciones bióticas a nuestros mapas interactivos una vez que la ciencia esté disponible, probada y cumpla nuestros propios estándares científicos.