Comparación de series mensuales de precipitación y temperaturas de los Modelos CMIP6 para Guatemala
DOI:
https://doi.org/10.36829/63CTS.v9i2.1285Palabras clave:
Modelo climáticos, precipitación, temperaturaResumen
Se comparan las métricas de 37 modelos climáticos globales (GCMs, por sus siglas en inglés) de la Fase 6 del Proyecto de Intercomparación de Modelos Acoplados (CMIP6) con el objetivo de simular el clima de Guatemala del periodo de 1971 al 2014. La temperatura y precipitación mensual fue comparada con los datos de observación de la Unidad De Investigación Climática de la Universidad del este de Anglia (CRU). Se generó un ranquin de modelos basado en la menor distancia entre tres dimisiones basado en tres métricas; Coeficiente de Correlación de Pearson (CCP), Error medio cuadrático (RMSE) y Desviación estándar (DS). Este ordenamiento coincide con los mejores valores de eficiencia Nash-Sutcliffe (NSE) para temperatura y eficiencia Kling-Gupta (KGE) para la precipitación, demás se calculan las métricas; coeficiente de correlación de Spearman (CCS), errores de sesgo medio (MBE) y el absoluto medio (MAE). Para precipitación los primeros 5 modelos presentan valores KGE de entre 0.5 y 0.7, el CCP y CCS entre 0.7 a 0.8 comparados con CRU. Para temperatura los primeros 5 modelos presenta valores de NSE de entre 0.5 a 0.6, CCP y CCS de 0.8. Los modelos sobreestiman levemente la temperatura y subestiman la precipitación. Los modelos con mejor habilidad fueron CIESM para temperatura y el modelo IPSL-CM6A-LR para precipitación. Adicionalmente se compara el promedio de 66 estaciones locales con CRU, presentando un KGE 0.51, CCP 0.77 para precipitación y NSE -0.17 y un CCP 0.20 para temperatura. Finalmente, se presenta una tabla con los 10 primeros modelos para cada variable.
Descargas
Citas
Agyekum, J., Annor, T., Quansah, E., Lamptey, B., & Okafor, G. (2022). Extreme precipitation indices over the Volta Basin: CMIP6 model evaluation. Scientific African, 16, Artículo e01181. https://doi.org/10.1016/j.sciaf.2022.e01181
Almazroui, M., Islam, M. N., Saeed, F., Saeed, S., Ismail, M., Ehsan, M. A., Diallo, I., O’Brien, E., Ashfaq, M., Martínez-Castro, D., Cavazos, T., Cerezo-Mota, R., Tippett, M. K., Gutowski, W. J., Alfaro, E. J., Hidalgo, H. G., Vichot-Llano, A., Campbell, J. D., Kamil, S., … Barlow, M. (2021). Projected Changes in Temperature and Precipitation Over the United States, Central America, and the Caribbean in CMIP6 GCMs. Earth Systems and Environment, 5(1), 1-24. https://doi.org/10.1007/s41748-021-00199-5
Ayugi, B., Zhihong, J., Zhu, H., Ngoma, H., Babaousmail, H., Rizwan, K., & Dike, V. (2021). Comparison of CMIP6 and CMIP5 models in simulating mean and extreme precipitation over East Africa. International Journal of Climatology, 41(15), 6474-6496. https://doi.org/10.1002/joc.7207
Doty, B., & Kinter, III, J. L. (1995). Geophysical data analysis and visualization using the grid analysis and display system., En E. P. Szuszczewicz & J.H. Bredekamp (Eds.), Visualization Techniques in Space and Atmospheric Sciences (pp. 209-219). NASA.
Fasullo, J. T., Phillips, A. S., & Deser, C. (2020). Evaluation of Leading Modes of Climate Variability in the CMIP Archives. Journal of Climate, 33(13), 5527-5545. https://doi.org/10.1175/jcli-d-19-1024.1
Gulizia, C., & Camilloni, I. (2015). Comparative analysis of the ability of a set of CMIP3 and CMIP5 global climate models to represent precipitation in South America. International Journal of Climatology, 35(4), 583-595. https://doi.org/10.1002/joc.4005
Gupta, H. V., Kling, H., Yilmaz, K. K., & Martinez, G. F. (2009). Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of Hydrology, 377(1-2), 80-91. https://doi.org/10.1016/j.jhydrol.2009.08.003
Harris, I., Osborn, T. J., Jones, P., & Lister, D. (2020). Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset. Scientific Data, 7, Artículo 109. https://doi.org/10.1038/s41597-020-0453-3
Kim, Y. H., Min, S. K., Zhang, X., Sillmann, J., & Sandstad, M. (2020). Evaluation of the CMIP6 multi-model ensemble for climate extreme indices. Weather and Climate Extremes, 29, Artículo 100269. https://doi.org/10.1016/j.wace.2020.100269
Lee, T., Waliser, D. E., Li, J. L. F., Landerer, F. W., & Gierach, M. M. (2013). Evaluation of CMIP3 and CMIP5 wind stress climatology using satellite measurements and atmospheric reanalysis products. Journal of Climate, 26(16), 5810-5826. https://doi.org/10.1175/JCLI-D-12-00591.1
Lovino, M. A., Müller, O. V., Berbery, E. H., & Müller, G. V. (2018). Evaluation of CMIP5 retrospective simulations of temperature and precipitation in northeastern Argentina. International Journal of Climatology, 38(S1), Artículo e1158-e1175. https://doi.org/10.1002/joc.5441
Lu, Z., Zhao, T., & Zhou, W. (2020). Evaluation of the Antarctic Circumpolar Wave Simulated by CMIP5 and CMIP6 Models. Atmosphere, 11(9), Artículo 931. https://doi.org/10.3390/atmos11090931
Lupo, A., & Kininmonth, W. (2013). Global Climate Models and Their Limitations. En C. D Idso, R. M. Carter & S. F. Singer (Eds.), Climate Change Reconsidered II, Physical Science (pp. 7-148).Global Climate Models and Their Limitations. Climate Change Reconsidered II.
Maenza, R. A., Agosta, E. A., & Bettolli, M. L. (2017). Climate change and precipitation variability over the western ‘Pampas’ in Argentina. International Journal of Climatology, 37(S1), 445-463. https://doi.org/10.1002/joc.5014
Meher, J. K., Das, L., Akhter, J., Benestad, R. E., & Mezghani, A. (2017). Performance of CMIP3 and CMIP5 GCMs to simulate observed rainfall characteristics over the western Himalayan region. Journal of Climate, 30(19), 7777-7799. https://doi.org/10.1175/JCLI-D-16-0774.1
Moriasi, D., Arnold, J., Van_Liew, M., Bingner, R., Harmel, R., & Veith, T. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. American Society of Agricultural and Biological Engineers, 50(1), 885-900. https://doi.org/10.1234/590
Nash, J. E., & Sutcliffe, J. V. (1970). River Flow Forecasting Through Conceptul Models Part 1-A Discussion of Principles. Journal of Hydrology, 10(3), 282-290. https://doi.org/10.1080/00750770109555783
Panel Intergubernamental del Cambio Climático (Ed.). (2014). Anexo II: Glosario. Cambio Climático 2014: Informe de Síntesis. Contribución de Los Grupos de Trabajo I, II y III Al Quinto Informe de Evaluación Del Grupo Intergubernamental de Expertos Sobre El Cambio Climático.
Palomino-Lemus, R., Córdoba-Machado, S., & Esteban-Parra, M. J. (2015). Evaluación de modelos climáticos globales del CMIP5 sobre el noroeste de América del Sur. Revista Biodiversidad Neotropical, 5(1), 16-22.
Penalba, O. C., & Rivera, J. A. (2016). Regional aspects of future precipitation and meteorological drought characteristics over Southern South America projected by a CMIP5 multi-model ensemble. International Journal of Climatology, 36(2), 974-986. https://doi.org/10.1002/joc.4398
Rogelis, M. C., Werner, M., Obregón, N., & Wright, N. (2016). Hydrological model assessment for flood early warning in a tropical high mountain basin. Hydrology and Earth System Sciences Discussions, March, 1-36. https://doi.org/10.5194/hess-2016-30
Roussel, M.-L., Lemonnier, F., Genthon, C., & Krinner, G. (2020). Brief communication: Evaluating Antarctic precipitation in ERA5and CMIP6 against CloudSat observations. The Cryosphere Discussions, 14(8), 2715-2727. https://doi.org/10.5194/tc-2019-327
Sheffield, J., Camargo, S. J., Fu, R., Hu, Q., Jiang, X., Johnson, N., Karnauskas, K. B., Kim, S. T., Kinter, J., Kumar, S., Langenbrunner, B., Maloney, E., Mariotti, A., Meyerson, J. E., Neelin, J. D., Nigam, S., Pan, Z., Ruiz-Barradas, A., Seager, R., … Zhao, M. (2013). North American climate in CMIP5 experiments. Part II: Evaluation of historical simulations of intraseasonal to decadal variability. Journal of Climate, 26(23), 9247-9290. https://doi.org/10.1175/JCLI-D-12-00593.1
Shu, Q., Wang, Q., Song, Z., Qiao, F., Zhao, J., Chu, M., & Li, X. (2020). Assessment of Sea Ice Extent in CMIP6 With Comparison to Observations and CMIP5. Geophysical Research Letters, 47(9), Artículo e2020GL087965. https://doi.org/10.1029/2020GL087965
Sillmann, J., Kharin, V. V., Zhang, X., Zwiers, F. W., & Bronaugh, D. (2013). Climate extremes indices in the CMIP5 multimodel ensemble: Part 1. Model evaluation in the present climate. Journal of Geophysical Research Atmospheres, 118(4), 1716-1733. https://doi.org/10.1002/jgrd.50203
Taylor, K. E., Balaji, V., Hankin, S., Juckes, M., Lawrence, B., & Pascoe, S. (2012). CMIP5 Data Reference Syntax (DRS) and Controlled Vocabularies. https://www.earthsystemcog.org/site_media/projects/wip/CMIP6_global_attributes_filenames_CVs_v6.2.6.pdf
Taylor, K. E. (2001). Summarizing multiple aspects of model performance in a Single Diagram. Journal of Geophysical Research Atmospheres, 106(D7), 7183-7192. https://doi.org/10.1029/2000JD900719
Voldoire, A., Saint-Martin, D., Sénési, S., Decharme, B., Alias, A., Chevallier, M., Colin, J., Guérémy, J. F., Michou, M., Moine, M. P., Nabat, P., Roehrig, R., Salas y Mélia, D., Séférian, R., Valcke, S., Beau, I., Belamari, S., Berthet, S., Cassou, C., … Waldman, R. (2019). Evaluation of CMIP6 DECK Experiments With CNRM-CM6-1. Journal of Advances in Modeling Earth Systems, 11(7), 2177-2213. https://doi.org/10.1029/2019MS001683
Willmott, C. J., & Matsuura, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate Research, 30(1), 79-82. https://doi.org/10.3354/cr030079
Zhao, Y., & Sun, D.-Z. (2022). ENSO Asymmetry in CMIP6 Models. Journal of Climate, 35(17), 5555-5572. https://doi.org/10.1175/JCLI-D-21-0835.1
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Paris Francisco Rivera Ramos
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
El autor que publique en esta revista acepta las siguientes condiciones:
- El autor otorga a la Dirección General de Investigación el derecho de editar, reproducir, publicar y difundir el manuscrito en forma impresa o electrónica en la revista Ciencia, Tecnología y Salud.
- La Direción General de Investigación otorgará a la obra una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional