Analysis results

Los sesgos de las temperaturas de los GCM, con respecto a las observaciones, son corregidos por medio de la relación entre los valores medios mensuales, una de las metodologías de corrección más simples conocidas pero eficaz corrigiendo temperaturas.

Figura 26. Temperaturas medias mensuales para la cuenca San Antonio. Con línea sólida negra las observaciones, en líneas punteadas los GCM sin corrección y en líneas sólidas aquellos corregidos.

CNRM (verde), MPI (azul) y NorESM (rojo).

Como se observa en la Figura 26, esta metodología presenta excelentes resultados para el sesgo en Temperaturas. Tal es así que, esta figura muestra cómo la media mensual de los GCMs corregidos se aproxima enormemente a los valores medios observados. Las mayores correcciones se observan en los meses de diciembre y enero donde la diferencia entre las observaciones y los modelos era del orden de los 4°C (diferencia del 20%). Por otro lado, la corrección resulta tan precisa que preocuparía la pérdida de la variabilidad intrínseca de los modelos. Para analizar esto, en la Figura 27 se realiza un análisis similar al anterior, pero para los Coeficientes de Variación que resultan de la relación entre la media y el desvío estándar medios mensuales de la temperatura.

Figura 27. Coeficiente de Variación de las Temperaturas medias mensuales para la cuenca San Antonio. Con línea sólida negra las observaciones, en líneas punteadas los GCM sin corrección y en

Como se observa en la figura anterior, los valores de los Coeficientes de Variación de los modelos corregidos mantienen el comportamiento original y se sitúan alrededor de las observaciones. Esto significa que la variabilidad intrínseca de los modelos ha sido respetada.

Otra manera de analizar si la variabilidad interna de los GCMs es respetada en la corrección del sesgo es mediante el análisis de series históricas de los valores de temperaturas registrados in-situ con respecto a las temperaturas de los modelos climáticos antes y después de la corrección, como se observa en la siguiente figura.

Figura 28. Temperaturas medias anuales para la cuenca San Antonio, en el período histórico. Con línea sólida negra las observaciones, en líneas punteadas los GCM sin corrección y en líneas sólidas

aquellos corregidos. CNRM (verde), MPI (azul) y NorESM (rojo).

En la Figura 28, se puede ver que la variabilidad interna de los modelos fue respetada y solo se corrigieron los valores medios en el orden de 2°C.

En cuanto a las precipitaciones, como ya se introdujo con anterioridad, la metodología aplicada para realizar la corrección del sesgo de los GCMs se conoce como Quantil- Mapping (QM). En la Figura 29 se observan las Curvas de Función de Distribución Acumuladas (CDF, por sus siglas en inglés) media areal para cada GCM en comparación con las CDFs de las estaciones. Cabe aclarar, que en realidad el proceso se realiza píxel por píxel entre las estaciones y las interpolaciones de los GCMs.

Figura 29. FDPs de precipitaciones diarias para la cuenca San Antonio. Con línea sólida negra las observaciones, en línea azul los GCM sin corrección de sesgo y en verde corregidos.

Se puede ver en la Figura 29 cómo a raíz de aplicar esta metodología de escalamiento, las curvas de probabilidades acumuladas de precipitación diaria de cada modelo son

corregidas aproximándolas a las observaciones. Para los modelos CNRM y NorESM, la corrección aumenta la probabilidad de precipitación de eventos menores y disminuye la probabilidad de eventos mayores. Por otro lado, en el modelo MPI, disminuye la probabilidad de los eventos menores y no modifica la probabilidad de los mayores. Para cuantificar la calidad de la corrección del sesgo de las precipitaciones diarias mediante la técnica de escalamiento Quantile-Mapping, en la Tabla 7 a continuación, se muestran los estadísticos de Pearson y Concordancia.

Tabla 7. Pearson y Concordancia entre las observaciones y los 3 GCMs, con y sin escalamiento.

NorESM MPI CNRM Estadístico Escalado vs Observado No- escalado vs Observado Escalado vs Observado No- escalado vs Observado Escalado vs Observado No- escalado vs Observado Pearson 0.98 0.99 0.90 0.82 0.91 0.93 Concordancia 0.96 0.98 0.90 0.72 0.91 0.83

La tabla anterior muestra que en general la aplicación de la técnica de escalamiento representa una mejora en los estadísticos de Pearson y Concordancia. Por otro lado, cabe aclarar que el modelo NorESM representa un leve deterioro en la calidad, sin embargo, la diferencia es pequeña. Por otro lado, al evaluar el escalamiento del modelo CNRM con Pearson, la calidad habría disminuido levemente, sin embargo la concordancia muestra lo opuesto. Visto que algunos estadísticos se vieron levemente disminuidos con el escalamiento, más adelante se evaluará la calidad del mismo con sentido físico, para determinar desde otro punto de vista su adecuación en la corrección.

De este modo, en la siguiente figura (Figura 30) se muestran los ajustes realizados con y sin escalamiento para cada GCM.

B

C

Figura 30. Ajuste de las precipitaciones medias mensuales de cada GCM, con y sin corrección de sesgo (azul y gris respectivamente), respecto a las observaciones (línea negra punteada 45°). A: NorESM;

B: MPI; C: CRNM.

Por otro lado, la Figura 31 muestra el resultado aplicado en las precipitaciones medias mensuales y el coeficiente de variación de estas. En esta figura se observa que los GCM se aproximan mucho más a los valores de las observaciones.

Figura 31. Precipitaciones medias mensuales para la cuenca San Antonio. Con línea sólida negra las observaciones, en líneas punteadas los GCM sin corrección y en líneas sólidas aquellos corregidos.

De acuerdo con la Figura 31, si bien la corrección en las medias mensuales no resulta tan precisa como la efectuada a la variable de Temperatura, la media mensual resultante de los GCMs corregidos se aproxima mucho mejor a los valores medios observados. Por otro lado, si bien los valores de los coeficientes de variación se sitúan alrededor de las observaciones, a partir de la corrección se aprecia un incremento en la variabilidad en los meses de estiaje.

La Figura 32, a continuación, presenta los valores de las precipitaciones totales anuales (PTA) corregidas en el período histórico mediante la técnica antes presentada de escalamiento.

A

B

Figura 32. Precipitaciones totales anuales para la cuenca San Antonio. Con línea sólida negra las observaciones, en punteadas los GCM sin corregir (A) y en sólida aquellos corregidos (B). CNRM

(verde), MPI (azul) y NorESM (rojo).

Como se observa en la figura anterior, la corrección de sesgo ha aumentado en los tres modelos climáticos los valores de las medias, hasta alcanzar valores similares a la media de las observaciones. Además, se observa que la técnica utilizada realiza la corrección de sesgo procurando mantener la variabilidad intrínseca de los GCM.

Por otro lado, a partir de la corrección de sesgo se desea analizar su impacto en los valores de Precipitaciones Máximas Anuales (PMA), ya que es una variable clave para el diseño hidrológico, mediante estadística inferencial, ver Figura 33.

A

B

Figura 33. Precipitaciones máximas anuales para la cuenca San Antonio. Con línea sólida negra las observaciones, en punteadas los GCM sin corregir (A) y en sólida aquellos corregidos (B). CNRM

(verde), MPI (azul) y NorESM (rojo).

En la Figura 33 se observa que, previo a la realización del escalamiento, las PMA de los GCM en el período histórico si bien oscilaban en torno a aquellos observados, tenían grandes diferencias con las PMA de la serie observada. Al realizarse la corrección, si bien las medias de las precipitaciones máximas de los GCMs se encuentran en mayor proximidad a las observadas, los valores están claramente por debajo. Esto último resulta importante de ser advertido ya que, su utilización para el diseño de obras civiles resultaría en un sub-dimensionamiento de las obras.

Lo anterior podría deberse a distintas cuestiones. Una hipótesis sería que esté ocasionado por la técnica de re-escalamiento aplicada, la cual ajusta las frecuencias de probabilidad de los valores en la serie de cada GCM a aquella respectiva de las observaciones. Otra hipótesis podría ser que la serie observada sea demasiado corta en extensión, no captando así la misma climatología que los modelos climáticos.