Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/20.500.11765/14073
Proyecciones climáticas de índices de temperaturas extremas en Canarias
Título : | Proyecciones climáticas de índices de temperaturas extremas en Canarias |
Autor : | Expósito González, Francisco Javier; Díaz González, Juan Pedro; González Fernández, Albano José; Pérez Darias, Juan Carlos |
Palabras clave : | Índices de temperaturas extremas; Downscaling dinámico; WRF; CMIP5; GEV; Extreme temperature indices; Dynamic downscaling |
Fecha de publicación : | 2022 |
Editor: | Asociación Española de Climatología; Agencia Estatal de Meteorología |
Citación : | Martí Ezpeleta, A., Lorenzo González, N., Royé, D., y Díaz Poso, A. (Eds.). Retos del cambio climático: impactos, mitigación y adaptación. [Madrid]: Asociación Española de Climatología; Agencia Estatal de Meteorología, 2022, pp. 161-170 |
Serie/Num. : | Publicaciones de la Asociación Española de Climatología. Serie A;12 |
Resumen : | [ES]Las proyecciones de extremos climáticos son esenciales para el diseño de planes
estratégicos de adaptación/mitigación a los posibles efectos adversos del cambio
climático. Para obtener las proyecciones de los índices de temperaturas extremas en
Canarias se aplicó una metodología de downscaling dinámico. Para ello se empleó el
modelo WRF con una resolución espacial de 3 km en los periodos 2030-2059 (MID)
y 2070-2099 (END), y para los escenarios RCPs 4.5 y 8.5. Las condiciones iniciales
se definieron mediante los modelos GFDL-ESM2M, MIROC-ESM e IPSL-CM5. Los
cambios a futuro se calcularon frente al período de referencia 1980-2009 (HIS) para
los índices extremos dados por el Equipo de Expertos en Detección e Índices de
Cambio Climático (ETCCDI): temperaturas máxima y mínima mensual (TX y TN),
máximo mensual del rango de temperatura diurna diaria (DTR), noches tropicales
(TR), días cálidos (noches frías) TX90p (TN10p), índice de duración de olas de calor
(WSDI) y de olas de frío (CSDI). Además, se analizaron los niveles y periodos de
retorno para la temperatura máxima anual utilizando la distribución de valores
extremos generalizados (GEV). [EN]Projections of climate extremes are essential data for the design of strategic plans for adaptation/mitigation to the possible adverse effects of climate change. To obtain projections of extreme temperature indices in the Canary Islands, a dynamic downscaling methodology was applied. For this purpose, the WRF modeling system was configured with a spatial resolution of 3 km, for the periods 2030-2059 (MID) and 2070-2099 (END), and the RCPs 4.5 and 8.5 scenarios. Initial conditions were defined using three models of the Coupled Model Intercomparison Project 5 (CMIP5): GFDL-ESM2M, MIROC-ESM and IPSL-CM5. Future changes were calculated against the reference period 1980-2009 (HIS). The extreme indices selected were those defined by the Expert Team on Climate Change Detection and Indices (ETCCDI): monthly maximum and minimum temperature (TX and TN), monthly maximum of the daily diurnal temperature range (DTR), tropical nights (TR), warm days (cold nights) TX90p (TN10p), warm spell duration index (WSDI) and cold spell duration index (CSDI). In addition, return levels and return periods for annual maximum temperature were analyzed using the generalized extreme value (GEV) distribution. |
Descripción : | Ponencia presentada en: XII Congreso de la Asociación Española de Climatología celebrado en Santiago de Compostela entre el 19 y el 21 de octubre de 2022. |
Patrocinador: | Este trabajo fue financiado por los proyectos CGL2015-67508-R, y RTC-2017-6409-3, Ministerio de Ciencia e Innovación, España. |
URI : | http://hdl.handle.net/20.500.11765/14073 |
ISBN : | 978-84-125772-1-1 |
Colecciones: | (2022, Santiago de Compostela). XII Congreso AEC |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | ||
---|---|---|---|---|---|
XIICongreso_AEC_Expos... | 290,31 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de Arcimis están protegidos por una Licencia Creative Commons, salvo que se indique lo contrario.