RT.5 Proyecciones de cambios climáticos futuros
Desde el TIE, se han logrado muchos adelantos importantes en la ciencia de proyecciones del cambio climático. Se ha realizado un esfuerzo sin precedentes para hacer los resultados accesibles a los investigadores que no los tienen a su alcance. Catorce grupos de ejecución modelos de MCGAO, de 10 países diferentes, realizaron un conjunto de experimentos coordinados y estándares usando 23 modelos. La base de datos multimodelo resultante, analizada por cientos de investigadores a nivel mundial, constituye la base de gran parte de la evaluación de los resultados de modelos. Se han obtenido muchos logros a raíz del uso de conjuntos multimiembros a partir de modelos sencillos (por ejemplo, para probar la sensibilidad de la respuesta a las condiciones iniciales) y usando conjuntos multimodelo. Estos dos tipos diferentes de agrupaciones permiten estudios más sólidos acerca del índice de los resultados del modelo y una evaluación más cuantitativa del modelo versus las observaciones. Además, proporcionan nueva información sobre la variabilidad estadística simulada. {8.1, 8.3, 9.4, 9.5, 10.1}
Desde el TIE, se dispone de varios métodos que proporcionan proyecciones probabilísticas de cambio climático, tanto para fines mundiales como para las descripciones geográficas. El presente informe se centra en estos métodos que incluyen métodos basados en los resultados de conjuntos de MCGAO sin la aplicación formal de las limitaciones de las observaciones así como métodos basados en algoritmos de detección y en grandes conjuntos de . En la actualidad, algunos métodos son los responsables explícitos de importantes fuentes de incertidumbre tales como los retroefectos climáticos, incorporación oceánica de calor, forzamiento radiativo y el ciclo del carbono. Las proyecciones a corto plazo están similarmente limitadas por las observaciones de tendencias recientes. Algunos estudios han sondeado temas adicionales de probabilística, como la probabilidad de cambios futuros en casos extremos, como las olas de calor que podrían ocurrir debido a influencias humanas. Además, después del TIE se lograron adelantos gracias a un abanico más amplio de estudios de cambio climático previsto sobre los retroefectos climáticos del carbono. {8.6, 9.6, 10.1, 10.3, 10.5}
Estos adelantos en la ciencia del modelado del cambio climático brindan una base de probabilidades para identificar proyecciones de cambios climáticos para diferentes escenarios de marcadores IE-EE. Esto contrasta con el TIE, donde no se pudieron brindar, en términos probabilísticos, los índices de los diferentes escenarios marcadores. Como resultado, esta evaluación identifica y cuantifica la diferencia en el carácter entre incertidumbres que surgen durante el modelado del clima y aquéllas que surgen de un desconocimiento previo respecto de las decisiones que afectarán las emisiones de gases de efecto invernadero. La combinación de proyecciones de probabilística daría lugar a una pérdida de información de relevancia política. Por estas razones, en el presente informe no se mezclan las proyecciones de los diferentes escenarios de emisión.
Las simulaciones de modelos usadas en este informe consideran la respuesta del sistema climático físico a toda una gama de posibles condiciones futuras mediante el uso de emisiones ideales o de concentraciones inferidas. Éstos incluyen los experimentos con los gases de efecto invernadero y aerosoles mantenidos constantes en los niveles del año 2000, experimentos donde se duplicaron y cuadruplicaron las concentraciones de CO2, escenarios IE-EE marcadores de 2000 a 2100, y experimentos con los gases de efecto invernadero y aerosoles mantenidos constantes después del 2100, proporcionando nueva información sobre los aspectos físicos del cambio climático a largo plazo y la estabilización. Los escenarios IE-EE no incluyeron iniciativas climáticas. La evaluación realizada por este Grupo de Trabajo I no contempla la plausibilidad o la probabilidad de cualquier escenario de emisión específico. {10.1, 10.3}
Un nuevo conjunto de datos de varios modelos que usa los Modelos del Sistema de Terrestre de Complejidad Intermedia (EMIC) complementa a los experimentos realizados por la MCGAO, para extender el límite de tiempo por varios siglos más en el futuro. Esto proporciona un límite más integral de respuestas de modelos en esta evaluación así como nueva información sobre el cambio climático durante escalas de tiempo más prolongadas, cuando se mantienen constantes los gases de efecto invernadero y las concentraciones de aerosol. Algunos MCGAO y EMIC contienen componentes de proyecciones del ciclo de carbono que permiten calcular los efectos probables y las incertidumbres asociadas con los retroefectos del ciclo del carbono. {10.1}
Recuadro RT.8: Jerarquía de modelos climáticos mundiales
Se pueden realizar cálculos sobre cambios en la temperatura media mundial y el aumento del nivel del mar debido a la dilatación térmica mediante el uso de Modelos Climáticos Sencillos (MCS). Estos modelos representan el sistema océano-atmósfera como un conjunto de cajas mundiales o hemisféricas y predice la temperatura superficial mundial mediante el uso de una ecuación de equilibrio energético, un valor prescrito de sensibilidad climática y una representación básica de la incorporación oceánica de calor. Este tipo de modelo también se puede acoplar a los modelos simplificados de ciclos biogeoquímicos y permiten una estimación rápida de la respuesta climática a una amplia gama de escenarios de emisión. {8.8, 10.5}
Los Modelos de Sistema Terrestres de Complejidad Intermedia (EMIC, en sus siglas en inglés) incluyen ciertas dinámicas referidas a las circulaciones atmosféricas y oceánicas, o su representación en parámetros y, a menudo, incluyen representaciones de ciclos biogeoquímicos, pero normalmente han reducido la resolución espacial. Estos modelos se pueden usar para investigar el cambio climático a escala continental y los efectos a largo plazo, del acoplamiento entre los componentes del sistema de Tierra que usan conjuntos o bien una gran cantidad de modelos o bien una gran cantidad de sus resultados durante varios siglos. Tanto para los MCS como para los EMIC, resulta factible muestrear detenidamente los espacios de parámetros por ordenador, teniendo en cuenta al mismo tiempo las incertidumbres de los parámetros derivadas del cambio hacia modelos climáticos más abarcadores, las observaciones afines y el uso de criterios de expertos. Por lo tanto, ambos tipos de modelos se avienen a la generación de proyecciones probabilísticas del clima futuro y permiten la comparación de ‘una incertidumbre en la respuesta’ que se deriva de la incertidumbre en los parámetros de modelos climáticos donde el ‘índice de escenarios‘ proviene del índice de escenarios de emisiones considerado. Se han evaluado los Modelos del Sistema Terrestre de Complejidad Intermedia más profundamente y los ejercicios de comparación cruzada han demostrado que son útiles para estudiar preguntas que involucran grandes escalas de tiempo o conjuntos más grandes de simulaciones. {8.8, 10.5, 10.7}
Los modelos climáticos más integrales son los MCGAO. Incluyen componentes dinámicos que describen procesos atmosféricos, oceánicos y de superficie terrestre, así como los hielos marinos y otros componentes. Se ha avanzado mucho desde el TIE (véase Recuadro RT.7), y hay más de 20 modelos de diferentes centros disponibles para las simulaciones climáticas. Aunque las dinámicas a gran escala de estos modelos son integrales, se sigue parametrizando para representar procesos físicos aún no resueltos tales como la formación de nubes y precipitación, el océano y la formación de masas de agua, etc. La incertidumbre en el proceso de parametrización es la razón primaria por la cual las proyecciones climáticas difieren entre diferentes MCGAO. Aún cuando la resolución de los MCGAO mejora rápidamente, a menudo resulta insuficiente para captar la estructura de la escala de las variables climáticas en muchas regiones. En estos casos, se puede utilizar el rendimiento de los MCGAO para manejar los modelos de zonas (o clima regional) en modelos que combinan la exhaustividad de las representaciones del proceso, comparables con los MCGAO que tienen una resolución espacial muy superior. {8.2}