CENÁRIOS DE MUDANÇAS CLIMÁTICAS

Ministério da Ciência, Tecnologia e Inovação Instituto Nacional de Pesquisas Espaciais

Sin Chan Chou André Lyra, Jorge Gomes, Josiane Bustamante, Gustavo Sueiro, Priscila Tavares, Adan Silva, Gracielle Chagas, Caroline Mourão, Isabel Pilotto

chou@cptec.inpe.br +55-12-3186-8424

A Primeira Projeção Climática

• Cenário: 2 X CO2

• Arrhenius quantificou em 1896 as mudanças na temperatura (aprox. 5° C) que deveriam ser esperadas ao dobrar o CO2, baseado no conceito do efeito de ”glass bowl” introduzido em 1824 por Joseph Fourier

Cenários de mudanças climáticas em modelos numéricos

2010

A

2025

B

2040

C

2050

D

2100

2 x CO2

FAR – First Assessment Report (IPCC, 1990)

Os cenários consideram desenvolvimento econômico, mudanças de uso de fontes de energia e crescimento demográfico.

Special Report on Emission Scenarios (SRES,2000)

AR4

Representative Concentration Pathway – RCP

AR5

Integrated Assessment Models – IA Models Land use included

Cadeia de Incertezas

Projeção dos Impactos das Mudanças Climáticas

Emissões

Concentrações CO2, metano, sulfatos, etc.

Mudança Climática Global Temperatura, precipitação, pressão, etc.

Detalhamento Regional Topografia, vegetação, evento extremo, etc.

Impactos Enchentes, Secas, energia, produtividade

agricola etc.

Cenários de população, energia, modelos econômicos

Modelos do ciclo do carbono e química

Modelos Climáticos Globais

Modelos Climáticos Regionais

Modelos de Impactos

Porque gerar novas simulações de mudanças climáticas? 1. Em geral, foram introduzidos melhorias nos modelos globais que acrescentaram

processos importantes para mudanças climáticas, como ciclos biogeoquímicos (“Earth System Model”);

2. A simulação da temperatura da superfície melhorou com correlaçãp espacial de 0.99; e da precipitação de 0.77 em AR4 para 0.82 em AR5.

3. etc

Projeções na América do Sul a partir de 42 modelos globais, RCP 4.5 (IPCC, 2013)

DJF Temperatura

NEB AMZ

2016-2035

2046-2065

2081-2100

25% 50% 75%

Projeções na América do Sul a partir de 42 modelos globais, RCP 4.5 (IPCC, 2013)

NEB AMZ

JJA Temperatura

NEB AMZ

2016-2035

2046-2065

2081-2100

25% 50% 75%

ONDJFM Precipitação

NEB AMZ

2016-2035

2046-2065

2081-2100

25% 50% 75%

Projeções na América do Sul a partir de 42 modelos globais (IPCC, 2013)

Projeções na América do Sul a partir de 42 modelos globais, RCP 4.5 (IPCC, 2013)

AMJJAS Precipitação

NEB AMZ

2016-2035

2046-2065

2081-2100

25% 50% 75%

(IPCC, 2013) Média de 42 modelos

Avaliação do ciclo anual da precipitação período 1980-1999 de 44 modelos do AR5, ( produzida pela equipe do Modelo Eta/INPE)

0

2

4

6

8

10

12

J F M A M J J A S O N D

TSA

0,00

0,20

0,40

0,60

0,80

1,00

1,20

1,40

1,60

1,80

2,00

J F M A M J J A S O N D

TSA

CMIP5 CMIP3

CMIP5 CMIP3

1. Ciclo anual da precipitação correlaciona melhor com as OBS em CMIP5 2. RMSE da precipitação menor em CMIP5

RMSE PRECIP

14

REGIONALIZAÇÃO

(‘DOWNSCALING’)

Para os modelos globais simularem

vários séculos, e captarem as

mudanças climáticas globais,

necessitam utilizar grades de tamanhos

grandes (baixa resolução espacial).

Entretanto, para estudos de impactos,

vulnerabilidade e adaptação, é

necessário maior detalhe pois estes

estudos tem caráter local.

Os modelos atmosféricos regionais

provem o detalhamento do modelo

global (regionalização) para um

determinado período de tempo e para

uma determinada região.

Modelo Regional Eta

40km, 20 km

Modelo global, cenário A1B

(HadCM3 ~400kmx300km)

15

1961-1990 simulations

using Eta Model forced by HadCM3

historical 4-member runs (Chou et al 2012, Climate Dynamics)

Eta Model

Operational characteristics

•Convection: 1. Betts-Miller-Janjic scheme, 2. Kain-Fritsch + Mom Flux,

Precip partition parameter • Stratiform rain: 1. Zhao scheme

2. Ferrier scheme • Turbulence: Mellor Yamada 2.5, MO surface layer, Paulson functions • Radiation: GFDL package • Land surface scheme:

•NOAH scheme, 4 soil layers, • Initial conditions

•NCEP T126L28, T213L42 analyses • L.B.C.

• CPTEC T126L28 T213L42 GCM, • Initial soil moisture :monthly climatology • Initial albedo: seasonal climatology •SST 0.25x0.25 degree lat/lon •Changes in calculations of Ps, fluxes over ocean, 10-m winds.

• Domains •Most part of South America •Southeast Brazil •Northeast Brazil

• Resolution: 40 km/38 layers; •15km/50 layers; • 5km/50 layers NH

• Grid-point model •Arakawa E grid and Lorenz grid

• Refined Eta vertical coordi (Mesinger, 1984; Mesinger et al 2012) •Prognostic variables: T, q, u, v, ps, TKE, cloud water/ice, hydrometeors •Time integration:

•2 level, split-explicit •Adjustmet: forward-backward

•Horiz.Advection: first forward and then centered

•Vert Advection: Piecewise Linear Scheme > finite volume Model

16

17

HADCM3

Pope et al, 2000, Gordon et al, 2000. (Hadley Centre OAGCM ) variables: u, v, q, theta, surf press

•1960-2099 •LBC: 6/6h •flux adjustments and sulphur cycle included

Present climate: [all-forcing run - antropogenic (greenhouse gases, sulphates, ozone) + natural (solar and volcanic)] •Data domain : 106.875 W a 1.875 W e 78.75 S a 18.75 N •Resolution: dx=3.75o and dy=2.75o •Number of files for LBC= 44640 (31 years)

113x243x38

18

1. 360-day year calendar;

2. Equivalent CO2 concentration, update every 5 years;

3. HadCM3 Monthly Sea Surface Temperature, daily update

4. Monthly Vegetation Greeness, daily update;

5. Interface to read HadCM3, output

from Weather to Climate Change version

Veg greeness

© Crown copyright Met Office

Mudança de precipitação do

período de 2071-2099 em

relação ao período de 1961-

1990 a partir do conjunto das

rodadas do HadCM3

Summer

Somente estes membros foram escolhidos para

alimentar o modelo Eta

20

DJF

CRU low mid high

low mid high JJA

CRU

1961-1990 PRECIPITATION

unprtrb

unprtrb

CIC PLATA, Uruguai, 2013

AGU, Foz do Iguaçu, 2010 21

DJF

CRU low mid high

low mid high JJA

CRU

TEMPERATURE

unprtrb

unprtrb

CIC PLATA, Uruguai, 2013

22

Mean Errors

precip

Temp

DJF JJA

DJF JJA

Ens Mean + Spread

DJF JJA

DJF JJA

mean errors > spread

23

Projeções regionalizadas sobre o Brasil

cenário A1B 2011-2100

(Marengo et al 2012, Climate Dynamics)

2010-4

0

2041-7

0

2071-2

100

DJF JJA

A1B-Low

DJF JJA

A1B-Medium

DJF JJA

A1B-High

DJF JJA

A1B-Unperturbed

C o CIC PLATA, Uruguai, 2013

2010-4

0

2041-7

0

2071-2

100

DJF JJA

A1B-Low

DJF JJA

A1B-Medium

DJF JJA

A1B-High

DJF JJA

A1B-Unperturbed

% of change CIC PLATA, Uruguai, 2013

26

Projeções até finais do Século XXI mostram mudanças nos extremos de chuva, com chuvas mais intensas ou com mais áreas com seca extrema

Aumento na freqüência de

chuvas intensas em 2071-2100

relativo a 1961-90

Cenários futuros de clima

Aumento no número de dias secos

consecutivos em 2071-

2100 relativo a 1961-90

%

Mudanças na chuva (%) em 2071-2100 relativo a 1961-90. Amazonia e Noreste do Brasil deficiencia de chuvas Sudeste da America do Sulraumento nas chuvas

As projeções sugerem que as mudanças do clima apresentam

variabilidade regional

AMZ:+2.0°C

SF: +1.9°C

PAR: +1.8°C

+1.7 °C

+1.3 °C 418 ppm

AMZ:+3.6°C

SF: +3.2°C

PAR: +3.8°C

+3.0 °C

+2.5 °C 523 ppm

AMZ:+4.9°C

SF: +4.1°C

PAR: +4.1°C

+4.2 °C

+3.3 °C 638 ppm

% Mudanças na chuva

de DJF relativo a 1961-

90

Mudanças na

temperatura

anual no Brasil

Mudanças na

temperatura

anual global

Concentrações

de CO2

equivalente

Década

8%

10%

=

2010-40

2041-70

2071-2100

19%

28%

4%

25%

26%

3%

Projeções geradas pelo Eta-CPTEC/HadCM3 40 km -A1B (Marengo et al 2012) CIC PLATA, Uruguai, 2013

28

New scenarios

&

Eta model developments

Desenvolvimento de novas simulações de mudanças climáticas regionalizadas (‘downscaling’) - MCTI/PNUD

• Simulações com Modelo Eta-20km Região: América do Sul, Central e Caribe Período: 1960-2100 Cenários: RCP 4.5 e RCP 8.5 A partir dos modelos globais: BESM e HadGEM2-ES • Simulação com Modelo Eta-5km, não-hidrostático Região: Sudeste do Brasil Período: 1960-2100 Cenários: RCP 4.5 A partir do modelo: Eta-20km Aplicação: em estudos de megacidades, eventos extremos

Hierarquia dos Modelos Numéricos Atmosféricos

Globais: Acompanhamento dos padrões de escala sinótica para todo o globo.

Regionais: Aplicação semelhante aos modelos globais, mas com resolução maior sobre uma área limitada de interesse.

Mesoescala: Acrescenta detalhes aos padrões de escala sinótica previstos no modelo regional.

Interação entre os modelos

Global Regional Mesoescala ci ci

cc TSM

ci cc

BESM, HadGEM

200km Eta-20km Eta-5km

CICLO ANUAL DA PRECIPITAÇÃO (mm/dia); 40km x 20km; HadCM3

SE

S N

CRU E40km E20km

BR

FREQUÊNCIA RELATIVA vs PRECIPITAÇÃO (mm/dia); 40km x 20km

Distribuição do Eta-20km mais próxima da distribuição dos dados CRU América do Sul

%

%

%

Projection of rainfall extremes (R10) and impacts in

the Greater São Paulo city

R1

0

2020-2030 2050-60 2080-90

Changes in R10 from the Eta model, relative to 1961-90, driven by HadCM3, A1B scenario

NON-HYDROSTATIC VERSION for HIGH RESOLUTION

(Marengo)

34

Change of land use:

Urban vegetation at 5km >>

increase of convective precipitation,

stronger land-sea breeze circulation

Caroline Mourão, 2010

315 x 625 x 38 pontos Eta-20km

Eta-5km

1961-2100 6h/6h ou 3h/3h RCP 4.5 e RCP 8.5 4 simulações Eta-20km para abril 2014 1 simulação Eta-5km para maio 2014

Gilvan Sampaio analisou a tendencia de 9 modelos do IPCC AR5 de precip para NEB

IPSL-CM5A-LR 8.5

IPSL-CM5A-LR 2.6 IPSL-CM5A-LR 4.5 MIROC5 4.5

CCSM4, CSIRO-Mk-3-6-0, GFDL-ESM2M, GISS-E2-R, HadGEM2-ES, IPSL-CM5A-LR, MIROC5, MRI-CGCM3 e NorESM1-M.

Realce: modelos que apresentam tendência positiva Realce claro: modelos que apresentam *fraca* tendência positiva

5 modelos 4 modelos 3 modelos

Interessante notar que com aumento do nível de emissão, diminui o numero de modelos com tendencia positiva de chuvas no NEB

* **

IPSL- CM5A-LR tendencia positiva em todos os cenários

(Gilvan Sampaio)

GCM que dispomos no INPE para alimentar o Eta

1. MOHC HadGEM2-ES RCP4.5/RCP8.5 2. IPSL IPSL-CM5A-LR RCP4.5/RCP8.5 3. CCCma CanESM2 RCP4.5/RCP8.5 4. CSIRO CSIRO-Mk3-6-0 RCP4.5/RCP8.5 5. NIES MIROC5 RCP 4.5 6. INPE BESM RCP 4.5 / RCP 8.5

Avaliando o ciclo sazonal destes modelos no periodo 1980-2005, para a região tropical da America do Sul BIAS MAE RMSE R2 MOHC HadGEM2-ES 0.64 0.64 0.69 0.9836 melhor desempenho em TSA

IPSL IPSL-CM5A-LR -1.19 1.19 1.37 0.9635 CCCma CanESM2 -1.88 1.88 1.90 0.9848 erros muito grandes para TSA

CSIRO CSIRO-Mk3-6-0 -156 1.56 1.63 0.9361 erros muito grandes para TSA

NIES MIROC5 0.58 0.94 1.08 0.9714 << Outros MRI 0.80 0.80 0.90 0.9599 GFDL-ESM-EM -1.25 1.25 1.48 0.9750

Combinando disponibilidade imediata dos dados, erro de magnitude mediano para a região tropical da América do Sul, e a necessidade de rodar 1 membro com chuva do futuro (futuro próximo) acima da média atual, então pode-se optar pelo MIROC5.

39

Obrigada!

chou@cptec.inpe.br 12-3186-8424

IPCC, 2013: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Stocker, T. F., D. Qin, G.-K. Plattner, M. Tignor, S. K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P. M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, in press. Chou SC, Marengo JA, Lyra A, Sueiro G, Pesquero J, Alves LM, Kay G, Betts R, Chagas D, Gomes JL, Bustamante J, Tavares P (2012) Downscaling of South America present climate driven by 4-member HadCM3 runs. Climate Dynamics. Vol. 38 n. 3-4, 635-653. DOI 10.1007/s00382-011-1002-8 Marengo, J. A.; Chou, S. C; Kay G.; Alves, L.; Pesquero, J. F Soares, W.R; Santos, D.C.; Lyra, A. A.; Sueiro, G.; Betts, R.; Chagas, D. J.; Gomes, J. L.; Bustamante, J. F.; Tavares, P. Development of regional future climate change scenarios in South America using the Eta CPTEC/HadCM3 climate change projections: Climatology and regional analyses for the Amazon, São Francisco and and the Parana River Basins. Climate Dynamics. Vol 38, n 9-10, 1829-1848. 2012. DOI 10.1007/s00382-011-1155-5 Mesinger F, Chou SC, Gomes JL, Jovic D, Bastos P, Bustamante JF, Lazic L, Lyra AA, Morelli S, Ristic I, Veljovic K. (2012) An upgraded version of the Eta model. Meteorology and Atmospheric Physics. Vol 116 (3), 63-79. DOI: 10.1007/s00703-012-0182-z

(IPCC, 2013) Média de 42 modelos

Porque gerar novas simulações regionalizadas? 1. Porque a regionalização permite maior detalhamento das simulações dos modelos globais

a partir da inclusão de informação de topografia, vegetação etc. mais detalhada;

2. Processos físicos, por exemplo nuvens, podem ser representadas mais explicitamente;

3. A maior resolução horizontal permite representar fenômenos de maior intensidade;

4. Foram introduzidas melhorias no modelo regional;