Evaluating the performance of GCM trajectories using Weather Type frequencies for persistence and transitions: the Iberian Peninsula and Lamb classification

Aquí se presenta un resumen técnico detallado del artículo "Evaluación del rendimiento de las trayectorias de los Modelos Climáticos Globales (GCM) mediante frecuencias de Tipos de Tiempo para la persistencia y las transiciones: la Península Ibérica y la clasificación de Lamb".

1. Planteamiento del Problema

La Península Ibérica es un punto crítico del cambio climático, altamente vulnerable a olas de calor y sequías estivales extremas impulsadas por patrones persistentes de circulación atmosférica a gran escala. Para proyectar con fiabilidad los impactos climáticos futuros, los Modelos Climáticos Globales (GCM) deben reproducir con precisión estas dinámicas de circulación.

Sin embargo, la evaluación tradicional de los GCM se centra a menudo únicamente en la distribución de frecuencias diarias de los patrones meteorológicos. Este enfoque no logra capturar la dinámica temporal (persistencia y transiciones día a día) de la circulación atmosférica, la cual es fundamental para comprender la duración y la intensidad de eventos extremos como las olas de calor. Existe una carencia de marcos objetivos y sistemáticos que evalúen los GCM basándose tanto en la frecuencia de los tipos de tiempo como en su evolución condicional (transiciones).

2. Metodología

Los autores proponen un nuevo marco metodológico para evaluar y seleccionar trayectorias de GCM basándose en los Tipos de Tiempo de Lamb (WT) (específicamente la clasificación Jenkinson–Collison, que genera 27 categorías). El estudio se centra en los meses de verano (junio–septiembre) desde 1979 hasta 2005 sobre la Península Ibérica (30 puntos de cuadrícula).

Componentes Clave:

• Fuentes de Datos:
  • Referencia: Datos de reanálisis ERA5.
  • Modelos: 36 trayectorias históricas de GCM de CMIP6.
• Marco Estadístico:
  • Frecuencia Relativa Conjunta (rf): Calcula la probabilidad de que un WT específico ocurra el día $d$ y un WT específico el día $d-1$.
  • Distribución Diaria: La probabilidad marginal de que ocurra un WT ($P(WT_d = i)$).
  • Distribución Condicional (Transiciones): La probabilidad de que un WT ocurra el día $d$ dado un WT específico el día $d-1$ ($P(WT_d = i | WT_{d-1} = j)$). Esto incluye la persistencia ($i=j$).
• Medidas de Similitud:
  • El estudio compara tres métricas: coeficiente de superposición, coeficiente de Bhattacharyya y distancia de Hellinger.
  • Selección: El coeficiente de superposición fue seleccionado como la métrica principal porque demostró un poder discriminatorio superior y robustez frente a tipos de tiempo raros en comparación con las otras medidas.
• Algoritmo de Filtrado y Selección:
  1. Filtrado Local: Una trayectoria se retiene solo si logra una puntuación de superposición $\ge 0.8$ ($t_{sim}$) tanto para distribuciones diarias como condicionales en al menos 10 de los 30 puntos de cuadrícula ($k$).
  2. Clasificación Regional: Las trayectorias supervivientes se clasifican utilizando tres métricas integradas:
     • Reproducción Diaria (DR): Suma de puntuaciones de superposición para frecuencias diarias.
     • Reproducción Condicional (CR): Suma ponderada de puntuaciones de superposición para probabilidades de transición (ponderación local y regional).
     • Reproducción de Persistencia (PerR): Mide la precisión en la reproducción de la probabilidad de que un WT persista durante dos días consecutivos.

3. Contribuciones Clave

1. Avance Metodológico: El artículo va más allá del análisis estático de frecuencias para evaluar la dinámica atmosférica de 24 horas. Introduce un marco riguroso para evaluar las probabilidades de transición y la persistencia, aspectos a menudo pasados por alto en la selección de GCM.
2. Criterios de Selección Objetivos: Establece un proceso de filtrado que descarta modelos que no reproducen ni las frecuencias diarias ni las dinámicas de transición, asegurando que los modelos seleccionados sean robustos tanto en aspectos estáticos como dinámicos.
3. Poder Discriminatorio: El estudio demuestra que las métricas condicionales (transiciones/persistencia) son mucho más discriminatorias que las métricas de frecuencia diaria por sí solas. Muchos modelos que superan las comprobaciones de frecuencia diaria fallan significativamente cuando se evalúan las dinámicas de transición.
4. Código de Código Abierto: El código asociado a este marco está disponible públicamente a través de GitHub, permitiendo su aplicación a cualquier región del mundo.

4. Resultados

• Resultados del Filtrado:
  • Conjunto Inicial: 36 trayectorias de CMIP6.
  • Filtro Diario: 20 modelos fueron rechazados por no reproducir adecuadamente las frecuencias diarias de WT (Superposición < 0.8 en >1/3 de los puntos de cuadrícula). Quedaron 16.
  • Filtro de Transición: 4 modelos adicionales fueron rechazados por no reproducir las distribuciones condicionales (transiciones/persistencia).
  • Selección Final: 12 trayectorias fueron retenidas para un análisis posterior.
• Rendimiento del Modelo:
  • Mejor Desempeño: La familia EC-Earth3 superó consistentemente a otros modelos. Específicamente, la trayectoria ec earth3 aerchem mostró el mejor y más consistente rendimiento en toda la Península y en todas las métricas (DR, CR, PerR).
  • Disparidades Geográficas:
    • Noroeste: Los modelos generalmente funcionaron bien en la reproducción de patrones de circulación.
    • Centro y Sur Mediterráneo: Se observaron brechas significativas de rendimiento. Los modelos tuvieron dificultades para representar con precisión las dinámicas de circulación en estas regiones, independientemente de la familia.
  • Comportamientos Específicos de Modelos:
    • mpi esm 1 2 hr funcionó bien en el Noroeste.
    • Los modelos de la familia cnrm mostraron dominio localizado en el Sudeste bajo condiciones específicas.
    • taiesm1 y hadgem3 gc31 mm mostraron un rendimiento deficiente en regiones específicas (Suroeste) y fueron considerados menos adecuados para análisis locales.
• Correlación de Métricas:
  • Las puntuaciones de Reproducción Diaria (DR) y Reproducción Condicional (CR) estuvieron altamente correlacionadas.
  • La Reproducción de Persistencia (PerR) resultó ser en gran medida independiente de DR y CR, proporcionando una dimensión única y crítica para la clasificación de modelos.

5. Significado y Conclusión

Este estudio establece que evaluar la persistencia y las transiciones de los Tipos de Tiempo es una herramienta superior para la selección de GCM en comparación con la evaluación de distribuciones diarias por sí sola.

• Implicación para Estudios de Impacto: Dado que las olas de calor extremas y las sequías en la Península Ibérica son impulsadas por patrones de circulación persistentes, seleccionar modelos que solo acierten la frecuencia "promedio" pero que fallen en capturar la "persistencia" de esos patrones podría conducir a una subestimación significativa de los riesgos de eventos extremos.
• Selección de Modelos: La familia EC-Earth3, particularmente la variante aerchem, se identifica como la más fiable para estudiar el clima estival de la Península Ibérica.
• Aplicación Futura: El marco está diseñado para ser agnóstico a la región. Puede aplicarse a otras regiones (por ejemplo, la región de Niño) y extenderse a escenarios climáticos futuros, siempre que los modelos primero superen el filtro de rendimiento histórico. Esto asegura que las proyecciones de cambios futuros se basen en modelos que han demostrado ser capaces de reproducir las dinámicas fundamentales del clima actual.

En resumen, el artículo proporciona una metodología robusta, objetiva y dinámica para filtrar modelos climáticos, enfatizando que la evolución temporal (transiciones) es tan crítica como la frecuencia espacial en la evaluación de modelos climáticos.