Estaciones Meteorológicas en Centroamérica
•Als PPTX, PDF herunterladen•
1 gefällt mir•2,492 views
Conferencia dictada en el Taller del Grupo Suelos-SIG-Agua del proyecto GWI – AGUA VERDE en San Jose, 2 de julio del 2013
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Andere mochten auch
Ähnlich wie Estaciones Meteorológicas en Centroamérica
Ähnlich wie Estaciones Meteorológicas en Centroamérica (20)
Mehr von Decision and Policy Analysis Program
Mehr von Decision and Policy Analysis Program (20)
Estaciones Meteorológicas en Centroamérica
- 1. Carlos Navarro-Racines J. Ramirez-Villegas, A. Jarvis, P. Laderach Datos Climáticos para CA Fuentes / Métodos / Problemas 2/7/13, San José, Costa Rica
- 2. Contenido Datos Históricos Datos Futuros Impactos Portales y Recursos • Disponibilidad • Dificultades • Opciones – Downscaling • Nuestras bases de datos • CCAFS – Portals Crop Models • GHCN/GSOD • WorldClim Baseline • Información de Institutos Meteorológicos Nacionales • Posibilidades, retos • CRU – TS • Información Satelital
- 3. Ramírez-Villegas and Challinor, 2012 Entendiendo el Problema… (1) No hay ninguna estación meteorológica (2) Las estaciones meteorológicas no están en buen estado (periodos cortos, gaps). (3) Los datos no están correctamente almacenados (4) Los datos no pasan los controles de calidad básicos (5) El acceso a los datos está restringido.
- 4. Figure 1 Frequency of use of the different data sources in agricultural studies based on a review of 247 recordings from published studies (taken from a comprehensive data use survey) (Ramirez-Villegas and Challinor 2012) Qué opciones tengo? Problemas de exactitud (es decir, falta de homogeneidad, discontinuidades) 1. Time-step largo (mensual en el mejor de los casos) 2. Cobertura temporal se limita a un promedio de varios años 3. Su resolución espacial es demasiado gruesa; 4. Su cobertura geográfica no es la suficiente 5. Sólo ciertas variables (es decir, temperaturas, precipitaciones). Necesitamos otras en agrícultura.
- 5. GHCN (Global Historical Climatological Network) • Very robust weather station dataset (NOAA) • Used for many studies: – WorldClim – CRU datasets – Hockey-stick warming trend analysis
- 6. GSOD (Global Summary of Day) • Version 8 - Over 9000 Worldwide Stations - Updated Daily • Some issues Mean temperature (.1 Fahrenheit) Mean dew point (.1 Fahrenheit) Mean sea level pressure (.1 mb) Mean station pressure (.1 mb) Mean visibility (.1 miles) Mean wind speed (.1 knots) Maximum sustained wind speed (.1 knots) Maximum wind gust (.1 knots) Maximum temperature (.1 Fahrenheit) Minimum temperature (.1 Fahrenheit) Precipitation amount (.01 inches) Snow depth (.1 inches)
- 7. Weather Stations GHCN* /GSOD in CA * GHCN not adjusted
- 8. Estaciones x variable: • 47,554 precipitación • 24,542 tmean • 14,835 tmax y tmin -30.1 30.5 M ean annual tem perature (ºC) 0 12084 Annual precipitation (m m ) WorldClim Fuentes: •GHCN •FAOCLIM •WMO •CIAT •R-Hydronet •Redes nacionales
- 9. Stations included in WorldClim in CA
- 10. Annual Precipitation Patterns & Stations (WorldClim CA) CIAT GHCN FAO WMO Fonts
- 11. CIAT GHCN FAO WMO Fonts Annual Mean Temperature Patterns & Stations (WorldClim CA)
- 12. Densidad de Estaciones WCL por País en CA 0 0.002 0.004 0.006 0.008 0.01 0 0.002 0.004 0.006 0.008 0.01 DensityoftheTemperatureStations Density of the Rainfall Stations 0 0.08 Series3 Series4 Series5 Belice Costa Rica El Salvador Guatemala Honduras Nicaragua Panamá Linear (0 0.08) Linear (Series3) Linear (Series5) Linear (Series5) Flattopography(WMO) Flat topography (WMO) Suficiente detalle? WMO Guidelines Topografía Plana 1 Station by 250 Km2 Topografía Montañosa 1 Station by 25 Km2
- 13. NATIONAL METEOROLOGICAL SERVICE OF BELIZE Agro-Climat Stations BLZ GTM Distribución de Estaciones - Servicios Meteorológicos Nacionales Instituto Nacional de Sismología, Vulcanología, Meteorología e Hidrología (INSIVUMEH)
- 14. NIC Ineter: Instituto Nicaragüense de Estudios Territoriales PAN Distribución de Estaciones - Servicios Meteorológicos Nacionales Hidrometeorología de ETESA
- 15. Título Estaciones Meteorológicas en Costa Rica Autor responsable Instituto Meteorológico Nacional Tema Clima Área geográfica Costa Rica Fecha de elaboración 2005 Escala 1:1500000 CRI Distribución de Estaciones - Servicios Meteorológicos Nacionales
- 16. Densidad de Estaciones por País en CA WordlClim + Insituciones Nacionales 0 0.002 0.004 0.006 0.008 0.01 0 0.002 0.004 0.006 0.008 0.01 DensityoftheTemperatureStations Density of the Rainfall Stations 0 0.08 Series3 Series4 Series5 Belice Costa Rica El Salvador Guatemala Honduras Nicaragua Panamá Linear (0 0.08) Linear (Series3) Linear (Series5) Linear (Series5) 0 0.002 0.004 0.006 0.008 0.01 0 0.002 0.004 0.006 0.008 0.01 DensityoftheTemperatureStations Density of the Rainfall Stations 0 0.08 Series3 Series4 Series5 Belice Costa Rica El Salvador Guatemala Honduras Nicaragua Panamá Linear (0 0.08) Linear (Series3) Linear (Series5) Linear (Series5) WMO Guidelines Topografía Plana 1 Station by 250 Km2 Topografía Montañosa 1 Station by 25 Km2 Podemos mejorar? Flattopography(WMO) Flat topography (WMO)
- 17. Número de Años de Registo de Estaciones incluídas en WordlClim 0 5 10 15 20 25 30 NúmerodeAñosdeRegistros País # Años Temp # Años Prec Podemos mejorar?
- 18. Podemos mejorar? La calidad de la interpolación es muy baja cuando la cantidad de estaciones es limitada.
- 19. Un caso de estudio… Análisis multi-escalar de vulnerabilidad al cambio climático de ecosistemas terrestres prioritarios y estrategias de vida de la población rural en la zona central de la Sierra Madre Oriental, retroalimentar y desarrollar herramientas para la toma de decisión sobre diseño e implementación de medidas de adaptación + =
- 20. CRU-TS CRU-TS v3.20 Historic Climate Database for GIS Harris, I., Jones, P.D., Osborn, T.J., and Lister, D.H., 2013 Label Variable cld cloud cover dtr diurnal temperature range frs frost day frequency pre precipitation tmp daily mean temperature tmn monthly average daily minimum temperature tmx monthly average daily maximum temperature vap vapour pressure wet wet day frequency • High Resolution Grids • 0.5 degree • Month-by-month variation in climate over the last century or so • Latest generate over 1901-2011
- 21. Información Satelital: TRMM TRMM 3B43 Characteristics Temporal Coverage Start Date: 1998-01-01; Stop Date: - Geographic Coverage Latitude: 50°S - 50°N; Longitude:180°W - 180°E Temporal Resolution Monthly Horizontal Resolution 0.25° x 0.25°; nlat = 400, nlon = 1440 Average File Size Compressed: ~4.95 MB; Original: ~4.95 MB File Type HDF Resolución espacial (~ 28 km), TRMM tiende a sobreestimar precipitación real (aunque la distribución espacial de la precipitación es bastante bueno).
- 22. Un caso de estudio… “En regiones con una alta densidad de estaciones de superficie, no se encontraron mejoras significativas en el producto de combinación (donde de hecho hay poca contribución de TRMM) en simplemente la interpolación de las observaciones existentes (OBS90). Sin embargo, los análisis resultantes sobre las regiones de baja densidad de observación (al oeste de 568W) muestran sustancial mejora en el producto MERGE en comparación con OBS90. MERGE ha demostrado ser una herramienta valiosa en el análisis de una rejilla regular para su uso en la evaluación de los resultados del modelo” Combining TRMM and Surface Observations of Precipitation: Technique and Validation over South America J. Rozante and D. Moeira, 2010
- 23. Y qué acerca del futuro? Ramírez-Villegas and Challinor, 2012
- 24. Clima & Agricultura – Múltiples variables – Muy alta resolución espacial (1 km, 90m??). – Alta resolución temporal (i.e. mensual, diaria). – Alta certidumbre , previsiones precisas del tiempo y las proyecciones climáticas. • Tanto para presente como para futuro. –T° • Max, • Min, • Media –Prec –HR – Radiacion – Vientos – ……. Menosimportantes Mascertidumbre
- 26. Económico Ambiental Global Regional PESIMISTA “Bussiness as usual” OPTIMISTAMundo perfecto Intermedio P E P E P E P E Los Escenarios de Emisión
- 27. En la agricultura, los diferentes escenarios de emisiones no son importantes… de aqui a 2030 la diferencia entre escenarios es minima
- 28. Los GCMs son la única manera en que podemos predecir el clima a futuro Usando el pasado para aprender del futuro GCM “Global Climate Model”
- 29. Cómo utilizar esta información? Problema Necesidad Opciones Downscaling por métodos estadísticos o dinámicos.. Aumentar resolución, uniformizar … proveer datos de alta resolución, contextuali zados Aún el GCM más preciso es demasiado grueso (100km).
- 30. Método Delta –Base climatológica: WorldClim –Tomar superficies GCM originales (series de tiempo) –Calcular promedios para línea base y períodos específicos –Calcular anomalías –Interpolar anomalías (spline) –Sumar anomalías a WorldClim
- 32. – Usar resultados de GCMs – Son de área limitada.. Necesitan condiciones de frontera. – Realiza cálculos de la dinámica atmosférica y resuelve ecuaciones para cada grilla. – Datos diarios – Resolucion varia entre 25-50km – Más de 170 variables de salida RCM PRECIS Providing REgional Climates for Impacts Studies
- 33. • Proyecciones AR5 … más modelos, mayor resolución. • Evaluar y validar incertidumbres. • Datos diarios (podemos hacer balances hídricos) BCC_csm1-1 BNU_esm CCCMA_cancm4 CCCMA_canesm2 CNRM_cm5 CSIRO_access1_0 CSIRO_mk3-6-0 ICHEC_ec_earth INM_inmcm4 IPSL_ipsl_cm5a_lr IPSL_ipsl_cm5a_mr IPSL_ipsl_cm5b_lr MIROC_esm MIROC_esm-chem MIROC_miroc4h MIROC_miroc5 MOHC_hadcm3 MOHC_hadgem2-cc MOHC_hadgem2-es MPI-M_mpi-esm-lr MPI-M_mpi-esm-mr MRI_mri-cgcm3 NCAR_ccsm4 NCC_noresm1-m NOAA_gfld_esm2g NOAA_gfld_esm2m RCP 4.5
- 34. Los cambios en el clima afectan la adaptabilidad de los cultivos que cultivamos ... Number of crops with more than 5% loss Number of crops with more than 5% gain Hay algunos ganadores.. … pero muchos perdedores en países en desarrollo…
- 35. GCMs Effective adaptation options MarkSim DSSAT Statistical Downscaling Dynamical downscaling: Regional Climate Model EcoCrop Statistical Downscaling MaxEnt Necesitamos modelos para cuantificar los impactos y opciones de diseño de adaptación eficaces Basados en nichos Probability Environmental gradient Basados en procesos RAW GCM daily data
- 36. Is cassava the answer to African climate change adaptation? Andy Jarvis , Julian Ramirez-Villegas , Beatriz Vanessa Herrera, Carlos Navarro
- 37. Cassava suitability change compared with other staples • Cassava consistently outperforms other staples in terms of changes in suitability
- 42. • BACKWARD • ¿Donde puedo encontrar el clima futuro de mi sitio hoy? MI SITIO (futuro) OTRO SITIO (s) (presente) ¿Cuáles son las preguntas a las cuales contesta Climate Analogues?
- 43. • FORWARD • ¿Donde puedo encontrar el clima presente de mi sitio en el futuro? MI SITIO (current) OTRO SITIO (s) (futuro) ¿Cuáles son las preguntas que Climate Analogues es capaz de contestar?
- 44. • NONE • ¿Donde encuentro el clima presente (o futuro) de mi sitio en el mundo actualmente? MI SITIO (presente) OTRO SITIO (s) (presente) ¿Cuáles son las preguntas que Climate Analogues es capaz de contestar?
- 45. Agtrials •Trial sites: 489 •84 countries • Institutions: 165 Objectives: - Yield - Quality - Biotic/abiotic tolerance - Nutrient efficiency - Animal nutrition/ health - Farming practices (crop rotation) - Soil fertility/conservation http://agtrials.org/ Outputs • New geographic interface and functionalities • From repository to database • Successful integration with the GCP’s CropOntology. • New partnerships (i.e University of California, AgMIP project, Tropical Legumes project, Monsanto) • Linkages with CRP RTB Public data! 2888 trials 22 crops
- 46. Visualizing data for knowledge sharing and research development Adaptation and Mitigation Knowledge Network www.amkn.org
- 47. Follow us About | Contact | Disclaimers | Copyright ©2012 Knowledge sharing........................................... Adaptation & Mitigation Gender Ongoing Research Tools & DataDescription Climate &ImpactsQuick facts Food & Livelihood Nyando (Kenya) Next town: Asawo Geocoordinates: -0.314705; 35.022805 Mean elevation: 1314 m Spotlight On: Disruptive erosion is a fact of life in Kamango village A heavy rain often brings a bountiful harvest for farmers in Kamango, one of seven villages surveyed by CCAFS in the Nyando area of Kenya. But it can also bring destruction of the kind that endangers the livelihoods of those living nearby. Soil erosion in the form of a giant gulley has been worrying the villagers of Kamango since the 1960s. The gulley has been growing steadily in the intervening years until it has become one of the most identifiable landmarks in the area. Villagers even refer to historical events by whether they happened before or after the unusually heavy “Uhuru rains” that catalyzed the growth of the gulley. See More… Data Layers Ongoing research Watch Video Testimonials Celeste M. Nyaga - Karwe village, Makengi - Kenya
- 48. Follow us About | Contact | Disclaimers | Copyright ©2012 Knowledge sharing........................................... Adaptation & Mitigation Gender Ongoing Research Tools & DataDescription Climate &ImpactsQuick facts Food & Livelihood Nyando (Kenya) Crops & livestock Main crops & livestock Crop calendar Land use Hunger months Climate crises Food security 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% 60.00% 70.00% 80.00% 90.00% 100.00% Maize Sorghum Beans Goats Chickens Percentofhouseholdsciting Farming system: Maize mixed •Maize is the primary food crop, with over 99% of households citing its production •Small livestock such as goats and chicken are important sources of livelihood, including animal products like eggs and milk Source: 2011 CCAFS Baseline SurveysPDF | JPEG
- 49. • Necesitamos multiples acercamientos para mejorar la base de informacion acerca de escenarios de cambio climatico – Desarollo de RCMs (multiples: PRECIS NO ES SUFICIENTE) – Downscaling empirico, metodos hybridos – Probamos diferentes metodologias • Contactos con otras instituciones.. • CIAT pone sus datos y métodos a disposición de cualquier público. Flujo de informacion es critico para nosotros como retroalimentacion y para no repetir trabajo que otros han hecho ya.
Hinweis der Redaktion
- Las mediciones de tiempo para un sitio determinado menudo no están disponibles debido a que (1) no hay ninguna estación meteorológica, (2) las estaciones meteorológicas no están en buen estado para que los datos son o bien sólo está disponible por un corto período, o contienen lagunas, (3) Los datos recogidos no son correctamente almacenados, (4) los datos no pasan los controles de calidad básicos, y / o (5) el acceso a los datos está restringido mediante la celebración de las instituciones (Fig. 1). Esto limita aún más los análisis de impacto agrícola, destacando la importancia de que los datos públicos. Aparte de las limitaciones relacionadas con el acceso y la ubicación de las estaciones meteorológicas, probablemente la cuestión más importante en relación con los datos de clima es la calidad (Begert et al, 2008;. DeGaetano, 2006) (Fig. 1), que también afecta en gran medida el rendimiento de los modelos de impacto. Por lo tanto, la comunidad del clima y la agricultura se ha centrado en parte en el desarrollo de métodos, ya sea para llenar lagunas de datos temporal o espacial, y en el uso de estos métodos para el desarrollo de conjuntos de datos mundiales o regionales con acceso público (Hijmans et al, 2005;. Jones y Thornton, 1999; Soltani et al., 2004). Sin embargo, las incertidumbres en los conjuntos de datos globales derivados de los métodos de interpolación han sido apenas (si en absoluto) estimado (Buytaert et al, 2009;. Challinor y Wheeler, 2008;. Soria-Auza et al, 2010). Los investigadores que utilizan conjuntos de datos globales y cualquier estación meteorológica fuente Fig. 1. deben ser conscientes de estos problemas y debe tener esto en cuenta al probar la sensibilidad de sus enfoques a los problemas de exactitud (es decir, falta de homogeneidad, discontinuidades) y (si es posible) que proporcionan resultados dentro del rango de incertidumbre en los datos de entrada (es decir, como la salidas de los métodos de interpolación validados cruz) (Challinor et al., 2005).
- En los últimos 10 años, combinación de datos de estaciones meteorológicas, datos de satélite y modelos de predicción numérica del tiempo, además de los métodos de interpolación, o en la planta aplicación de modelos climáticos. El uso de estos conjuntos de datos para los propósitos de modelado agrícolas es bastante limitado para una o más de las siguientes razones:Aparte de las limitaciones relacionadas con el acceso y la ubicación de las estaciones meteorológicas, probablemente la cuestión más importante en relación con los datos de clima es la calidad, que también afecta en gran medida el rendimiento de los modelos de impacto.
- IssuesSondatosppalmente de estaciones en aeropuerto y noreportacorrectamentevalores 0 de precipitacionDel potencial de estaciones hay muypocasquereporta el NCDC
- Para hacer estos cálculos de vulnerabilidad (incapacidad de un sistema para afrontar los efectos adversos del CC), necesitamos datos climáticos. Saber que va a pasar, cuando, para proyectar Planes de adaptación. La evaluación de los impactos de cambio climáticoincluye: Desarrollar modelos -> Conocer incertidumbres -> Planes de acción -> Generación de políticas LimitacionesSistema climático complejo: Modelos todavía no pueden representar cientos de procesos de forma adecuadaResoluciones de modelos inadecuadas: Se requieren modelos con escalas finas.Incertidumbres: Incertidumbres en cuanto a futuras emisiones f(suposiciones concentraciones, población, desarrollo económico, tecnológico)
- Analizan de qué manera influirán las fuerzas determinantes en las emisiones futuras, y para evaluar el margen de incertidumbre de dicho análisis. Representannuestracapacidad de respuesta (mitigación)… desarrollotecnológico, sostenibilidadambientalIPCC hadesarrollado 4 familias de escenarios A1B : Rápidocrecimientoeconómico y demográfico con pico a ½ siglo A2 : Crecimientoeconómico regional y lento, población en contínuocrecimiento B1 : Población A1 pero con introducción de tecnologíaslimpias B2 : Desarrolloeconómicointermedio y regional, crecimientopoblacionalmenor. Son escenariosprobablespero no se sabensusprobabilidadesrelativas.
- Los escenarios de emisiones imponen condiciones para los modelos climáticos globales (basados en ciencias atmosféricas, química, física, biología, etc).Dividen el mundo el grillas y miran las relaciones entre factores que ocurren entre la atmósfera, los oceános, la superficie de la tierra. Por supuesto, hay cientos de procesos que salen de la comprensión de los modelos matemáticos así que estos modelos utilizan parametrizaciones para representar fenomenos incomprensibles. Son tan elaborados estos modelos que tienen que correrse en supercomputadoras. Entre más complejo sea el modelo, más factores tiene en cuenta y menos suposiciones usa. Se corre desde el pasado hasta el futuro
- Those change are happening and are affecting crop around the world. We need to know how and how much climate change is going to have an impact on crops to be able to build adaptation strategy and decrease the potential impact of CC on crops and agricultural systems.
- Grado de cobertura diff segun modelo. Y resultados tambien yield o suitability. Tambien difieren en escala espacio-temporal a la que se usan.
- bueno Agtrias el un sistema de repositorio y base de datosalli puedes registrar los resultados delos ensayos realizados1 de metadatos otoda la informacionbasica del ensayoy otra opcional de los resultadostodos los ensayos se asocian a un grupo de ensayos Trial Groupeste contiene informacionegenerarl de todos los ensayosalli pueden subir toda la documentacion del grupo de enasayos a recolectar...
- With AMKN, users can access data on the changes in climate suitability for cassava video testimonials from farmers in the area of interest, and detailed descriptions of CCAFS benchmark sites all from the same platform.Will be linked to Agtrials and the Analogue tool.
- This is an example of how we imagine the specific Benchmark site pages – integrating the more relevant information from the baseline surveys as a way to better characterize them.In this first TAB “description” you’ll find some general information :Geocoordinates, mean elevation, the map… Pictures on the upper panel will allow to have a better idea on how the BS looks like (Thanks Laura!) .The map that will be visible in this page will be set on the relevant zoom level and thus the “Resources” that can be mapped there are only the ones relevant to that site (or near by areas). The user can navigate thought them by via the Icons from the vertical left panel ( data, pictures, blogs, ongoing research etc). Should the user change the zoom level, it will be redirected to the main AMKN page where the Map will be display across the whole page to facilitate its use. The box on the right will highlight a key issue /story from the BS… A key video will also be highlighted. Finally to go deeper on the BS characterization the user can select any other TAB from the upper panel…
- Those graphs can be downloaded as PDFs or JPGs and a link is provided to the source…The left vertical tabs allow to visualize other Quick facts. This Tab option was preferred to avoid displaying too much info at the same time.