ISSN: 0214-1744

Revista&

MODELIZACIÓN NUMÉRICA DEL CAMBIO CLIMÁTICO:BASES CIENTÍFICAS, INCERTIDUMBRES Y PROYECCIONES

PARA LA PENÍNSULA IBÉRICA

Numerical Modeling of Climate Change: Scientific basis, Uncertainties andProjections for the Iberian Peninsula

J. M. Gutiérrez1 y M. R. Pons2

(1) Departamento de Matemática Aplicada y Ciencias de la Computación.Universidad de Cantabria, 39005 Santander

(2) Instituto Nacional de Meteorología (INM), CMT/CAS, 39012 SantanderE-mail: manuel.gutierrez@unican.es; Fax: 942 201703

Resumen: En este artículo se hace un repaso del esfuerzo investigador llevado a cabo en las dos últimas décadas enel ámbito de la modelización numérica del cambio climático. En primer lugar, se describen brevemente las caracterís-ticas de los modelos globales de circulación que reproducen la dinámica del clima, y que permiten simular su evolu-ción futura en función de los forzamientos inducidos por actividades humanas (cambio en la composición de la atmós-fera por emisión de CO2, etc.). Dichos forzamientos son conocidos como escenarios futuros de emisión y representanla fuente principal de incertidumbre para la modelización del cambio climático; por ello, se suele considerar un con-junto de escenarios que tratan de cubrir el espectro de las posibles situaciones futuras, más o menos optimistas, pararealizar cualquier estudio de cambio climático. También se analiza la influencia de otras fuentes de incertidumbre,como los propios errores de los modelos (por ejemplo, la parametrización de procesos físicos no resueltos en la diná-mica). Esta incertidumbre hace necesario abordar el problema del cambio climático desde un punto de vista probabi-lístico, utilizando nuevas técnicas basadas en la predicción por conjuntos para cuantificar la incertidumbre. Esta carac-terística, unida al enorme coste computacional necesario para resolver numéricamente estos modelos, hace que la reso-lución espacial de los mismos sea aún bastante grosera (cientos de kilómetros). Por ello, en los últimos años se handesarrollado distintas estrategias para la proyección regional del cambio climático, que proporcionen mayor detalle enzonas para realizar estudios de impacto.

Palabras clave: Cambio climático, escenarios de emisión, incertidumbres, resolución, proyección regional, PenínsulaIbérica.

Abstract: We briefly describe the research work done in the last two decades regarding numerical modelling of cli-mate. First, we describe the characteristics of global circulation models, which allow simulating the future evolutionof climate according to different forcing scenarios related to human activities. These emission scenarios are the mainsource of uncertainty to model climate change; thus, a set of likely scenarios is usually considered in climate changestudies. We also describe the effect of different sources of uncertainty in the final results; for instance, model errorsdue to approximate parametrizations, etc. These uncertainties put hard constraint to this problem and force to analyzeit within the framework of probability, using new “ensemble prediction techniques” to quantify the existing uncer-tainty, and require huge computational resources. Therefore, the spatial resolution of climate simulation is constrained

J. M. Gutiérrez & M. R. Pons (2006). Modelización numérica del cambio climático: basescientíficas, incertidumbres y proyecciones para la Península Ibérica. Rev. C. & G., 20 (3-4),15-28.

1. Introducción

En la actualidad el cambio climático global esuna de las mayores preocupaciones de la humani-dad dadas las enormes repercusiones que tiene parala sostenibilidad futura de su desarrollo. En las últi-mas décadas se ha llevado a cabo un enormeesfuerzo tecnológico e investigador para tratar deexplicar las posibles causas de este fenómeno y tra-tar de predecir su tendencia futura. Este conoci-miento ayudará a tomar medidas preventivas demitigación y de adaptación a través de la adecuadaplanificación de las actividades futuras que sepudiesen ver afectadas por el cambio.

Este cambio climático comenzó a constatarsehace unas décadas a partir de distintas observacio-nes que indicaron no sólo un calentamiento globaldel planeta durante el último siglo, sino también unincremento de condiciones extremas que se tradu-cen en sequías, olas de calor, inundaciones, etc.(ver Stott et al. 2004), con la consiguiente inciden-cia en la salud humana (Patz et al. 2 0 0 5 ) .Recientemente se han encontrado también indiciosde que este cambio está influyendo en la dinámicadel propio sistema climático, con la deceleraciónde ciertas corrientes oceánicas (Bryden et al.2005), etc. A partir de estos hechos, la comunidadcientífica ha realizado un gran esfuerzo para desa-rrollar modelos que permitan simular el sistemaclimático y que sean capaces de reproducir el cam-bio observado para, finalmente, determinar los fac-tores que contribuyen al mismo. Para ello, se handesarrollado modelos físico-matemáticos del climaque simulan la dinámica de sus componentes, prin-cipalmente la atmósfera y el océano, en función delos distintos forzamientos del sistema. Estos mode-los han puesto de manifiesto el origen antropogéni-co del cambio debido, principalmente, al incre-mento de emisiones de gases de efecto invernadero(ver, por ejemplo, Bertrand et al. 2002), y tambiénhan permitido obtener las primeras estimaciones dela tendencia futura de estos cambios.

16 J. M. Gutiérrez & M. R. Pons (2006). Rev. C&G, 20 (3-4)

to 200-500 km, providing only global average information. However, in the recent years, an increasing research acti-vity is focussing on the generation of regional climate change scenarios, applying different techniques to project glo-bal into local information.

Keywords: Climate change, emission scenarios, uncertainties, resolution, regional projection, Iberian Peninsula.

Estos modelos son la única herramienta de laque se dispone en la actualidad para tratar de esti-mar el cambio climático a nivel cuantitativo en elfuturo. No obstante, la resolución espacial dedichos modelos es todavía bastante limitada (entre250 y 500 km) y sólo permiten obtener resultadossobre tendencias promedio de las variables climáti-cas en regiones muy extensas de la Tierra. Portanto, estos modelos no permiten obtener predic-ciones con un detalle geográfico adecuado paratener en cuenta la incidencia de estos cambios enlos distintos climas locales y para poder llevara acabo estudios de impacto. Por ello, en los últimosaños, distintos grupos han comenzado a aplicar téc-nicas dinámicas y estadísticas, denominadas técni-cas de downscaling, que permiten aumentar laresolución de estos resultados. Aunque la aplica-ción de estas técnicas al clima está todavía en desa-rrollo, constituyen una de las líneas futuras deinvestigación en este campo.

En este artículo hacemos un breve repaso deestas técnicas, prestando especial atención a losresultados y aspectos relevantes para la PenínsulaIbérica. En la Sec. 2 se presentan ciertas evidenciasdel cambio climático, a través de cambios signifi-cativos observados en distintos índices y variablesclimáticas durante los últimos años. En la Sec. 3 sedescribe brevemente el problema de la modeliza-ción numérica del clima y en la Sec. 4 se analizanlos distintos escenarios socio-económicos de emi-sión que se utilizan para forzar los modelos en elfuturo. La Sec. 5 analiza las distintas fuentes deincertidumbre implicadas en el proceso y su trata-miento probabilístico a través de la predicción porconjuntos. La Sec. 6 muestra los resultados globa-les obtenidos hasta la fecha utilizando este esque-ma de predicción, haciendo también especial men-ción a los resultados que pueden deducirse para laPenínsula Ibérica. Finalmente, la Sec. 7 describe elproblema de la proyección regional de los escena-rios globales de cambio climático.

Modelización numérica del cambio climático: bases científicas, incertidumbres y proyecciones para la Península Ibérica 17

2. Evidencias del Cambio Climático

Con objeto de asesorar sobre todos los aspectosdel cambio climático, y en particular sobre cómolas actividades humanas pueden inducir dichoscambios y sufrir su impacto, la Org a n i z a c i ó nMeteorológica Mundial (OMM) y el Programa delas Naciones Unidas para el Medio A m b i e n t e(PNUMA) fundaron en 1988 el PanelI n t e rgubernamental sobre el Cambio Climático(IPCC en sus siglas inglesas, http://www.ipcc.ch/).El IPCC es el principal organismo internacionalque se encarga de coordinar todos los estudiossobre el cambio climático, y está organizado en tresgrupos de trabajo: el Grupo I trabaja sobre losaspectos científicos, el II sobre los impactos yadaptaciones al cambio climático y el III sobre lasposibles opciones para mitigar este cambio.

Hasta la fecha el IPCC ha publicado tres infor-mes generales, en 1990, 1996 y 2001 y tiene pre-visto emitir un nuevo informe en 2007. Estos infor-mes constituyen recopilaciones actualizadas delconocimiento sobre el sistema climático y su varia-bilidad, basados en los trabajos y publicaciones dela comunidad científica internacional. Por tanto, sonuna fuente de información indispensable para latoma de decisiones políticas sobre el tema, a carg ode las instituciones competentes. El tercer informedel Grupo I (Houghton et al., 2001) describe loscambios observados en el sistema climático a lol a rgo del siglo XX, que se pueden resumir en:

• Un aumento de la temperatura global mediade la superficie de 0.6 ± 0.2 ºC desde finalesdel siglo XIX. La década de los años 90 hasido la más cálida desde que se poseen regis-tros instrumentales y, probablemente, de todoel último milenio, al menos en el hemisferionorte. En general, la amplitud de la oscilacióndiurna de temperatura sobre tierra está dismi-nuyendo; por término medio, las temperaturasmínimas están aumentando a un ritmo dosveces más rápido que las máximas (0.2 frentea 0.1 ºC por década).

• Un aumento de las precipitaciones en latitu-des medias y altas del hemisferio norte de un0.5 a un 1% por década, excepto en Asiaoriental.

• Una disminución de las áreas cubiertas denieve de un 10% en el hemisferio norte desde

finales de los años 60. Los glaciares de laszonas continentales también han retrocedido,excepto en unos pocos lugares.

• Un aumento, todavía ligero (1 a 2 cm pordécada), del nivel del mar. El contenido calo-rífico de los océanos ha aumentado desdefinales de los años 50 (desde cuando existenmediciones sub-superficiales adecuadas).

• El fenómeno de El Niño ha cambiado desdemediados de los años 70, con fases cálidasmás frecuentes, persistentes e intensas que lasfases frías.

• Un aumento en la frecuencia de episodios deprecipitaciones abundantes (entre un 2 y un4% más), generalmente en zonas en las quelos promedios han aumentado, pero tambiénen otras en las que han disminuido o no hanvariado apreciablemente.

• A nivel global, la superficie de las zonas queexperimentan sequías fuertes ha aumentadorelativamente poco, aunque en algunas áreasde Asia y África se ha observado una mayorfrecuencia e intensidad de las sequías en lasúltimas décadas.

• Otros fenómenos de tiempo adverso, comotormentas tropicales, ciclones extratropicales,tormentas, granizo, tornados, etc., resultandifíciles de estudiar por su escasa frecuencia yelevada variabilidad espacial. Algunos traba-jos apuntan a una mayor frecuencia en elPacífico septentrional y zonas deNorteamérica y Europa en las últimas déca-das.

El tercer informe del IPCC también describe loscambios ocurridos en los factores causantes delcambio climático, factores que pueden ser natura-les (como cambios en la radiación solar recibidapor la Tierra) o provocados por la actividad huma-na (principalmente, el aumento de la concentraciónde los Gases de Efecto Invernadero, GEI, llamadosasí porque contribuyen al calentamiento global dela Tierra). Las variaciones en la energía disponiblepara el sistema climático global debidas a cambiosen estos factores se denominan forzamientos radia-tivos del sistema climático, y se cuantifican enW/m2. Los cambios principales observados son:

• Desde 1750, la concentración de dióxido decarbono (CO2) en la atmósfera ha aumentado

un 31%, la de metano (CH4) un 150% y la delóxido nitroso (NO2) un 16%. Las concentra-ciones actuales de los dos primeros nuncahabían sido superadas en los últimos 420000años y la concentración actual del óxido nitro-so es la más elevada del último milenio.

• La disminución del ozono presente en laestratosfera (entre los 12 y los 50 km de alti-tud aproximadamente) ha causado un enfria-miento de la troposfera (entre superficie y 12km de altitud), que contrarresta parte del efec-to invernadero de los demás gases. En cam-bio, el aumento del ozono troposférico en un36% desde la época preindustrial ha produci-do un incremento del efecto invernadero. Elozono no se emite directamente, sino que seforma por reacciones fotoquímicas.

• Aumento en la concentración de aerosoles,que parecen producir una disminución de latemperatura troposférica, contrarrestando enparte el calentamiento producido por los GEI.

• Otros factores a considerar son las variacio-nes en el albedo de la Tierra (fracción de laenergía solar que es reflejada de nuevo haciael espacio), la irradiancia solar y la actividadvolcánica. Así, los cambios en el uso del suelo(deforestación, etc.) parecen haber producidoun forzamiento radiativo de unos -0.2 W/m2.La radiación solar que llega a nuestro planetase estima que ha aumentado ligeramentedesde 1750, principalmente en la primeramitad del siglo XX, produciendo un forza-miento de 0.1 a 0.5 W/m2, pero las cenizasinyectadas en la estratosfera por las erupcio-nes volcánicas explosivas de 1880-1920 y1960-1991 compensaron este forzamientocon una contribución negativa.

3. Modelización numérica del clima

La complejidad del sistema climático impide lasimple extrapolación de tendencias pasadas al futu-ro o el uso de técnicas estadísticas o puramenteempíricas. Para simular la evolución del sistemaclimático ha sido necesario desarrollar complejosmodelos numéricos, denominados modelos climá -ticos globales, que permiten simular la respuestadel clima a diferentes escenarios futuros de emi-

sión y, así, estimar el cambio futuro del sistema concierta confianza.

Estos modelos numéricos son una representa-ción matemática simplificada de los procesos quetienen lugar entre los distintos componentes delsistema climático: atmósfera, hidrosfera, criosfera,litosfera y biosfera. Entre ellos se producen enor-mes intercambios de materia, calor y momento, eincesantes interacciones mediante multitud de pro-cesos físicos, químicos y biológicos, lo que haceque el sistema sea enormemente complejo. En con-secuencia, la capacidad de los modelos numéricospara proyectar la evolución futura del clima depen-de básicamente del conocimiento de los procesosfísicos y químicos que gobiernan el sistema climá-tico. Las dos componentes principales del sistemaclimático son la atmósfera y el océano por lo quelos modelos climáticos son generalmente modelosde circulación general atmósfera-océano.

Los modelos climáticos globales se basan enleyes de la física representadas por ecuacionesmatemáticas, como por ejemplo la conservacióndel momento y de la energía. Es un complejo siste-ma no-lineal de ecuaciones diferenciales que notiene solución analítica y, por tanto, se resuelve deforma aproximada aplicando técnicas numéricasque requieren dividir el espacio ocupado por laatmósfera y el océano en celdillas tridimensionales.A partir de unos valores iniciales, en cada celdillase resuelven las ecuaciones para cada variable,obteniendo su evolución temporal. Para evitar ines-tabilidades de cálculo, el paso temporal está forzo-samente relacionado con el tamaño de la celdillapor lo que a menor tamaño de celdilla (es decir,mayor resolución del modelo) menor debe ser elpaso temporal. Es por ello que aumentar la resolu-ción del modelo tiene un enorme coste computa-cional. Actualmente, la resolución de la parteatmosférica de un modelo típico es de aproximada-mente 250 km en la horizontal y de alrededor de 1km en la vertical por encima de la capa límite. Laresolución de un modelo oceánico corriente oscilaaproximadamente entre 200 y 400 m en línea ver-tical, con una resolución horizontal de entre 125 y250 km. Las ecuaciones se resuelven generalmentepara cada período de media hora.

Existen multitud de procesos físicos que altener una escala espacial menor que la rejilla delmodelo, como por ejemplo la convección, no pue-

18 J. M. Gutiérrez & M. R. Pons (2006). Rev. C&G, 20 (3-4)

Modelización numérica del cambio climático: bases científicas, incertidumbres y proyecciones para la Península Ibérica 19

den ser resueltos de manera explícita. Sus efectosmedios se incluyen entonces de una manera apro-ximada, a partir de su relación con las variables amayor escala; esta técnica se conoce con el nombrede parametrización y todos los modelos dependende un conjunto de parametrizaciones que puedenajustarse para afinar la influencia de los distintosfenómenos.

De esta forma, los modelos atmósfera-océanose combinan con modelos, generalmente empíri-cos, que representan las otras componentes climá-ticas como por ejemplo la criosfera o la cubiertavegetal. El acoplamiento de las diferentes compo-nentes es un proceso difícil. Recientemente seestán incorporando los ciclos del carbono y delazufre, con el objetivo final de incluir en el mode-lo la mayor parte posible del sistema climáticoterrestre y poder determinar así su evolución deuna manera más precisa.

Se pueden utilizar modelos más simples (mode-los de una y dos dimensiones) para estudiar cuali-tativamente la respuesta global del clima ante dife-rentes hipótesis. Sin embargo, para poder hacerproyecciones cuantitativas es necesario utilizar unmodelo climático de circulación general. Estosmodelos requieren computadoras muy potentespara poder ejecutarlos, lo que sólo puede ser lleva-do a cabo por grandes centros de investigación queponen sus resultados a disposición de la comunidadcientífica para su estudio. Dos de los centros másimportantes son el Centro Hadley, que utiliza unmodelo denominado HadCM (Hadley CommunityModel), y el Max Planck Institute (MPI), que utili-za un modelo denominado ECHAM (las salidasglobales de dichos modelos se utilizan en diferen-tes proyectos como entrada de los métodos degeneración de escenarios regionales; ver más deta-lles en el apartado 7). Por ejemplo, la Fig. 1 mues-tra la resolución espacial de uno de los modelos cli-máticos globales más utilizados (la versión 3 delmodelo de Centro Hadley).

Antes de empezar a utilizar un modelo climáti-co es necesario comprobar que es capaz de simularel clima actual (conocido con detalle a través de lasobservaciones instrumentales) y el clima pasado(conocido aproximadamente mediante los datospaleoclimáticos). Las pruebas llevadas a cabo enlas dos últimas décadas han mostrado una continuamejora de los modelos que, actualmente, reprodu-cen de manera aceptable la evolución experimenta-

da por la temperatura global a lo largo de los últi-mos 150 años. Estos modelos numéricos son losque han proporcionado la prueba más sólida delorigen antropogénico del cambio climático, puesen diferentes simulaciones realizadas incluyendosolamente forzamientos naturales, o forzamientosnaturales combinados con los antropogénicos (las

Figura 1. Rejilla del modelo HadCM3 sobre el Mediterráneo,indicando los píxeles de tierra (gris) y mar (blanco).

Figure 1. HadCM3 model’s resolution in the Mediterraneanarea; land pixels in grey and ocean pixels in white.

emisiones de gases de efecto invernadero), se hapodido determinar con un grado de confianza acep-table la contribución de las actividades humanas enel cambio experimentado por el clima hasta el díade hoy (Stott et al. 2001) que se traducen en uncalentamiento global.

Estos modelos se utilizan para obtener escena-rios futuros de cambio climático, considerando dis-tintos escenarios socio-económicos futuros que setraducen en distintos escenarios de emisión de GEI.Por ejemplo, la Fig. 2 muestra la anomalía de latemperatura media anual predicha para un escena-

Figura 2. Anomalía (respecto del periodo 1961-1990) de latemperatura media anual simulada para el escenario A2 para el

período 2071-2100 por un modelo climático.Figure 2. Mean annual temperature anomaly (with regard tothe period 1961-1990) for the period 2071-2100 simulated by

a climate model using scenario A2.

rio concreto de emisión durante el período 2071-2100 por un modelo numérico. La correcta defini-ción de esos escenarios socio-económicos futuroses una tarea fundamental para la obtención de esce-narios fiables de cambio climático.

4. Escenarios Socio-Económicos de Emisión

Mediante el uso de modelos climáticos se hapodido determinar la influencia antropogénica(principalmente debida a las emisiones de gases deefecto invernadero) en el estado actual del clima.Por lo tanto, si queremos conocer la evoluciónfutura del clima terrestre es necesario conocer pri-mero cuál será la evolución de los distintos forza-mientos del sistema en el futuro (emisiones degases, etc.). Como esta evolución depende de dis-tintos factores socio-económicos, es necesario uti-lizar un conjunto de posibles “escenarios de emi-siones”, que tengan en cuenta esta incertidumbre.Los escenarios de emisiones utilizados actualmen-te para realizar proyecciones con modelos de climaa lo largo del siglo XXI se conocen por las siglasSRES (del inglés Special Report on EmissionScenarios). Han sido elaborados por un grupo deexpertos mundiales dentro del IPCC (Nakicenovicet al. 2001), considerando diversos supuestos acer-ca del futuro desarrollo demográfico y socio-eco-nómico en la Tierra. Para cada uno de estos esce-narios se ha realizado una cuantificación de lasemisiones antropogénicas futuras de gases de efec-to invernadero y compuestos de azufre (Houghtonet al., 2001). Se formularon 40 hipótesis diferentes,agrupadas en 4 familias, que se describen breve-mente a continuación:

§ A1: se supone un crecimiento económico muyrápido, con una población mundial que alcan-za un máximo a mediados de siglo para des-cender posteriormente, y una rápida disponi-bilidad de tecnologías más eficientes.También se supone una creciente convergen-cia entre las distintas regiones del mundo, conintensas interacciones culturales y sociales, yreducción substancial de diferencias en larenta per cápita. § A2: se supone un mundo muy heterogéneo,

con autosuficiencia y preservación de lasidentidades locales, y una población en conti-

nuo crecimiento. El desarrollo económico y elcambio tecnológico es más lento y menosgeneralizado que en los otros grupos de hipó-tesis. § B1: hipótesis similares a las de A1, pero con

un cambio muy rápido hacia una economía deservicios e información, con menor consumode materias primas e introducción de tecnolo-gías limpias y eficientes. Se enfatiza la soste-nibilidad económica, social y ambiental,incluyendo una mayor equidad. § B2: se describe un mundo en el que predomi-

nan las soluciones locales a los problemas desostenibilidad. La población mundial aumen-ta de modo continuo, pero a un ritmo inferioral de A2, con niveles intermedios de desa-rrollo económico y un cambio tecnológicomás lento y diversificado que en A1 y B1.

Las hipótesis utilizadas en estas familias deescenarios conducen a concentraciones de CO2muy diferentes en el futuro: de 540 a 970 ppm enel año 2100 para los escenarios más representati-vos, es decir, un 90 a 250% más que las 280 ppmde 1750 (el rango total de las opciones es entre 490y 1260 ppm). Dentro de este abanico de opcionesse suelen considerar los escenarios A2 y B2 comosituaciones extremas para realizar los estudios, conmás o menos concentraciones respectivamente. Porejemplo, la predicción que se muestra en la Fig. 2corresponde a un escenario A2. Dada la existenciade múltiples escenarios posibles, es necesariocuantificar la variación de estas anomalías de tem-peratura mostradas en la Fig. 2 con otros escena-rios, para tener una caracterización completa delproblema. Esto incluye cuantificar las distintasfuentes de incertidumbre, como se describe en lasiguiente sección.

5. Incertidumbres

La simulación de escenarios regionales de cam-bio climático se caracteriza por la presencia de dis-tintas fuentes de incertidumbre que afectan a todoslos pasos del proceso, desde el establecimiento deescenarios de emisión, hasta los modelos globalesy la simulación a escala regional. Estas incertidum-bres se pueden describir en forma jerárquica o decascada (Mitchell y Hulme, 1999):

20 J. M. Gutiérrez & M. R. Pons (2006). Rev. C&G, 20 (3-4)

Modelización numérica del cambio climático: bases científicas, incertidumbres y proyecciones para la Península Ibérica 21

• En el vértice de las incertidumbres se sitúanlos escenarios de emisión descritos en la sec-ción anterior.

• A estas incertidumbres hay que añadir las aso-ciadas a cómo afectan las emisiones a las con-centraciones de gases de efecto invernadero,puesto que no se conoce exactamente el des-tino de las emisiones o, lo que es lo mismo,no se conoce plenamente el ciclo del carbono.

• Por otro lado, las herramientas utilizadas paragenerar las proyecciones climáticas, es decirlos modelos acoplados atmósfera-océano,muestran también muchas incertidumbres ensu nivel actual de desarrollo. Aunque los dife-rentes modelos son formulaciones similaresde las ecuaciones que describen los distintoscomponentes del sistema climático (con dis-tintas mallas, esquemas numéricos, parame-trizaciones de procesos físicos, etc.), lassimulaciones de cambio climático producidascon distintos modelos muestran una gran dis-persión, reflejando la sensibilidad del clima apequeños cambios en el forzamiento externo(sensibilidad climática), y por lo tanto un altonivel de incertidumbre. También añaden incertidumbre a los resulta-dos de los modelos otros subsistemas delmodelo climático, como las variaciones enusos de suelo y el realismo en los modelos desuelo.

• Las distintas técnicas de regionalización(estadísticas y dinámicas) que, en muchoscasos, se aplican al final del proceso paraadaptar localmente las predicciones tambiéncontribuyen a la incertidumbre de los escena-rios de cambio climático.

• Por último, los modelos de impacto en losdiferentes sectores sensibles a las condicionesclimáticas (p.e., sector hidrológico, agrícola,e n e rgético, etc.) añaden fuentes adicionales deincertidumbre que hay que estimar y acotar.

En consecuencia, y a la vista de la gran canti-dad de incertidumbres que existen en el proceso degeneración de escenarios de cambio climático, seintentan utilizar metodologías que permitan esti-mar la incertidumbre asociada a cada paso de losarriba mencionados, permitiendo hallar un “inter-valo de confianza” para un escenario resultante decambio climático. Debido a la dificultad de este

proceso, la evaluación de incertidumbres asociadasa las proyecciones de cambio climático se lleva acabo con una aproximación probabilística en la quese explorara un conjunto representativo de méto-dos, modelos, emisiones, etc. (métodos de predic-ción por conjuntos, o ensemble forecast, en inglés).

5.1. Tratamiento Probabilístico

Esta metodología de predicción por conjuntosse ha impuesto en la última década para la predic-ción probabilística a distintas escalas temporales,desde el plazo medio hasta las proyecciones decambio climático. Por tanto, las predicciones detipo determinista (por ejemplo la predicción mos-trada en la Fig. 2) van cediendo en favor de las pre-dicciones probabilísticas, basadas en un conjunto opoblación de predicciones. El referente internacio-nal actual de este tipo de aproximación probabilís-tica al cambio climático lo constituye el proyectointegrado ENSEMBLES (del 6º programa marcofinanciado por la UE, h t t p : / / w w w. e n s e m b l e s - e u . o rg )que se desarrolla entre los años 2005-2009, y quetiene entre otros objetivos el de acotar las incerti-dumbres en las predicciones seculares de cambioclimático mediante integraciones con diferentesescenarios de emisión, diferentes modelos globa-les, diferentes modelos regionales y diferentes téc-nicas estadísticas de regionalización, proporcio-nando también métodos de pesado y de combina-ción (por ejemplo métodos estadísticos Bayesia-nos) para aglutinar los distintos resultados indivi-duales en una única predicción probabilística deconsenso, más robusta que las basadas en un únicomodelo global y en una única técnica de regionali-zación.

La tarea de construcción de escenarios probabi-lísticos a partir de los conjuntos de predicciones dedistintos modelos requiere el desarrollo de técnicasde combinación apropiadas que tengan en cuenta labondad de los distintos modelos para reproducir elclima de referencia en distintas regiones y para dis-tintas variables. Este problema constituye un áreade investigación activa y se han propuesto variastécnicas que se están explorando en distintos pro-yectos: técnicas Bayesianas, métodos de escaladoespacial, etc. Sin embargo, hasta la fecha existenpocos ejemplos operativos de construcción deescenarios probabilísticos regionales de cambioclimático basados en estas técnicas.

Por ejemplo, la Fig. 3 muestra las anomalíasmedias previstas tomando el escenario B2 para latemperatura y precipitación durante el período2071-2100. Estas predicciones se obtuvieron con-siderando un conjunto de nueve modelos numéri-cos de circulación distintos, que también permitie-ron estimar la incertidumbre asociada a cada pre-

dicción (consenso de los modelos) en cada una delas regiones de la Tierra. Se puede observar quemientras la predicción de anomalías de temperatu-ra tiene mucho consenso en el hemisferio norte, laprecipitación está mucho más influenciada porestas incertidumbres, no permitiendo obtener nin-guna información clara a este repecto.

22 J. M. Gutiérrez & M. R. Pons (2006). Rev. C&G, 20 (3-4)

Figura 3. Previsiones globales de cambio climático para el periodo 2071-2100, obtenidas en forma de anomalías de temperatura yprecipitación respecto al periodo de referencia 1961-1990, para el escenario de emisiones B2, mostrando la incertidumbre asociada

a un conjunto de 9 modelos de circulación (Fuente: Houghton et al., 2001).Figure 3. Global climate change forecasts for the period 2071-2100, represented as temperature and precipitation anomalies withregard to the reference period 1961-1990, for emission scenario B2. The uncertainty associated with the ensemble of 9 circulation

models is also represented (Source: Houghton et al., 2001).

Modelización numérica del cambio climático: bases científicas, incertidumbres y proyecciones para la Península Ibérica 23

6. Predicción Global de Cambio Climático

En el tercer informe del IPCC (Houghton et al.,2001) se presenta el clima previsto a finales delsiglo XXI en comparación con el clima observadodurante el periodo de referencia 1961-1990, consi-derando un conjunto de 9 modelos (entre los que seencuentran HadCM3 y ECHAM-4) y según losdiferentes escenarios descritos anteriormente. Losmodelos predicen que la sensibilidad climática seencuentra probablemente entre 1.5 y 4.5 ºC. Lasensibilidad climática se define como el cambioque sufre la temperatura superficial global ante unaduplicación de la concentración de CO2.

Los modelos prevén un aumento de la tempera-tura de la superficie mayor sobre tierra firme quesobre los océanos, sobre todo en latitudes altas delhemisferio norte, y también más notable en invier-no que en verano. La oscilación termométrica dia-ria tenderá a disminuir en muchas zonas, de formaque los ascensos de temperatura serán más acusa-dos en las mínimas nocturnas que en las máximasdiurnas. La superficie cubierta de nieve y de hieloseguirá disminuyendo. Las previsiones para finalesde siglo (2071-2100) indican que, con el conjuntode hipótesis A2 sobre emisiones de gases, la tem-peratura media global del aire superficial será 3°Cmayor que la del periodo 1961-90, como aumentomás probable, aunque podría tener algún valorcomprendido entre 1.3 y 4.5°C. Para las hipótesisB2, con menor aumento de la concentración deCO2, la temperatura aumentaría unos 2.2°C (de 0.9a 3.4°C). Debido al enorme coste computacional,los modelos de circulación atmósfera-océano sólose integran para un número limitado de escenarios.Utilizando modelos climáticos más simples e inte-grando para 35 escenarios del SRES, se predice unaumento de temperatura para el siglo 2000-2100 deentre 1.4 y 5.8 ºC, el mayor aumento en los últimos10000 años, según datos paleoclimáticos.

En promedio global, el vapor de agua, la eva-poración y la precipitación tienden a aumentar. Aescala regional se producen tanto aumentos comodisminuciones. En cuanto a fenómenos extremos,es muy probable que aumente la frecuencia de olasde calor sobre tierra y disminuya la de olas de frío,y que aumente también la frecuencia de precipita-ciones extremas, así como la intensidad de las mis-mas. La mayoría de los modelos indican un debili-

tamiento de la circulación termohalina, aunque nin-guno predice su interrupción. El estado medio delclima tiende a corresponderse con la ocurrencia delfenómeno de El Niño y a nivel global, el nivel delmar aumenta entre 0.09 y 0.88 m aunque existengrandes diferencias a nivel regional.

La variabilidad de respuestas producidas porlos distintos modelos climáticos en los distintosescenarios produce una incertidumbre que ha deser tenida en cuenta para generar las prediccionesglobales. En ocasiones esta incertidumbre sóloafecta a la magnitud del cambio (por ejemplo,todas las predicciones de cambio futuro de tempe-ratura en el hemisferio norte indican un calenta-miento, y la incertidumbre sólo afecta a la magni-tud mayor o menor del mismo, ver figura 3). Enotras ocasiones la incertidumbre también afecta alcarácter de la propia señal (como en el caso de lavariación de precipitación en diversas zonas delplaneta, que unos modelos y escenarios dan positi-va y otros negativa, ver figura 3). Esta incertidum-bre tiene que ser tenida en cuenta si se desea llevara cabo un proceso de regionalización, que puedemagnificarla o reducirla, haciendo que las predic-ciones globales sean más o menos útiles en distin-tas zonas geográficas de una misma región (verMurphy et al. 2004).

6.1. Resultados en la Península Ibérica

Las predicciones globales comentadas en elapartado anterior han servido para que distintospaíses y organizaciones elaboren informes resu-miendo la información relevante sobre cambio cli-mático para su región o problema concreto. LaOficina Española de Cambio Climático (OECC)presentó en 2004 un informe elaborado por ungrupo de expertos resumiendo las previsionesactuales de cambio climático en nuestro país.(Moreno et al. 2005). Este informe alerta sobre lasposibles repercusiones que estos cambios puedenproducir en los próximos 100 años en distintossectores productivos y ecosistemas naturales ytambién ofrece resultados globales sobre nuestrop a í s .

En primer lugar, el informe analiza en detallelos resultados obtenidos por el modelo HadCM3para la Península Ibérica y Baleares en cuanto atemperatura y precipitación. Se percibe de forma

clara un calentamiento progresivo a lo largo delsiglo en toda la región, por lo general más intensoy rápido en los meses de verano que en los deinvierno, en el escenario A2 que en el B2 y en laszonas continentales que en las oceánicas (en lamayor parte de la península la temperatura aumen-ta entre 2 y 3 ºC cada 30 años en verano y entre 1y 2 ºC en invierno). En contraste con los cambiossimulados para la temperatura, los de precipitaciónno resultan del mismo signo en las diversas zonasy épocas del año. Para los dos escenarios, en invier-no predomina el aumento en cantidad de precipita-ción respecto al clima actual y en primavera y vera-no, la disminución.

En segundo lugar, el informe lleva a cabo unanálisis de conjunto considerando los resultadosde seis modelos climáticos globales atmósfera-océano incluidos en la base de datos del DDC-IPCC ( h t t p : / / i p c c - d d c . c r u . u e a . a c . u k ) , c o n c r e t a-mente los modelos llamados CCGM, CSIRO,HadCM3, NIES2, ECHAM4 y GFDL. Todos losmodelos coinciden en pronosticar un aumento detemperatura para nuestra zona, con variaciones encuanto a la magnitud del cambio, y con un ritmode calentamiento estacional máximo durante elverano del A2 y mínimo durante el invierno delB2. En cuanto a la precipitación, se evidencianmás discrepancias entre los modelos, lo cual indi-ca el menor grado de confianza que poseen lasproyecciones de cambio en las precipitaciones enrelación con las de temperatura. No obstante, casitodos los modelos coinciden en proyectar dismi-nuciones de precipitación en el clima futuro res-pecto al periodo 1961-1990.

7. Escenarios Regionales de Cambio Climático

Como ya se ha comentado, la resolución de losmodelos climáticos empleados para simular elclima futuro a partir de los distintos escenariososcila entre 2.5 y 5º, es decir entre 250 y 500 kmaproximadamente en nuestras latitudes. Por tanto,el detalle geográfico al que pueden obtenerseactualmente las previsiones es todavía muy limita-do y no permite pronosticar diferencias ni tenden-cias regionales como, por ejemplo, en los distintosclimas de la península Ibérica. Por ejemplo, laFigura 4 muestra las anomalías de temperatura pre-

vistas sobre la península Ibérica por el modeloHadCM3 para un único escenario de cambio cli-mático (el escenario más desfavorable, A2). Laspredicciones se reducen a 9 puntos de rejilla quecaracterizan a toda la Península Ibérica. Por tanto,los resultados obtenidos sólo dan indicaciones glo-bales de las tendencias de las variables climáticaspara los distintos escenarios supuestos, no teniendoen cuenta las hetereogeneidades geomorfológicas ylas distintas climatologías locales de una mismaregión. Por ejemplo, toda la autonomía deCantabria está reducida a un solo punto de predic-ción en el modelo global y, sin embargo, posee unacomplicada geografía que le confiere distintosmicroclimas (Fig. 5).

24 J. M. Gutiérrez & M. R. Pons (2006). Rev. C&G, 20 (3-4)

Figura 4. Predicción del incremento de temperatura para dis-tintos períodos del siglo obtenidos con el modelo HadCM3

para el escenario de emisión A2.Figure 4. HadCM3 model’s forecasts of temperature increase

for different periods using emission scenario A2.

Esta deficiencia de los modelos globales hacenecesario realizar un esfuerzo adicional para obte-ner proyecciones que estimen los efectos regiona-les del cambio climático. Este problema es uno delos objetivos actuales de la comunidad investiga-dora y se denomina con el nombre genérico de“creación de escenarios regionales de cambio cli-mático” o “proyección regional del cambio climá-tico”. Este ha sido el objetivo de algunos proyectoseuropeos recientes o en desarrollo (PRUDENCE,S TARDEX, ENSEMBLES) orientados precisa-

Modelización numérica del cambio climático: bases científicas, incertidumbres y proyecciones para la Península Ibérica 25

mente a la generación de escenarios a escala regio-nal, con una gran variedad de métodos y modelosclimáticos globales y regionales.

modelo global, únicamente en la zona de interés. Elmodelo regional toma como condiciones de con-torno los valores del modelo global a lo largo detoda la integración (Giorgi y Mearns, 1999). Lastécnicas dinámicas tienen la ventaja de ser física-mente consistentes y la desventaja de necesitar unagran capacidad de cálculo, lo que limita actual-mente las simulaciones a resoluciones no superio-res a los 20 km. Este tipo de técnicas fueron des-critas y aplicadas en el informe de la OECC des-crito anteriormente y se refiere al lector al citadodocumento para más detalle.

7.2. Técnicas de downscaling estadístico

Los métodos estadísticos de regionalización sebasan en el uso de técnicas estadísticas que rela-cionan de forma empírica las variables climáticas agran escala, proporcionadas por los modelos globa-les de circulación, con las variables locales/regio-nales observadas en superficie relacionadas con elfenómeno bajo estudio. Se hace por ello necesariodisponer de series históricas largas, tanto de salidasde modelos numéricos (reanálisis) como de obser-vaciones, para entrenar estos métodos. La ventajade las técnicas de downscaling estadístico es que,además de ser aplicables a variables estándar, comola precipitación y la temperatura, también puedenaplicarse a cualquier otra variable, como la alturade oleaje en un punto de rejilla o la producción decereales en una región, que son dependientes de lacirculación a gran escala, pero que no son propor-cionadas por los modelos globales y regionales.Por otra parte, las necesidades de cálculo de estastécnicas son, en general, modestas, si bien en algu-nos casos las técnicas no lineales utilizadas consu-men también grandes cantidades de recursos en losprocesos de optimización involucrados (véaseGutiérrez et al., 2004). Estas características hacenque la regionalización estadística se haya potencia-do en los últimos proyectos sobre cambio climáti-co, que incluyen tareas específicas a este respecto.

Algunas de estas técnicas se han desarrollado yaplicado en el ámbito de la predicción a corto plazoy han sido posteriormente adaptadas a las escalaspropias del cambio climático y al tratamiento de laincertidumbre asociada con la predicción por con-juntos. En este conjunto de técnicas se incluyen losmétodos de regresión lineal (regresión múltiple,

Figura 5. Topografía de Cantabria (arriba) y temperatura mediaanual (abajo) en una rejilla de 1km.

Figure 5. Topography (top) and mean annual temperature(bottom) of Cantabria region using a 1 km resolution grid.

Esta tarea de proyección regional se realiza uti-lizando técnicas dinámicas, acoplando modelosnuméricos locales de mayor resolución, o estadísti-cas, con modelos empíricos que relacionan lasvariables de gran escala con variables locales(Wilby y Wigley, 1997). Este proceso puede mag-nificar o reducir la incertidumbre asociada con laspredicciones globales, haciendo que éstas sean máso menos útiles en distintas zonas geográficas deuna misma región (ver Murphy et al. 2004); estehecho añade un nuevo componente a la cascada deincertidumbres que es necesario cuantificar paraentender los escenarios finales de cambio climáticoque se obtengan.

7.1. Técnicas de downscaling dinámico

Las técnicas de regionalización dinámica sebasan en el uso de modelos regionales o de árealimitada (RCM, del inglés Regional ClimateModel). Para aumentar la resolución de los mode-los climáticos globales, se “anida” un modeloregional de mayor resolución en el interior del

CCA, etc.) y no lineal (redes neuronales, etc.), y losmétodos de condicionamiento o clasificación deltiempo (incluyendo las técnicas de análogos,modelos de Markov ocultos, redes Bayesianas yotras técnicas de agrupamiento). Estas técnicas per-miten trabajar con la máxima resolución temporaldisponible y regionalizan los resultados, mejoran-do la resolución espacial. Por otra parte, los gene-radores de tiempo (weather generators) han sidodesarrollados para la predicción estacional, decadaly de cambio climático, trabajando con promediosmensuales o estacionales de los datos y permitien-do obtener al final del proceso series simuladas dedatos diarios compatibles con las predicciones delmodelo y con la estadística local observada. Unadescripción más detallada de estas técnicas dedownscaling, así como recomendaciones para suuso en la regionalización de cambio climático setiene en Wilby et al. (2004). Por tanto, en losiguiente se describen las particularidades de estastécnicas que sería necesario analizar para la gene-ración de escenarios regionales en la Península,Baleares y Canarias (ésta es una tarea que se estáplanificando actualmente dentro del Ministerio deMedio Ambiente, a través del Plan Nacional deAdaptación al Cambio Climático).

7.3 Proyecciones regionales en España: caracte -rísticas y estudios a realizar

En primer lugar, una de las principales críticasal uso de técnicas de downscaling en estudios deregionalización de escenarios de cambio climáticoes la imposibilidad de demostrar que los modelosson apropiados para el clima futuro, con forza-mientos distintos a los del período utilizado parainferir los modelos. Este problema es crítico paralos estudios de cambio climático en España, dadanuestra gran variabilidad climática. Podría ocurrir,por tanto, que los modelos fuesen estacionariospara un tipo de clima, pero no para otro. Es por ellonecesario realizar un estudio que estime la signifi-cancia de la estacionaridad de los modelos en pre-sencia de distintos forzamientos radiativos y distin-tos períodos del clima presente. Para ello será nece-sario diseñar tests estadísticos apropiados que per-mitan cuantificar la variabilidad de los modelosrespecto de la ventana temporal y los escenariosutilizados para entrenarlos. También será necesariodeterminar las variables de gran escala que son más

robustas a estos cambios y que, por tanto, serían lospredictores idóneos para las técnicas estadísticas,aún cuando no proporcionasen la mejor prediccióndel clima presente. De otra forma, se corre el peli-gro de sobreajustar los modelos a las condicionesactuales, perdiendo la capacidad de extrapolación.

En segundo lugar, dado que existe un amplioabanico de técnicas de downscaling estadístico yque su coste computacional es inferior al de losmétodos dinámicos, sería conveniente aplicar ycomparar el mayor número de técnicas posibles enun marco común, utilizando un único reanálisisglobal y la misma red de observación (por ejemplo,los reanálisis ERA-40 y una rejilla común deobservaciones de alta resolución, o un conjunto deobservaciones fiables en una red de puntos repre-sentativa de la geografía). La validación de resulta-dos permitirá descartar las técnicas no apropiadas ydescubrir las ventajas de cada técnica en las distin-tas regiones españolas. Cabe mencionar que nues-tro clima no es homogéneo, sino que se ve afecta-do por fenómenos frontales, o convectivos, oambos, según las zonas. Es, pues, de esperar queunas técnicas sean más apropiadas que otras paradistintas variables y distintas zonas y, por tanto,resulte necesario este estudio comparativo paracuantificar adecuadamente la incertidumbre que,en cada zona, añade el uso de la técnica de downs -caling estadístico. Por ejemplo, la figura 6 muestracómo el métodos de análogos presenta mayor peri-cia en zonas donde predomina la precipitaciónfrontal (principalmente Galicia) que en aquéllasdonde predomina la precipitación convectiva (zonaMediterránea).

Una vez identificadas las mejores técnicas esta-dísticas para cada región y variable sería deseablerealizar un abanico de proyecciones regionalesfuturas lo más amplio posible, tanto en cuanto anúmero de modelos globales como de escenariosde forzamiento. Este es un tema insuficientementeexplorado en casi todos los proyectos realizadoshasta la fecha, donde grupos distintos se centran enregiones, modelos y escenarios distintos. Seríaimportante lograr un acuerdo de mínimos paraobtener una matriz común de zonas, modelos yescenarios. Este trabajo requerirá de recursos dealmacenamiento adecuados para poder distribuiresta matriz a los grupos que participarán en lastareas de downscaling (sería deseable que los gru-pos participantes adquiriesen el compromiso de

26 J. M. Gutiérrez & M. R. Pons (2006). Rev. C&G, 20 (3-4)

Modelización numérica del cambio climático: bases científicas, incertidumbres y proyecciones para la Península Ibérica 27

simular la matriz completa). En este sentido sepuede aprovechar parte de la infraestructura que seestá desarrollando en ENSEMBLES para la crea-ción de herramientas que aglutinen datos y méto-dos y permitan realizar estudios comparativos enun entorno común (véase, por ejemplohttp://www.meteo.unican.es/ensembles).

de un reanálisis del modelo regional dinámico; porejemplo, el proyecto InVento de la CICYT planearealizar un reanálisis del modelo WRF para lapenínsula Ibérica por lo que existiría la posibilidadde realizar el tipo de estudio indicado).

Finalmente, no hay que olvidar que muchas delas variables climáticas previstas (las variables desalida de las técnicas estadísticas y dinámicas dedownscaling) constituyen las variables fundamen-tales de entrada para los diferentes modelos deimpactos. Así pues, todas las mejoras que se logrenintroducir en la modelización y predicción de loscambios climáticos a escalas regionales cada vezmás detalladas, deberían permitir, a su vez, mejorasapreciables en las previsiones, por ejemplo, de losriesgos de tipo hidro-geomorfológico.

Referencias bibliográficas

Bertrand, C., Loutre, M., Crucifix, M. y Berger, A. (2002)Climate of the Last Millennium: A sensitivity study. TellusA, 54, 221–244.

Bryden, H.L., Longworth, H.R., y Cunningham, S.A. (2005)Slowing of the Atlantic meridional overturning circulationat 25 N. Nature, 438, 655-657.

Giorgi, F. y Mearns, L.O. (1999). Regional climate modelingrevisited: an introduction to the special issue. Journal ofGeophysical Research, 104(D6), 6335-6352.

Goodess, C. M., Anagnostopoulou, C. Bárdossy, A., Haylock,M. R, Hundecha, Y. Maheras, P. Ribalaygua, J. Schmidli, J.Schmith T. y Tomozeiu, R. (2006). An intercomparison ofstatistical downscaling methods for Europe and Europeanregions: Assessing their performance with respect to extre-me temperature and precipitation events. Climate change.En prensa.

Gutiérrez, J.M., Cano, R, Cofiño, A. S. y Sordo, C. (2004).Redes probabilísticas y neuronales en las ciencias atmosfé -ricas. Ministerio de Medio Ambiente, Monografías delInstituto Nacional de Meteorología.

Houghton, J. T. et al., (2001). Climate Change 2001: TheScientific Basis. Contribution of Working Group I to theThird Assessment Report of the Intergovernmental Panel onClimate Change. Cambridge University Press.

Mitchell, T. D. y Hulme M. (1999). Predicting regional climatechange: living with uncertainty. P ro g ress in PhysicalGeography 23 (1): 57-78.

Moreno, J. M. et al (2005). Evaluación Preliminar de los impac-tos en España por efecto del Cambio Climático. ProyectoECCE. Informe final. Ministerio de Medio Ambiente.

Murphy, J.M. et al. (2004) Quantification of modelling uncer-tainties in a large ensemble of climate change simulations.Nature 430, 768-772.

Figura 6. Validación de la predicción local de precipitación uti-lizando un método de downscaling estadístico basado en aná-logos para un período de 40 años. Se representa el Brier SkillScore (valores altos/bajos indican una pericia mayor/menor).Figure 6. Validation of a local precipitation forecast for a 40year period using an analog-based downscaling statistical

method. The figure represents the Brier Skill Score (high/lowvalues indicate greater/less skill).

También será necesario adaptar los métodosestadísticos para la regionalización de eventosextremos (olas de calor, inundaciones, etc.), basa-dos en los percentiles extremos de un período dereferencia, y que tienen un comportamiento esta-dístico distinto a los valores promedio. En este sen-tido, el Proyecto STARDEX ha identificado unconjunto de índices extremos de interés y ha reali-zado un primer estudio comparativo de la calidadde distintos métodos estadísticos de downscaling;sin embargo, en la Península Ibérica el estudio esparcial y no proporciona resultados concluyentes(véase Goodess et al., 2006). Para este problemaserá necesario contar con datos de AOGCMs con lamayor resolución temporal disponible.

Además, sería deseable poder realizar algúnestudio complementario sobre la viabilidad decombinar los métodos regionales dinámicos conlos estadísticos, de forma que el método estadísticose obtenga utilizando los campos del modelo diná-mico regional (esta tarea requeriría poder disponer

Nakicenovic, N. et al. (2001). IPCC Special Report onEmissions Scenarios. Cambridge University press.599 pp.

Patz, J.A., Campbell-Lendrum, D., Holloway, T. y Foley, J.A.(2005). Impact of regional climate change on human health,Nature, 438, 310-317.

Stott, P.A., Stone, D.A, y Allen, M.R. (2004). Human contribu-tion to the European heatwave of 2003, Nature 432, 610-614.

Stott, P.A., Tett, S.F.B., Jones, G.S., Allen, M.R., Ingram, W.J. yMitchell, J.F.B. (2001). Attribution of Twentieth Century

28 J. M. Gutiérrez & M. R. Pons (2006). Rev. C&G, 20 (3-4)

temperature change to natural and anthropogenic causes.Climate Dynamics, 20, 789-850.

Wilby, R.L. y Wigley, T.M.L. (1997). Downscaling GeneralCirculation Model output: Areview of methods and limita-tions. Progress in Physical Geography, 21, 530-548.

Wilby, R. L., Charles, S.P., Zorita, E., Timbal, B., Whetton, P. yMearns, L.O. (2004). “Guidelines for use of climate scena-rios developed from statistical downscaling methods”.Supporting material of the Intergovernmental Panel onClimate Change

http://ddcweb1.cru.uea.ac.uk/guidelines/