22 en Es

PUBLICACIONES
Cartas de investigación geofísica
CARTA DE INVESTIGACIÓN Antropogénico en fl influencia sobre la probabilidad cambiante

10.1002 / 2014GL062683
de un verano excepcionalmente cálido en Texas, 2011
Puntos clave:
David E. Rupp 1, Sihan Li 1, Neil Massey 2, Sarah N. Gorrión 2, Philip W. Mote 1, y Myles Allen 2,3
• Se generaron conjuntos muy grandes
de temperaturas medias de verano en 1 Instituto de Investigación del Cambio Climático de Oregón, Facultad de Ciencias de la Tierra, el Océano y la Atmósfera, Universidad Estatal de
Texas en 2011
Oregón, Corvallis, Oregón, EE. UU., 2 Instituto de Cambio Ambiental, Escuela de Geografía y Medio Ambiente, Universidad de Oxford, Oxford,
• Aumenta el forzamiento antropogénico
probabilidad de verano muy caluroso Reino Unido, 3 Física Atmosférica, Oceánica y Planetaria, Departamento de Física, Universidad de Oxford, Oxford, Reino Unido
• No se detectó un aumento en la
frecuencia de las sequías
Resumen El impacto del forzamiento antropogénico sobre la probabilidad de que se superen las altas temperaturas medias de
verano en Texas en el año 2011 se investigó utilizando un modelo de circulación atmosférica para simular grandes conjuntos del
Información de soporte:
• Tabla S1 y Figuras S1 - S4 mundo con un forzamiento de nivel de 2011 y 5 " contrafactual " mundos sometidos al forzamiento preindustrial. En Texas, la sequía
es un fuerte control de la temperatura del verano, por lo que una mayor frecuencia en grandes precipitacionesde fi citas y / o
Correspondencia a:
humedad del suelo de fi Las citas que pueden resultar del forzamiento antropogénico podrían aumentar la huella regional del
DE Rupp,
david.rupp@oregonstate.edu
calentamiento global. Sin embargo, ningún aumento simulado en la frecuencia de grandes precipitaciones de fi citas, o de la
humedad del suelo de fi cits, se detectó desde condiciones preindustriales hasta el año 2011. A pesar de la falta de mejora del
calentamiento a través de estos cambios potenciales en el ciclo hidrológico, se simuló que la probabilidad de que se exceda una
Citación:
Rupp, DE, S. Li, N. Massey, SN Sparrow, temperatura de verano inusualmente alta dada sea aproximadamente 10 veces mayor debido a las emisiones antropogénicas.
PW Mote y M. Allen (2015), antropogénico
en fl influencia sobre la probabilidad
cambiante de un verano excepcionalmente
cálido en Texas, 2011, Geophys. Res. Lett.,
42, 2392 - 2400, doi: 10.1002 / 2014GL062683. 1. Introducción
Numerosas investigaciones han tenido como objetivo cuantificar el papel de los gases de efecto invernadero antropogénicos (GEI) en las
Recibido el 1 de diciembre de 2014
olas de calor recientes, algunas de las cuales incluyen las olas de calor catastróficas en Rusia, 2010 [ Dole y col., 2011;
Aceptado el 11 de febrero de 2015
Rahmstorf y Coumou, 2011; Otto y col., 2012]; en los EE. UU., 2012 [ Diffenbaugh y Scherer, 2013; Knutson y col.,
Artículo aceptado en línea el 12 de febrero de 2015
Publicado en línea el 3 de abril de 2015 2013]; en Australia, 2012/2013 [ Ablaster y col., 2014; King y col., 2014; Knutson y col., 2014; Lewis y Karoly,
2014; Perkins y col., 2014]; y en el centro-este de China [ Zhou y col., 2014], Corea del Sur / del Norte [ Min et al., 2014] y Japón [ Imada
y col., 2014] en 2013. Todos menos uno de estos estudios [ Dole y col., 2011] concluyen que la probabilidad de que las temperaturas
del evento sean igualadas o excedidas había aumentado sustancialmente debido a las emisiones antropogénicas acumuladas de
GEI en el momento del evento.
La ola de calor del verano de 2011 en Texas (más partes de los estados vecinos y el norte de México) es digna de ser
incluida entre las anteriores en su extremo. Este evento fue extraordinariamente caluroso: 3.2 ° C más cálido que el
promedio, mientras que el verano más caluroso anterior había estado solo 1.8 ° C por encima de lo normal (línea de base:
1960 - 2009 y período de registro: 1895 - 2014) (Figura 1). El verano caliente siguió a la tercera primavera más cálida
registrada y coincidió con un verano excepcionalmente seco, ya que tanto el verano como la primavera anterior tuvieron
las mayores precipitaciones de fi citas registradas (Figura 1). Combinado con un otoño e invierno relativamente secos que
conducen a la temporada de crecimiento de 2011, estas precipitaciones de fi cits creó una sequía sin precedentes en su
intensidad [ Nielsen-Gammon, 2012].
El inicio de la sequía en el otoño de 2010 y su continuación hasta la primavera de 2011 se ha relacionado con un Pacífico
tropical más frío de lo normal. fi c temperaturas de la superficie del mar (TSM) [ Hoerling y col., 2013; Seager y col., 2014],
que históricamente han coincidido con sequías severas [p. Ej., Seager y Hoerling, 2014]. Aunque La Niña se extendió en un
estado disminuido hasta el verano de 2011, la fuerza de las teleconexiones entre el Pacífico tropical fi c Las TSM y la
circulación atmosférica regional son débiles en verano y, por lo tanto, la persistencia de la precipitación de fi cit parece
haber sido en gran parte una consecuencia de la variabilidad atmosférica interna [ Seager y col., 2014].
Por lo tanto, la ola de calor del verano de 2011 fue en gran parte consecuencia de la precipitación de fi cit antes y durante el
verano [ Hoerling y col., 2013; Seager y col., 2014]. Principalmente, dos factores causan temperaturas elevadas durante los
veranos secos: (1) aumento de la radiación solar que llega a la superficie debido a la disminución de la cobertura de nubes
y (2) menos energía destinada a cambiar la fase del agua del suelo de líquido a vapor y más energía destinada a aumentar
el aire temperatura, consecuencia del equilibrio del balance energético a través del aumento del calor sensible fl enfriamiento
radiativo de onda larga y ux [por ejemplo, Seager y col., 2014].
RUPP ET AL. © 2015. Unión Geofísica Americana. Reservados todos los derechos. 2392
Cartas de investigación geofísica 10.1002 / 2014GL062683
Figura 1. Anomalía de temperatura media observada contra anomalía de precipitación total observada por temporada para Texas. El año de
cada invierno (DJF) es el año correspondiente a enero.
Además de los impulsores naturales de las olas de calor de verano regionales, el calentamiento antropogénico puede aumentar la
intensidad de tales olas de calor a través de varios mecanismos. Uno es el efecto invernadero directo (el cambio en la energía
infrarroja descendente fl ux) operando a nivel regional pero excluyendo los efectos de cambios en el ciclo hidrológico regional. Nos
referimos a esto como " base " calentamiento. Dos mecanismos adicionales pueden servir para intensificar este calentamiento de la
base. La fi primero, que llamamos " precipitación de fi cit " calentamiento, es a través de una disminución regional de las
precipitaciones que surgen de los patrones cambiantes de la circulación atmosférica y una redistribución del balance energético. La
disminución resultante de la precipitación coincide con una menor nubosidad y conduce a una superficie terrestre más seca y, en
consecuencia, a una temperatura más alta, impulsada por los dos factores dados anteriormente. Un segundo mecanismo
proporciona retroalimentación positiva a través de un aumento en la tasa de evapotranspiración potencial (PET) causada por un
aumento en la temperatura (y posiblemente por otros medios, como una mayor radiación entrante de onda corta). El aumento de la
tasa de PET conduce a un secado más rápido del suelo y, como resultado, temperaturas de verano más altas, ya que se utiliza
menos energía para convertir el agua líquida en vapor. Nos referimos a estos mecanismas " mejora de la evapotranspiración (ET) " calentamiento
Estudios recientes encontraron débil [ Rupp y col., 2012] o no [ Hoerling y col., 2013; Seager y col., 2014] evidencia de humanos en fl influencia en
la probabilidad de precipitación extremadamente baja en Texas en los últimos años, lo que implica que la precipitación de fi El calentamiento de
la ciudad no se ha visto reforzado por el aumento de las concentraciones antropogénicas de GEI. Esto dejaría el calentamiento de la base y el
calentamiento por mejora de ET como dos impulsores potenciales de una mayor probabilidad de olas de calor.
Se han hecho algunos intentos para cuantificar el cambio inducido por el hombre en la magnitud y probabilidad de las olas de calor
en Texas. Rupp y col. [ 2012] encontró un aumento de aproximadamente 1 ° C en la temperatura de verano extrema simulada para
2008 en comparación con la década de 1960 y estimó que la probabilidad de una ola de calor de una temperatura determinada
había aumentado en más de 1 orden de magnitud durante las décadas intermedias. Sin embargo, aunque en fl uencia del Paci fi c En
su estudio se tuvo en cuenta de alguna manera el océano, las funciones relativas de los
el forzamiento y otra variabilidad oceánica no se separaron claramente. Hoerling y col. [ 2013] estimó que el
calentamiento antropogénico durante las tres décadas anteriores a 2011 representó aproximadamente 0,6 ° C o el
20% de la anomalía total de la temperatura del verano de 2011. El 80% restante se atribuyó a TSM anómalas y a la
variabilidad atmosférica natural. También estimaron una mera duplicación de la probabilidad del evento, en
contraste con Rupp y col. [ 2012]. Finalmente, Seager y col. [ 2014] concluyó que la temperatura de verano en 2011
sobre Texas y el norte de México era consistente con la conocida relación inversa entre precipitación y
temperatura en verano y " no necesariamente fuera del rango esperado de esta relación solamente. "
En este estudio, nuestro objetivo nuevamente es cuantificar los cambios en las probabilidades de las olas de calor de Texas para el
año 2011, dadas las diferentes conclusiones de los estudios anteriores. Comparamos las probabilidades de olas de calor simuladas
en 2011 con las de un conjunto de lo que se conoce como " contrafactual " mundos, en los que incluimos los forzamientos naturales
presentes en 2011 pero mantenemos el forzamiento antropogénico en los niveles existentes en 1900. Como Rupp y col. [ 2012],
generamos una gran cantidad de simulaciones por escenario (> 800 miembros del conjunto, difiriendo solo por sus condiciones
iniciales), que permiten la representación explícita de las colas de las distribuciones, sin fi Ajustar funciones arbitrarias a muestras
relativamente pequeñas para estimar probabilidades de extremos. Sin embargo, este estudio difiere de
Rupp y col. [ 2012] y Hoerling y col. [ 2013], quien examinó los cambios desde un pasado más reciente, considerando el mayor
impacto de las emisiones de GEI acumuladas desde la era casi preindustrial. También se diferencia de estos dos estudios al estimar
los cambios en las probabilidades de humedad extrema del suelo de fi cita con el objetivo de determinar el papel indirecto de
cambiar la tasa de PET en la probabilidad de la ola de calor al aumentar la gravedad de la sequía.
2. Datos y métodos
Valores de temperatura y precipitación mensuales observados promediados espacialmente en Texas para los años 1895 - 2014 se
obtuvieron del conjunto de datos Climate at a Glance del Centro Nacional de Datos Climáticos de EE. UU. (Ftp://ftp.ncdc.noaa.gov/
pub / data / cirs /).
Utilizamos el Meteorológico de Reino Unido de fi ce ' s Modelo 3P de circulación general atmosférica del Hadley Center (HadAM3P) [ Pope
y otros, 2000; Gordon y col., 2000; Massey y col., 2014] (1.875 ° × 1.25 °, 19 niveles, intervalo de tiempo de 15 minutos) para simular
los climas atmosférico y de la superficie terrestre desde diciembre de 2010 a noviembre de 2011 en seis escenarios, cada uno con un
conjunto único de condiciones de contorno y concentraciones de gas atmosférico, aunque con idénticas irradiancia solar y aerosoles
volcánicos. La fi primer escenario (denominado " todos los forzamientos ") usó
GEI observado y SO no volcánico 2 concentraciones con la temperatura de la superficie del mar prescrita (SST) y las condiciones de
frontera del hielo marino del Análisis operativo de la temperatura de la superficie del mar y el hielo marino (OSTIA)
[ Stark y col., 2007].
El restante fi Cinco escenarios fueron variaciones en un mundo hipotético en 2011 sin un aumento de los gases de efecto invernadero
antropogénicos. Todas fi ve " forzamiento natural " Los escenarios eran idénticos en la medida en que asumían la era preindustrial
(circa 1900) GEI y SO no volcánico 2 concentraciones. Tres de los fi Cinco escenarios de forzamiento natural variaron en sus SST. La " natural
" Las TSM mundiales se generaron utilizando simulaciones de modelos climáticos globales (GCM) de
la fase 5 del proyecto de intercomparación de modelos acoplados (CMIP5) [ Taylor y col., 2012]. Los cambios de SST debidos
a las emisiones antropogénicas se estimaron diferenciando las SST suavizadas temporalmente de tres GCM (modelo
climático global acoplado del Centro Nacional de Recherches Météorologiques, versión 5 (CNRM-CM5), modelo acoplado
del Centro Hadley, versión 3 (HadCM3) y Hadley Center Global Modelo ambiental, versión 2 Earth System con fi guración
(HadGEM2-ES), miembro del conjunto " r1i1p1 ”). Para HadGEM2-ES, las SST de la era actual se obtuvieron mediante la
concatenación de " Histórico " experimento (que finalizó en 2005) con el experimento de forzamiento futuro de la vía de
concentración representativa 8.5. Estas SST se diferenciaron de las " HistóricoNat " experimento que se extiende hasta 2019,
que excluye el forzamiento antropogénico pero por lo demás es idéntico al experimento histórico. Para CNRM-CM5 y
HadCM3, diferenciamos los años de la última década de la simulación histórica con la década inicial del experimento
histórico que comenzó en 1850 debido a la disponibilidad de datos en el momento en que se generaron las condiciones de
límite de SST. Las diferencias de SST luego se suavizaron espacialmente con un gaussiano fi ltro, y los resultados se restaron
de las SST OSTIA observadas. La fi Los patrones de SST contrafactuales finales pueden considerarse funciones tanto del
modelo ' s respuesta climática transitoria global (Tabla S1 en la información de apoyo), sus respuestas regionales y de su
variabilidad interna, aunque el suavizado temporal aplicado reduce la variabilidad interna. Los cambios en la SST de los
escenarios de forzamiento total al forzamiento natural, promediaron durante diciembre de 2011 a
Agosto de 2012 y 70 ° S a 70 ° N, fueron 0.34, 0.35 y 0.62 ° C para CNRM-CM5, HadCM3 y HadGEM2-ES. Las figuras S1 y S2
en la información de apoyo, respectivamente, muestran los patrones espaciales diferenciados de SST impuestos y las
anomalías de SST por temporada.
Las condiciones iniciales de la superficie terrestre para cada uno de estos tres escenarios de forzamiento natural se tomaron como fi condiciones
finales de las simulaciones utilizando uno de los conjuntos de SST naturales (CNRM-CM5, HadCM3 y HadGEM2-ES) pero para el año anterior.
Comenzar cada escenario con una condición inicial de la superficie terrestre diferente complica el análisis de la humedad del suelo
debido a la humedad del suelo. ' s mayor dependencia del estado inicial. Por lo tanto, para comparar los cambios en la humedad del
suelo de manera más directa, simulamos un cuarto escenario de forzamiento natural que utilizó las mismas condiciones iniciales de
la superficie terrestre como el escenario de forzamiento total pero con las mismas TSM derivadas de las simulaciones de HadCM3.
Nos referimos a este escenario como " natural HadCM3 alt. IC, " donde IC significa condiciones iniciales.
Los cuatro escenarios de forzamiento natural descritos anteriormente utilizaron la fracción de hielo marino de los años en el registro de OSTIA
(1985 - 2010) con la mayor extensión media anual de hielo marino en el Ártico y la Antártida: 1986.12 - 1987.11 y
2007.12 - 2008.11, respectivamente. Elegimos tomar muestras directamente del registro de hielo marino observado debido a las
complicaciones en la generación de hielo marino utilizando el método de diferenciación sencillo aplicado para las TSM. El aumento
neto en la extensión del hielo marino del Ártico entre el hielo marino observado en 2011 y el escenario natural fue del 15, 13 y 49%
en diciembre-enero-febrero (DJF), marzo-abril-mayo (MAM) y junio-julio- Agosto (JJA), respectivamente.
La fi El quinto escenario de forzamiento natural utilizó una extensión alternativa de hielo marino junto con el patrón de SST HadCM3 para medir
la sensibilidad a nuestra selección particular de hielo marino. (Nos referimos a este escenario como " natural HadCM3 alt.
S. Ice. ") No se espera que los cambios en la extensión del hielo marino del Ártico tengan un efecto apreciable en los patrones
climáticos en las latitudes medias de América del Norte durante el verano [ Sewall y Sloan, 2004; Singarayer y col., 2006; Francis y
Vavrus, 2012; Screen y Simmonds, 2013; Screen et al., 2014; Peings y Magnusdottir, 2014], aunque se ha sugerido que Arctic ampli fi catión
debido a la retirada del hielo marino durante la estación fría ha causado ondas de presión de mayor amplitud que progresan más
lentamente en América del Norte, lo que podría resultar en la intensi fi catión de los eventos extremos de la estación fría [por
ejemplo, Singarayer y col., 2006; Francis y Vavrus, 2012]. Conjunto de datos de temperatura de la superficie y el hielo marino del
Hadley Center, versión 1 (HadISST1) fracción de hielo marino [ Rayner y col., 2003] para el período de 1968.12 - Se eligió 1969.11
porque tenía la mayor extensión media anual de hielo marino del Ártico en el registro HadISST1 (aunque no la mayor extensión
antártica). Los aumentos netos en la extensión del hielo marino del Ártico entre el hielo marino observado en 2011 y el escenario
alternativo de hielo marino fueron 22, 19 y 75% en DJF, MAM y JJA, respectivamente.
Finalmente, para generar un gran conjunto de simulaciones por escenario, las condiciones iniciales de la línea base de temperatura
potencial se perturbaron agregando las diferencias del día siguiente, generadas a partir de un solo año de ejecución del modelo, al
total fi campo de temperatura potencial. Se utilizaron simulaciones de 839 a 906 conjuntos de condiciones iniciales por escenario y
se recuperaron de voluntarios remotos ' computadoras como parte del programa Climateprediction.net [ Allen, 1999; Massey y col., 2006].
La salida del modelo se promedió espacialmente sobre los 27 centros de celdas de la cuadrícula del modelo que se encontraban dentro de
Texas, ponderado proporcionalmente por el coseno de la latitud. Lo que llamamos " condicional " Los períodos de retorno se calcularon para
cada temporada para cada variable y para cada conjunto de forzamiento. Los períodos de retorno están condicionados por el hecho de que
dependen de los patrones particulares de TSM y de los forzamientos en un momento determinado (por ejemplo, verano de 2011).
Bootstrapping se utilizó para estimar el 5% al 95% con fi intervalo de dencia.
Estadísticas de temperatura y precipitación estacionales simuladas durante el período de 1960 - 2010 se calcularon a partir de un
conjunto existente de simulaciones utilizando HadAM3P con forzamiento observado y HadISST1 SST y fracciones de hielo marino.
Para este estudio se utilizaron veinte miembros del conjunto para cada año, variando según sus condiciones iniciales.
3. Resultados y discusión
Una evaluación confiable de la precipitación de fi El calentamiento de la ciudad en un marco de modelado requiere que el
modelo climático reproduzca adecuadamente la relación observada entre temperatura y precipitación, particularmente en
verano. El coeficiente de correlación de Pearson observado fi Los clientes de temperatura media estacional y precipitación
en Texas son 0.22, 0.29, 0.76 y 0.27 en DJF, MAM, JJA y septiembre-octubre-noviembre, respectivamente.
Figura 2. Período de retorno condicional de la media simulada (a) primavera y (b) anomalías de temperatura de verano y anomalías totales (c)
de primavera y (d) de precipitación de verano en Texas, 2011, para todo el forzamiento y fi cinco escenarios de forzamiento natural (línea de
base: 1960 - 2009 con todo conjunto forzado). Las líneas verticales y horizontales indican los percentiles 90 internos.
Desde el HadAM3P 1960 - En el conjunto de 2010, las correlaciones son 0.30, 0.52, 0.71 y 0.46 para las mismas temporadas.
Las correlaciones observadas y simuladas son muy similares en verano, la temporada con la asociación más fuerte entre
temperatura y precipitación. Para las temporadas restantes, las correlaciones simuladas son ligeramente más fuertes que
las correlaciones observadas, pero las diferencias no son estadísticamente significativas. fi cant (signi fi nivel de cancelación =
0,95, prueba de dos caras). La Figura S3 en la información de apoyo ilustra además cómo HadAM3P reproduce la fuerza
observada de la relación entre temperatura y precipitación.
El en fl La influencia del forzamiento antropogénico sobre las temperaturas extremas se ilustra comparando las curvas del período de retorno
de las temperaturas estacionales en el conjunto de forzamiento total con las temperaturas de todos los niveles. fi cinco conjuntos de
forzamiento natural (Figura 2). Por ejemplo, en el período de retorno condicional de 100 años para la temperatura de verano, el escenario de
forzamiento total es 0.5 - 1.0 ° C más cálido que los escenarios de forzamiento natural. Estafa fi Los intervalos de dependencia no se superponen
entre los escenarios de forzamiento total y forzamiento natural en el período de retorno condicional de 200 años y por debajo de él, lo que
implica que las diferencias son significativas. fi ligeramente diferente.
Si bien el escenario de forzamiento total se distingue de cada uno de los escenarios de forzamiento natural, hay algunos fi No
hay variabilidad entre los propios escenarios de forzamiento natural. Lo más evidente es el conjunto general más frío
generado utilizando SST derivadas de HadGEM2-ES, que son más frías que las SST derivadas de HadCM3 y CNRM-CM5. En
verano, el escenario de forzamiento natural HadGEM2-ES es significativo fi significativamente diferente de los otros
escenarios de forzamiento natural solo para períodos de retorno inferiores a 40 años. Aún así, destaca la importancia de
no depender de un solo escenario de un mundo contrafactual al realizar experimentos de modelado como este.
Figura 3. Períodos de retorno condicionales de la media simulada (a) invierno, (b) primavera y (c) anomalías de humedad del suelo en verano y (d) invierno,
(e) primavera y (f) anomalías de precipitación en verano en Texas, 2011, para todos escenario de forzamiento y forzamiento natural HadCM3 alt. Escenario
IC (línea de base: 2011 todo conjunto de forzamiento).
Curiosamente, el escenario que utiliza la mayor extensión de hielo marino del Ártico (HadCM3 alt. S. Ice) parece ser el más cálido de los
conjuntos de forzamiento natural. Sin embargo, la separación entre las curvas del período de retorno con las dos extensiones de hielo marino
diferentes pero TSM idénticas no es estadísticamente significativa. fi hipocresía. Con solo un escenario alternativo de hielo marino, dudamos en
dibujar cualquier fi Una conclusión firme sobre el papel del hielo marino, además de la sensibilidad al hielo marino, merece una mayor
investigación.
A diferencia de la temperatura, los períodos de retorno de la precipitación de fi Las citaciones son generalmente indistinguibles entre los
escenarios de forzamiento total y forzamiento natural. Para cualquier precipitación particular de fi cit, la estafa forzosa fi Los intervalos de
dependencia en el período de retorno condicional se superponen con al menos una de las condiciones de forzamiento natural. fi intervalos de
dencia. En los períodos de retorno más largos, el escenario de forzamiento total se superpone con la mayoría, si no todos, de los escenarios de
forzamiento natural. Estos resultados son consistentes con Rupp y col. [ 2012, 2013] y Hoerling y col. [ 2013] que no muestran
JJA GEI antropogénicos actuales que conducen a una mayor

1e4
frecuencia en grandes precipitaciones fi cita en Texas y
estados vecinos.
Nat. forzando ret. por. (años)

1e3 A pesar de la falta de signi fi Si la separación entre las curvas del
0: 1
período de retorno condicional de la precipitación entre los
10
escenarios, el efecto del forzamiento antropogénico dentro de
100
HadAM3P es reducir la precipitación de verano en promedio: el
1
10: cambio en la precipitación media de verano del escenario de
10 forzamiento natural al de forzamiento total varía de 4% a 12 %. Sin

embargo, como se señaló anteriormente, esta diferencia no es
1: 1 detectable a través de la cola inferior de la distribución de
1 precipitación, lo que implica que la disminución
1 10 100
en la tasa de precipitación media no se debe a un aumento en la
Todo obligando a retirarse. por. (años)
frecuencia de los veranos más secos.
Figura 4. Período de retorno en los escenarios de forzamiento No signi fi Las diferencias importantes son evidentes en los períodos de
natural combinados al período de retorno en el escenario de
retorno condicional más largos de la humedad del suelo. fi cit en primavera
forzamiento total para la temperatura media de verano, Texas, 2011.
o verano (Figura 3). De hecho, en promedio, la humedad del suelo se fi las
El área sombreada muestra el percentil 90 interno.
citas son algo mayores en el conjunto de forzamiento natural. La humedad
del suelo de primavera es ligeramente más alta
en el conjunto de forzamiento total como resultado de la precipitación ligeramente más alta en primavera (+ 2%), en relación con el conjunto
de forzamiento natural particular utilizado para investigar los cambios en la humedad del suelo. Estas condiciones de humedad del suelo más
húmedas en todo el escenario forzado parecen persistir durante el verano a pesar de la precipitación de verano ligeramente más alta de fi cita
en todo forzamiento relativo al forzamiento natural. Esto puede deberse a que la primavera es la temporada más húmeda en Texas, con una
precipitación primaveral simulada que es aproximadamente un 80% mayor que la precipitación de verano, por lo que la primavera húmeda
mantiene una mayor humedad del suelo hasta bien entrada la temporada de verano.
La ausencia de un aumento en la frecuencia de precipitaciones totales muy bajas en el escenario de todo forzamiento implica que la
precipitación impulsada antropogénicamente fi El calentamiento de la ciudad no contribuye al aumento de la frecuencia de las altas
temperaturas de verano. Además, las simulaciones no revelan un aumento en la frecuencia de grandes cantidades de humedad del
suelo. fi cits, lo cual es contrario a lo que esperaríamos si la ET aumentara mientras que las precipitaciones se mantuvieran
prácticamente sin cambios. La implicación es que el calentamiento de la mejora de ET tampoco es un significado fi componente del
calentamiento antropogénico total. Esto deja al calentamiento de la base como la causa dominante de una mayor frecuencia de
veranos excepcionalmente cálidos.
Para cuantificar el cambio en la probabilidad de veranos cálidos, interpolamos, para un vector de anomalías de temperatura dadas,
los períodos de retorno condicional para todos los conjuntos de forzamiento y forzamiento natural. Antes de la interpolación, el fi Se
combinaron cinco conjuntos de forzamiento natural en un solo conjunto, que asume la misma probabilidad de cada escenario. La
Figura 4 muestra el forzamiento natural versus los períodos de retorno condicionales de forzamiento total. Para anomalías de
temperatura que tienen períodos de retorno de entre 10 y 100 años en el escenario de forzamiento total, los períodos de retorno de
forzamiento natural correspondientes son aproximadamente de 10 a 20 veces mayores y no menos de 7 veces mayores.
Este cambio en la probabilidad es sustancialmente mayor que el factor de ~ 2 estimado por Hoerling y col. [ 2013] a partir de un
análisis de simulaciones CMIP5. Sin emabargo, Hoerling y col. [ 2013] también comparó 2011 con el período de 1981 - 2010, por lo que
cabría esperar que los cambios informados fueran menores solo por ese motivo, ya que las concentraciones antropogénicas de GEI
habían aumentado sustancialmente en ese período. Rupp y col. [ 2012] estimó una anomalía del período de retorno de 100 años en
la década de 1960 que se convirtió aproximadamente en una anomalía del período de retorno de 5 años en 2008, un aumento de 20
veces en la probabilidad, mientras que la Figura 4 indica un aumento de 7 a 14 veces entre la era preindustrial y el año 2011. Esto
sugiere que Rupp y col. ' Los resultados de s [2012] fueron impulsados no solo por los GEI antropogénicos sino también por la
variabilidad natural en los patrones de TSM, dado que utilizaron el mismo modelo de clima atmosférico que se hizo aquí.
Aunque es tentador asignar un período de retorno condicional a la temperatura media real del verano de 2011 dentro del contexto
de las simulaciones de HadAM3P, los sesgos en las curvas del período de retorno modelado impiden la estimación directa de un
período de retorno. Aunque las temperaturas de verano simuladas ( σ = 1,18 ° C) son más variables que las temperaturas observadas
( σ = 0,75 ° C), si pudiéramos asumir una distribución de probabilidad gaussiana para ambos
temperaturas observadas y simuladas, se podría realizar un simple cambio de escala de las anomalías de temperatura mediante la
relación entre las desviaciones estándar simuladas y observadas. Sin embargo, mientras que las observaciones y simulaciones son
cercanas a Gauss durante la mayoría de las estaciones (ver la Figura S4 en la información de apoyo), las simulaciones se desvían un
poco de Gauss en verano. Además, la temperatura del verano de 2011 es claramente una desviación de la distribución similar a la de
Gauss de las observaciones restantes.
Sin embargo, podemos estimar un límite inferior en el período de retorno examinando la segunda anomalía de verano más alta
registrada (1,78 ° C) y utilizando el mapeo de cuantiles para ajustar el sesgo. El resultado es una anomalía simulada correspondiente
de 2,2 ° C, que tiene un período de retorno condicional en 2011 de aproximadamente 10 años. En los escenarios de forzamiento
natural, esta anomalía tendría un período de retorno condicional de aproximadamente 100 años (Figura 4). Por supuesto, el período
de devolución condicional del valor real de 2011 posiblemente sea mucho más alto que
10 años, por lo que estamos lejos de poder estimar de manera confiable la probabilidad de superar la temperatura del
verano de 2011 en las próximas décadas.
4. Conclusiones
En un entorno simulado numéricamente, el calentamiento antropogénico desde finales del siglo XIX aumentó, en
un orden de magnitud, la probabilidad de superar una temperatura media de verano arbitrariamente alta en
Texas en 2011. Este cambio corresponde a un 0,5 simulado - Aumento de 1.0 ° C sobre las condiciones
preindustriales, aunque el cambio real puede ser menor porque las temperaturas de verano simuladas son más
variables que las observaciones.
Podemos comparar estas estimaciones con las de olas de calor notables recientes para proporcionar un contexto global,
aunque los detalles de las diversas metodologías utilizadas pueden explicar más variabilidad entre los estudios que las
diferencias en los eventos en sí. Otto y col. [ 2012], por un lado, estimó un aumento de tres veces en la probabilidad de la
ola de calor rusa de 2012 debido a los GEI antropogénicos. Diffenbaugh y Scherer [ 2013] calculó al menos un aumento de
cuatro veces para la ola de calor de EE. UU. De 2012, mientras que Knutson y col. [ 2013] estimó que la probabilidad creció
en un factor de 12 para los meses de marzo - Mayo. Para la ola de calor australiana de 2013, las estimaciones varían más
ampliamente, de 3 [ Perkins y col., 2014] al 23 [ King y col., 2014] veces mayor. Por último, se calculó que la probabilidad de
una ola de calor como la que azotó el este de Asia en 2013 aumentó en 2,5 veces sobre el centro este de China [ Zhou y col.,
2014] y 10 veces más que Corea del Sur / del Norte [ Min et al., 2014] y Japón [ Imada y col.,
2014]. Nuestras estimaciones para la ola de calor de Texas de 2011 caen dentro de los rangos indicados anteriormente, aunque
enfatizamos que los resultados dependen de la metodología, el modelo climático y los parámetros del modelo implementados. El
trabajo adicional con otros modelos y / o conjuntos de parámetros pondría a prueba la solidez de estas conclusiones.
Expresiones de gratitud
Referencias
El trabajo fue apoyado por el Instituto
Nacional de Alimentos del USDA y Ablaster, JM, E.-P. Lim, HH Hendon, BC Trewin, MC Wheeler, G. Liu y K. Braganza (2014), Understanding Australia ' s septiembre más caluroso
registrado, en " Explicando los eventos extremos de 2014 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 95, S37 - S41. Allen, MR
Subvención de la Iniciativa de Investigación Agrícola
(1999), Hágalo usted mismo predicción del clima, Naturaleza, 401, 642.
y Alimentaria de Agricultura 2014-35102-21830.
Diffenbaugh, NS y M. Scherer (2013), Probabilidad de las temperaturas estadounidenses de julio de 2012 en regímenes de forzamiento preindustrial y actual, en
Los autores agradecen a Andy Bowery,
" Explicando los eventos extremos de 2012 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 94, S6 - S9.
Friederike Otto y Nathalie Schaller de
Climateprediction.net por su ayuda y a los Dole, R., M. Hoerling, J. Perlwitz, J. Eischeid, P. Pegion, T. Zhang, X.-W. Quan, T.Xu y D. Murray (2011), ¿existía una base para anticipar la
miles de voluntarios que proporcionaron la ¿Ola de calor rusa de 2010? Geophys. Res. Lett., 38, L06702, doi: 10.1029 / 2010GL046582. Francis, JA y SJ Vavrus (2012), Evidencia que vincula Arctic ampli fi
potencia informática para este estudio. cación al clima extremo en latitudes medias, Geophys. Res. Lett., 39, L06801,
Predicción climática. net utiliza Berkeley doi: 10.1029 / 2012GL051000.
Open Infrastructure for Network Computing, Gordon, C., C. Cooper, CA Senior, H. Banks, JM Gregory, TC Johns, JFB Mitchell y RA Wood (2000), La simulación de SST, hielo marino
que cuenta con el apoyo de la National extensiones y transportes de calor oceánico en una versión del modelo acoplado Hadley Center sin fl ajustes ux, Clim. Dyn., 16, 147 - 168.
Science Foundation a través de los premios Hoerling, M., A. Kumar, R. Dole, JW Nielsen-Gammon, J. Eischeid, J. Perlwitz, X.-W. Quan, T. Zhang, P. Pegion y M. Chen (2013), Anatomía de
SCI-0221529, SCI-0438443, SCI-0506411, PHY un evento extremo, J. Clim., 26 años, 2811 - 2832, doi: 10.1175 / JCLI-D-12-00270.1.
/ 0555655, Imada, Y., H. Shiogama, M. Watanabe, M. Mori, M. Ishii y M. Kimoto (2014), La contribución del forzamiento antropogénico al calor japonés
y OCI-0721124. Los datos de este artículo olas de 2013, en " Explicando los eventos extremos de 2014 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 95, S48 - S51. King, AD, DJ Karoly,
están disponibles a pedido del autor MG Donat y LV Alexander (2014), El cambio climático cambia a Australia ' s 2013 big dry en un año de récord
correspondiente. Los autores agradecen a calor, en " Explicando los eventos extremos de 2014 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 95, S37 - S41. Knutson, TR, F. Zeng y AT
dos revisores anónimos por sus útiles Wittenberg (2013), The extremeMarch - Mayo de 2012 warmanomaly sobre el este de los Estados Unidos: contexto global
comentarios. y análisis de tendencias multimodelo, en " Explicando los eventos extremos de 2012 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 94, T13 - S17.
Knutson, TR, F.Zeng y AT Wittenberg (2014), Evaluación multimodelo de anomalías cálidas medias anuales extremas durante 2013 en regiones de
El Editor agradece a dos revisores anónimos Australia y el Pacífico tropical occidental fi c, en " Explicando los eventos extremos de 2014 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 95, S26
su ayuda en la evaluación de este artículo. - S30. Lewis, SC, y DJ Karoly (2014), El papel del forzamiento antropogénico en las temperaturas récord anuales y primaverales de Australia en 2013, en
" Explicando los eventos extremos de 2014 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 95, S31 - S34.
Massey, N., T. Aina, M. Allen, C. Christensen, D. Frame, D. Goodman, J. Kettleborough, A. Martin, S. Pascoe y D. Stainforth (2006), Datos
acceso y análisis con servidores de datos federados distribuidos en Climateprediction.net, Adv. Geosci., 8, 49 - 56.
Massey, N., R. Jones, FEL Otto, T. Aina, S. Wilson, JM Murphy, D. Hassell, YH Yamazaki y MR Allen (2014), Weather @ home :
Desarrollo y validación de un sistema de modelado de conjuntos muy grande para la atribución probabilística de eventos, QJR Meteorol. Soc.,
doi: 10.1002 / qj.2455.
Min, S.-K., Y.-H. Kim, M.-K. Kim y C. Park (2014), Evaluación de la contribución humana a la ola de calor coreana del verano de 2013, en " Explicando
eventos extremos de 2014 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 95, S48 - S51.
Nielsen-Gammon, J. (2012), The 2011 Texas sequía, Texas Water J., 3 años, 59 - 95.
Otto, FEL, N. Massey, GJ van Oldenborgh, RG Jones y MR Allen (2012), Reconciliación de dos enfoques para la atribución del 2010
Ola de calor rusa, Geophys. Res. Lett., 39, L04702, doi: 10.1029 / 2011GL050422.
Peings, Y. y G. Magnusdottir (2014), Respuesta de la circulación atmosférica del hemisferio norte en invierno a la
Disminución del hielo marino del Ártico: un estudio numérico con CAM5, J. Clim., 27 años, 244 - 264, doi: 10.1175 / JCLI-D-13-00272.1.
Perkins, SE, SC Lewis, AD King y LV Alexandery (2014), Mayor riesgo simulado del caluroso verano australiano de 2012/2013 debido a
actividad antropogénica medida por la frecuencia e intensidad de las olas de calor, en " Explicando los eventos extremos de 2014 desde una perspectiva climática ",
Toro. Soy. Meteorol. Soc., 95, S34 - S37.
Pope, V., M. Gallani, P. Rowntree y R. Stratton (2000), El impacto de las nuevas parametrizaciones físicas en el modelo climático del Centro Hadley:
HadAM3, Clim. Dyn., 16, 123 - 146.
Rahmstorf, S. y D. Coumou (2011), Increase of extreme events in a warming world, Proc. Natl. Acad. Sci. Estados Unidos, 108, 17,905 - 17.909, doi:
10.1073 / pnas.1101766108.
Rayner, NA, DE Parker, EB Horton, CK Folland, LV Alexander, DP Rowell, EC Kent y A. Kaplan (2003), Análisis globales de la superficie del mar
temperatura, hielo marino y temperatura del aire marino nocturno desde finales del siglo XIX, J. Geophys. Res., 108 ( D14), 4407, doi: 10.1029 /
2002JD002670.
Rupp, DE, PW Mote, N. Massey, CJ Rye, R. Jones y MR Allen (2012), Did human in fl influencia sobre el clima hizo que la sequía de Texas de 2011
más probable ?, en " Explicando los eventos extremos de 2011 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 93, 1041 - 1067, doi: 10.1175 /
BAMS-D-11-00021.1.
Rupp, DE, PW Mote, N. Massey, FEL Otto y MR Allen (2013), Human in fl influencia sobre la probabilidad de escasas precipitaciones en la zona central
Estados Unidos en 2012, en " Explicando los eventos extremos de 2012 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 94, S2 - S6. Screen, JA e
I. Simmonds (2013), Exploración de vínculos entre ampli árticos fi clima catiónico y de latitudes medias, Geophys. Res. Lett., 40, 959 - 964, doi: 10.1002 /
grl.50174.
Screen, JA, C. Deser, I. Simmonds y R. Tomas (2014), Impactos atmosféricos de la pérdida de hielo marino del Ártico, 1979 - 2009: Separación del cambio forzoso
de la variabilidad interna atmosférica, Clim. Dyn., 43, 333 - 444, doi: 10.1007 / s00382-013-1830-9.
Seager, R. y M. Hoerling (2014), Atmosphere and ocean origins of North American sequías, J. Clim., 27 años, 4581 - 4606, doi: 10.1175 / JCLI-D-13-00329.1.
Seager, R., L. Goddard, J. Nakamura, N. Henderson y DE Lee (2014), Causas dinámicas de la sequía 2010/2011 Texas-Northern Mexica,
J. Hydrometeorol., 15, 39 - 68, doi: 10.1175 / JHM-D-13-024.1.
Sewall, JO y LC Sloan (2004), Disappearing Arctic sea ice reduce disponible agua en el oeste americano, Geophys. Res. Lett., 31, L06209,
doi: 10.1029 / 2003GL019133.
Singarayer, JS, JL Bamber y PJ Valdes (2006), Twenty- fi Impactos climáticos del siglo I a raíz de la declinación de la capa de hielo marino del Ártico, J. Clim., 19 años,
1109 - 1125, doi: 10.1175 / JCLI3649.1.
Stark, JD, CJ Donlon, MJ Martin y ME McCulloch (2007), OSTIA: una superficie marina global operativa, de alta resolución y en tiempo real
sistema de análisis de temperatura, océanos ' 07 IEEE Aberdeen, actas de conferencias Desafíos marinos: de la costa a las profundidades marinas, Aberdeen, Escocia,
IEEE.
Taylor, KE, RJ Stouffer y GA Meehl (2012), Una descripción general de CMIP5 y el diseño de experimentos, Toro. Soy. Meteorol. Soc., 93, 485 - 498, doi:
10.1175 / BAMS-D11-97300094.1.
Zhou, T., S. Ma y L. Zou (2014), Comprensión de un verano caluroso en el centro oriental de China: Verano de 2013 en el contexto de una tendencia multimodelo
análisis, en " Explicando los eventos extremos de 2014 desde una perspectiva climática ", Toro. Soy. Meteorol. Soc., 95, S54 - S57.

22 en Es

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

22 en Es

Cargado por

Copyright:

Formatos disponibles

PUBLICACIONES

Cartas de investigación geofísica

CARTA DE INVESTIGACIÓN Antropogénico en fl influencia sobre la probabilidad cambiante

Bootstrapping se utilizó para estimar el 5% al 95% con fi intervalo de dencia.

implica que las diferencias son significativas. fi ligeramente diferente.

JJA GEI antropogénicos actuales que conducen a una mayor

Nat. forzando ret. por. (años)

10 forzamiento natural al de forzamiento total varía de 4% a 12 %. Sin

del suelo de primavera es ligeramente más alta

Predicción climática. net utiliza Berkeley doi: 10.1029 / 2012GL051000.

También podría gustarte