%0 Journal Article %A Olmos Giménez, Patricia %T Evaluación de la variabilidad hidroclimática desde modelos climáticos regionales a escala de cuenca %D 2015 %U http://hdl.handle.net/10317/5203 %X [ESP] La situación geográfica y las características socioeconómicas de la España Peninsular, la hacen vulnerable al cambio y variabilidad climática. Estudios recientes identifican el Mediterráneo como una región particularmente vulnerable al cambio climático. El aumento de la población y los usos consuntivos intensos, generan presiones sobre los recursos hídricos de muchas cuencas. Tal es el caso de la cuenca del río Segura, una cuenca que se puede considerar deficitaria, donde el 85 % de sus recursos totales de agua están orientados a la agricultura. Los Modelos Climáticos Regionales (RCMs por sus siglas en inglés) constituyen una valiosa herramienta para analizar, comprender y predecir las tendencias a medio y largo plazo de los plausibles impactos del cambio climático en los componentes del ciclo hidrológico. Sin embargo, las proyecciones divergentes obtenidas a partir de diferentes RCMs implican que los resultados tienen muchas incertidumbres asociadas. Las metodologías de combinación (o ensemble en inglés) de múltiples RCMs, permiten la cuantificación y reducción de incertidumbres en las proyecciones. Considerando que la precipitación es la entrada principal al ciclo hidrológico, se debe tener una atención especial en su estimación. Por lo tanto aumentar la confiabilidad en las proyecciones de la precipitación es un requisito previo en la obtención de proyecciones hidrológicas precisas. En este trabajo, se ha realizado un análisis de sensibilidad con la precipitación ensemble de RCMs considerando dos formulaciones diferentes del factor de confiabilidad (Ri), basadas en el método REA (Reliability Ensemble Average). Las formulaciones propuestas se basan en Funciones de Distribución Acumulativas (CDFs por sus siglas en inglés) de la variable (precipitación por ejemplo), a escala estacional y anual en un caso; o CDFs mensuales en el otro caso. El análisis de sensibilidad también ha considerado el impacto del uso de dos métricas distintas al construir el ensemble. De este análisis se ha obtenido cual es el método más robusto en la representación de la variable seleccionada para el periodo histórico 1961-1990 en la España Peninsular. Se ha trabajado para ello, tanto con bases de datos meteorológicas observadas, como simuladas por RCMs provistos por el Proyecto Europeo ENSEMBLES. Se han considerado mallas de datos observados meteorológicos de alta resolución, para evaluar las habilidades de los RCMs en la simulación de las variables seleccionadas y aumentar así la confiabilidad de las proyecciones climáticas e hidrológicas. Ensembles de RCMs de las variables temperatura máxima, mínima y media, así como de precipitación se han generado. Desde las proyecciones climáticas, se han discernido las tendencias espacio-temporales de las diferentes variables estudiadas al horizonte 2021-2050, considerando como periodo de control 1961-1990. Adicionalmente, se ha estudiado la influencia en las proyecciones debido a la selección del periodo de contraste o de control, considerando como periodo de referencia el 1971-2000. Desde los resultados obtenidos para el horizonte 2021-2050, se identifican las tendencias espacio-temporales de las precipitaciones, con aumentos en la mayor parte de la España Peninsular, mientras que en zonas como el Suroeste de Andalucía o Galicia, se esperan reducciones de precipitación. En el caso de la temperatura, se identificaron tendencias crecientes usando ambos periodos de referencia. Un aumento de las temperaturas máximas y mínimas es previsto para el periodo 2021-2050 de forma generalizada. En orden a no generar más incertidumbre en las proyecciones hidrológicas a escala de cuenca, se ha seleccionado un modelo hidrológico de simulación continua a escala mensual distribuido espacialmente, que destaca por su reducido número de parámetros. El modelo hidrológico se ha forzado con los ensembles de variables meteorológicas desde los RCMs. Las ecuaciones que definen el modelo se aplican a escala de celda en que se discretiza la cuenca, realizando así una modelización espacio-temporal de entradas, procesos y parámetros en un entorno de Sistemas de Información Geográfica (SIG), lo que ha permitido simular los flujos medios mensuales en cualquier punto de la red hidrográfica. Para realizar la modelización hidrológica, se ha seleccionado la cuenca de aporte al embalse de Fuensanta (en adelante cuenca de la Fuensanta), localizada en la cabecera del río Segura. La misma se trata de una de las principales cuencas generadoras de recursos hídricos en la cuenca del río Segura, de allí el carácter estratégico de conocer y mejorar las proyecciones de sus aportaciones, dado el impacto en la economía y medios de vida de la Región. En consecuencia, se han identificado las proyecciones de escorrentía de la cuenca de la Fuensanta para el período 2021-2050 en contraste con los períodos de control 1961-1990 y 1971-2000. Los resultados se han visto fuertemente afectados por la selección del período de control de contraste. Para el horizonte 2021-2050, las proyecciones hidrológicas demuestran una disminución de la escorrentía del 20 % si se contrasta con el período 1961-1990, que está motivada por una disminución de las precipitaciones y un aumento de la evapotranspiración potencial. Mientras que si el periodo de contraste corresponde al 1971-2000, se proyecta un incremento en la escorrentía del 2 % basado en un aumento importante de las precipitaciones. La selección del periodo observacional para el contraste es un tema importante debido a la variabilidad natural. En conclusión, el uso de modelos hidrológicos distribuidos forzados por ensembles de RCMs constituye un enfoque válido y sólido para aumentar la confiabilidad tanto de las proyecciones climáticas como hidrológicas. El aumentar el conocimiento sobre los impactos plausibles en las distintas variables, especialmente con las distribuciones espaciales, haciendo uso del estado del arte en modelización climática e hidrológica, ayudará a construir capacidad adaptativa en la Región, para hacer frente al cambio climático. Los gestores y responsables de la toma de decisión en planificación y gestión del uso del agua, requieren de mensajes claros de la comunidad científica para alcanzar un uso sostenible de los recursos. [ENG] The geographic situation and socioeconomic characteristics of Spain make it vulnerable to climate change and variability. Recent studies have identified the Mediterranean as a region particularly vulnerable to climate change. The growth in population and intense consumptive uses generate pressures on the water resources of many river basins. This is true of the Segura River Basin, a basin that can be considered deficient, where 85 % of its total water resources are orientated to agriculture. The Regional Climate Models (RCMs) are a valuable tool to analyze, understand and predict trends of plausible impacts of climate change on the components of the hydrological cycle in the medium and long term. However, divergent projections obtained from different RCMs imply that the results have a great deal of associated uncertainties. Methodologies combining multiple RCMs (or ensemble) allow the quantification and reduction of uncertainty in the projections. Considering that the rainfall is the principal input to the hydrological cycle, special attention should be taken in its estimation. Therefore, increasing the confidence in projections of rainfall is a prerequisite for obtaining precise hydrological projections. In this paper, a sensitivity analysis with rainfall ensemble of RCMs has been carried out, considering two different formulations of the reliability factor (Ri), based in the REA (Reliability Ensemble Average) method. The proposed formulations are based on Cumulative Distribution Functions (CDFs), of the variable (e. g. precipitation), to seasonal and annual scale in one case; or monthly CDFs in the other case. The sensitivity analysis has also considered the impact of using two different metrics to build the ensemble. The most robust method in the representation of the selected variable for the historical period 1961-1990 in mainland Spain has been obtained from this analysis. Observed meteorological data as well as that simulated by Regional Climate Models provided by the European project ENSEMBLES were considered. High resolution meteorological observed data grids were considered to evaluate the skills of RCMs in the simulation of the selected variables and increase the reliability of climate and hydrological projections. The ensemble of different RCMs has been generated for the variables of maximum, minimum and mean temperature, and rainfall. From climate projections, the spatio-temporal trends have been discerned from different variables studied for the horizon 2021-2050, considering the control period of 1961-1990. In addition, the influence on projections due to the selection period or contrast control has been studied, considering the 1971-2000 reference period. From the results obtained for the 2021-2050 horizon, spatio-temporal precipitation trends are identified, with increases in most of mainland Spain, while in areas such as the Southwest of Andalusia and Galicia, reductions in precipitation are expected. Regarding temperature, increasing trends were identified using the two reference periods. An increase in the maximum and minimum temperatures is expected across the board for the future period 2021-2050. In order to not create more uncertainty in hydrological projections at basin scale, a hydrological model of continuous simulation which is spatially distributed on a monthly scale that is remarkable for its low number of parameters has been selected. The hydrological model has been forced with ensembles of meteorological variables from RCMs. The equations defining the model are applied to cell scale in which the basin is discretized, making a spatio-temporal modeling of inputs, processes and parameters in an environment of Geographic Information Systems; this allowed average monthly flows at any point of the hydrological network to be simulated. To carry out the hydrological modeling, the Fuensanta Reservoir’s basin (hereinafter Fuensanta basin) located in the headwaters of the River Segura was selected. It is one of the main generator basins of water resources in the Segura River basin; hence the strategic importance of knowing and improving projections of its runoff, given its impact on the economy and livelihood of the region. Consequently, runoff projections have been identified in the Fuensanta basin for the 2021-2050 period in contrast to the 1961-1990 and 1971-2000 control periods. The results have been strongly affected by the selection of the contrast control period. For the 2021-2050 horizon, hydrological projections show a decrease in runoff of 20 % if contrasted with the period 1961-19990, which is motivated by a decrease in rainfall and an increase in potential evapotranspiration. However, if the contrast period corresponds to 1971-2000, then an increase of 2 % in runoff is projected based on a significant increase in precipitation.The selection of the observational period for contrast is an important issue, due to natural variability. In conclusion, the use of distributed hydrological models forced by ensembles of RCMs is a valid and strong approach to increase the reliability of both climate as well as hydrological projections. Increasing knowledge about plausible impacts on the different variables, especially spatial distributions, using state of the art climate and hydrological modeling will help to build the adaptive capacity in the Region to deal with climate change. Managers and decision makers responsible for the planning and management of water use require clear messages from the scientific community to achieve a sustainable use of resources. %K Modelización %K Ensembles %K Proyecciones hidrológicas %K Cambio climático %K Confiabilidad %K Impactos %K España %K Modeling %K Ensembles %K Hydrological projections %K Climate change %K Reliability %K Impacts %K Spain %K 31 Ciencias Agrarias %K 25 Ciencias de la Tierra y del Espacio %K 2502 Climatología %~ GOEDOC, SUB GOETTINGEN