Jueves ecpa
Transcript of Jueves ecpa
Integración de sistemas deObservación y Modelaciónpara predicir desastres “naturales” y diseñar estrategias de Adaptación al cambio
Ana P. BarrosDuke University
Lima, March 21, 2013
gestión sostenible del Aguasostenible del Agua
Cuando Cuanta Donde Como
Variabilidad Incertidumbre
Lluvia
Desastres Naturales
Sistemas de Observación son essenciales
Datos de SatéliteSistemas de tierra
Global Precipitation Mission MeasurementGlobal Precipitation Mission MeasurementTropical Rainfall Measurement MissionTropical Rainfall Measurement Mission
http://www.nasa.gov/mission_pages/GPMhttp://www.nasa.gov/mission_pages/TRMM
South American Monsoon
Datos son disponibles para todo el mondo sin costo y acesso fácil
First Observations Central Andes
San Pedro, Andes
20122011Rio Kospiñata
Financiado por la NSF
Modelación
Precipitación Inundaciónes Erosion Sequía
Modelo
Datos Descritivos
Recursos Hídricos
Catchment-Scale Hydrological Response to Tropical Storms
Natural LULC
Tao and Barros, 2013 (J. Hydrology)
ComponentsOverland flow: 39.44%Interflow: 54.64%Baseflow: 4.72%
ComponentsOverland flow: 8.97%Interflow: 70.25%Baseflow: 17.81%
Error: 0.13%
Error: 1.25%
Predición de Inundaciones Radpidas
FlashFlood QPE Operational Demo
Tropical Storm Fay
QPE and QPF [NFDB]
Model SkillLack of DataData Latency
Challenges
#2 – Nonlinearity – SE USA
Precipitation
Moisture Convergence
Li, Li and Barros, Climate Dynamics 2013
• Measure of DroughtStandardized Precipitation Index
• Data PhysicsStatistical Relevance
• DemonstrationData Independence, Length of Record
Non-stationarity
Predición de Sequía a Término Longo
Material described in Barros and Bowden, 2008, J. Hydrology
PC 1 72.8% PC 2 7.2% PC 3 5.3%
Raingauge Data CSIRO
Goal
12 month lead-time areal mean SPI1212 month lead-time areal mean SPI12
1 2 3 4 5 6 7 8 9 10 11 12 ………..24
F1 F2
***Length of Record***Non-stationarity
Data Driven ANN Model
12-month SPI PC
RMSE/R Calibration
Set
RMSE/RValidation
Set
14.860.76
4.650.74
21.570.60
4.630.05
31.220.77
1.130.37
ANN OUTPUTS
Basin Average
Adapatación ( la base científica)
Sistemas de Observación
Integración: COMO Funciona el Paisaje?
Evaluación dinamica de recursos Gestión de riesgos
¡Únete a esta iniciativa hemisférica!
Adapt. Lemos 2011
Variabilidad Climática de Hoy
Cambios AntropogénicosDesastres Naturales
Análisis de RiesgoY Predicción de Eventos
Adaptación
Cambios Climáticos
Adaptación ≡ Preparación
Projectiones de Cambio Climático
Monitoreo de RiesgoGestión
Processos de Formación de Processos de Formación de LluviaLluvia
Temperature TTd
Cooling / Lifting
Clausius-Clapeyron Clausius-Clapeyron
MicrophysicsMicrophysics
Fog, Snow & RainfallFog, Snow & Rainfall
vapor pressure
Local Evapotranspiration / CCN
Large-Scale Moisture Convergence
e
saturation vapor pressure
CloudsClouds
Heating
(1)
(2)(3)
September Rainfall Totals by Year
0.0
50.0
100.0
150.0
200.0
250.0
300.0
350.0
2008 2009
Year
Rai
nfa
ll T
ota
l (m
m)
AMO
an~NiLa
Appalachian Mountains
Variabilidad Interanual
Downscaling
Nilometer 622-1284 A.D.
From Koutsoyannis, 2004
(Mandelbrot and Wallis 1977, Hurst 1951, Barros and Evans 1996)
The idea that persistent persistent (0.5<H<1.0)(0.5<H<1.0)movements in a time seriestime series tend to be part of largertrendstrends and cyclescycles more often than they are completely random.
H=0.91
H=0.5
Ciclos Climáticos…Dos series con media y varianciaestadísticas iguales
“Ruído Blanco”