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”