Cuantificación de la capacidad predictiva de la SST
del Atlántico en las temperaturas de Europa
S.R. Gámiz-Fortis, M.J. Esteban-Parra, D. Argüeso,
J.M. Hidalgo-Muñoz y Y. Castro-Díez
Grupo de Física de la Atmósfera
Dpto. Física Aplicada
Universidad de Granada
CLIMA EN ESPAÑA: PASADO, PRESENTE Y FUTURO. Contribución a un informe de evaluación del cambio climático regional. Seminario CLIVAR-ES, CCMA, Madrid 11-13/02/2009.
2
1. OBJETIVOS
• Estudiar las variaciones espacio-temporales de la LST de Europa y su relación con la SST del Atlántico en escalas comunes, desde interanuales a interdecadales.
• Identificar los patrones cuasi-oscilatorios presentes en ambos conjuntos de datos.
• Aislar componentes específicas de las series en cuestión separándolas del ruido de fondo.
Cuantificar la importancia de la SST del Atlántico en las variaciones retrasadas de las temperaturas en superficie (LST) de Europa.
3
2. DATOS
• SST →
• Base de datos HADISST1.1, the Meteorological Office, U.K.
• Periodo: 1870-2006.
• Resolución: 2º x 2º
• Anomalías medias mensuales mediante
sustracción de la media correspondiente
al periodo total.
Base de datos de la CRU (Climatic Research Unit), U.K.
Periodo: 1850-2007. Resolución: 5º x 5º Anomalías medias mensuales mediante
sustracción de la media correspondiente
al periodo 1961-1990.
• LST →
4
Base de datos HadSLPr2, Met Office Hadley Center Periodo: 1850-2007Base mensual Resolución: 5º x 5º
• SLP →
2. DATOS
• Índice NAO mensual (Jones et al., 1997) 1826-2007
• Índice “Best” ENSO (Smith and Sardeshmurk, 2000) 1871-2007
- Combinación del SOI y la SST de la región Niño3.4
• Índice AMO (Atlantic Multidecadal Oscillation) (NOAA) 1856-2007
- SST promediada en el Atlántico Norte (0-60ºN, 75ºW-7.5ºW).
5
3. METODOLOGÍA
1. Filtro paso baja a todos los datos → variabilidad > 1 año → Periodo de análisis final: 1872-2004
2. PCA de la LST y SST → Retener las PCs/EOFs significativos. LST-PCi=LSTi y SST-PCj=SSTj
3. SSA (Análisis Singular Espectral) de cada LST-PC y SST-PC retenida → Identificar y aislar modos cuasi-oscilatorios comunes (RCs).
4. Análisis de correlaciones cruzadas retrasado en el tiempo →
encontrar los desfases temporales
RC-LSTi (t0) = Σ βj RC-SSTj (t0 - retraso) + e
5. Modelos de regresión lineal múltiple que usan las SST-RCs con periodicidades comunes a las LST-PCs como variables predictoras.
6
4. RESULTADOS
4.1 Variabilidad de la LST de Europa
Factores de carga (x10) para las REOF resultantes del análisis de las TEMPERATURAS mensuales (1850-2007)
2ª REOF20.4%
3ª REOF11.2%
1ª REOF30.2%
1870
1880
1890
1900
1910
1920
1930
1940
1950
1960
1970
1980
1990
2000
Time (years)
-3
-2
-1
0
1
2
3
Tem
p. A
nom
alie
s (º
C)
LST1SSA-filtered LST1Non-linear trend
a) b)
c) d)
1870
1880
1890
1900
1910
1920
1930
1940
1950
1960
1970
1980
1990
2000
Time (years)
-3
-2
-1
0
1
2
3
Tem
p. A
nom
alie
s (º
C)
LST2SSA-filtered LST2Non-linear trend
a) b)
c) d)
7
4.2 Variabilidad de la SST AtlánticaS-EOF 1 (16.1%)
S-EOF 2 (15.1%)
S-EOF 3 (8.8%)
S-EOF 4 (8.4%)
S-EOF 5 (6.5%)
Factores de carga (x10) para las REOF resultantes del análisis de la SST mensual (1870-2006)
8
LST-PC T (años) (% varianza)
LST1 Tendencia no lineal (22.7%)7.5 años (12.3%)*2.3 años (6.0%)*5.2 años (4.5%)*
13.7 años (3.9%)*3.6 años (3.8%)*2 años (2.5%)*
LST2 Tendencia no lineal (29.6%)*2.4 años (5.8%)*21 años (5.31%)3 años (3.8%)*
1.5 años (3.4%)*
LST3 Tendencia no lineal (7.0%)2.3 años (6.0%)*3.2 años (4.3%)*2 años (3.9%)*
SST-PCs 1-2-3-4
SST-PCs 3-4-5
SST-PCs 1-2-3-5
Todas las SST-PCs
SST-PCs 1-4
NAO 7.5 años (8.8%)*2.3 años (8.3%)*5.9 años (7.5%)*2.6 años (7.0%)*13.7 años (6.3%)1.8 años (6.4%)*
4.3 Modos oscilatorios comunes LST Europa – SST atlántica
* = oscilaciones significativas al nivel de confianza del 95%
9
4.3.2 Comportamiento espacio-temporal (SST-SLP) de la oscilación QD-LST1
• Anomalías máximas de SST en la región SST3 ~ -36 meses.
• Principal contribución: centros de las latitudes altas y medias.
• + SST al sur de Groenlandia y – SST al sur de Terranova → + temperaturas en el noroeste de Europa (LST1) ~ 3 años después.
Mapas de regresiones de la oscilación QD de la LST1 sobre la SST y SLP. Colores: anomalías (ºC). Contornos: anomalías (hPa)
retraso -36
retraso -24
retraso 12
retraso -12 retraso 36
retraso 24
retraso -48 retraso 0
10
LST1 QD-SST1 QD-SST2 QD-SST3 QD-SST4 QD-SST5 R2 σe
QD -- -- (37, -0.88*, -0.90* ) (37, -0.52*, -0.06) (29, -0.49*,- 0.1) 0.77 0.48
ID-SST1 ID-SST2 ID-SST3 ID-SST4 ID-SST5
ID (59, -0.86*, -0.52*) (73, 0.78*, 0.12*) (63, -0.69*, -0.32*) (54, 0.81*, 0.07) -- 0.87 0.40
IA1-SST1 IA1-SST2 IA1-SST3 IA1-SST4 IA1-SST5
IA1 (5, -0.34*, -0.07) (17, 0.45*, 0.23*) (31, -0.62*, -0.50*) -- (20, -0.22*, 0.08) 0.47 0.70
IA2-SST1 IA2-SST2 IA2-SST3 IA2-SST4 IA2-SST5
IA2 (8, 0.18*, 0.08) (7, 0.18*, 0.09) (8, -0.24*, -0.02) (13, 0.08, 0.01) -- 0.03 0.98
- Oscilación QD = 7.5 años
- Oscilación ID = 13.7 años
- Oscilación IA1 = 5.2 años
- Oscilación IA2 = 3.6 años
- Triplete = (retraso en meses, r, βi).
- βi indica la importancia relativa del modo.
- R2 = Coeficiente de determinación del modelo de regresión múltiple.
- σe = desv. típica de la serie residual resultante.
4.4 Modelos de Regresión Lineal Múltiple
11
QD-LST1 vs. predicción
SST
ID-LST1 vs. predicción
SST
IA1- LST1 vs.
predicción SST
IA2- LST1 vs.
predicciónSST
Filtro-SSA-LST1 (sin
tendencia) vs predicción SST
LST1 (sin tendencia) vs predición SST
MSE 0.01 0.007 0.005 0.02 0.07 0.56MAE 0.08 0.06 0.06 0.10 0.21 0.60Coef. Correlation 0.88* 0.82* 0.68* 0.18* 0.65* 0.34*% concordancia fase
87 81 69 56 77 64
% varianza explicada por el modelo
75 67 50 4 50 10
¡¡La SST explica sólo un 10% de la varianza total de la LST1!!
4.5 Cuantificación de la capacidad predictiva de la SST en la LST1
121
87
01
88
01
89
01
90
01
91
01
92
01
93
01
94
01
95
01
96
01
97
01
98
01
99
02
00
0
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6 non-linear trend LST3 linear trend LST3 multidecadal oscillation LST3
18
70
18
80
18
90
19
00
19
10
19
20
19
30
19
40
19
50
19
60
19
70
19
80
19
90
20
00
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6 non-linear trend LST1 linear trend LST1 multidecadal oscillation LST1
18
70
18
80
18
90
19
00
19
10
19
20
19
30
19
40
19
50
19
60
19
70
19
80
19
90
20
00
-0.6-0.4-0.2
0.00.2
0.40.6
0.8 non-linear trend LST2 linear trend LST2 multidecadal oscillation LST2
18
70
18
80
18
90
19
00
19
10
19
20
19
30
19
40
19
50
19
60
19
70
19
80
19
90
20
00
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6 non-linear trend SST1 linear trend SST1 multidecadal oscillation SST1
18
70
18
80
18
90
19
00
19
10
19
20
19
30
19
40
19
50
19
60
19
70
19
80
19
90
20
00
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
AMO index multidecadal oscillation SST2
18
70
18
80
18
90
19
00
19
10
19
20
19
30
19
40
19
50
19
60
19
70
19
80
19
90
20
00
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6 non-linear trend SST3 linear trend SST3 multidecadal years oscillation
Tendencia lineal (efecto antropogénico) más acusada en la LST1 y LST2.
4.6 Tendencia no lineal: alto porcentaje de varianza
Modo cuasi-oscilatorio MD (periodos 60-100 años según la PC) el más estable se encuentra para LST2 y SST2 (~64 años)
LST1 LST3LST2
SST1 SST3SST2
13
4.6 Modo multidecadal (MD)LST1 LST2
LST3 AMO
Mapas de regresión del modo MD y el índice AMO sobre la SST y SLP. Colores: anomalías (ºC). Contornos: anomalías (hPa).
14
5. CONCLUSIONES
• Cuantificación de la influencia de la SST del Atlántico en la variabilidad de las temperaturas de Europa usando SSA y modelos de regresión lineal múltiples.
• Existen modos cuasi-oscilatorios significativos (en escalas interanuales a decadales) comunes a la SST y a las temperaturas del noroeste de Europa (LST1). El resto de Europa presenta una influencia mucho más débil.
• Las oscilaciones significativas comunes presentan periodicidades ~ 13.7 (ID), 7.5 (QD), 5.2 (IA1) y 3.6 (IA2) años. Estos modos representan el 24.6% varianza explicada en la LST1.
• Principales regiones del Atlántico con capacidad predictiva:
-ID: Atlántico Tropical, sur de Groenlandia y el sur de Terranova, (60 meses).
-QD: sur de Groenlandia, Mar del Norte y las latitudes medias (~40ºN), (36 meses).
-IA1: zonas similares al modo ID, (31 meses).
-IA2: influencia muy baja de la SST.
15
•Aunque los modelos ajustados explican un alto porcentaje de varianza de las oscilaciones individuales (75%, 67% y 50% para el modo QD, ID e IA1, respectivamente), la contribución total de estos tres modos explica sólo el 10% de varianza de las temperaturas mensuales del noroeste de Europa.
•La tendencia no lineal puede ser considerada como suma de dos contribuciones:
- Una tendencia lineal (efecto antropogénico).
- Una oscilación multidecadal (MD) con periodo ~ 60-100 años (AMO).
• La oscilación multi-decadal parece estar afectando a las temperaturas del norte y sur de Europa a través de mecanismos diferentes.
• Importante influencia de la SLP como componente principal en la relación LST/SST, en acuerdo con otros estudios.
• Aunque los resultados encontrados sugieren que la SST del Atlántico por sí sola no proporciona un modelo de predicción bueno para las temperaturas de Europa, la información encontrada en este estudio podría ayudar a mejorar las predicciones que usan otras variables como predictores.
5. CONCLUSIONES