Fabio Castro-Llanos

Los Modelos de Circulación Global (GCMs, por sus siglas en inglés) son distintos modelos generados por institutos de investigación a nivel mundial, la mayoria de ellos ubicados en el hemisferio norte. Todos estos modelos presentan distintos escenarios bajo los culales se evidencian cambios en variables como la precipitación y la temepratura, son de gran utilidad para proyectar cambios en el clima a nivel regional, desarrollar evaluaciones de riesgo, cambios en idoneidad de especies - como es el presente caso, entre otros.

Para el caso propio del RCP 6.0 (él utilizado en la modelación), se tienen un total de 19 GCMs, cada uno de ellos presente un posible clima futuro, todos estos no son completamente similares, de hecho, presentan diferencias, algunos con aumentos en la temperatura de hasta 2.2C, y otros registrarían aumentos de tan solo 0.2C, en este sentido, hacer uso de un ensemble (o en español promedio) resultaría un poco foncuso, en tanto se promediarían distintos escenarios que no coinciden en la misma dirección.

Con lo cual se hace necesario realizar un análisis el cual nos permita identificar cuáles son los GCM qu evan en la misma dirección, que tan alejados están estos del promedio, y luego hacer la escogencia de uno o varios conforme el análisis resulte. Se aplicará paralelamente al análisis descriptivo un análisis de clúster tipo Random Forest el cual nos permtia agrupar los GCM en función dle compramiento de estos para las 33 variables bioclimáticas.

A continuación, se ilustra la tabla con la variable bio 12 (precipitación anual) para los distintos GCM, esto para las presencias del cultivo de cacao en Centroamérica y El Caribe.

Diferencias para las variables entre los GCMs y la l?nea base
id variable current bcc_csm1_1 bcc_csm1_1_m cesm1_cam5 csiro_mk3_6_0
1 bio_12 1587 1262 1256 1541 1495
2 bio_12 1811 1437 1458 1762 1694
3 bio_12 1864 1477 1504 1816 1739
4 bio_12 1573 1256 1243 1526 1482
5 bio_12 1677 1332 1336 1630 1575

Como se puede observar en algunos GCM hay una alta disminución de precipitación, por ejemplo, bcc_csm1_1 tiene una reducción de 325 mm, mientras que para otros hay una baja disminución, por ejemplo, csiro_mk3_6_0 tiene una reducción de 92 mm, esto para la primera presencia de cacao (id = 1).

Los datos de todas las presencias del cacao fueron promediados para así obtener un único valor por gcm y por variable, a continuación, se presenta el ejemplo para la variable bio 12 con los 19 gcms, se pueden apreciar las differencias.

Diferencias entre la línea base y los distintos GCMs para la variable bio 12 (promedio de todas las presencias)
variable gcm current future dff
bio_12 bcc_csm1_1 2286 2069 -216
bio_12 bcc_csm1_1_m 2286 2092 -194
bio_12 cesm1_cam5 2286 2124 -161
bio_12 csiro_mk3_6_0 2286 1997 -289
bio_12 fio_esm 2286 1813 -472
bio_12 gfdl_cm3 2286 2559 273
bio_12 gfdl_esm2g 2286 2060 -225
bio_12 gfdl_esm2m 2286 2674 388
bio_12 giss_e2_h 2286 2195 -91
bio_12 giss_e2_r 2286 2113 -172
bio_12 ipsl_cm5a_lr 2286 2259 -26
bio_12 miroc_esm 2286 2801 515
bio_12 miroc_esm_chem 2286 2797 511
bio_12 miroc_miroc5 2286 2429 143
bio_12 mohc_hadgem2_es 2286 2062 -224
bio_12 mri_cgcm3 2286 2342 57
bio_12 ncar_ccsm4 2286 1886 -400
bio_12 ncc_noresm1_m 2286 1822 -464
bio_12 nimr_hadgem2_ao 2286 2356 70

Como se puede apreciar, en algunos GCM existe aumentos en la precipitación, por ejemplo mri_cgcm3, mientras que para otros GCM se evidencian disminuciones en la precipitaicón total anual, de hasta 400 mm (ncar_ccsm4).

A continuación, se ilustra la agrupación realizada de los GCM en función de la diferencia de las 33 variables entre los 19 GCM y los datos de línea base.

## [1] 19
## labelRF
## 1 2 3 4 
## 4 6 4 5