CONGRESO IMTA 2014
136
decrementos de hasta 0.05% en la región
norte y en las penínsulas de Baja California
y Yucatán, así como aumentos del mismo
orden en el centro y suroeste del país.
Los tres escenarios de radiación proyec-
tan que la humedad relativa podría dis-
minuir en toda la república mexicana, lo
que coincide con lo observado en el ciclo
anual de cada región. La región donde se
observa mayor decremento (hasta 12% con
el escenario RCP8.5), es en la Sierra Madre
Occidental, mientras que las penínsulas de
Yucatán y Baja California, en los tres esce-
narios coincide en un posible decremento
de hasta 4% (ilustración 9).
Conclusiones y recomendaciones
En la comparación tanto de los modelos
globales como de su ensamble (REA), con-
tra los datos del NARR, se observa que no
es posible estimar un modelo único como
el de mejor desempeño en la reproducción
de las cinco variables analizadas. Es decir,
el mismo modelo no estima adecuadamen-
te todas las variables. Por ello, se utilizó un
ensamble ponderado (método REA) que
toma lomejor de cada modelo disminuyen-
do sus errores individuales; así, se observó
que el REA mejora significativamente la re-
producción individual de los modelos.
Al observar las simulaciones históricas del
REA, se identificó que en cada variable y en
cada región el mejor modelo no siempre es
el mismo. Respecto a las simulaciones fu-
turas, para el sureste se proyectó para la
humedad específica un aumento de hasta
10%, con una disminución en el sureste, en
otoño. En el caso de la humedad relativa
en el sureste, las proyecciones simulan que
podría disminuir hasta un 10% en primavera.
Para comprender las causas de los errores
de los modelos, es fundamental analizar
los efectos locales: influencia de la abrupta
orografía mexicana en la dinámica atmos-
férica; efectos de los océanos adyacentes
a México en el clima regional; ubicación e
intensidad de la precipitación asociada a la
zona de convergencia intertropical; inten-
sidad y ubicación de la corriente del Pacífi-
co de niveles altos y su relación energética
con los frentes fríos; intensidad y variabi-
lidad estacional de la corriente en chorro
de niveles bajos del Caribe y su intercam-
bio energético con las ondas del este, y la
reproducción adecuada del inicio e intensi-
dad de la precipitación asociada al Monzón
de Norteamérica y su relación con la diná-
mica local, como los sistemas convectivos
de mesoescala y la orografía.
Bibliografía
CRU (2012). Recuperada de
.
cru.uea.ac.uk.
Giorgi, F., & Mearns, L. (2001). Calculation
of Average, Uncertainty Range, and
Reliability of Regional Climate Chan-
ges from AOGCM Simulations via the
Reliability Ensemble Averaging (REA)
Method.
Journal of Climate
, 15, 1141-1158.
IPCC (2007). Contribution of Working
Group I to the Fourth Assessment Re-
port of the Intergovernmental Panel
on Climate Change.
Marsland, S. J., Haak, H., Jungclaus, J. H.
Latif, M., & Roeske, F. (2003). The Max-
Planck-Institute Global Ocean/Sea-Ice
Model with Orthogonal Curvilinear
Coordinates,
Ocean Modelling
. 5, 91-127.
Montero, M. J. y Pérez, J. L. (2008). Regio-
nalización de proyecciones de precipi-
tación y temperatura en superficie apli-
cando el método REA para México. En
