3.2.d Escenarios — Incendios forestales - SIDRo

El clima futuro cambia la propensión meteorológica a incendios, no la distancia entre las edificaciones y la vegetación. Esta página estima el cambio en días de FWI alto bajo los escenarios SSP2-4.5 y SSP5-8.5 Riahi et al., 2017O'Neill et al., 2017 y dos horizontes, con el método delta y las proyecciones reducidas de escala NEX-GDDP-CMIP6 Thrasher et al., 2022: a la serie diaria observada se le aplica el cambio medio de cada modelo en temperatura máxima (aditivo) y en precipitación, humedad relativa y viento (multiplicativo), y se recalcula el FWI.

Series base y deltas¶

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from IPython.display import display

from sidro.analisis import clima
from sidro.aoi import bbox_wgs84
from sidro.config import aoi_cfg, parametros
from sidro.fetch import obtener_capa

MODELOS = None  # p. ej. ["ACCESS-CM2", "EC-Earth3"] para una prueba rápida
VARIABLES = ["tasmax", "pr", "hurs", "sfcWind"]
cfg = aoi_cfg()["clima"]

serie = intentar(obtener_capa, "clima_observado_diario", mensaje="No se pudo obtener la serie climática diaria")
lat = (bbox_wgs84()[1] + bbox_wgs84()[3]) / 2
fwi_base = None
if serie is not None:
    fwi_base = intentar(clima.fwi_diario, serie, lat, mensaje="No se pudo calcular el FWI base")

WARNING pint.util: Redefining 'percent' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining '%' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining 'year' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining 'yr' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining 'C' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining 'd' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining 'h' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining 'degrees_north' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining 'degrees_east' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining 'degrees' (<class 'pint.delegates.txt_defparser.plain.UnitDefinition'>)

WARNING pint.util: Redefining '[speed]' (<class 'pint.delegates.txt_defparser.plain.DerivedDimensionDefinition'>)

deltas = None
if fwi_base is not None:
    deltas = intentar(clima.deltas_tabla, VARIABLES, cfg["escenarios"], cfg["horizontes"], MODELOS,
                      cache="deltas_incendio_forestal",
                      mensaje="No se pudieron obtener las proyecciones CMIP6 (requiere acceso a Planetary Computer)")
if deltas is not None:
    display(deltas.groupby(["variable", "escenario", "horizonte"])["delta"].median().unstack("variable").round(3))

La tabla muestra la mediana entre modelos del cambio: aditivo en °C para tasmax y razón futura/histórica para las demás (1,0 = sin cambio).

FWI futuro¶

resultados = None
if deltas is not None:
    umbral = parametros()["incendio_forestal"]["fwi_umbral_alto"]
    base = clima.dias_fwi_alto(fwi_base, umbral).mean()
    filas = []
    for (esc, hor), g in deltas.groupby(["escenario", "horizonte"]):
        dias = []
        for modelo, gm in g.groupby("modelo"):
            d = gm.set_index("variable")["delta"].to_dict()
            fut = clima.fwi_diario(clima.aplicar_deltas_meteo(serie, d), lat)
            dias.append(clima.dias_fwi_alto(fut, umbral).mean())
        filas.append({"escenario": esc, "horizonte": hor, "modelos": len(dias),
                      **{f"p{q}": np.percentile(dias, q) for q in cfg["percentiles_ensamble"]}})
    resultados = pd.DataFrame(filas)
    resultados["base_dias_por_anio"] = base
    display(resultados.round(2))

Cada fila es el promedio anual de días con FWI alto sobre la serie observada con los deltas del modelo; p10, p50 y p90 resumen la dispersión entre modelos Zhang et al., 2011. Compare con base_dias_por_anio, el valor sin cambio climático. Con un clima húmedo como el de Bogotá los conteos pueden ser muy pequeños; en ese caso interprete el signo y la proporción del cambio, no el valor absoluto.

if resultados is not None:
    fig, ax = plt.subplots(figsize=(6, 3.4))
    etiquetas = [f"{r.escenario}\n{r.horizonte}" for r in resultados.itertuples()]
    x = np.arange(len(resultados))
    mediana = resultados[f"p{cfg['percentiles_ensamble'][1]}"].values
    bajo = mediana - resultados[f"p{cfg['percentiles_ensamble'][0]}"].values
    alto = resultados[f"p{cfg['percentiles_ensamble'][2]}"].values - mediana
    ax.bar(x, mediana, yerr=[bajo, alto], color="#bc6c25", capsize=4)
    ax.axhline(resultados.base_dias_por_anio.iloc[0], ls="--", color="#555", label="base observada")
    ax.set_xticks(x, etiquetas, fontsize=8), ax.set_ylabel("Días con FWI alto por año")
    ax.legend()
    fig

Guardar el resumen¶

if resultados is not None:
    from sidro import export

    export.guardar_resumen("incendio_forestal_escenarios", {"escenarios": resultados.to_dict("records")})

References¶

Riahi, K., van Vuuren, D. P., Kriegler, E., & others. (2017). The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global Environmental Change, 42, 153–168. 10.1016/j.gloenvcha.2016.05.009
O’Neill, B. C., Kriegler, E., Ebi, K. L., & others. (2017). The roads ahead: Narratives for shared socioeconomic pathways describing world futures in the 21st century. Global Environmental Change, 42, 169–180. 10.1016/j.gloenvcha.2015.01.004
Thrasher, B., Wang, W., Michaelis, A., Melton, F., Lee, T., & Nemani, R. (2022). NASA Global Daily Downscaled Projections, CMIP6. Scientific Data, 9, 262. 10.1038/s41597-022-01393-4
Zhang, X., Alexander, L., Hegerl, G. C., & others. (2011). Indices for monitoring changes in extremes based on daily temperature and precipitation data. WIREs Climate Change, 2, 851–870. 10.1002/wcc.147