Los estudios de biodiversidad para evaluar el impacto del cambio climático sobre los ecosistemas se apoyan en los modelos del clima, que estudian cómo y de qué manera cambiará el clima en el futuro. Para ello, emplean un conjunto de ecuaciones que describen los principales procesos físicos y biogeoquímicos de nuestro planeta, como la circulación oceánica o la formación de nubes.
Sin embargo, el modelado de algunas variables, como la precipitación, es muy incierto y una interpretación inadecuada de esta incertidumbre puede llevar a conclusiones erróneas sobre cómo afectarán los cambios venideros en la vida silvestre de una región.
Proyección de las temperaturas hasta 2090, en un escenario SSP585, el caso más extremo con emisiones considerables. DKRZ
Algunos de los procesos que los modelos toman en cuenta son más fáciles de representar que otros. Así, mientras que la relación entre los componentes que definen el balance energético de la Tierra es bien conocida, las interacciones entre las diminutas gotitas de agua que componen las nubes, no lo son tanto.
Estas situaciones de conocimiento imperfecto llevan a que los resultados de ciertas variables climáticas esenciales tengan distinto grado de fiabilidad.
Convivir con la incertidumbre
La proyección de la temperatura sobre la superficie terrestre es un buen ejemplo de la precisión de los modelos climáticos, ya que estos simulan con exactitud la transferencia de radiación, el proceso físico que la explica.
No obstante, saber con precisión dónde, cuándo y con qué intensidad lloverá, nevará o granizará es uno de los principales desafíos a los que nos enfrentamos. Esto se debe a la cantidad y complejidad de procesos involucrados. Un fallo en la representación de uno de ellos hace que el error se propague al resto de componentes, lo que se traduce en un aumento de la incertidumbre por sesgo del modelo.
La existencia de pequeñas desviaciones es aceptable en otras variables, pero no en precipitación. En este caso, un error de 0,8 mm/día puede suponer la diferencia entre categorizar una región climática como desértica o mediterránea, con las consecuencias que esa equivocación conllevaría en el diseño de políticas de mitigación y adaptación.
La lluvia, una variable escurridiza
La realidad es que la ciencia, por su propia naturaleza, siempre está sujeta a incertidumbres, y la climatología no es una excepción.
En las proyecciones sobre el clima futuro, ese estado de conocimiento incompleto está determinado por distintos factores cuya importancia varía en función de la escala de tiempo y la variable modelada.
Uno de los que mayor impacto tiene en la estimación de la precipitación es el asociado a los errores de los modelos, bien por falta de comprensión de procesos críticos que gobiernan el sistema climático o bien por su excesiva simplificación.
Ciclo hidrológico. USGS, CC BY
En la representación de la precipitación se dan ambas situaciones. Por un lado, hay elementos que aún no conocemos bien, como la distribución de los tamaños de gota dentro de la nube.
Por otro lado, hay procesos que no podemos representar de manera realista porque requeriría un nivel de detalle espacial y temporal mucho mayor del que los modelos actualmente poseen. En estos casos, utilizamos aproximaciones, que aumentan la incertidumbre del producto final.
El resultado es que distintos modelos proporcionan escenarios diferentes a la pregunta de cómo cambiará la precipitación en el futuro. A veces, incluso, en direcciones opuestas. Esto podría considerarse un factor limitante, aunque lo importante aquí es entender el papel que juegan la discrepancias sin caer en el rechazo o el escepticismo.
La dispersión en los modelos debe verse como una oportunidad para obtener una visión más completa y robusta de los posibles estados del clima futuro. Las regiones donde los modelos no se ponen de acuerdo las denominamos regiones de consenso limitado y son sobre las que debemos tener una mayor cautela.
Impacto en los estudios de biodiversidad
Una aplicación habitual de los modelos de clima es la elaboración de mapas que muestren los cambios en la distribución de los ecosistemas en el futuro. Estos permiten identificar las áreas que experimentarán transformaciones y anticipar posibles acciones para mitigar la crisis medioambiental.
Muchos de estos análisis se basan en clasificaciones climáticas, algoritmos que relacionan suelo, clima y biota y dividen el planeta en regiones climáticas con características compartidas. Para ello, emplean diferentes variables, como la temperatura, la precipitación o la humedad y su fiabilidad depende de la calidad de estos datos.
Si los ingredientes no son precisos, no podemos esperar que el producto final lo sea. El problema reside en que las incertidumbres inherentes a las variables de entrada no siempre se toman en consideración. Ello puede conducir a conclusiones erróneas que podrían llevar al diseño de políticas ineficaces.
Las consecuencias de esta omisión son importantes. Por ejemplo, no podemos saber con certeza cómo cambiará el bosque afromontano o las praderas canadienses porque las proyecciones de los modelos de clima son muy distintas entre sí.
Unos apuntan a que se producirá un cambio mientras que otros no. Todo causado por la precipitación, que es muy difícil de modelar con precisión.
El poder de los modelos
El modelado del clima ha experimentado un avance sustancial desde sus inicios. Los modelos actuales ofrecen una descripción más precisa de las interacciones del sistema terrestre gracias a los avances en capacidad computacional que permiten resoluciones más altas y la eliminación de sesgos habituales.
Sin embargo, como hemos visto, aún presentan limitaciones, especialmente en lo que respecta a la representación del ciclo del agua. A pesar de ello, continúan siendo los mejores instrumentos que posee la ciencia para avanzar en el estudio del clima del futuro.
Andrés Navarro no recibe salario, ni ejerce labores de consultoría, ni posee acciones, ni recibe financiación de ninguna compañía u organización que pueda obtener beneficio de este artículo, y ha declarado carecer de vínculos relevantes más allá del cargo académico citado.
