Assessment of the climate change impact uncertainty cascade on the river discharge : a study case in southern Brazil

Abstract

Resumo: Os impactos inevitáveis das mudanças climáticas sobre os recursos hídricos já são visíveis. As principais consequências são o aumento da ocorrência e magnitude de eventos hidrológicos extremos, como cheias e secas, que requerem medidas robustas de adaptação frente às alterações climáticas. A abordagem comum para avaliar os impactos das mudanças climáticas nos recursos hídricos é realizar projeções hidrológicas com base em cenários futuros de modelagem climática. No entanto, existem várias fontes de incerteza nesta metodologia, relacionadas a cenários de emissão, modelos climáticos, correção de viés e modelagem hidrológica. Abordar a incerteza dos impactos das mudanças climáticas na vazão é importante em primeiro lugar para produzir projeções robustas de impactos futuros e, subsequentemente, para apoiar o planejamento de recursos hídricos e a tomada de decisões. Nesta tese, algumas das questões científicas investigadas estão relacionadas a métodos específicos usados na estrutura de análise do impacto das mudanças climáticas na vazão, como o valor agregado da correção de viés na redução de vieses de modelos climáticos, o uso de um método baseado em dados como modelo hidrológico, quantificação da incerteza na vazão projetada e, por fim, como combinar projeções em conjunto. A correção de viés mostrou-se essencial em estudos de mudanças climáticas, sendo a melhor técnica o Mapeamento Empírico de Quantis utilizando fator de correção mensal. O uso de um modelo baseado em dados para previsão de vazão foi menos robusto do que um modelo do tipo balde sob condições de mudança, e deve ser evitado. Os dados de entrada de precipitação usados na modelagem hidrológica impactaram significativamente nas projeções e não devem ser negligenciados na amostragem de incerteza. A variabilidade das projeções do modelo climático foi o contribuinte de incerteza mais significativo na projeção das mudanças na vazão média, seguida pelos dados de entrada de precipitação usados na calibração do modelo hidrológico. A correção de viés e os cenários de emissão contribuíram relativamente pouco para as incertezas totais, enquanto as diferentes parametrizações do modelo hidrológico não contribuíram para a incerteza. Por fim, a busca por um modelo perfeito deve ser substituída por abordagens de modelagem sob-medida (com base na variável de interesse) para minimizar o erro em projeções sob grandes incertezas.

Abstract: The unavoidable impacts of climate change on water resources are already visible. The main consequences are the increased occurrence and magnitude of extreme hydrological events, such as floods and droughts, which require robust adaptation measures in the face of climate change. The common approach to assessing the impacts of climate change on water resources is to carry out hydrological projections based on future climate modelling scenarios. However, there are several sources of uncertainty in this methodology, related to emission scenarios, climate models, bias correction, and hydrological modelling. Addressing the uncertainty of climate change impacts on river discharge is important in the first place to produce robust projections of future impacts and subsequently to support water resources planning and decision-making. In this thesis, some of the scientific questions investigated are related to specific methods used in the climate change impact on river discharge framework, such as the added value of bias correction in reducing climate model biases, the use of data-driven methods as hydrological models, quantification of the uncertainty on river discharge and, finally, how to analyse and combine ensemble projections. The bias correction was shown to be essential in climate change studies, the best technique being the Empirical Quantile Mapping using monthly correction factor. The use of data-driven models for river discharge prediction was less robust than a bucket-type model under changing conditions, and should be avoided. The precipitation input data used in the hydrological modelling significantly impacted in the projections, and should not be neglected in uncertainty sampling. The variability of climate model projections was the most significant uncertainty contributor in the projection of changes in the mean river discharge, followed by the precipitation input data used in the hydrological model calibration. Bias correction and emission scenarios contributed relatively little to the total uncertainties, while the different parameterizations of the hydrological model did not contribute to the uncertainty. The search for a perfect model should be replaced by tailor-made (based on interest variable) modeling approaches to minimize the error in projections under large uncertainties.