Los generadores de tiempo ofrecen valores diarios de las variables meteorológicas, estadísticamente equivalentes a las series históricas del lugar.
Han sido especialmente muy utilizados para analizar el efecto del Cambio Climático. El procedimiento consiste en combinar el generador de tiempo con salidas de los GCM.
Los generadores de tiempo generalmente reproducen de una manera correcta las medias mensuales de las variables meteorológicas.
En todo caso, los generadores de tiempo reproducen la estadística de la serie histórica con bastante exactitud. No obstante, las realizaciones generalmente subestiman su variabilidad.
Existen varios generadores de tiempo, pero el norteamericano WGEN y el inglés LARS-WG están entre los más comúnmente empleados.
LARS-WG genera precipitación, temperaturas máximas y mínimas y radiación. El generador no asume distribuciones estadísticas, como otros generadores. LARS-WG crea distribuciones semiempíricas de precipitación y temperaturas, basadas en histogramas.
LARS-WG modela los eventos de precipitación según períodos secos/húmedos en lugar de seguir un enfoque de cadena de Markov como en los generadores meteorológicos tipo Richardson. Además, la generación de temperaturas y radiación están condicionadas al estado húmedo/seco de un día y correlacionadas.
Los generadores pueden ser “perturbados” añadiendo condiciones climáticas determinadas al proceso de generación. Un aumento mensual de temperatura, disminución de precipitaciones, etc. De esa forma las series generadas reflejan estadísticamente la variabilidad climática del lugar, pero consideran también estas alteraciones.
Algunos generadores permiten incluso considerar un aumento en la variabilidad de las temperaturas. Para ello se perturba el proceso de generación indicando una desviación de la media mensual mayor a la histórica.
Los generadores de tiempo no pueden utilizarse directamente como pronósticos o similares. No obstante, ofrecen una vía para obtener información climática, estadísticamente equivalente a la del sitio bajo estudio, pero correspondiente al riesgo climático considerado.
Por ejemplo, Utset y Del Rio (2011) emplearon un generador de tiempo, «perturbado» según proyecciones de Cambio Climático. El objetivo fue estimar el riesgo de que la futura demanda de agua en el mes de Julio, de cultivos típicos de Valladolid, fuera mayor que la capacidad de suministro de riego.
Se obtuvieron ciento cincuenta realizaciones del clima local con LARS-WG para los períodos 2011-2040, 2041-2070 y 2071-2100, considerando los escenarios de emisiones A2 y B2.
Además, se consideró el «efecto fertilización» del CO2, reduciendo en consecuencia el coeficiente del cultivo.
Concluyeron que la variabilidad es el principal riesgo, especialmente a corto plazo. Aunque los nuevos sistemas de riego podrían ser suficientes para hacer frente a las demandas de agua de los cultivos, en promedio podrían fallar en algunos años concretos.
Análisis del efecto de la variabilidad climática, empleando generadores de tiempo
Por otra parte, a partir de las realizaciones obtenidas con los generadores de tiempo pueden seleccionarse al azar años que cumplen determinadas condiciones.
Utset et al. (2006) utilizaron LARS-WG para generar más de 300 series anuales en Zaragoza, para el período 1960-2000.
Posteriormente seleccionaron dos muestras de 30 años en las que las precipitaciones fueron muy bajas o muy altas respecto a la media histórica, durante el período vegetativo del maíz.
Esa información climática se utilizó como entrada en el modelo agrohidrológico SWAP. Las simulaciones permitieron evaluar los efectos de diferentes estrategias de riego deficitario, considerando también la variabilidad climática.
La metodología general para este tipo de estudios de impacto consiste en obtener muchas realizaciones de las variables meteorológicas. Todas estas series de años son estadísticamente equivalentes a la serie histórica del lugar. Luego se procede a escoger, de forma aleatoria, aquellas series que cumplen las condiciones marcadas por una proyección del Cambio Climático o por un pronóstico estacional.
Al combinar esta información meteorológica con un modelo de simulación se obtendrán estimaciones del impacto de las condiciones climáticas consideradas.