Se encontraron 3 investigaciones
El proyecto ReMoHES tiene como objetivo mejorar la detección, clasificación y comprensión de las olas de calor marinas (Marine Heatwaves, MHWs) en el Pacífico Sudeste Oriental, con énfasis en las costas de Perú y Chile, regiones fuertemente influenciadas por el Sistema de la Corriente de Humboldt. El enfoque integra técnicas de aprendizaje automático (Machine Learning) aplicadas a datos satelitales y de reanálisis para identificar y clasificar MHWs según su intensidad, duración y extensión espacial, junto con el desarrollo de un modelo regional acoplado océano-atmósfera de alta resolución (CROCO-WRF,) para estudiar los procesos físicos que controlan su inicio, evolución y persistencia. El proyecto se desarrolla en colaboración entre PUCP (Perú), la Universidad de Concepción (Chile) y el Institut de Recherche pour le Développement ¿ IRD (Francia), y contribuirá a fortalecer las capacidades regionales en modelamiento climático, análisis de eventos extremos y formación de estudiantes de posgrado.
Participantes:
Instituciones participantes:
En el presente proyecto se realizará el estudio de los procesos físico-biogeoquímicos y la predictibilidad de los eventos persistentes de calentamiento de la costa peruana desacoplados de la dinámica de El Niño mediante experimentos de sensibilidad con el modelo acoplado océano-atmósfera IPSL y modelos de Inteligencia Artificial.
Participantes:
Instituciones participantes:
En el presente proyecto se evaluará el impacto del cambio climático sobre los patrones de dos tipos de eventos: i) las olas de calor marinas, asociadas al incremento extremo de la temperatura del mar, y ii) los eventos de hipoxia, relacionados a bajas concentraciones del oxígeno disuelto en el mar. Se evaluarán las proyecciones para un futuro cercano (2023-2061) y un periodo más distante (2062-2100), bajo 3 escenarios de cambio climático: un escenario de bajas emisiones (SSP1-1.9), uno de emisiones intermedias (SSP2-4.5), y uno de altas emisiones (SSP5-8.5). Se aplicarán técnicas de regionalización dinámica y estadística (fiables y eficientes) a ocho modelos del clima global usando modelos regionales de atmósfera y océano, y modelos de redes neuronales (Inteligencia Artificial).
Participantes:
Instituciones participantes: