ESTACIONARIO, CONSISTENTE Y HOMOGÉNEO-Roxana

I. INTRODUCCIÓN

El estudio de la climatología tiene una estrecha relación con el estudio del cambio climático, el cambio de uso de suelo, el cambio en la cobertura vegetal y otros; éste tipo de estudios presentan a menudo datos que están sujetos a diversos tipos de errores, entre ellos los errores sistemáticos y errores aleatorios.

Los errores sistemáticos, son aquellos que pueden ser más o menos invariables en magnitudes. Se puede presentar por diversas fallas como ser: fallas en el método o técnica de cálculo, en el instrumento de observación, entre otros; esté tipo de errores pueden ser corregibles.

Los errores aleatorios, son aquello que ocurren al azar, no pueden ser controlados fácilmente y se deben aplicar estrategias para corregirlos, como por ejemplo el incremento del número de muestras o experimentos en la investigación.

Debido a la presencia común de estos errores en la toma de datos de estudios relacionados con la climatología, cambio climático, cambio del uso de suelos, etc., se realiza el análisis de calidad de datos en base a tres criterios, es decir, los datos deben ser: Estacionarios, Consistentes y Homogéneos.

En el presente reporte se muestra las partes más relevantes de un paper relacionado con investigación en escenarios de cambio climático en el Altiplano Peruano en donde se analiza los datos en base a los 3 criterios sobre calidad de datos para interpretar y mostrar sus resultados:

II. Escenarios de Cambio Climático con modelos regionales

sobre el Altiplano Peruano (Departamento de Puno).

Climatic Change scenarios with regional models

over the Peruvian Altiplano (Puno region).

JANEET SANABRIA¹, JOSE MARENGO² & MARIA VALVERDE²

1 Servicio Nacional de Meteorología e Hidrología, SENAMHI, Casilla 11 1308, Lima 11, Perú. jsanabria@senamhi.gob.pe

2 Centro de Ciencias do Sistema Terrestre-INPE. Rodovia Presidente Dutra, Km 40, 12630-000 Cachoeira Paulista, São Paulo, Brasil.

Resumen

El Altiplano peruano (Departamento de Puno) es considerado una de las zonas más sensibles y perturbadas por la variabilidad climática con implicancias en las actividades del sector agropecuario, hidroeléctrico, minero, etc. En el futuro por el posible cambio climático la vulnerabilidad y las condiciones de vida en general serían afectadas, principalmente la actividad agropecuaria que es el principal sustento de la población. Tomando en cuenta estos aspectos este trabajo tiene como objetivo evaluar y tener una aproximación de los posibles cambios futuros en la precipitación y temperatura. Para esta evaluación del cambio climático futuro (período 2071 – 2100) en el Altiplano peruano se utilizaron tres modelos climáticos regionales (ETA CCS, HadRM3 y REgCM3) y se analizaron las variables de precipitación y temperatura. Inicialmente, se validó el clima presente (1961-1990) de estos tres modelos, en relación a la climatología observada y posteriormente se analizaron sus proyecciones futuras (2071- 2100). Los resultados de la validación mostraron que el modelo HadRM3 fue el que presentó mejor desempeño en la simulación de la precipitación sobre el Altiplano Peruano, representando mejor la estacionalidad y el ciclo anual de la precipitación con menores errores en relación a los otros dos modelos (ETA CSS y REgCM3), y subestimando la media mensual en 2mm/día. En la temperatura los modelos ETA CSS y HadRM3, también simularon el ciclo anual y la estacionalidad, el primero relativamente mejor que el segundo, ambos subestimándola con errores de media mensual de 4ºC y 5ºC, respectivamente. Los modelos HadRM3 y ETA CSS por ser los que más se aproximaron a lo observado, los posibles cambios climáticos futuros se basaron en los resultados de estos dos modelos. Entonces, en el futuro 2071 – 2100, la precipitación proyectada por el modelo HadRM3 en el escenario A2 (altas concentraciones de CO2) mostró incrementos de precipitación de hasta 2mm/día principalmente en la época lluviosa (SON y DEF), y en el escenario moderado B2 (bajas concentraciones de CO2) similares al patrón actual. Por otro lado, la temperatura proyectada, obtenida de la media aritmética de los modelos HadRM3 y el ETA CSS simularon para los escenarios A2 y B2 incrementos entre 2ºC a 4ºC, más aún al norte de lago con incrementos de hasta 6ºC.

Introducción

Estudios de evaluación de escenarios de cambio climático para Sudamérica se hicieron con los modelos globales acoplados usados en el Cuarto Informe Cientifico del Panel Internacional de Cambio Climatico-IPCC-AR4 (Vera et al., 2006, Cavalcanti et al. 2006, Boulanger et al 2006 a. b, Valverde y Marengo 2007, Marengo et al. 2008, Li et al. 2006, Salazar et. al 2007, entre otros). Vera et al. (2006) muestra que los modelos globales son capaces de reproducir las características básicas del ciclo estacional de la precipitación del presente, sin embargo hay algunas discrepancias en los modelos en reproducir cuantitativamente la exactitud estacional de la precipitación sobre las principales cuencas del continente.

Materiales y métodos

Para determinar la climatología de esta zona de estudio se han elegido 28 estaciones con series de datos de paso diario de precipitación y temperatura del periodo 1961 a 1990 (25 estaciones representan características altiplánicas y 3 de la región Amazónica)

En esta zona los gradientes o variación espacial de la precipitación y temperatura no son acentuados (Coeficiente de variación CV bajos), mostrando apenas ligeramente variaciones en el invierno (CV: 0.4 a 0.5) más que en el verano (CV: <0.3) (ver Fig. 2), excepto en la franja angosta de características de Amazonía donde son muy notorios (Figs. 3b y 3c). En el Altiplano también ocurren eventos como heladas, granizadas, inundaciones y sequías en ciclos anuales muy irregulares.

 

Climatología Observada y Climatología CRU (clima del presente)

Contábamos con dos climatologías referenciales, del período 1961 a 1990, tanto la de CRU como de los datos observados de las estaciones. La climatología de CRU proveniente de la Climatic Research Unit de la School of Environmental Sciences, University of East Anglia, UK, fue construida con datos observados de estaciones e interpolada en función de la latitud, longitud y elevación usando la metodología thin-plate splines en punto grilla 0,5ºx0,5º (New et al., 1999). Esta información es de acceso libre para la investigación climática; en la zona de estudio CRU utilizó datos observados de una sola estación la de Juliaca (latitud: -15.5º, longitud: -70.2º y altitud: 3825m) (http://www.cru.uea.ac.uk/cru/data /landstations/crustnsused.txt). Referente, a la climatología observada esta fue construida con los datos observados de las estaciones, distribuidos en 28 puntos en la zona de estudio, localizados en punto de estación (ver Fig. 3a), previamente a estos datos se les realizó el control de calidad y prueba de homogeneidad de las medias mensuales utilizando los estadísticos t Student-Fisher (P<0.05), además se realizó el análisis del coeficiente de variabilidad CV para ver espacialmente la homogeneidad (menor CV) o heterogeneidad (mayor CV) de la precipitación y temperatura en la zona de estudio o también indicarnos el comportamiento espacial de gradiente de la precipitación y temperatura (ver Fig. 2).

Entonces para ver si existía diferencias entre las climatologías de CRU y la observada se realizó la validación. Pero antes, los datos observados en puntos de estación en paso mensual para ser comparados tuvieron que ser interpolados a punto grilla de resolución 0.5ºx0.5º con la metodología del esquema análisis CRESSMAN a través del software de visualización y análisis gráfica GrADS (Cressman, G., 1959 citado por Doty B., 1992). La metodología consistió primero en interpolar las localizaciones de las estaciones a punto grilla; segundo interpolar los datos para un punto grilla más fino, a través de pasos múltiples realizados por medio de grillas en subsecuentes radios de influencia. En cada paso fue determinado un nuevo valor para cada punto grilla hasta que se obtuvo el valor óptimo del radio de influencia. Entonces con los datos observados mensuales se generó la climatología anual y estacional para cada punto grilla. Ambas climatologías, CRU y observados, fueron comparadas en cada punto grilla de 0.5º x 0.5º. Para obtener los errores o desviaciones de estas comparaciones se empleo el indicador estadístico del BIAS cual midió el error o la media de las diferencias entre el valor CRU (s1) y el observado (m1) (n es el número de años).

Resultados

Clima del Presente (1961-1990). Validación de los modelos regionales

Comparando las climatologías de los tres modelos regionales respecto a la climatología observada anual y estacional, resultado de un análisis temporal y espacial (ver Figura 5, 6 y 7), se observó que el modelo HadRM3 simuló mejor los comportamientos del ciclo anual y estacional de la precipitación, en comparación a los otros dos modelos (ver Figura 5), mientras, el modelo ETA CSS simuló bien la estacionalidad de la temperatura y relativamente bien el HadRM3 (ver Figura 5).

Específicamente, analizando el período lluvioso (húmedo: DEF y SON) está aún no es bien simulado por los modelos, el HadRM3 a pesar de simular bien la estacionalidad, cuantitativamente no es perfecta sobreestimándolo en promedio hasta 2 mm/día, asimismo, el modelo ETA CSS lo subestima significativamente en promedio hasta 4 mm/día y el RegCM3 lo sobrestima en promedio hasta 2mm/día, (ver Tabla 2). En cambio, el período seco (AMJ y JJA) fue perfectamente simulada por el HadCM3 y el ETA CSS, mientras el RegCM3 aún no simuló correctamente (ver Figura 5 y Figura 6).

El modelo HadRM3 en la zona de Amazonía (-13ºS a -14,5ºS) sobrestima la precipitación hasta 8 mm/día más que en la zona Altiplánica (-14.5ºS a -17,5ºS) hasta 4 mm/día, debido a que el modelo en la zona de Amazonía presenta un acentuado gradiente de precipitación respecto a lo observado. Este modelo aún sobreestimando los valores de precipitación, durante el periodo húmedo (verano) y seco (invierno), trata de simular el patrón espacial mostrando por lo menos los cambios significativos en la zona de transición entre los Andes y la Amazonía (-13ºS a -14ºS) aunque más extendido hacia el sur (menos13ºS a -14,5ºS) (ver Figura 4). Estos resultados son consistentes con los obtenidos de Alves & Marengo (2009) y Marengo et al., 2009 para otros lugares de Sudamérica. Los errores de estas sobrestimaciones podrían estar relacionada a la deficiencia de la representación de algunas características locales como la topografía específicamente el área de transición entre Altiplano y Amazonía donde el gradiente de altitud es acentuado, también a la circulación atmosférica y procesos convectivos asociadas a la presencia del lago Titicaca que son importantes en la producción de lluvia, Galvez, J.M., 2005.

Referente a la temperatura el modelo ETA CSS es el que mejor simuló la tendencia de la estacionalidad, los ciclos de los períodos cálidos (diciembre, enero y febrero) y fríos (junio, julio y agosto), pero subestimándolo en promedio 3ºC (ver Figura 5 y Figura 7), asimismo, captura el patrón espacial durante el verano y el invierno. La distribución espacial de la temperatura en el verano es relativamente homogénea con tenues gradientes térmicos (temperatura oscilando entre 8ºC a 12ºC), y en el invierno, menos homogéneo con acentuados gradientes térmicos (oscilando en el lado oeste de 0ºC a 6ºC y en lado este de 6ºC a 8ºC). El modelo HadRM3 también simuló relativamente bien la estacionalidad de la temperatura aunque subestimándolo en promedio de 5ºC (ver figura 7). No obstante, no capturó el patrón espacial presentando acentuados gradientes térmicos principalmente alrededor del lago y la zona norte (-13ºS a -14ºS). Por otro lado, el modelo RegCM3 no consiguió capturar la estacionalidad ni el patrón espacial de la temperatura.

Conclusiones

La climatología de la temperatura y precipitación del Altiplano Peruano (departamento de Puno) fue considerada la que se construyó a partir de los datos observados y no la climatología de CRU, debido a que la climatología observada fue construida a partir de 28 puntos de observación y la climatología de CRU utilizó un punto de observación. No obstante, la climatología de la precipitación tanto la de CRU como la observada cuantificablemente son similares con errores que varían entre -1 mm/día a + 1 mm/día; en cambio, en la climatología de la temperatura, CRU muestra errores de hasta -2ºC respecto a lo observado, es decir lo subestima. Además comparando espacialmente las climatologías de CRU respecto a lo observado presentan ligeras diferencias más notorias en la temperatura con gradientes acentuados.

Resultado de la validación de los modelos regionales, espacial y temporal, el modelo HadRM3, en comparación a los otros modelos, simuló mejor la estacionalidad y los valores de la climatología de la precipitación reproduciendo los períodos húmedos (SON y DEF) y secos (MMA y JJA) pero sobrestimándolos en 2 mm/día. Referente, a la temperatura, los modelos HadRM3 y el ETA CSS simularon la tendencia de la estacionalidad de la climatología de la temperatura, el segundo relativamente mejor que el primero, ambos subestimándolo en 5ºC y 4ºC, respectivamente. Es importante mencionar que los modelos numéricos presentan dificultad en simular la lluvia en los Andes, encontrándose generalmente un error muy grande de sobreestimación o subestimación, debido a la dificultad en parametrizar la topografía. A pesar de esa limitación, el modelo HadRM3 consiguió presentar errores menores que los otros modelos, sin embargo este modelo aún presenta inconvenientes en simular la precipitación en la zona de transición (-13.5ºS a -14ºS) entre los Andes y la Amazonía donde el gradiente topográfico es acentuado.

En el futuro 2071 – 2100, el modelo HadRM3 fue el que proyectó la precipitación, simulando en un escenario extremo A2 incrementos de hasta 2mm/día principalmente en la época lluviosa (SON y DEF), y en un escenario moderado B2 similares al patrón actual. Y la media de los modelos HadRM3 y el ETA CSS fueron los que proyectaron la temperatura, en los escenarios A2 y B2 simularon incrementos entre 2ºC a 4ºC, más aún localizadamente al norte de lago simularon incrementos de hasta 6ºC.Por otro lado, esta información obtenida es una primera aproximación del cambio climático futuro en el Altiplano Peruano que puede ser utilizada para estudios de impacto de cambio climático en la agricultura, hidrología, etc. También está la perspectiva de entender mejor la variabilidad climática actual del Altiplano y proyectarlo hacia el futuro.

III. CONCLUSIONES

- En la representación gráfica de la precipitación y temperatura de las estaciones evaluadas en el periodo 1961 – 1990, se observa el ciclo anual y homogeneidad de la zona de estudio expresado en Coeficiente de Variación (CV), que es uno de los criterios que se espera para la calidad de datos (homogeneidad).

- Para validar los datos de estaciones meteorológicas y posteriormente ser usadas para proyecciones climáticas de cualquier región se debe realizar previamente el control de calidad y prueba de homogeneidad de los datos utilizando estadísticos como ser el t Student-Fisher (P<0.05), además realizar el análisis del Coeficiente de Variabilidad (CV) para ver la homogeneidad o heterogeneidad de los datos en la zona de estudio y de esa forma se verá el comportamiento espacial (estacionareidad) de los mismos.

- Para probar que los datos a ser empleados en una investigación sean de calidad deben ser estacionarios, no deben presentar tendencia, homogéneos, con un coeficiente de variación menor, y consistentes, haciendo un análisis de los dos criterios anteriores.

IV. BIBLIOGRAFÍA

- SANABRIA J. et. al. (2012). Escenarios de Cambio Climático con modelos regionales sobre el Altiplano Peruano (Departamento de Puno). Paper.

- DAHMEN & HALL (1990). Screening of Hydorlogical Data: Test for Stationarity and Relative Consistency. International Institute for Land Reclamation and Improvement/ILRI P.O.BOX4 5,6700 AA WageningeqThe Netherlands. 58 pp.