Roberto nos ha cedido el resumen de su interesante tesis:
Hoy en día existe una creciente demanda de información climática de cada vez mayor resolución espacial y temporal. El número y la densidad de observatorios meteorológicos existentes, sin embargo, es finito. La reconstrucción climática utiliza los datos de esos observatorios para completar los datos faltantes y crear nuevas series de datos en lugares donde no existía observación. Entre las distintas variables climáticas, la precipitación es, junto a la temperatura, una de las más demandadas.
Actualmente, hay disponibles buenas reconstrucciones a escala mensual, pero no existe una reconstrucción adecuada a escala diaria. La resolución temporal diaria es imprescindible en el estudio de la precipitación dada su naturaleza dual (o llueve o no llueve), que hace que aspectos como el número de días de precipitación mensuales, la duración de las rachas secas y húmedas, etc., tengan gran importancia para caracterizar el clima de una región. Además, dado el carácter fuertemente sesgado de la distribución de probabilidad de la variable, que hace que sea relativamente frecuente que en un solo evento se supere la media de precipitación del mes en el que se produce, su estudio a resolución diaria resulta imprescindible para el análisis de riesgos asociados a precipitaciones extremas.
Esta tesis propone, en primer lugar, una metodología de reconstrucción de series de precipitación diaria que permite filtrar y completar series originales de precipitación y crear series continuas para cualquier punto del territorio. El método tiene como objetivo preservar la variabilidad de alta frecuencia de la precipitación tanto a nivel temporal como espacial sin asumir ninguna relación a priori entre series de datos en su dimensión temporal. Esto permite, además, el empleo de toda la información disponible con independencia de cuál sea la longitud de las series locales. La reconstrucción se basa en el cálculo, de forma independiente para cada día y localización, de valores de referencia (VR) basados en la combinación de dos valores predichos: una predicción binomial (PB) que expresa la probabilidad de que un día sea húmedo (P (X > 0)) o seco (P(X = 0)) y una predicción de magnitud (PM) que estima la cantidad de precipitación (P (X = x)). Para calcular estos dos valores de referencia se utiliza la técnica de regresión logística multivariante a partir de las diez
observaciones más cercanas, usando como variables dependientes la latitud, longitud y altitud de esas diez observaciones. El cálculo de estos valores de referencia permite: 1) aplicar un control de calidad independiente para cada dato de precipitación observado; 2) estimar valores de precipitación en los días sin observación; 3) crear nuevas series en lugares donde no existía observación y 4) crear mallas regulares de valores diarios de precipitación. Los VR incluyen una estimación del error estándar para cada dato, que puede ser utilizada para evaluar la incertidumbre de las predicciones asociadas a cada momento y lugar y propagar la incertidumbre a cálculos posteriores. Para facilitar el uso de los procesos descritos se ha creado un paquete de funciones en lenguaje R denominado reddPrec, de código abierto y disponible para cualquier usuario.
Una vez completado el proceso de control de calidad y reconstrucción de las series existentes, se ha utilizado el método descrito para crear un grid de precipitación diario para todo el territorio español. Para estimar la precipitación en cada uno de los puntos de la malla de 5x5 kilómetros de resolución espacial se usaron los datos de las series reconstruidas de 12.858 observatorios, cubriendo el periodo de 1950 a 2012 en la España peninsular y de 1971 a 2012 en las islas Baleares y Canarias. Sobre todos los puntos de malla se calcularon climatologías medias de valores típicos de precipitación diaria (intensidad media, número de días húmedos, duración media de rachas húmedas y secas), y agregados mensuales, estacionales y anuales, además de 9 índices de precipitación extrema. Se analizó la distribución espacial de todos ellos y de sus incertidumbres, así como sus tendencias. La validación del protocolo metodológico mostró un buen ajuste entre las observaciones y las estimaciones de precipitación diaria así como en los agregados mensuales, estacionales y anuales, con valores de correlación muy elevados tanto en medias diarias como por estaciones individuales. El proceso de control de calidad detectó y descartó una mínima fracción de los datos originales, teniendo mayor incidencia en los primeros años de la serie debido a la menor densidad de observatorios. La distribución espacial de los agregados temporales y de los índices de precipitación diaria y de precipitación extrema se analizó junto a la espacialización de la incertidumbre asociada a cada uno de ellos, que informó sobre la fiabilidad de las estimaciones en cada caso. Las tendencias de cada índice y agregado temporal se analizaron desde el punto de vista temporal, así como desde la distribución de sus patrones espaciales en todo el territorio.
El método de reconstrucción propuesto mostró resultados coherentes con la distribución espacial de la precipitación diaria a pesar de que los valores se estimaron de manera independiente para cada día y localización. El análisis de la incertidumbre aportó un valor añadido al análisis climático regional mostrando las áreas donde existe una mayor incertidumbre en la estimación de las diversas características climáticas. La aplicación de la metodología al territorio peninsular e insular confirmó que ésta se adapta correctamente a muy diferentes situaciones climáticas o regímenes pluviométricos, siendo capaz de utilizar toda la información disponible, evitando asumir relaciones apriorísticas entre las series y manteniendo la variabilidad local de la precipitación.
Principales resultados:
Se aporta un método simple en su concepción, flexible y efectivo en su potencial de uso para la reconstrucción de series de precipitación:
• Utiliza toda la información climática disponible;
• captura la alta variabilidad temporal y espacial de la precipitación;
• aporta la incertidumbre de cada estimación y;
• permite que cualquier investigador, de cualquier disciplina, pueda generar su propia serie de precipitación diaria, asociada a la localización específica de su zona de estudio.
El grid construido con esta metodología, aportó novedades en la climatología regional española:
• En general, la intensidad de la precipitación ha disminuido en la Península, tanto en medias como en extremos, pero ha aumentado la longitud temporal de los eventos de lluvia;
• se han matizado nuevas zonas de alta intensidad de la precipitación gracias al uso de más información climática:
o Sierra de Gredos (Sistema Central) es la zona con mayor intensidad media de precipitación en días lluviosos de todo el país;
o la precipitación en las islas Canarias tuvo un comportamiento diferente al resto tanto en los índices como en sus tendencias.
Las tendencias tuvieron diferente signo e intensidad regionalmente:
• La costa mediterránea registró intensidades mayores y, en general, con tendencias diferentes al resto de la Península. Solo registró tendencias negativas (sig.) en junio, CDD, PMED y SDII.
• Las islas Canarias apenas registraron tendencias significativas.
• En Baleares casi no hubo tendencia sig. en la precipitación extrema, pero sí fue generalizada la tendencia negativa de marzo y abril y la positiva de noviembre y diciembre.
Se partía de un escenario con gran cantidad de información climática pero con ausencia de trabajos previos que la usaran íntegramente.
Se creó una nueva metodología de trabajo que dio lugar a dos productos abiertos, usables y modificables por cualquier usuario:
• Un paquete de funciones en R (Serrano-Notivoli et al., 2017)
• Una base de datos de precipitación diaria de toda España (Serrano-Notivoli et al., 2016)
Referencias:
Serrano-Notivoli, R., De Luis, M., Beguería, S. and Saz, M. A.: SPREAD (Spanish PREcipitation At Daily scale) [Dataset], doi: 10.20350/digitalCSIC/7393, 2016.
Serrano-Notivoli, R., De Luis, M., and Beguería, S.: An R package for daily precipitation climate series reconstruction. Environmental Modelling & Software, 89, 190-195, doi: 10.1016/j.envsoft.2016.11.005, 2017.
