La homogeneización en la investigación climática significa la eliminación de cambios no climáticos. Junto a los cambios en el clima mismo, los registros climáticos brutos también contienen saltos y cambios no climáticos, por ejemplo, debido a reubicaciones o cambios en la instrumentación. El principio más utilizado para eliminar estas inhomogeneidades es el enfoque de homogeneización relativa en el que una estación candidata se compara con una serie de tiempo de referencia basada en una o más estaciones vecinas. Las estaciones candidatas y de referencia experimentan aproximadamente el mismo clima, por lo que los cambios no climáticos que ocurren solo en una estación pueden identificarse y eliminarse.
Observaciones climáticas
Para estudiar el cambio y la variabilidad climáticos, los registros climáticos instrumentales largos son esenciales, pero es mejor no usarlos directamente. Estos conjuntos de datos son esenciales ya que son la base para evaluar tendencias a escala de siglo o para estudiar la variabilidad natural (a largo plazo) del clima, entre otros. Sin embargo, el valor de estos conjuntos de datos depende en gran medida de la homogeneidad de la serie temporal subyacente. Un registro climático homogéneo es aquel en el que las variaciones son causadas únicamente por variaciones en el tiempo y el clima. Los registros instrumentales largos rara vez, si es que alguna vez, son homogéneos.
Los resultados de la homogeneización de los registros climáticos occidentales instrumentales indican que las inhomogeneidades detectadas en las series de temperaturas medias ocurren con una frecuencia de aproximadamente 15 a 20 años. [1] [2] [3] [4] [5] Debe tenerse en cuenta que la mayoría de las mediciones no se han realizado específicamente con fines climáticos, sino más bien para satisfacer las necesidades de predicción meteorológica, agricultura e hidrología. [6] Además, el tamaño típico de las rupturas es a menudo del mismo orden que la señal del cambio climático durante el siglo XX. [1] [2] [3] [4] [5] Las heterogeneidades son, por tanto, una fuente importante de incertidumbre para la estimación de tendencias seculares y variabilidad a escala decenal.
Si todas las inhomogeneidades fueran perturbaciones puramente aleatorias de los registros climáticos, colectivamente su efecto sobre la señal climática global media sería insignificante. Sin embargo, ciertos cambios son típicos para ciertos períodos y ocurrieron en muchas estaciones, estas son las causas más importantes, ya que colectivamente pueden conducir a sesgos artificiales en las tendencias climáticas en grandes regiones. [3] [7] [8]
Causas de falta de homogeneidad
La falta de homogeneidad más conocida es el efecto isla de calor urbano . La temperatura en las ciudades puede ser más cálida que en el campo circundante, especialmente por la noche. Por lo tanto, a medida que las ciudades crecen, se puede esperar que las temperaturas medidas en las ciudades aumenten. Por otro lado, con el advenimiento de la aviación, muchas oficinas meteorológicas y, por lo tanto, sus estaciones , a menudo se han trasladado de las ciudades a aeropuertos cercanos, generalmente más frescos. [9]
Otros cambios no climáticos pueden ser causados por cambios en los métodos de medición. Los instrumentos meteorológicos se instalan típicamente en una pantalla para protegerlos del sol directo y la humedad. [10] En el siglo XIX era común usar una pantalla de metal frente a una ventana en una pared orientada al norte. Sin embargo, el edificio puede calentar la pantalla dando lugar a mediciones de temperatura más altas. Cuando se dio cuenta de este problema , se introdujo la pantalla Stevenson , normalmente instalada en jardines, lejos de los edificios. Esta sigue siendo la pantalla meteorológica más típica con su característica puerta de doble persiana y paredes para ventilación. Las pantallas históricas de Montsouri y Wilds se utilizaron alrededor de 1900 y están abiertas hacia el norte y hacia abajo. Esto mejora la ventilación, pero se encontró que la radiación infrarroja del suelo puede influir en la medición en días soleados y tranquilos. Por tanto, ya no se utilizan. Hoy en día , las estaciones meteorológicas automáticas , que reducen los costos laborales, son cada vez más comunes; protegen el termómetro mediante varios conos de plástico blanco. [8] Esto requirió cambios de termómetros de vidrio y líquidos registrados manualmente a termómetros de resistencia eléctrica automatizados, que redujeron los valores de temperatura registrados en los EE. UU. [2]
También otros elementos climáticos adolecen de falta de homogeneidad. Las cantidades de precipitación observadas en el período instrumental temprano, aproximadamente antes de 1900, están sesgadas y son un 10% más bajas que en la actualidad porque las mediciones de precipitación a menudo se realizaban en un techo. En ese momento, se instalaron instrumentos en los techos para asegurar que el instrumento nunca esté protegido de la lluvia, pero más tarde se descubrió que debido al flujo turbulento del viento en los techos, algunas gotas de lluvia y especialmente copos de nieve no caían en el techo. apertura. En consecuencia, hoy en día las mediciones se realizan más cerca del suelo.
Otras causas típicas de falta de homogeneidad son un cambio en la ubicación de la medición; muchas observaciones, especialmente de precipitación, son realizadas por voluntarios en su jardín o en su lugar de trabajo. Los cambios en el entorno a menudo no pueden evitarse, por ejemplo, cambios en la vegetación, el sellado de la superficie del terreno y edificios cálidos y protectores en las cercanías. También hay cambios en los procedimientos de medición, como la forma en que se calcula la temperatura media diaria (mediante las temperaturas mínima y máxima, o promediando más de 3 o 4 lecturas por día, o basándose en datos de 10 minutos). Además, los cambios en los tiempos de observación pueden provocar falta de homogeneidad. Una revisión reciente de Trewin se centró en las causas de la falta de homogeneidad. [9]
Las inhomogeneidades no siempre son errores. Esto se ve más claro para las estaciones afectadas por el calentamiento debido al efecto de isla de calor urbano. Desde la perspectiva del calentamiento global, tales efectos locales son indeseables, pero para estudiar la influencia del clima en la salud, tales mediciones están bien. Otras inhomogeneidades se deben a compromisos que deben hacerse entre la ventilación y la protección contra el sol y la humectación en el diseño de un refugio contra la intemperie. Intentar reducir un tipo de error (para una determinada condición climática) en el diseño a menudo conducirá a más errores de los otros factores. Las mediciones meteorológicas no se realizan en el laboratorio. Los pequeños errores son inevitables y pueden no ser relevantes para fines meteorológicos, pero si tal error cambia, bien puede ser una falta de homogeneidad para la climatología.
Homogeneización
Para estudiar de manera confiable el desarrollo real del clima, deben eliminarse los cambios no climáticos. La fecha del cambio a menudo se documenta (denominada metadatos: datos sobre datos), pero no siempre. Los metadatos a menudo solo están disponibles en el idioma local. En el mejor de los casos, hay mediciones paralelas con la configuración original y la nueva durante varios años. [11] Esta es una directriz de la OMM ( Organización Meteorológica Mundial ), pero lamentablemente no se realizan mediciones paralelas con mucha frecuencia, aunque sólo sea porque no se conoce de antemano el motivo para detener la medición original, pero probablemente más a menudo para ahorrar dinero. Al realizar mediciones paralelas con réplicas de instrumentos históricos, pantallas, etc., algunas de estas inhomogeneidades aún se pueden estudiar en la actualidad.
Debido a que nunca está seguro de que sus metadatos (historial de la estación) estén completos, siempre se debe aplicar la homogeneización estadística. El principio estadístico más utilizado para detectar y eliminar los efectos de los cambios artificiales es la homogeneización relativa, que supone que las estaciones cercanas están expuestas a casi la misma señal climática y que, por lo tanto, las diferencias entre las estaciones cercanas se pueden utilizar para detectar inhomogeneidades. [12] Al observar las series de tiempo de diferencia, se elimina la variabilidad del clima de un año a otro, así como las tendencias climáticas regionales. En una serie de tiempo tan diferente, un salto claro y persistente de, por ejemplo, 1 ° C, puede detectarse fácilmente y solo puede deberse a cambios en las condiciones de medición.
Si hay un salto (ruptura) en una serie de tiempo diferente, aún no está claro a cuál de las dos estaciones pertenece. Además, las series de tiempo suelen tener más de un salto. Estas dos características hacen de la homogeneización estadística un bello y desafiante problema estadístico. Los algoritmos de homogeneización suelen diferir en la forma en que intentan resolver estos dos problemas fundamentales. [13]
En el pasado, se acostumbraba calcular una serie de tiempo de referencia compuesta calculada a partir de varias estaciones cercanas, comparar esta referencia con la serie candidata y asumir que los saltos encontrados se deben a la serie candidata. [14] La última suposición funciona porque al usar múltiples estaciones como referencia, la influencia de las inhomogeneidades en la referencia se reduce mucho. Sin embargo, los algoritmos modernos, ya no asumen que la referencia es homogénea y pueden lograr mejores resultados de esta manera. Hay dos formas principales de hacerlo. Puede calcular varias series de tiempo de referencia compuestas a partir de subconjuntos de estaciones circundantes y probar también la homogeneidad de estas referencias. [15] Alternativamente, solo puede usar pares de estaciones y, al comparar todos los pares entre sí, determinar qué estación es más probable que tenga la ruptura. [4] Si hay una ruptura en 1950 en el par A&B y B&C, pero no en A&C, la ruptura es probable en la estación B; con más pares, dicha inferencia se puede hacer con más certeza.
Si hay varias pausas en una serie de tiempo, el número de combinaciones fácilmente se vuelve muy grande y resulta imposible probarlas todas. Por ejemplo, en el caso de cinco interrupciones ( k = 5) en 100 años de datos anuales ( n = 100), el número de combinaciones es aproximadamente 100 5 = 10 10 o 10 mil millones. Este problema a veces se resuelve de manera iterativa / jerárquica, buscando primero el salto más grande y luego repitiendo la búsqueda en ambas subsecciones hasta que sean demasiado pequeñas. Esto no siempre produce buenos resultados. Una forma directa de resolver el problema es mediante un método de optimización eficiente llamado programación dinámica .
A veces no hay otras estaciones en la misma región climática. En este caso, a veces se aplica una homogeneización absoluta y las inhomogeneidades se detectan en la serie temporal de una estación. Si hay una ruptura clara y grande en una fecha determinada, se puede corregir, pero los saltos más pequeños y las inhomogeneidades que ocurren gradualmente (isla de calor urbano o una vegetación en crecimiento) no se pueden distinguir de la variabilidad natural real y el cambio climático. Los datos homogeneizados de esta manera no tienen la calidad esperada y deben usarse con mucho cuidado.
Inhomogeneidades en los datos climáticos
Al homogeneizar los conjuntos de datos climáticos, se descubrió que a veces las inhomogeneidades pueden causar tendencias sesgadas en los datos brutos; que la homogeneización es indispensable para obtener tendencias regionales o globales confiables. Por ejemplo, para la Gran Región Alpina se encontró un sesgo en la tendencia de la temperatura entre las décadas de 1870 y 1980 de medio grado, debido a la disminución de la urbanización de la red y los cambios sistemáticos en el tiempo de observación. [16] Los registros de precipitación del período instrumental temprano están sesgados en un -10% debido a la mayor instalación sistemática de los medidores en ese momento. [17] Otras posibles fuentes de sesgo son los nuevos tipos de refugios meteorológicos [3] [18] el cambio de termómetros de líquido y vidrio a termómetros de resistencia eléctrica, [2] así como la tendencia a reemplazar a los observadores por estaciones meteorológicas automáticas, [8] el efecto isla de calor urbano y el traslado de muchas estaciones urbanas a los aeropuertos. [9]
Además, los algoritmos de homogeneización relativa de última generación desarrollados para trabajar con una referencia no homogénea muestran un mejor rendimiento. El estudio (de EGU) mostró que los algoritmos automáticos pueden funcionar tan bien como los manuales. [13]
Ver también
- Cambio climático (hoy en día)
- Cambio climático (concepto general)
Referencias
- ^ a b Auer, I., R. Bohm, A. Jurkovic, W. Lipa, A. Orlik, R. Potzmann, W. Schoner, M. Ungersbock, C. Matulla, P. Jones, D. Efthymiadis, M. Brunetti, T. Nanni, K. Briffa, M. Maugeri, L. Mercalli, O. Mestre, et al. "HISTALP - Serie temporal de superficie climatológica instrumental histórica de la Gran Región Alpina". En t. J. Climatol. , 27, págs. 17-46, doi : 10.1002 / joc.1377 , 2007.
- ^ a b c d Menne, MJ, Williams, CN jr. y Vose, RS: "Los datos de temperatura mensual de la red de climatología histórica de Estados Unidos, versión 2". Toro. Soy. Meteorol. Soc. , 90, (7), 993-1007, doi : 10.1175 / 2008BAMS2613.1 , 2009.
- ^ a b c d Brunetti M., Maugeri, M., Monti, F. y Nanni, T .: Variabilidad de la temperatura y la precipitación en Italia en los últimos dos siglos a partir de series de tiempo instrumentales homogeneizadas. Revista Internacional de Climatología , 26, págs. 345–381, doi : 10.1002 / joc.1251 , 2006.
- ^ a b c Caussinus, H. y Mestre, O .: "Detección y corrección de cambios artificiales en series climáticas". Revista de la Royal Statistical Society : Serie C (Estadísticas aplicadas) , 53 (3), 405-425, doi : 10.1111 / j.1467-9876.2004.05155.x , 2004.
- ^ a b Della-Marta, PM, Collins, D. y Braganza, K .: "Actualización del conjunto de datos de temperatura anual de alta calidad de Australia". Austr. Meteorito. revista 53, 277-292, 2004.
- ^ Williams, CN jr., Menne, MJ, Thorne, PW "Benchmarking the performance of pairwise homogeneization of surface temperature in the United States. Journal of Geophysical Research-Atmospheres", 117, D5, doi : 10.1029 / 2011JD016761 , 2012.
- ^ Menne, MJ, Williams, CN jr. Y Palecki MA: "Sobre la confiabilidad del registro de temperatura superficial de Estados Unidos". J. Geophys. Res. Atmósferas , 115, no. D11108, doi : 10.1029 / , 2010.
- ^ a b c Begert, M., Schlegel, T. y Kirchhofer, W .: "Serie homogénea de temperatura y precipitación de Suiza de 1864 a 2000". En t. J. Climatol. , doi : 10.1002 / joc.1118 , 25, 65–80, 2005.
- ^ a b c Trewin, B .: "Exposición, instrumentación y efectos de la práctica de observación en las mediciones de temperatura de la tierra". ALAMBRES Clim. Change , 1, 490–506, doi : 10.1002 / wcc.46 , 2010.
- ^ Meulen, van der, JP y T. Brandsma. "Intercomparación de pantallas de termómetros en De Bilt (Países Bajos), parte I: comprensión de las diferencias de temperatura dependientes del clima". En t. J. Climatol. , doi : 10.1002 / joc.1531 , 28, 371-387, 2008.
- ^ Aguilar E., Auer, I., Brunet, M., Peterson, TC y Wieringa, J .: Directrices sobre metadatos climáticos y homogeneización . Organización Meteorológica Mundial, WMO-TD No. 1186, WCDMP No. 53, Ginebra, Suiza, 55 p., 2003.
- ^ Conrad, V. y Pollak, C .: Métodos en climatología . Harvard University Press, Cambridge, MA, 459 p., 1950.
- ↑ a b Venema, V., O. Mestre, E. Aguilar, I. Auer, JA Guijarro, P. Domonkos, G. Vertacnik, T. Szentimrey, P. Stepanek, P. Zahradnicek, J. Viarre, G. Müller -Westermeier, M. Lakatos, CN Williams, MJ Menne, R. Lindau, D. Rasol, E. Rustemeier, K. Kolokythas, T. Marinova, L. Andresen, F. Acquaotta, S. Fratianni, S. Cheval, M . Klancar, M. Brunetti, Cap. Gruber, M. Prohom Duran, T. Likso, P. Esteban, Th. Brandsma. "Algoritmos de homogeneización de benchmarking para datos mensuales" . Clima del pasado , 8 , 89-115, doi : 10.5194 / cp-8-89-2012 , 2012.
- ^ Alexandersson, A .: "Una prueba de homogeneidad aplicada a los datos de precipitación". J. Climatol. , doi : 10.1002 / joc.3370060607 , 6, 661-675, 1986.
- ^ Szentimrey, T .: "Análisis múltiple de series para homogeneización (MASH)". Actas del segundo seminario para la homogeneización de datos climatológicos de superficie , Budapest, Hungría; OMM, WCDMP-No. 41, 27-46, 1999.
- ^ Böhm R., Auer, I., Brunetti, M., Maugeri, M., Nanni, T. y Schöner, W .: "Variabilidad de la temperatura regional en los Alpes europeos 1760-1998 a partir de series de tiempo instrumentales homogeneizadas". Revista Internacional de Climatología , doi : 10.1002 / joc.689 , 21, págs. 1779–1801, 2001.
- ^ Auer I, Böhm, R., Jurkovic, A., Orlik, A., Potzmann, R., Schöner W., et al .: Un nuevo conjunto de datos de precipitación instrumental para la región alpina mayor para el período 1800-2002. Revista Internacional de Climatología, doi : 10.1002 / joc.1135 , 25, 139–166, 2005.
- ^ Brunet, M., Asin, J., Sigró, J., Banón, M., García, F., Aguilar, E., Esteban Palenzuela, J., Peterson, TC y Jones, P .: "La minimización del sesgo de la pantalla de los antiguos registros de temperatura del aire del Mediterráneo occidental: un análisis estadístico exploratorio ". En t. J. Climatol. , doi : 10.1002 / joc.2192 , 2010.