taller de formaciÓn en escenarios de cambio …

TALLER DE FORMACIÓN EN ESCENARIOS DE CAMBIO CLIMÁTICO Y

APLICACIONES METEOROLÓGICAS OPERATIVAS

IEH Instituto de Estudios del Hambre

28 Noviembre-1 Diciembre 2011

Managua, Nicaragua

BLOQUE IV:

EL ERROR SISTEMÁTICO

Índice

• ¿Qué es el error sistemático?

• El cambio climático: un ejemplo

• Qué es el error sistemático: un ejemplo básico

• Tipos de errores:

• El Error 1 o Error de Verificación

• El Error 2 o Error de Validación

• Un ejemplo real

Índice


• ¿Es necesario corregir el error sistemático?

• No

• Sí

Índice



• Estima y corrección del error sistemático Mensual

• Definición del Error Sistemático

• Consideraciones previas a la corrección

• Elección del intervalo temporal

• Metodología de trabajo

• El Error Sistemático de Temperatura

• El Error Sistemático de Precipitación




• Ejemplos y corrección del error sistemático Diario

• Elección del periodo de muestreo

• Elección de los percentiles asociados

• Metodología de trabajo

• El error sistemático de Precipitación

• El error sistemático de Temperatura

Índice

Índice




• Estima y corrección del error sistemático Diario

• Ejemplos de corrección

• Ejemplo 1: corrección de la Temperatura

• Ejemplo 2: corrección de la Precipitación

Índice




• Estima y corrección del error sistemático Diario

• Ejemplos de corrección

• Algunas aplicaciones:

• Estudios fitoclimáticos

• Cálculo de índices de sequía

• Cálculo de periodos de retorno

• Estimación de olas de calor

¿Qué es el error sistemático?

El Error Sistemático

T_max verano Andalucia

0

1

2

3

4

5

6

7

2000/2030 2010/2040 2020/2050 2030/2060 2040/2070 2050/2080 2060/2090 2070/2100

Periodo

◦ C

EL CAMBIO CLIMÁTICO: UN EJEMPLO

Incremento de la temperatura máxima diaria en la estación del año del verano (JJA). Proyecto “Aplicación de nuevos modelos climáticos a la generación de

escenarios regionales para Andalucía en el siglo XXI”, realizado por la FIC para la Consejería de Medio Ambiente de la Junta de Andalucía (España).


PASADO

0

50

100

150

200

250

300

350

400

1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196 209 222 235 248 261 274 287 300 313 326

FUTURO

Datos observados Datos predichos Datos futuros corregidos

Ejemplo esquemático del razonamiento aplicado en la corrección del error sistemático. Si los datos predichos, que abarcan tanto pasado (el periodo de control) como futuro, muestran en el pasado una cierta diferencia con los datos observados, esa diferencia se mantendrá en el futuro y podremos saber

qué corrección numérica debemos realizar al futuro para que los valores absolutos sean correctos.

Para la construcción

del ejemplo se ha partido de un tramo de

temperaturas medias de una

estación meteorológica real y se le ha

sumado directamente

15º C.

QUÉ ES EL ERROR SISTEMÁTICO: UN EJEMPLO BÁSICO


El Error 1, o error de verificación. Debemos ser capaces de medir el error propio del método de downscaling que estemos utilizando (sea cual sea), es decir, de estimar qué errores produce el método independientemente de la rejilla (de los datos) de la que partamos.

El Error 2, o error de validación. Debemos ser capaces de medir el error propio del MCG que estemos utilizando, es decir, de determinar cuánto de bueno es el MCG que vamos a regionalizar.

El Error 3, o error de imprededibilidad. No importa cuánto seamos capaces de determinar los errores anteriores: al realizar simulaciones a futuro con MCGs regionalizados, nos enfrentamos al hecho de siempre quedarán incertidumbres que resultan imposibles de medir con exactitud. Determinar, por ejemplo, que si el hecho de que un cierto MCG que refleja bien el pasado significa o no que vaya a reflejar bien el futuro, o la fiabilidad de los datos observados empleados, queda fuera de nuestro alcance. Este tipo de error, que no es mensurable (sólo, y en todo caso, es estimable), no será tratado por nuestro estudio.

TIPOS DE ERRORES


-50

0

50

100

150

200

250

300

350

400

450

1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196 209 222 235 248 261 274 287

Datos AEMET Datos AEMET + 15ºC

Para una estación meteorológica real de AEMET, la temperatura media de las máximas mensuales, desde el año 1.957 hasta el 1.980, y esa misma serie sumándole directamente 15º C (la serie superior

se ha construido exclusivamente como ejemplo para ilustrar gráficamente cómo comparar dos series diferentes).

EL ERROR 1 O ERROR DE VERIFICACIÓN


-100

0

100

200

300

400

500

600

1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196 209 222 235 248 261 274 287

Rejilla regionalizada Datos observatorio MCG Regionalizado

Serie de ejemplo construida para mostrar los tres tipos de series temporales que podemos poseer en un punto del territorio: los datos observados, los posibles datos al regionalizar una rejilla de reanálisis en tal

punto (construida como los datos originales más 15º C), y la regionalización de un MCG (los datos originales más 30º C). La diferencia entre el reanálisis regionalizado y el MCG regionalizado nos da la medida del error

2, (no como la medida punto a punto sino como la medida en todo el periodo de estudio representado).

EL ERROR 2 O ERROR DE VALIDACIÓN


-50

0

50

100

150

200

250

300

1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196 209 222 235 248 261 274 287

Datos AEMET ERA40 Regionalizado

Para una estación meteorológica real, la temperatura media de las máximas mensuales, desde el año 1.957 hasta el 1.980, y la regionalización de los datos de ERA40 sobre esa misma estación mediante el método de

análogos en dos pasos de la FIC. Aun cuando la regionalización se realiza a escala diaria, se presenta una variable mensual agregada y sólo para un periodo menor del calculado para así mejorar la visualización.

UN EJEMPLO REAL: EL ERROR 1



-50

0

50

100

150

200

250

300

1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276

ERA40 Regionalizado CGCM2.A2 regionalizado

Para una estación meteorológica real, la temperatura media de las máximas mensuales obtenida por la regionalización de los datos de ERA40 mediante el método de análogos en dos pasos de la FIC, y la misma variable meteorológica obtenida mediante el mismo método para el periodo de control (1961 – 2.000) del modelo CGCM2 bajo el escenario A2. Aun cuando la regionalización se realiza a escala diaria, se presenta

una variable mensual agregada y sólo para un periodo menor del calculado para así mejorar la visualización.

UN EJEMPLO REAL: EL ERROR 2

¿Es necesario corregir el error sistemático?


NO


El estudio a realizar sólo necesita de valores incrementalesvalores incrementales.

Lo que queremos es averiguar el incremento de la variable meteorológica a estudiar con respecto al periodo de control del modelo

(o modelos) a estudiar.

NOTendencias de la temperatura mínima regionalizada para el siglo XXI en invierno (promedio de todos los MCGs para el escenario A1B, diferencias respecto a

los respectivos controles en ºC)

2010/2040

2040/2070

2070/2100

Proyecto "Aplicación de nuevos modelos climáticos a la generación de escenarios regionales para Andalucía en el siglo XXI“, realizado por la FIC para la Consejería de Medio Ambiente de la Junta de Andalucía (España).



SÍ

El estudio a realizar necesita de valores absolutosvalores absolutos.

Lo que queremos es averiguar cuáles van a ser los valores absolutos de la variable meteorológica a estudiar para el modelo (o modelos) a

estudiar.

SÍ

Proyecto "Estudio del impacto del Cambio Climático sobre la diversidad y composición de las cubiertas forestales en los Parques Nacionales españoles", realizado por la FIC y promovido por la Fundación Biodiversidad.

Precipitación media en el Parque Nacional de Sierra Nevada en el mes de Enero


Estima y corrección del error sistemático Mensual


DEFINICIÓN DEL ERROR SISTEMÁTICO

Puesto que somos capaces de determinar la diferencia, en un cierto punto, entre los datos reales observados y los que nos proporcionaría un reanálisis regionalizado (error 1), y la diferencia entre los datos del reanálisis regionalizado y los datos del periodo de control de un modelo regionalizado (error 2), podemos conjugar ambos errores y llegar a relacionar los datos reales observados con los del periodo de control del modelo: ese error total es lo que denominamos error sistemático.

Esta forma de definir el error sistemático, conjugando los ya especificados errores 1 y 2, se ajusta a la definición establecida para el error sistemático, y es por eso que utilizamos este término (aunque teniendo en cuenta que en nuestro caso no podemos hablar de “observaciones” sino de valores simulados):

– El error sistemático es la diferencia entre el valor verdadero, aunque generalmente desconocido, de una cantidad que se está midiendo, y el valor medio observado tal como se estimaría en base a la media muestral de un conjunto infinito de observaciones. (IPCC, 2001).

Corrección del error sistemático Mensual

ALGUNAS CONSIDERACIONES PREVIAS

• El periodo en el que vamos a establecer el error sistemático va a ser el periodo 1.961-2.000, que es el periodo de control de los modelos climáticos. El periodo de datos que abarcan los reanálisis (ERA40, NCEP) es superior, con lo que ciertos valores diarios del downscaling del reanálisis no serán tenidos en cuenta.

Nota: el periodo de datos de observaciones de las estaciones meteorológicas utilizadas puede abarcar un periodo mucho mayor (lo que no significa que de todas las estaciones tenga datos para todos los días de ese periodo, sólo que ese es el periodo máximo del que tenemos datos), con lo que puede haber datos reales no llegados a utilizar en la medida del error.

• Para obtener resultados climáticos fiables referidos a variables meteorológicas deben utilizarse periodos de cuanto menos 30 años; con este intervalo de 40 años se cumple tal requisito.

• Las variables climáticas estudiadas van a ser referidas mensualmente. Buscar relaciones anuales entre variables no reconoce la posible variabilidad de una magnitud meteorológica. Tampoco las relaciones entre estaciones del año, aunque bastante más precisas, tienen la suficiente precisión. Las relaciones mensuales proporcionan la adecuada información: muestra la variabilidad climática propia de la magnitud (tiene sentido declarar la media característica mensual de una variable) y no cae en relaciones sin sentido, como harían las relaciones diarias.


-100

-50

0

50

100

150

200

1 31 61 91 121 151 181 211 241 271 301 331 361

Dato diario Media anual Media estacional

Datos reales diarios de un año con datos para una estación meteorológica para la variable de temperatura mínima diaria. Como puede observarse, si queremos encontrar relaciones entre esta serie y otra serie para

esa misma estación, la media anual no va a representar en absoluto la variabilidad de la magnitud meteorológica. Aun cuando la media estacional representa mejor el comportamiento de la magnitud, no

proporciona suficiente detalle de la variabilidad. Las medias mensuales sí nos darían bastante detalle climático (representan fielmente variabilidad intra-estacional) sin caer en el absurdo de tener que comparar

día a día.

ELECCIÓN DEL INTERVALO TEMPORAL


1961 200020021957 20021957

12 Medias Mensuales Datos AEMET

12 Medias Mensuales Datos ERA40

12 Medias Mensuales Datos Control MCG

14.600 Datos diarios Control MCG

16.790 Datos diarios ERA40Hasta 16.790 Datos diarios Estación AEMET

20001961 20001961

12 Relaciones Mensuales AEMET – ERA40: ERROR

1

12 Relaciones Mensuales ERA40 – MCG: ERROR 2

12 Relaciones Mensuales AEMET – MCG: ERROR SISTEMÁTICO

Esquema de cómo se realiza el cálculo del error sistemático en una estación meteorológica, y de los 12 factores mensuales que se utilizarán para su corrección.

METODOLOGÍA DE TRABAJO


40____1_ ERAMensualMediaAEMETMensualMediaError −=∆

ControlMGCMensualMediaERAMensualMediaError __40__2_ −=∆

2_1__ ErrorErroroSistematicError ∆+∆=∆

-100

-50

0

50

100

150

200

250

300

350

400

1

Factores mensuales de corrección Serie corregida Serie original

EL ERROR SISTEMÁTICO DE TEMPERATURA


El ERROR SISTEMÁTICO DE PRECIPITACIÓN

La diferencia entre dos temperaturas sólo puede medirse de forma incremental (absoluta), ya que no podemos encontrar la proporcionalidad entre dos temperaturas (no podemos afirmar que una temperatura es X veces mayor que otra, o que es un X% mayor que otra). La medida de proporcionalidad sí que se puede realizar con la precipitación, y es la que elegimos frente a la incremental, aun cuando también podría llegar a calcularse y utilizarse. Esto es así porque las relaciones de proporcionalidad nos permiten ajustar con mayor coherencia la precipitación, ya que esta variable meteorológica tiene dos dimensiones diferentes aunque relacionadas que deben ser respetadas en su corrección:

Para un cierto día, se debe determinar si hay o no precipitación, dos fenómenos meteorológicos muy diferentes (que dan lugar a una condición matemática muy fuerte: hay valor o no lo hay). Si se estima que no hay precipitación, esa estima debe permanecer. Corregir incrementalmente un valor nulo de precipitación haría que dejara de serlo (de no tener precipitación pasamos a tenerla: nuestra estima de un periodo de sequía, por ejemplo, pasa a tener un valor completamente diferente), y que esta dimensión de la precipitación se perdiera; una corrección proporcional mantiene nuestra estima original.

Si sí hay precipitación, debe estimarse cuánta hay. Corregir la cantidad de precipitación mediante el método incremental desvirtuaría los valores extremos: las funciones de distribución podrían suavizarse, y perderíamos información sobre eventos extremos, aunque no sobre los medios (por ejemplo, seguiríamos sabiendo la media de precipitación caída, pero perderíamos episodios de inundaciones). El método proporcional sí respetaría los extremos (en el sentido de que, aunque cambie su valor, sigue reconociendo precipitaciones muy elevadas en momentos muy concretos), y no desvirtuaría los valores medios.


40__

__1_

ERAMensualMedia

AEMETMensualMediaError =∆

ControlMCGMensualMedia

ERAMensualMediaError

__

40__2_ =∆

2_1__ ErrorErroroSistematicError ∆•∆=∆

El ERROR SISTEMÁTICO DE PRECIPITACIÓN


Estima y corrección del error sistemático Diario


Corrección del error sistemático Diario

PROBLEMA:

¿Cómo determinar unas relaciones de corrección para un único día?

SOLUCIÓN:

1. Busco, para cada día del año, unas ciertas funciones de distribución de la variable a estudiar (medias corridas).

2. Estudio esas funciones de distribución en base a los percentiles.3. Calculo las relaciones entre percentiles.4. Aplico las relaciones en función del percentil al que pertenezca el

valor a corregir.

Valores de precipitación no nula (en dl.), ordenados

0

50

100

150

200

250

300

350

400

450

1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127 134 141 148 155

Percentiles

0

50

100

150

200

250

300

350

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Ejemplo con los datos de precipitación obtenidos por regionalización del ERA40 en un observatorio real. En la gráfica superior, los datos simulados con precipitación no nula para un cierto día y los 15 días anteriores y posteriores, ordenados de menor a mayor. En la gráfica inferior, los 20 percentiles calculados a partir de los

datos anteriores, calculados promediando el 5% de los días correspondientes a ese percentil.

ELECCIÓN DE LOS PERCENTILES ASOCIADOS


1961 200020021957 20021957

20 Percentiles por día del año, de datos observados

20 Percentiles por día del año, de datos ERA40

20 Percentiles por día del año, de datos Control

MCG

14.600 Datos diarios Control MCG

16.790 Datos diarios ERA40Hasta 16.790 datos diarios (y lagunas) de observaciones

20001961 20001961

20 Relaciones por día del año, observs – ERA40:

ERROR 1

20 Relaciones por día del año, ERA40 – MCG:

ERROR 2

20 Relaciones por día del año: ERROR SISTEMÁTICO

Esquema del cálculo del error sistemático diario en un cierto observatorio meteorológico, y de los 20 factores por cada uno de los 365 días del año, que se utilizarán para su corrección.

METODOLOGÍA DE TRABAJO


1__40_)_(_)_(1_ errorERAnPercentilObservsnPercentilError −=

ControlMGCnPercentilerrorERAnPercentilError _)_(2__40_)_(2_ −=

2_1__ ErrorErroroSistematicError +=

-50

0

50

100

150

200

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

déc

imas

de

ªC

Percentiles AEMET Percentiles ERA40 Incremento

EL ERROR SISTEMÁTICO DE TEMPERATURA


-50

0

50

100

150

200

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

déci

mas

de

ºC

Serie diaria original Factor de corrección Datos corregidos

Ejemplo de corrección de una serie temporal de temperatura diaria en base a los factores de corrección calculados. Cada una de las temperaturas diarias simuladas originales se ha corregido aplicando el incremento

(positivo o negativo) correspondiente al percentil asociado a ese valor original para el día del año que corresponda .

EJEMPLO DE LA CORRECCIÓN DEL ERROR SISTEMÁTICO DE TEMPERATURA


0

50

100

150

200

250

300

350

400

450

500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

décim

as d

e lit

ro

Percentiles AEMET Percentiles ERA40

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Relación entre percentiles

1__40_)_(

_)_(1_

errorERAnPercentil

ObservsnPercentilError =

ControlMCGnPercentil

errorERAnPercentilError

_)_(

2__40_)_(2_ =

2_1__ ErrorErroroSistematicError ×=

EL ERROR SISTEMÁTICO DE PRECIPITACIÓN


0

100

200

300

400

500

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79

dé

cim

as

de

lit

ro

Datos originales

0

0,2

0,4

0,6

0,8

1

1,2

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79

Factores de corrección

0

100

200

300

400

500

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79

décim

as d

e lit

ro

Datos corregidos

Ejemplo de corrección de una serie temporal de

precipitación diaria (no se han representado los días de precipitación nula) en base a

los factores de corrección calculados. Cada uno de los valores simulados originales

se ha multiplicado por el factor de corrección

correspondiente al percentil al que pertenezca el valor

simulado original, para ese día del año.

EJEMPLO DE LA CORRECCIÓN DEL

ERROR SISTEMÁTICO DE PRECIPITACIÓN


Ejemplos de corrección


Evolución mensual de la temperatura máxima diaria

0,0

5,0

10,0

15,0

20,0

25,0

30,0

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC

Mes

ºC

PREDICHO ERA40

PREDICHO 20C3M

Evolución media mensual de la temperatura máxima diaria

0,00

5,00

10,00

15,00

20,00

25,00

30,00


Mes

ºC

OBSERVADO

PREDICHO ERA40

EJEMPLO 1: CORRECCIÓN

DE LA TEMPERATURA

Proyecto "Estudio del impacto del Cambio Climático sobre la

diversidad y la composición de las cubiertas forestales

en las zonas de interés para la

protección del oso pardo en España" ,

realizado por la FIC y promovido por el

Ministerio de Medio Ambiente y Medio Rural y Marino .


RELACIONES INM - ERA

1 2 3 4 5 6 7 8 9 10 11 12

-3,01 3,17 5,98 1,45 -0,55 -2,39 0,11 0,57 0,13 -0,70 -3,77 -6,26

RELACIONES ERA - 20C3M

1 2 3 4 5 6 7 8 9 10 11 12

-8,67 -1,27 9,34 -0,67 14,64 20,00 8,40 5,76 -2,63 -4,59 -10,41 -10,05

RELACIONES INM - 20C3M

1 2 3 4 5 6 7 8 9 10 11 12

-11,67 1,90 15,32 0,78 14,09 17,61 8,51 6,33 -2,50 -5,30 -14,19 -16,31

0,00

5,00

10,00

15,00

20,00

25,00

30,00


INM

20C3M Orig

20C3M Corr

Relaciones de

corrección obtenidas.



DE LA TEMPERATURA

Representación gráfica ilustrativa de los promedios

mensuales.

INVIERNO

7,2 10,7 13,9 15,5 21,5 26,3 29,7 31,7

104,5 111,7 115,2 118,4 120,0 126,0 130,8 134,2 136,2

VERANO

8,4 13,6 16,9 20,9 27,5 33,2 41,4 43,9

237,2 245,6 250,8 254,0 258,1 264,7 270,3 278,6 281,1

INVIERNO

7,3 10,7 13,9 15,5 21,5 26,3 29,7 31,7

95,8 103,1 106,5 109,7 111,3 117,3 122,1 125,5 127,5

Incremento de la Temperatura Media de las Máximas ANTESANTES de la corrección:

VERANO

8,4 13,6 16,9 20,9 27,5 33,2 41,4 43,9

248,0 256,4 261,6 264,9 268,9 275,5 281,2 289,4 291,9

EJEMPLO 1: CORRECCIÓN DE LA TEMPERATURA

Incremento de la Temperatura Media de las Máximas DESPUÉSDESPUÉS de la corrección:


Evolución mensual de la precipitación media diaria

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

40,0

45,0


Mes

dL

.

OBSERVADO(Precipitación Media Diariaen décimas de litro)PREDICHO (PrecipitaciónMedia Diaria en décimas delitro)

Evolución mensual del número de días de lluvia

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0


Mes

Nº

Día

s

DÍAS DE LLUVIAOBSERVADOSDÍAS DE LLUVIAPREDICHOS


DE LA PRECIPITACIÓN

Proyecto "Estudio del impacto del

Cambio Climático sobre la diversidad y

la composición de las cubiertas

forestales en las zonas de interés para la protección del oso pardo en España" , realizado por la FIC y promovido por el



Evolución mensual de la precipitación media diaria

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

40,0

45,0

50,0


Mes

dL

. PREDICHO ERA40(Precipitación Media Diariaen décimas de litro)PREDICHO 20C3M(Precipitación Media Diariaen décimas de litro)

Evolución mensual del número de días de lluvia

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

16,0


Mes

Nº

Día

s

DÍAS DE LLUVIAPREDICHOS ERA40

DÍAS DE LLUVIAPREDICHOS 20C3M

Proyecto "Estudio del impacto del

Cambio Climático sobre la diversidad y

la composición de las cubiertas

forestales en las zonas de interés para la protección del oso pardo en España" , realizado por la FIC y promovido por el





0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

4,00

4,50

5,00


INM

20C3M Orig

20C3M Corr

RELACIONES INM / ERA

1 2 3 4 5 6 7 8 9 10 11 12

0,94 0,90 0,87 1,04 1,10 1,11 0,98 1,07 1,20 1,14 1,21 1,07

RELACIONES ERA / 20C3M

1 2 3 4 5 6 7 8 9 10 11 12

0,83 0,87 0,77 0,96 0,79 0,66 0,64 0,70 0,83 0,76 0,77 0,80

RELACIONES INM / 20C3M

1 2 3 4 5 6 7 8 9 10 11 12

0,78 0,78 0,67 1,00 0,87 0,74 0,62 0,75 1,00 0,86 0,93 0,86

Relaciones de

corrección obtenidas.




INVIERNO

% -2,9 -4,9 -5,6 -4,5 -2,0 -4,7 -1,2 -1,1

-1,3 -2,2 -2,5 -2,0 -0,9 -2,1 -0,5 -0,5

44,3 43,0 42,1 41,8 42,3 43,4 42,2 43,7 43,8

VERANO

% -5,4 -7,2 -8,2 -5,8 -11,1 -12,7 -18,2 -17,4

-1,4 -1,8 -2,0 -1,4 -2,8 -3,2 -4,6 -4,4

25,1 23,7 23,3 23,0 23,6 22,3 21,9 20,5 20,7

INVIERNO

% -3,1 -4,9 -5,5 -4,3 -2,0 -4,7 -1,6 -1,5

-1,1 -1,7 -2,0 -1,5 -0,7 -1,7 -0,6 -0,5

35,4 34,3 33,6 33,4 33,9 34,7 33,7 34,8 34,8

VERANO

% -5,0 -6,8 -7,7 -5,7 -10,9 -12,5 -17,6 -16,3

-0,9 -1,2 -1,4 -1,0 -1,9 -2,2 -3,1 -2,8

17,5 16,6 16,3 16,1 16,5 15,6 15,3 14,4 14,6

EJEMPLO 2: CORRECCIÓN DE LA PRECIPITACIÓN

Incremento de la Precipitación Media ANTESANTES de la corrección:

Incremento de la Precipitación Media DESPUÉSDESPUÉS de la corrección:


Algunas aplicaciones


Rojo: Cardonales basales de Euphorbia canariensis. Naranja: sabinares de Juniperus phoenicea.

Verde: laurisilva. Marrón: pinares de Pinus canariensis.

Azul claro: piornales de altura de Spartocytisus supranubius. Violeta: vegetación de cumbres.

ESTUDIOS FITOCLIMÁTICOS

Resultado previo del proyecto "Estudio del impacto del Cambio Climático sobre la

diversidad y composición de las cubiertas forestales en los Parques Nacionales

españoles", realizado por la FIC y promovido por la Fundación Biodiversidad.


Fuente de la ilustración:

Hydrological response to

different time scales of

climatologicaldrought: an

evaluation of the Standardized

Precipitation Index in a

mountainous Mediterranean

basin.Autores: S. M.

Vicente-Serrano and J. I. López-

Moreno.

CÁLCULO DE ÍNDICES DE SEQUÍA


Fuente de la ilustración: Extremes Toolkit (extRemes): Weather and Climate Applications of Extreme

Value Statistics. Autores: Eric Gilleland2 and Richard W. Katz

CÁLCULO DE PERIODOS DE RETORNO


Fuente de la ilustración: UIMP2008, Fenómenos meteorológicos adversos: hoy y mañanaAutor: José A. López Díaz

Número de días en ola

de calor durante el

periodo Jun-Sep de cada año.

ESTIMACIÓN DE OLAS DE CALOR


taller de formaciÓn en escenarios de cambio …

Documents