Climatología de alta resolución espacial de la temperatura máxima y mínima mensual en la España peninsular ( )

Transcripción

1 Climatología de alta resolución espacial de la temperatura máxima y mínima D. Peña-Angulo, M. Brunetti, J.C. González-Hidalgo, N. Cortesi

2 1. Motivación del estudio El aumento de los registros de temperatura supone cambios en los valores medios de las temperaturas. Para minimizar los errores en la predicción es necesario trabajar con base de datos espaciales densas y homogéneas. La elección de un método adecuado de interpolación reduce el sesgo en la estimación. La climatología de las temperaturas es una herramienta de trabajo en diferentes campos de la ciencia.

3 2. Datos de trabajo Francia Temperatura máxima y mínima mensual, 3012 y 3021 estaciones, respectivamente. Portugal Base de datos MOTEDAS. Control de calidad (anómalos e inhomogeneidades) y reconstrucción de las series. Mar Mediterráneo Relieve abrupto, con una altitud media de 660 metros. Océano Atlántico Marruecos

4 3. Métodos de interpolación y validación Validación cruzada (leave one out) Métodos de interpolación Local weighted linear regression (LWLR) Error Absoluto Medio (MAE) Error Bias Medio (MBE) Regression Kriging (RK) Error cuadrático medio (RMSE) Regression Kriging with Stepwise selection (SRK) Coeficiente de determinación (r2)

5 3. Métodos de interpolación y validación Local weighted linear regression (LWLR) Relación entre la temperatura (T) y la elevación (h) a nivel local. T=a+b h+ϵ En cada celda tiene mayor peso las estaciones cercanas con características topográficas similares. Los pesos se calculan a partir de una función gaussiana. Mínimo (15) y máximo (35) de estaciones.

6 3. Métodos de interpolación y validación Semivarianza de Enero (ºC2) Regression Kriging Distancia (km) Residuos del modelo lineal Temperatura (Elevación) Modelo del semivariograma: exponencial Distancia máxima entre los pares de puntos: 250km Agrupados en intervalos de distancia: 15km

7 3. Métodos de interpolación y validación Regression Kriging with Stepwise selection Residuo del modelo lineal. Temperatura (Elevación, latitud, longitud, orientación, pendiente, distancia a la costa) Modelo del semivariograma exponencial. Distancia máxima entre pares de puntos 250km. Stepwise de tipo forward. Criterio Akaike (AIC) Supone una ligera mejora respecto al Regression Kriging

8 4. Resultados principales Cuál es el mejor método de interpolación? Existen diferencias entre las temperaturas máximas y mínimas? Qué diferencias intermensuales se observan en las interpolaciones? Cómo se comportan espacialmente las interpolaciones?

9 4. Resultados principales Cuál es el mejor método de interpolación? Existen diferencias entre las temperaturas máximas y mínimas?

10 4. Resultados principales Qué diferencias intermensuales se observan en las interpolaciones? LWLR SRK RK r2 Tmax Tmin

11 4. Resultados principales Cómo se comportan espacialmente las interpolaciones? Intervalo de altitud (m) LWLR SRK RK Tmax Tmin

12 Mapas mensuales de Tmax y Tmin (LWLR)

13 Dic Mar Jun Sep Ene Abr Jul Oct Feb May Ago Nov Tmax (ºC)

14 Dic Mar Jun Sep Ene Abr Jul Oct Feb May Ago Nov Tmin (ºC)

15 5. Conclusiones El método de interpolación LWLR recoge la complejidad de un relieve accidentado. Por encima de los 1000 m con el LWLR se obtiene un MBE < 0.2, mientras que con los otros métodos, se tiene un MBE > 0.6. Las áreas de montañas presentan problemas de sobreestimación en la Tmax y subestimación en la Tmin. Los meses cálidos presentan los mayores errores en la estimación. Las temperaturas mínimas son más difíciles de predecir que las máximas. Mapas climáticos con la misma resolución que el Modelo Digital de Elevación (GTOPO 30, 0.08º).

16