Análisis Estadístico de Datos Climáticos Álvaro Díaz- Rafael Terra- Sebastián Solari-Claudio Porrini 2015
Objetivo del curso Desarrollar habilidades para identificar y describir estructuras de datos climáticos, tanto en sus valores medios como en su variabilidad espacial y/o temporal. Realizar aplicaciones al diagnóstico de relaciones entre distintas variables climáticas, y eventualmente al pronóstico.
Introducción Temario (1) Clima, Climatología y variabilidad climática (espacial y temporal). Escalas Datos climáticos. Revisión sobre el concepto de probabilidad. Datos univariados Análisis exploratorio aplicado a datos climáticos. Descripción de poblaciones por medio de distribuciones empíricas. Histogramas. Datos apareados. Diagramas de dispersión. Coeficientes de correlación. Aplicaciones al diagnóstico y pronóstico. Distribuciones paramétricas. Distribuciones discretas y continuas. Distribuciones de probabilidad frecuentes en variables climáticas. Estimación de parámetros. Pruebas de hipótesis. Aplicaciones. Análisis de extremos Modelos paramétricos de relaciones entre variables climáticas. Regresión lineal simple y múltiple. Regresión no lineal. Análisis de estratificación y composición. Aplicaciones en diagnóstico y en pronóstico. Series temporales o cronológicas.
Temario (2) Datos multivariados Revisión de conceptos fundamentales sobre estadística multivariada. Algebra de matrices. Distribución normal multivariada. Análisis de componentes principales. Ejemplos y aplicaciones. Análisis de correlación canónica. Aplicaciones a diagnóstico y pronóstico. Análisis de agrupaciones (cluster analysis). Verificación y valor de los pronósticos
Bibliografía Wilks, D., 2006: Statistical Methods in the Atmospheric Sciences, Academic Press, 627 pp. Von Storch and F.W. Zwiers. 1999. Statistical Analysis in Climate Research. Cambridge University Press, 484 pp.
Introducción Clima Climatología Por qué los métodos estadísticos? Variabilidad climática
Clima (según la RAE) (Del lat. clima, y este del gr. κλίμα). 1. m. Conjunto de condiciones atmosféricas que caracterizan una región. 2. m. Temperatura particular y demás condiciones atmosféricas y telúricas de cada país.
Clima... Es el conjunto de estados de tiempo atmosférico que se producen en una determinada región y que otorgan a ésta una particular idiosincrasia. El concepto de clima incluye no sólo los valores medios de las variables meteorológicas, sino también sus extremos. Prof. Gustavo Necco
Clima (según la American Meteorological Society) AMS Glossary: climate The slowly varying aspects of the atmosphere hydrosphere land surface system. Está caracterizado típicamente en términos de promedios adecuados del sistema climático en períodos de un mes o más, tomando en consideración la variabilidad temporal de los valores promediados. La clasificación climática incluye la variación espacial de estas variables promediadas en el tiempo. En un principio, se consideraba el clima local como poco más que el transcurso anual de promedios de largo plazo de la temperatura en superficie y la precipitación. Actualmente, el concepto de clima se ha ampliado y evolucionado en décadas recientes en respuesta a la comprensión creciente de los procesos subyacentes que determinan el clima y su variabilidad. See also climate system, climatology, climate change, climatic classification.
Clasificación de Climas según Köppen (basada en temperatura y precipitación)
Clima Climate may be defined as the multivariate, multiple-time probability distribution of status of the ocean-ice-atmosphere system. (North et al. 1982) El clima puede definirse como la distribución de probabilidad multivariada y multi-temporal del estado del sistema océano-hielo-atmósfera
Climatología Descripción y estudio científico del clima (según la AMS) Según la RAE: 1. f. Tratado del clima. 2. f. Conjunto de las condiciones propias de un determinado clima.
Climatología Hay otro uso bastante frecuente de esta palabra, que refiere a valores estadísticos descriptivos de alguna variable. P. ej. medias mensuales de temperaturas en un cierto lugar
Por qué los métodos estadísticos para analizar datos climáticos? Los procesos climáticos presentan irregularidades que son fuente de incertidumbre. La estadística permite: describir los datos cuantificar la incertidumbre realizar inferencias.
Aplicación de métodos estadísticos La aplicación de métodos estadísticos adecuados debe ayudar a la comprensión de los complejos fenómenos físicos subyacentes Valoración de hipótesis El análisis estadístico de los datos puede sugerir la existencia (o no) de relaciones entre variables Pero no confundir relaciones estadísticas con relaciones causa-efecto!! La descripción de los datos observados puede ayudar a la predicción
Pero, y los modelos numéricos determinísticos? Los modelos numéricos son modelos matemáticos, que se corren en computadoras y se basan en las ecuaciones de los fluidos, la termodinámica y la química, aplicadas a la atmósfera y/o los océanos. En primer lugar, no son perfectos, aunque siguen mejorando. Y además
1963: La atmósfera como sistema caótico (Ed. Lorenz) Deterministic Non-Periodic Flow Sistema de Lorenz Modelo simplificado de convección Sensibilidad a las condiciones iniciales
El Efecto Mariposa Luego de tener éxito en escribir ecuaciones determinísticas para el flujo atmosférico y logrado integrarlas numéricamente, surgió un obstáculo no previsto: La predictibilidad del sistema es de solamente 2 a 3 semanas
El mundo después de Lorenz Consecuencias del caos determinístico: El pronóstico del tiempo (determinístico y limitado en su horizonte temporal) se separa conceptualmente del pronóstico del clima (necesariamente probabilístico). Entendemos por pronóstico del clima, la predicción de de valores medios, dispersión, y valores extremos de variables meteorológicas, en escalas de tiempo mayores (meses, estaciones, años, etc) Se abandona el objetivo de controlar el tiempo.
La predictibilidad del clima debe tener otros orígenes que el atmosférico: otros subsistemas del sistema climático, con mayor memoria, como la temperatura de la superficie del mar y la humedad del suelo. forzantes externos como, la variabilidad solar, las concentraciones de gases de invernadero y aerosoles, el uso de la tierra y las erupciones volcánicas.
Se puede mejorar la performance de los modelos numéricos, post-procesando sus salidas, utilizando ensembles. simulación con la mejor condición inicial evolución real
Pero también hay que tener en cuenta que Las series de datos no son suficientemente largas. El clima puede cambiar y las series largas pueden no representar adecuadamente el clima presente. Los modelos numéricos y los modelos estadísticos son complementarios.
Ejemplo de Pronósticos (Niño 3.4)
Variabilidad climática (espacial) Temperatura media anual (ºC) Precipitación media anual (mm) Los valores dependen del período! Aquí es 1961-1990
Variabilidad climática (temporal) Pluviómetro Rivera (1914-1997) Precipitación agosto La variabilidad interanual es muy relevante
Variabilidad interanual Temperatura media anual en Paysandú: 1951-2002
Análisis de Extremos Se refiere al análisis de los datos más grandes (o más chicos) de una serie. El objetivo es extrapolar la información registrada; i.e. estimar la probabilidad de ocurrencia de valores más altos (o más bajos) que los registrados en la serie. Necesario para estimar la fiabilidad de un sistema en un sentido amplio
por ejemplo: Análisis de Extremos Inundaciones (diques, represas, sistemas de desagüe) Sequías (riego, generación eléctrica, navegación) Vientos (puentes, edificios, antenas, grúas)
Análisis espectral A veces interesa determinar frecuencias (o perìodos) dominantes en una serie temporal. Para eso, se aplican técnicas de análisis espectral. Pasamos del dominio del tiempo al dominio de las frecuencias
Método de componentes principales En el curso presentaremos este método multivariado, útil para analizar simultáneamente la variabilidad espacio-temporal de variables climáticas. El método sirve también para comprimir los datos, es decir, para detectar unos pocos patrones que describan una gran fracción de la variabilidad.
Ciclo anual de temperaturas (Paysandú)
Ciclos anuales de precipitaciones en Salto, Melo, Montevideo Pisciottano et al 1994
Regionalización de la precipitación en Uruguay según su ciclo anual Terra y Pisciottano 1994
Como ya dijimos, la variabilidad climática en una región puede estar influida por fenómenos climáticos ( forzantes ) que ocurren en otras regiones. Un forzante del clima del sudeste de América del Sur, al que pertenece Uruguay, es el fenómeno de El Niño Oscilación Sur (ENOS).
El Niño Oscilación Sur (ENOS) Modo de variabilidad cuasi-periódica del sistema acoplado atmósfera-océano en el Pacífico ecuatorial Temperaturas de Superficie del Mar (TSM) Presión atmosférica en superficie
Índices de ENOS Indice de Oscilación Sur (1996-2014) Indice Niño 3.4 (1996-2014)
ENOS -> Salto Grande (OND) (años de 1909 a 2007) En verde están los años neutros
Tendencias en precipitaciones 1901-2005 % por siglo 1979-2005 IPCC 2008 % por década
Tendencias en caudales de ríos Normalizados Val./Desv.Tip. 5 4 3 2 1 0-1 -0.1-0.2-0.3-0.4 1880 1900 1920 1940 1960 1980 2000 0.4 0.3 0.2 0.1 0 1 8 8 0 1 9 0 0 1 9 2 0 1 9 4 0 1 9 6 0 1 9 8 0 2 0 0 0 Medias Móviles Centradas de 30 años Paraná Paraguay Uruguay Negro TSM Pacífico Caudal Medio TSM Pacífico Genta et al, 1998
Concentración del CO 2 atmosférico en Mauna Loa, Hawai
Anomalías anuales de temperaturas globales (1995 a 2014) (con respecto al período 1961-1990) (Fuente: OMM) El margen de error es +- 0.1ºC La media global de 1961-1990 es de 14 ºC