Post on 12-May-2020
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
RETOS ACTUALES Y APROXIMACIONES EN HOMOGENEIZACIÓN
Enric AguilarCentro en Cambio Climático, C3
URV, Tarragona, España
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
CONTENIDOS● El problema de la homogeneización● Corrección de datos diarios.● Ejemplos de bancos de datos y
homogeneización.● El proyecto ISTI● Investigación con datos paralelos● Conclusiones.
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
EL PROBLEMAHomogéneo significa “de la misma naturaleza” Una una serie temporal climática homogenea se define como aquella cuyas variaciones están causadas únicamente por variaciones del climaContrariamente, una una serie temporal climática inhomogénea es aquella que contiene variaciones (sesgos) causados por factores distintos al clima
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
¿PARA QUÉ DATOS HOMOGÉNEOS?
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
CAUSAS DE INHOMOGENEIDAD
Instrumentos Relocalizaciones Cambios en el entorno Cambios de exposición Cambios en el cómputo de parámetor Procedimientos de medida (i.e., horas de observación) Procedimientos de mantenimiento Digitalización y gestión base de datos
CAUSAS DE INHOMOEGENEIDAD
• Un dato es (y ha sido a lo largo de la historia): – Observado mediante un instrumento meteorológico (como un
termómetro, un pluvómetro o una EMA) registran un valor– Anotado (un observador lo anota en una ficha de papel)– Convertido a formato digital: escaneado, tecleado, o – en tiempos
modernos – cargado a un datalogger– Sometido a cálculos: se deriva, por ejemplo, la temperatura media
diaria a partir de la máxima y la mínima– Incorporado a uno o varios bancos de datos, como los de los servicios
meteorológicos o ECA&D y LA&CAD Dichos bancos presentan sus propios formatos y códigos que cualquier usuario debería conocer
– Sometido a extraccciones y reformatos (para este taller, se requieren datos organizados en un fichero por estación, un registro por día, seis campos por registro, aaaa,mm,dd, rr,tx,tn)
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
¿HOMOGENEIZACIÓN?
HOMOGENEIZACIÓN
DETECCIÓN AJUSTE
APLICACIONES DEL DATO
HOMOGENEIZADO
DARE,QC
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
¿Por qué estaciones que comparten la misma señal climática presentan cambios en su
relación media?
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
¿Qué cambió en 87244 en 1995?
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
¿Por qué muchas estaciones de la red presentan disimetrías entorno a 1930-1940?
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
¿Y esto?
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
HOMOGENEIZAR ES:
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
METADATOS
DETECCIÓN
TESTVISUAL
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
DETERMINACIÓN DE HSP ● Inspección visual
series AWS-CON● Test SNHT y cghseg
sobre el AR1● Soporte con
metadatos● Decisión de HSPs
finales mediante jucio experto
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
TEST
ABSOLUTOS(ROJO = peligro)
RELATIVOS
SEGMENTACIÓNJERÁRQUICA
SEGMENTACIÓNMULTIPLE
REFERENCIASCOMPUESTAS
COMP.EMPAREJADAS
CORRELACIÓN
AUTOMATICO
SEMIAUTOMATICO
MANUAL
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
AJUSTESMENSUALES
DIARIOSOTROS MOMENTOS
MEDIA
APPLICACIÓN DE FACTORES ANUALES, ESTAC. O MENS.
INTERPOLACIÓN FACTORESMENSUALES A DATO DIARIO
ESTUDIO DE MEDIDAS EMPAREJADAS
AJUSTES DEPENDIENTES TIEMPO
AJUSTE DE DISTRIBUCIONESDE VALORES EXTREMOS
EMPAREJAMIENTO DE QUANTILES EMPÍRICOS
DIFERENCIAS/RATIOS ENTRE MEDIAS DE
HSPs
AJUSTE DE MOD. REG. NO LINEAL(CUBIC SPLINES)
CÁLCULO Y APLICACIÓN DE FACTORES DIARIOS
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
WP1 SURVEY (COST-HOME, 2007)
● Pocas aproximaciones usaban correcciones especiales para datos diarios.
● La mayoría– No hacían nada
(descartaban los datos inhomogéneos)
– Aplicaban factores anuales, estacionales o mensuales
– Interpolaban los factores mensuales al ciclo diario
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
MODELO CORRECIÓN DATOS DIARIOS
HSP1HSP2
HSP1 HSP2
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
MODELO CORRECCIÓNDATOS DIARIOS
HSP1HSP2
● Se necesitan estaciones vecinas con: ● Alta correlación (>0.8 or >0.9)● Ausencia de puntos de cambio solapados● Datos solapados para todo el periodo de la estación candidata
● Se ha evaluado su aplicación para temperatura. Para precipitación resulta inviable o de dudosa aplicación
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
EFECTOS RELOCALIZACIÓN. PERCENTILES. AUSTRALIA
Trewin, 2012
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
EL EXPERIMENTO DE SPLIDHOM ● Mestre et al. (2011) re-
muestrean la estación de Tolouse station creando pares de estaciones correlacionadas (r controlada) y añadiendo inhomogeneidades con distintas formas a una estación de cada par
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
r = 0.8
● La interpolación de Vincent supera al resto de métodos excepto para Q05 y temperatura máxima absoluta.
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
R = 0.9 (!)● SPLIDHOM supera al
resto de métodos
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
EL EXPERIMENTO DE MADRID
8 ESTACIONES
Casi completasBuena correlación
6 estaciones
1 COMPUESTA(Madrid + Getafe =
“MAGETA” )BREAK en 31/12/1999
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
DETECCIÓN SOBRE DATOS ANUALES Y ESTACIONALES
APLICACIÓN DE HOMER
00024620 BREAK 1980 10 n NAVACERRADA00024620 BREAK 2008 12 n NAVACERRADA00031290 BREAK 1999 3 n AEROPUERTO00031290 BREAK 2004 11 n AEROPUERTO00031680 BREAK 2005 12 N GUADALAJARA00031750 BREAK 1990 2 n TORREJON00031750 BREAK 1993 1 n TORREJON0003191E BREAK 1986 12 n COLMENAR_VIEJO0003191E BREAK 1987 9 n COLMENAR_VIEJO0003191E BREAK 1995 1 n COLMENAR_VIEJO99932000 BREAK 2000 1 n MAGETA
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
AJUSTES DE TEMPERATURA ENSAYADOS
RHTESTV4 ABSOLUTE (QM and MEAN)
RHTESTV4 WHITH REF(QM AND MEAN)
HOM (SEASONAL AND MONTHLY)
INTERPOLATION OF MONTHLY FACTORS
SPLIDHOM(SEASONAL AND MONTHLY)
PM TREWIN 2012
COMPOSITE MAGETA
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
¿SE PARECE MÁS LA SERIE AJUSTADA A LA ORIGINAL QUE LA ARTIFICIALMENTE COMPUESTA?
RAWRMSE AND RATIO TO RAW (> 1 = GAIN)
Red: RHTESTBlue: HOMSPLIDHOMGreen: InterpolMagenta: Trewin
SÍ, CON CUALQUIER MÉTODO
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
¿SON TODAS LAS CORRECCIONES IGUALES?
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
EFECTO SOBRE ÍNDICESETCCDI. TX90p
<---Original
Interpol--->
<--- Raw
Trewin--->
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
ÍNDICES ETCCDI. TX10P.
<---Original
Interpol--->
<--- Raw
Trewin--->
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
ÍNDICES ETCCDI. TENDENCIAS
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
CORRECCIONES BASADAS SITUACIÓN METEOROLÓGICA
Auchmann and Brönnimann (2012)
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
INVESTIGACIÓN CON MEDIDAS PARALELAS
Es necesario recoger y mantener una base de datos de medidas paralelas lo más amplia posible
oNos debe permitir estudiar las propiedades estadísticas de los distintos tipos de inhomogeneidades
oDesarrollar métodos de correción más eficientesoGenerar bancos de datos sintéticos para
actividades de benchmarkingo Estudiar la incertidumbre asociada con distintos
métodos de ajuste
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
CORRECCIÓN SCREEN.
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
NETWORK CRMSE (ADJ-AWS/CON-AWS)
< 1 = MEJORA
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
BANCOS DE DATOS NO HOMOG. European Climate Assessment
& Dataset– Homogeneity assessed (useful,
doubtful, suspect) Global Historical Climatology
Network – Daily
Introduction: Klein Tank, et al. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. Climatol., 22: pp. 1441–1453. doi: 10.1002/joc.773, 2002.
Update: Kolk, E.J. and A.M.G. Klein Tank. Updated and extended European dataset of daily climate observations. Int. J. Climatol., 29, pp. 1182-1191, doi: 10.1002/joc.1779, 2009.
Homogeneity assessment: Wijngaard, J.B., A.M.G. Klein Tank, and G.P. Können. Homogeneity of 20th century European daily temperature and precipitation series. Int. J. Climatol., 23, pp. 679-692, 2003.
Dataset: Menne, M.J., I. Durre, R.S. Vose, B.E. Gleason, and T.G. Houston. An Overview of the Global Historical Climatology Network-Daily Database. J. Atmos. Oc. Technol., 29, pp. 997-910, 2012.
Quality control: Durre, I., M.J. Menne, B.E. Gleason, T.G. Houston, R.S. Vose. Comprehensive Automated Quality Assurance of Daily Surface Observations. J. Appl. Meteor. Climatol., 49, 1615–1633, 2010.
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
SDATS, SDAPS(22 SERIES LARGAS EN ESPAÑA)
● SDATS: temperatura; corrección de screen (p) + SNHT+Interpolación factores mensuales
● SDAPS: precipitación, aplicación factores estacionales
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
SDATS, SDAPS(22 SERIES LARGAS EN ESPAÑA)
● SDATS: temperatura, SNHT+Interpolación de factores mensuales
● SDAPS: Precipitación, aplicación de factores estacionales
No es posible encontrar series con r > 0.8 y sin puntos
de cambio solapados
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
Skansi et al, 2013, Sudamérica
SNHT (temp), RHTEST precip, Vincent dato diario temp.
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
HOMOGENEIZACIÓN DISTRIB. Austria: 1948-2009, 57 Tmin & 54 Tmax Detección: PRODIGE, metadata
– Anual, invierno, verano Correccioón: SPLIDHOM
Description dataset: Nemec, J., Ch. Gruber, B. Chimani, I. Auer. Trends in extreme temperature indices in Austria based on a new homogenised dataset. Int. J. Climatol., doi: 10.1002/joc.3532, 2012.
Download dataset: http://www.zamg.ac.at QC: Schöner W, Auer I, Böhm R, Thaler S. 2003. Qualitätskontrolle und statistische Eigenschaften ausgewählter
Klimaparameter aus Tageswertbasis im Hinblick auf Extremwertanalysen. StartClim Endbericht. Available from http://www.boku.ac.at/austroclim/startclim/ bericht2003/StCl01.pdf
Ho
mogenised
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
CONCLUSIONES Y RETOS DE LA HOMOGENEIZACIÓN (I)
● Datos homogeneizados: – La interacción entre DARE, QC, y HOMOGENEIZACIÓN es necesaria para crear
productos climáticos de calidad que permitan cumplir con la GFCS y sus implementaciones nacionales y regionales y facilitar información para la investigación de la variabilidad y el cambio climático
– Los datos homogenizados son necesarios para los análisis locales, regionales y globales
● Inhomogeneidades aleatorias● Inhomogeneidades con sesgo
– Conocer la incertidumbre asociada a los datos climáticos y a los datos climáticos homogenizados
● Es menor la segunda?
– La mayor parte de métodos están diseñados para variables gausianas como la temperatura. Se necesita estudiar como homogenizar otras variables (como la precipitación)
TALLER HOMOGENEIZACIÓN Y SEQUÍAS, 9-13/12/2013
CONCLUSIONES Y RETOS DE LA HOMOGENEIZACIÓN
●Métodos:
– Escala óptima para la detección (señal/ruido vs. precisión): ●La mayoría de homogeneizadores prefieren anual/estacional
●Otros usan mensuales desestacionalizadas
●Los menos intentan detectar sobre datos diarios
–Directa, relativa, absoluta?●La homogeneización directa es la aproximación más potente, aunque requiere medidas emparejadas y aproximaciones específicas para cada problema
●La homogeneización relativa es la mejor opción. En tiempos recientes, las aproximaciones pairwise están siendo preponderantes
●Los métodos absolutos son el último recurso
–Ajustes a datos diarios:●Media: si se puede homogeneizar los datos mensuales, se puede homogeneizar la media de los datos diarios
●Otros momentos: solo si la red de estaciones cumple las premisas necesarias
– Métodos automáticos o manuales: ●Los automáticos son imprescindibles para redes globales o muy exentesas (por ejemplo, la aproximacioń de Menne and Williams en USA)
●Los métodos semi-automáticos son la mejor opción para redes de tamaño medio
●La homogeneización manual puede ser necesaria para estaciones aisladas espacial y/o temporalmente