Metodología de Simplificación...
115
Cualificación y homogenización de las series climáticas mensuales de precipitación de Canarias. Estimación de Tendencias de la Precipitación. Memoria Explicativa de Resultados. Fecha elaboración del documento: 02/12/2011 Escrito por: Angel Luis De Luque Söllheim Revisado por: Jose Luis Martín Esquivel CI3C_20111202
Transcript of Metodología de Simplificación...
Cualificación y homogenización de las series climáticas mensuales de precipitación de Canarias. Estimación de Tendencias de la Precipitación. Memoria Explicativa de Resultados.
Fecha elaboración del documento: 02/12/2011
Escrito por: Angel Luis De Luque Söllheim
Revisado por: Jose Luis Martín Esquivel
CI3C_20111202
Pág. 2 de 89
Índice Página
1. Objetivos y tareas………………………………………………………………………………………………4
1.1. Propuesta inicial…………………………………………………………………………………………….4
1.2. Cambios realizados a la propuesta inicial………………………………………………………………...5
1.3. Informe y tareas realizadas………………………………………………………………………………….6
2. Introducción………………………………..…………………………………..……………………………….7
3. Metodología………………………………..…………………………………..………………………………..9
3.1. Eliminación/Corrección de outliers mediante métodos 3IQR y σ3 en series mensuales de
precipitación…………………..…………………………………..……………………………………….10
3.2. Rellenado gaps (huecos) y outlier extremos o sospechosos por correlación en series mensuales de
máximos y mínimos……………………..…………………………………..…………………………….11
3.3. Homogenización de series mensuales de precipitación mediante el paquete estadístico de
homogenización relativa “Climatol”, fundamentos de su funcionamiento……………………………14
3.3.1. Introducción al Climatol…………………..………………………………………………………...15
3.3.2. Fundamentos del funcionamiento del paquete climatol………………………………………...17
3.3.3. Aplicación práctica del paquete climatol.......................................……………………………..19
3.4. Análisis de tendencia…………………………………………………………………..…………………..48
3.5. Identificación de zonas climáticas y selección de series analizadas…………………………………..49
Pág. 3 de 89
3.5.1. Identificación de zonas climáticas………………………………………………………………..49
3.5.2. Selección de series analizadas por zonas y generación de series de referencia……………53
4. Resultados……………………………………………………………………..………………………………58
4.1. Resultados en la corrección de outliers y rellenado de gaps…………….……………………………..58
4.2. Resultados en la homogenización de las series de precipitación………………………………………60
4.3 Análisis de tendencias de la precipitación………………………………………………………………….63
4.3.1. Análisis precipitación Gran Canaria…………………………………..………………………….63
4.3.2. Análisis precipitación Tenerife………………………………………..…………………………..67
4.3.3. Análisis precipitación La Palma……………………………………..……………………………70
5. Resumen y conclusiones…………………………………………………..………………………………72
7. Referencias………………………………….…………………………………..……………………………74
Anexo I Recuento total de gaps, outlier extremos y sospechosos, resultado de aplicar programa
“gapsppt.pgm”…………………………………………………….. …………………………………………….76
Anexo II Lista de estaciones utilizadas y tablas indicadoras de las modificaciones realizadas en los
datos………………………………………………………………..………………………………………………78
Anexo III Ficheros resumen de procesos tras la homogenización con Climatol…………………………91
Anexo IV Gráficas de anomalías anuales de precipitación para todas las zonas en las tres islas …..107
Pág. 4 de 89
1. Objetivos y tareas
1.1. Propuesta inicial.
La realización de un "Análisis de tendencias de temperaturas máximas y mínimas y de
precipitación para Canarias” se engloba dentro de la Actuación 3: “Elaboración de un estudio
sobre Escenarios Climáticos (comarcas climáticas – datos)” del proyecto “Colaboración para
detectar las causas y consecuencias del cambio climático en la región euroafricana –
Proyecto CLIMAIMPACTO”, con código MAC/3/C159 del Programa de Cooperación
Transnacional MAC 2007-2013.
La actuación 3: “Elaboración de un estudio sobre Escenarios Climáticos" pretende ser un
instrumento auxiliar para la elaboración de modelos de impacto. Con él se espera obtener una
delimitación de comarcas climáticas que permita la posterior evaluación de vulnerabilidad por el
cambio climático. La tarea fundamental a realizar es una “Cualificación y homogenización de las
series climáticas mensuales de precipitación de Canarias (todas las islas)” a partir de las
siguientes tareas específicas:
1. Desarrollar una metodología de cualificación y homogenización ajustada a las características de
la precipitación mensual.
2. Aplicar metodología a las series climáticas mensuales de precipitación de Canarias (todas las
islas).
3. Escribir informe con los resultados obtenidos donde se detalle la metodología empleada así
como los resultados obtenidos.
Documentos a entregar
Se deberán realizar dos entregas:
- 1ª Entrega: antes del 15 de octubre de 2011
Se deberá entregar una “Memoria Metodológica”, donde se exponga la metodología empleada.
Pág. 5 de 89
- 2ª Entrega: antes del 15 de diciembre de 2011
Se deberá hacer entrega de los “Resultados”, mediante una “Memoria Explicativa de los
Resultados” en formato .doc, y la entrega de los “Ficheros” en formato .xls (un fichero por cada
estación).
1.2. Cambios realizados a la propuesta inicial.
La Agencia Canaria de desarrollo Sostenible y Cambio Climático, en adelante, “Agencia”
representada por Jose Luis Martín Esquivel muestra un mayor interés por un análisis de mayor
profundidad de las series de precipitación por islas. No solo se trata de realizar solo la parte
técnica que consiste en:
I. Detectar y corregir o rellenar outliers y gaps.
II. Homogenizar de forma relativa las series de precipitación.
III. Generar ficheros de Excel con la serie original, serie tras proceso I., serie tras proceso II. y
gráficas.
Sino también un análisis de las series de precipitación anual obtenida por islas y por zonas dentro
de estas islas. Esto permite generar un informe más completo y preciso sobre el comportamiento
de la precipitación que facilita su posterior difusión con la publicación de uno o varios artículos de
investigación en revistas internacionales con índice de impacto. Por otro lado es preciso focalizar
el trabajo en tres islas principales que son Tenerife, Gran Canaria y La Palma ya que se
consideran suficientemente representativas con respecto al comportamiento general de la
precipitación de los últimos 60 – 80 años.
Cambios realizados en el contrato:
I. En el informe deberá contener un apartado específico de resultados basado en el análisis
de las series anuales de precipitación por islas y por zonas dentro de estas islas.
II. El análisis se realizará para tres islas: Tenerife, Gran Canaria y La Palma.
III. Las series de cada estación de precipitación originales, corregidos y homogenizados se
entregarán en formato Excel (no es necesario entregarlas en pdf).
IV. Por motivos presupuestarios el trabajo deberá ser entregado antes del día 10 de
diciembre.
Pág. 6 de 89
1.3. Informe y tareas realizadas.
Este informe titulado “Cualificación y homogenización de las series climáticas mensuales de
precipitación de Canarias. Estimación de Tendencias de la Precipitación. Memoria Explicativa de
Resultados”, es el segundo de los dos informes solicitados y se corresponde con la “Memoria
explicativa de resultados”. Se pretende no solo explicar en detalle los procesos seguidos para
mejorar la calidad de los datos de precipitación como el tratamiento de outliers y rellenado de
gaps, así como la aplicación de la homogenización relativa utilizando la herramienta “Climatol”,
sino también de mostrar las tendencias de precipitación para las tres islas más pobladas. Estas
son: Tenerife, Gran Canaria y La Palma, que además tienen un relieve complejo y presentan
también las mayores alturas del archipiélago. El factor relieve afecta a la cantidad y distribución
geográfica de la precipitación por tanto en cada una de estas islas se han definido zonas
climáticas basadas en el comportamiento y cantidad de precipitación.
Este informe pretende también ser una guía detallada de todos y cada uno de los procedimientos
realizados con los datos y facilitar, así, la tarea en caso de tener que reproducir la metodología
para otras islas. Es importante resaltar que los procedimientos seguidos en este trabajo para
procesar los datos son los comúnmente sugeridos por la comunidad científica especializada en
este campo, por tanto, se evitará en lo posible las discusiones metodológicas. La parte de
homogenización relativa utilizando el paquete estadístico “Climatol” se ha realizado contando con
la colaboración estrecha del propio desarrollador del paquete, el Dr. José A. Guijarro, meteorólogo
de la Delegación Territorial en Illes Balears, Agencia Estatal de Meteorología. Se aportan datos,
resultados y salidas de programas al final del informe en forma de anexos.
Pág. 7 de 89
2. Introducción
El Archipielago Canario se encuentra situado entre los 27-29º de latitud Norte y los 013-19 de Longitud
Este, con una distancia entre los puntos más lejanos (Islote de Alegranza a Faro de Orchilla en El
Hierro) de 500 Km. La distancia a Africa es de 100 Km en el punto más cercano a 400 Km en el más
lejano.
El clima de las islas está totalmente condicionado por el clima del Atlántico Central siendo islas
oceánicas, como el resto de las que conforman la Macaronesia (Azores, Madeira y Cabo Verde)
caracterizadas desde el punto de vista orográfico por una plataforma continental prácticamente
inexistente y una influencia permanente del oceáno sobre el clima insular que amortigua en gran
manera los gradientes de temperatura, dando muy poca amplitud a las variaciones día/noche y
verano/invierno.
Tenemos que considerar cinco factores principales en la descripción del clima de las islas:
1.- La fuerte influencia de los vientos alisios del NE que sopla más de 250 días al año con intensidad
que oscila entre los 16 y 30 km/hora y que al ser un viento de superficie viene saturado de humedad.
Con cierta frecuencia es origen de precipitaciones débiles en vertientes norte y este de las islas de
mayor relieve y motivo de cierta regularidad pluviométrica en estas vertientes. Las islas más bajas y
orientales como Lanzarote y Fuerteventura suelen quedar fuera de este proceso.
2.- La corriente fría de Canarias que es el brazo Este del giro del Atlántico Norte y que va hacía el SW.
El agua en, esta corriente superficial, que es la influye sobre el clima canario alcanza unas temperaturas
relativamente frías para estas latitudes (mínimas de 17-18ºC en el mes de Marzo y máxima de 23-24ºC
a finales del mes de Octubre).
3.- Influencia del continente africano con reducción de la humedad del aire, subidas repentinas de
temperatura y llegada de polvo en suspensión. Afectando en mayor medida a las islas orientales.
4.- La orografía de las islas que las podemos dividir en tres grupos principales: Islas Bajas (Lanzarote,
Fuerteventura y los islotes) que alcanzan altura inferiores a los 700 metros: islas medias (La gomera, El
Hierro y Gran Canaria) con altura que no sobrepasan los 1900 m e Islas altas (Tenerife y La Palma) con
Pág. 8 de 89
alturas que sobrepasan los 2000 m.
5.- La llegada de perturbaciones invernales del oeste entre noviembre y abril, que originan
precipitaciones irregulares tanto en intensidad como en distribución, en ocasiones, intensas, con
consecuencias sociales y causantes de daños en las infraestructuras. Estas afectan a las islas
occidentales en mayor medida.
El clima de las isla bajas (Lanzarote y Fuerteventura) se caracteriza por la aridez y la homogenidad en
toda la superficie de la isla ya que el alisio pasa por encima sin que se produzca retención de humedad
ni tampoco inversión térmica en altura.
Las islas media (La Gomera, el Hierro y Gran Canaria) si presentan retención de la humedad de los
alisios incrementando la cantidad de lluvia, particularmente en las laderas Norte y Este de las islas que
abarcan los macizos centrales que al estar fuertemente vegetados actúan de receptores de la humedad
dando lugar a la denominada “lluvia horizontal” que mantiene unas condiciones hídricas amplias. En
estas islas se produce una variación de clima entre las vertientes N-NE y S-SW, siendo las primeras
húmedas y las segundas secas.
Las islas altas se caracterizan por tener no solo retención de alisios en las vertientes Norte y Este, sino
por presentar la inversión térmica a partir de una determinada altura, que varía de acuerdo con las
condiciones meteorológicas. Esta inversión se produce por la llegada del contra-alisio en altura que
viene seco. Esto origina unas condiciones xéricas a partir de los 1500-2000 m de altura de acuerdo con
la orientación y la separación climática entre las vertientes N-NE y las S-SW que originan climas
completamente diferentes, siendo la vertiente N-NE húmeda y la vertiente S-SW seca. Todo esto
además está alterado por la presencia de barrancos muy extensos y profundos que condicionan la
existencia de multitud de microclimas.
Mención especial merece la lluvia que puede tener orígenes distintos: a) Por condensación a partir de la
humedad de los vientos alisios, que ocasionan lluvias débiles con cierta regularidad en vertientes
orientadas al norte y este. b) por la llegada de perturbaciones invernales del NW-W-SW cargados de
humedad que provocan lluvias irregulares y en ocasiones torrenciales principalmente en cumbres y
laderas W-S de las islas. Estos episodios son predecibles con una cierta antelación, pues son
consecuencia de la dinámica atmosférica, pero sin embargo no son predecibles con suficiente fiabilidad,
a partir de las series climáticas, deberemos hablar, en estas ocasiones de análisis de eventos extremos
y periodos de retorno. En todo caso, los trabajos de análisis de series temporales de precipitación en
Pág. 9 de 89
Canarias son escasos y muchas veces aplicados a islas o zonas concretas y basadas en un reducido
número de estaciones. En alguno de estos trabajos el de García-Herrera et al. (2003), parece haber una
tendencia clara a disminuir la cantidad de precipitación en el norte de Gran Canaria y Tenerife en la
segunda mitad del siglo 20.
El trabajo que a continuación se presenta son los resultados de una aplicación metodológica de
cualificación de series temporales de pluviometría en las tres islas principales: Tenerife, Gran Canaria y
La Palma, utilizando un número significativo de estaciones: 304, 123 y 32 respectivamente, con una
gran cantidad de datos de precipitación mensual a procesar. Tras la corrección y homogenización de los
datos de las estaciones, se calculan las tendencias de precipitación para estas tres islas y dentro de
estas, por zonas climáticas.
3. Metodología
Aunque en Tenerife, Gran Canaria y La Palma hay muchas estaciones meteorológicas, gestionadas por
diferentes instituciones públicas y privadas, lamentablemente la mayoría han empezado a operar en las
últimas décadas o tienen series de menos de 10 años seguidos. Tras un análisis en función de su
localización en altura, orientación y longitud de las series y complementariedad, se escogieron 304, 123
y 32 estaciones gestionadas por la AEMET, para este procesamiento. La lista de estaciones para cada
isla con sus características se muestra en las tablas en el anexo II.
La metodología se explica en mayor detalle para la isla de Gran Canaria debido a que sido la isla con la
que se ha empezado este trabajo. Se ha aplicado un método orientado a corregir los valores anómalos
(outliers) y rellenado de gaps (huecos) en una primera fase y un ajuste de las inhomogeneidades en una
segunda fase utilizando el paquete “Climatol” programado en R. Para el primer proceso se utilizaron
principalmente aquellas series de 10 años o más con pocos gaps, es decir, unas 107 estaciones
aproximadamente para Gran Canaria. En el segundo proceso de homogenización se utiliza
absolutamente todos los datos de todas las estaciones ya que “Climatol” aplica la estrategia de
aprovechar todos los datos disponibles aunque sean poco fiables y/o escasos. Los datos diarios se
agruparon por meses para obtener en cada estación las series temporales de precipitación media
mensual. Conviene en este punto subrayar que los análisis de anomalías son más adecuados para
detectar tendencias que los análisis de precipitación absolutas, por su menor variabilidad entre distintas
zonas geográficas, (Hansen & Lebedef, 1987).
Pág. 10 de 89
3.1. Eliminación/Corrección de outliers mediante métodos 3IQR y σ3 en series mensuales de
precipitación.
Para disminuir el efecto de los valores extremos u erróneos en la tendencia central se enfatizó el
ejercicio de corrección de outliers. A diferencia de las temperaturas donde los valores más
dispares (outliers extremos) eran eliminados en el caso de la precipitación la variabilidad es mucho
mayor y por tanto se han considerado como sospechosos. Estos se definieron como todas
aquellas medidas por encima de la media, mayores que el tercer cuartil (Q3) mas tres veces el
recorrido intercuartílico (distancia entre el tercer y primer cuartil; Q3-Q1) considerando todos los
datos de la serie mensual (Trenberth and Paolino 1980; Peterson et al. 1998a). Solo se
consideraron extremos el caso de las precipitaciones mensuales encima de la media más siete
veces la desviación típica de la serie, este umbral significativamente alto se impuso con el único fin
de detectar valores fuera de contexto que solo ocurrirían en caso de error informático o error a la
hora de transcribir los datos. Basicamente, Ps=Precipitación sospechosa si cumple que, Ps > Q3 +
3x(Q3 - Q1) donde una vez ordenados de menor a mayor los datos de una serie de precipitación
para una estación y un mes determinado: Q1, es primer cuartil, que se define como el valor de
precipitación mensual mayor que el 25% de los datos de la serie y menor que el 75% restante. Q3,
es el tercer cuartil, que se define sin embargo como el valor de precipitación mayor que el 75% de
los datos de la serie pero menor que el 25% restante.
Para los valores de precipitación sospechosos se buscaba eliminar la sospecha interpolando a
partir de los datos de otra serie con la cual hubiera una correlación aceptable (≥ 0,8) (González-
Rouco, et al., 2001). El método de correlación se explica con más detalle en el apartado siguiente,
en todo caso se busca el segmento correlacionado de las series que estuviese emparejado, fuera
continuo, se localizara adyacente al outlier y tuviera al menos diez años de longitud. La
interpolación se hizo ajustando el outlier al valor de la precipitación para ese año en la serie de
referencia, corregido según el diferencial de medias en el período utilizado para calcular la
correlación. El nuevo dato así obtenido se aceptaba tal cual si quedaba por debajo del umbral de
sospechoso para esa serie, es decir, menor que Ps y tomaba el valor máximo permitido Ps si
quedaba por encima. Esta forma de proceder reduce el bias causado por los valores extremos y,
sin embargo mantiene la información de los eventos extremos (Barnett and Lewis 1994). Aquellos
outliers sospechosos que no se pueden corregir por correlación con otras series se dejan para la
Pág. 11 de 89
siguiente fase con el paquete estadístico Climatol que realiza un procesamiento de outliers robusto
comparando con datos de series del entorno.
3.2. Rellenado gaps (huecos) y outlier extremos o sospechosos por correlación en series mensuales de
máximos y mínimos.
Los meses sin datos, bien por tratarse de un outlier extremo o bien porque no había registro
alguno, intentaron rellenarse según el sistema comentado en el apartado anterior, a partir de los
datos de otra serie con la cual hubiera una correlación aceptable (≥ 0,8) (González-Rouco, et al.,
2001), utilizado para interpolar en los outlier sospechosos. Cuando esto no fue posible, sólo se
aceptaron datos interpolados si no resultaban ser extremos o sospechosos. Para permitir una
mejor visualización de la estructura de los datos, estos se ordenan en tablas correspondientes a
cada mes, tal y como se muestra a modo de ejemplo en la tabla 1 correspondiente a una sección
de precipitación mensual del mes de enero. En esta tabla, para rellenar el gap de la estación
AEMET_GC_1 de 1969 indicado en el recuadro verde y con una m en su interior, se toma una
serie adyacente no menor de 10 años de la misma estación (entre 1970 y 1979) y se calculan
correlaciones con respecto otras series de idéntica longitud. En la tabla 1 es posible comprobar
cómo hay series candidatas entre 1970 y 1979 como la que podemos encontrar en la estación:
AEMET_GC_6, AEMET_GC_16, AEMET_GC_17, AEMET_GC_41, AEMET_GC_42 y
AEMET_GC_46. Para acceder a los datos y calcular correlaciones de forma efectiva la Agencia ha
desarrollado una potente herramienta llamada Climaserie. Con unas pocas indicaciones se
obtienen datos, gráficas y correlaciones tal y como se muestra en la figura 1. Una vez determinada
la serie de mayor correlación, de valor por encima de 0.8, por ejemplo, la AEMET_GC_46 es la
serie de mayor correlación con 0.85 entre 1970 y 1979, tal y como se indica abajo izquierda en la
figura 1, se utiliza la temperatura de 1969 de esta estación para rellenar el gap buscado de la
estación AEMET_GC_1, a partir de un simple ajuste utilizando los valores medios de ambas
series. La herramienta Climaserie facilita el valor medio para el periodo seleccionado entre 1970 y
1979, tal y como se muestra en el recuadro abajo derecha de la figura 1. Siendo P46 la
precipitación de 1969 de la estación 46, Pm46 la precipitación media del periodo entre 1970 y
1979 de la estación 46 y Pm1 la precipitación media del mismo periodo pero de la estación 1, el
cálculo de la precipitación interpolada para rellenar el gap buscado en la estación 1, P1, se realiza:
P1=P46+(Pm1-Pm46).
Pág. 12 de 89
Las 123 estaciones por los 12 meses y unos 70 años, suponen un total de 12 tablas, de mayor
tamaño que la mostrada en la tabla 1, donde posible encontrar más de 3000 puntos susceptibles
de ser outlier extremos, sospechoso o gaps. Con el ánimo de agilizar el proceso se ha
desarrollado un programa específico en fortran llamado "gapsppt.pgm" que rellena gaps, corrige o
elimina outlier extremos y corrige los sospechosos. Es importante resaltar que se ha optado por
tratar de rellenar, además, los gaps que quedan en los extremos de las series porque esto facilita
la detección y posterior interpolación de gaps internos que son más cruciales. En el anexo I se
muestra el resultado de aplicar este programa con un recuento de todos los gaps rellenados (unos
2603), outlier extremos eliminados (0), outlier extremos corregidos (0) y outlier sospechosos
corregidos (unos 359) para la precipitación mensual. Hay que resaltar que se ha puesto un umbral
muy alto para los outliers extremos con el fin de detectar solo valores imposibles en Canarias que
solo ocurrirían en caso de error informático o error a la hora de transcribir los datos, razón por la
cual si no hay errores de este tipo es esperable que no encontremos outliers extremos. Si se han
encontrado algunos para Tenerife y La Palma. En el punto 2 del anexo II se muestra un ejemplo
de tablas utilizadas para indicar los puntos exactos que han sufrido las modificaciones tras todo
este proceso.
Pág. 13 de 89
Tabla 1. Sección de tabla indicadora de temperaturas máximas correspondientes al mes de enero. Los recuadros en gris con un 1 en su interior indican la existencia un dato válido de temperatura máxima. La primera columna hace referencia al nombre de cada estación para este proyecto y la segunda columna, al código.
19
40
19
41
19
42
19
43
19
44
19
45
19
46
19
47
19
48
19
49
19
50
19
51
19
52
19
53
19
54
19
55
19
56
19
57
19
58
19
59
19
60
19
61
19
62
19
63
19
64
19
65
19
66
19
67
19
68
19
69
19
70
19
71
19
72
19
73
19
74
19
75
19
76
19
77
19
78
19
79
19
80
AEMET_GC_1 C613E 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 0
AEMET_GC_2 C668V 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_3 C619B 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1
AEMET_GC_4 C648G 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_6 C669P 0 0 0 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
AEMET_GC_7 C669O 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 1 1 0 0 0 0 0 0 0
AEMET_GC_8 C665Q 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 1
AEMET_GC_12 C658L 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_14 C658J 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_15 C658I 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1
AEMET_GC_16 C659K 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_17 C659P 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_19 C625A 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 0 0 0 0 0
AEMET_GC_21 C629I 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_28 C623I 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1
AEMET_GC_29 C689E 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_30 C655K 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_31 C655Q 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_36 C658K 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1
AEMET_GC_37 C656J 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_38 C636K 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_40 C614I 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1
AEMET_GC_41 C624E 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_42 C649I 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_43 C648N 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
AEMET_GC_46 C665I 0 0 0 0 0 1 1 0 1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_47 C646O 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Pág. 14 de 89
Figura 1. Ejemplo de consulta de datos y cálculo de correlaciones utilizando la herramienta Climaserie, desarrollada por la propia Agencia.
3.3 Homogenización de series mensuales de precipitación mediante el paquete estadístico de
homogenización relativa “Climatol”, fundamentos de su funcionamiento.
Una serie se dice que es homogénea cuando su variabilidad obedece únicamente a causas
climáticas (Mitchell, et al., 1966). La obtención de datos temporales a lo largo de los años entraña
muchas vicisitudes, sobre todo en las series temporales más largas, cuya detección no es fácil.
Registros falsos, movimiento de estaciones o cambio en las características físicas del lugar, dan
lugar a la aparición de inhomogeneidades ajenas a la realidad climática. Su detección y corrección
es fundamental para poder elaborar conclusiones fiables sobre la tendencia de variación de la
serie. En este sentido se han venido desarrollando desde hace tiempo diversos métodos de
homogenización de series climáticas, que intentan discriminar en las mismas la señal propiamente
climática, que es la que nos interesa, del ruido producido por los factores mencionados. La
AEMET_GC_
1
AEMET_GC_1 1
AEMET_GC_6 0,704543
AEMET_GC_16 0,2651489
AEMET_GC_17 0,3401218
AEMET_GC_41 0,3576648
AEMET_GC_42 0,1763101
AEMET_GC_46 0,8479058
COEF. DE CORRELACIONESTACIONES MAX MIN
AEMET_GC_1 14,13871 6,474194
AEMET_GC_6 20,67613 14,13903
AEMET_GC_16 20,17194 15,20129
AEMET_GC_17 20,71548 15,96
AEMET_GC_41 13,15484 3,919355
AEMET_GC_42 20,26129 14,35548
AEMET_GC_46 13,98871 4,993548
Pág. 15 de 89
variedad de metodologías hace imposible mencionarlas todas, pero pueden encontrarse síntesis
de las mismas en los trabajos de Peterson et al. (1998a, 1998b) y Aguiar et al. (2003). La mayor
parte se basan en comparar las series problema con otras supuestamente homogéneas, que o
bien pertenecen a observatorios cuya historia puede hacer pensar que se hallan libres de los
factores perturbadores (cosa harto difícil), o bien se construyen sintéticamente a partir de otras
series vecinas, con la esperanza de que sus respectivas inhomogeneidades queden diluidas en la
serie compuesta.
3.3.1 Introducción al Climatol
La selección de las series que han de servir de referencia para la homogeneización de la serie
problema se suele hacer eligiendo, de entre las disponibles, las que presentan un mayor
coeficiente de correlación. Pero de esta forma se prescinde muchas veces de la información que
podrían aportar otras estaciones climatológicas más próximas para las que no es posible calcular
una correlación fiable por su corto o nulo periodo común de observación con la problema. Por ello,
y para tratar de aprovechar el máximo de información climática disponible, se desarrolló un
método basado en la interpolación de datos estandarizados de las estaciones vecinas a la que se
trata de homogeneizar, de manera similar al utilizado por Paulus y Kohler (1952) para el relleno de
datos ausentes en los boletines de precipitación diaria. Este método se implementó en forma de
paquete (denominado Climatol) para la aplicación estadística R (de código abierto y
multiplataforma), y en sus primeras versiones (Guijarro, 2004), si bien permitía la comparación de
cada serie con su referencia sintética para detectar las anomalías puntuales, saltos en los valores
medios y tendencias no achacables al clima, únicamente podía realizar de modo automático la
corrección de errores aislados y el relleno de las lagunas de las series.
La experiencia acumulada desde entonces ha llevado a la conclusión de que la homogeneización
de una base de datos climatológica es una tarea bastante ardua, lo que, unido a la constatación
de que debería repetirse cada dos o tres años (al irse alargando las series con nuevos datos), ha
llevado a implementar una nueva función, disponible desde a la versión 2.0, que automatiza
también la corrección de los saltos anómalos en los promedios de las series, atribuibles a cambios
súbitos en las condiciones de observación.
El método del paquete Climatol no presupone la existencia de series homogéneas en la base de
datos a tratar, sino que todas son susceptibles de contener inhomogeneidades. Tampoco
incorpora datos del historial de las estaciones (metadatos), que ofrecen información sobre los
Pág. 16 de 89
posibles momentos en que puede haber alteraciones en las series, porque estos historiales
frecuentemente están incompletos o no están al alcance del investigador. (Siempre existirá la
posibilidad de usar esa información a posteriori, para contrastar los resultados de la
homogenización).
Los datos pueden ser series simples de cada observatorio (como sería el caso si se tratara de
valores anuales), o conjuntos de series (valores mensuales o estacionales). En cualquier caso se
leen cronológicamente, estación por estación, junto con las coordenadas e identificadores de cada
una de ellas. A continuación se procede serie a serie, calculando todos sus datos (como si no
existieran) a partir de los de las demás estaciones, mediante medias ponderadas de valores
estandarizados. Además de la estandarización propiamente dicha, también se puede optar por
dividir los valores por sus respectivas medias, lo que resulta más recomendable para el
tratamiento de la precipitación y otras variables con un cero natural. La ponderación se realiza
mediante la función a/(a+d2), donde “d” es la distancia a cada estación, y “a” un parámetro de
forma que permite modular la influencia relativa de las estaciones más próximas respecto de las
más alejadas. Cuando las series están incompletas, sus promedios no son comparables, pero se
vuelven a calcular tras el relleno de las lagunas, proceso que se repite hasta alcanzar valores
estables.
Después se procede a estudiar las diferencias entre cada serie estandarizada y su réplica
estimada en función de las demás, que sirve como serie de comparación. Opcionalmente se
pueden sustituir los valores anómalos por los estimados, y también visualizar gráficos de
diagnóstico de cada una de las series. Las versiones anteriores del programa terminaban aquí con
la grabación de un fichero con los datos corregidos y las lagunas rellenadas, pero ahora se
continúa aplicando distintas pruebas de detección de saltos en la media, y asignando
puntuaciones variables a cada término de la serie según la significación estadística obtenida. Si la
máxima puntuación total tras aplicar todas las pruebas supera un umbral definido por el usuario, la
serie se fragmenta en el punto de dicho máximo, traspasando toda la información posterior a una
serie “hija”. Este proceso se repite hasta que no se fragmenta ninguna serie, pues la corrección de
algunas de ellas puede influir en la evaluación de la homogeneidad de las demás, y además las
series fragmentadas pueden ser objeto de nuevos cortes si presentan más de un salto en la
media.
Todo el procedimiento anterior se puede repetir tantas veces como desee el usuario, con lo que es
Pág. 17 de 89
posible eliminar al principio únicamente los errores y saltos en la media más patentes, y refinar
después el proceso (aceptando niveles de significación más bajos) para corregir progresivamente
las demás inhomogeneidades. Como productos de todas estas operaciones se obtiene un fichero
con los datos corregidos y rellenados de todas la series resultantes, y un fichero de texto con una
relación de las correcciones efectuadas y los niveles de significación de las pruebas de
homogeneidad. Opcionalmente, también se obtienen gráficos diagnósticos de todas las series
iniciales, y representaciones de las series finales, distinguiendo los datos originales, los
rellenados, y las series fragmentadas a que hayan podido dar lugar. En este caso, como el
número de gráficos puede llegar a ser muy grande, también se genera un fichero pdf que permite
incluirlos todos en un solo documento.
3.3.2 Fundamentos del funcionamiento del paquete climatol
El paquete estadístico Climatol está preparado en R que es un lenguaje de programación sin
embargo, no es necesario saber programar en este lenguaje para hacerlo funcionar porque las
funciones de Climatol están listas para ser ejecutadas junto con una serie de keywords o palabras
clave. Si es necesario instalar un interpretador de R que podemos encontrar fácilmente en internet
(http://www.freestatistics.org/cran/) y que dependerá de la plataforma en la que se trabaje
(Windows o Linux). En la página web de Climatol (http://webs.ono.com/climatol/climatol.html) se
encuentra la última versión del paquete (la que está en inglés) junto con las instrucciones para
instalarla.
Las siguientes aclaraciones están sacadas de la guía del Climatol (Guijarro JA (2011): User's
guide to Climatol. http://webs.ono.com/climatol/climatol-guide.pdf (40 pp.)
Básicamente, Climatol reconstruye una serie ficticia en el punto de cada estación tomando los
datos de las estaciones de alrededor, por defecto de 10 estaciones como máximo, y ponderadas
según la distancia. A continuación compara con la estación origen obteniendo una serie de
anomalías que son las diferencias entre la serie origen y la serie ficticia reconstruida. Los pasos
siguientes se realizan de forma iterativa hasta alcanzar valores estables y consisten en:
1. Analizar los outliers: Las series de anomalías se estandarizan y en aquellas anomalías
superiores a 5 veces (por defecto) la desviación estándar se elimina el dato original. Se toma
un umbral alto porque este proceso se realiza de forma iterativa cada vez que se detecta un
salto significativo en la media y se realiza un ajuste en un sector de la serie, puede resultar
Pág. 18 de 89
que un outlier sospechoso de 4 veces la desviación estándar puede bajar a 3 y dejar de ser
sospechoso, por tanto si se comienza con un umbral bajo para eliminar outliers se impediría
que muchos valores se puedan corregir durante el proceso iterativo.
2. Saltos en la media: Se aplica el Test Estándar de Homogeneidad Normal o SNHT de
Alexandersson (1986) en dos fases:
a. En sectores de 120 términos avanzando cronológicamente de 60 en 60 términos (definido
por defecto) y cuyo umbral de SNHT máximo se controla por la palabra clave tVt que por
defecto está en 25 (tVt=25).
b. Para toda la serie y cuyo umbral de SNHT máximo se controla por la palabra clave snhtt
que por defecto está en 50 (snhtt=50)
Los valores máximos de snht por sectores de 120 términos (tVt) que superen un umbral por
defecto o predefinido por el usuario marcan un lugar en la serie donde esta se corta. Los valores
después de este punto se transfieren a una nueva serie (con las mismas coordenadas) y se
eliminan de la serie original. Los huecos resultantes en ambas series se rellenan en la última fase
utilizando únicamente los fragmentos de la serie original.
Cuando todas las inhomogeneidades por sectores se han corregido por el proceso anterior se
vuelve a realizar el test snht a toda la serie (snhtt) posiblemente generando nuevos cortes.
El test snht por sectores (tVt) se ha se ha implementado para evitar múltiples saltos de la media
de valores de snht engañosamente bajos, mientras que la aplicación a toda la serie (snhtt) es más
poderoso para la detección de pequeños cambios que pueden haber pasado inadvertidos para la
prueba por sectores. En cualquier caso, el umbral predeterminado de SNHT para toda la serie
debe ser mayor que para la aplicación escalonada, para evitar que la serie se divida por una
tendencia suave en lugar de por un cambio abrupto en la media.
Cuando todas las inhomogeneidades han sido por fin eliminadas, la etapa final está dedicada al
cálculo de los datos que faltan, los eliminados por ser outlier y los perdidos tras los cortes.
Antes de realizar la homogenización con Climatol hay que comprobar que la región en estudio es
climatológicamente homogénea, es decir, que el clima debe varíar de forma suave dentro de esta
región, por ejemplo, un gran accidente geográfico separando dos zonas va ha hacer que la
precipitación pueda ser diferente en ambas zonas. El algoritmo proporciona resultados en forma
de gráficos e índices que ayudan al investigador a tomar decisiones sobre si debe o no separar
Pág. 19 de 89
áreas climáticamente homogéneas y cómo hacerlo. Un índice importante para separar grupos de
estaciones según el comportamiento de la precipitación es el coeficiente de disimilitud climática
que aparece calculado en forma de dendrogramas como se muestra en próximas figuras (véase
por ejemplo la figura 5). Para calcular este coeficiente:
- Se parte de la matriz de correlaciones. Esta matriz es el conjunto de coeficientes de
correlación r formada por cada par de estaciones comparadas entre si.
- Esta matriz no está calculada a partir de las series originales, sino de sus primeras derivadas
finitas (o sea, de una serie de n términos se pasa a una de n-1 términos calculados como
diferencia entre cada término y el anterior). Se utiliza las derivadas finitas en lugar de las
series originales porque dos series que tengan una tendencia parecida van a dar una
correlación significativa aunque sean aleatorias, y si además presentan inhomogeneidades,
éstas también pueden influir bastante en la correlación.
- Si hay n estaciones cada una tendrá n-1 valores de r al ser comparada ésta con el resto de
estaciones, a mayor valor del coeficiente de correlación r, mayor similaridad; por tanto la
disimilaridad es el complemento de r, o sea, 1-r.
- Utilizando r como parámetro principal, ya que también se tiene en cuanta la distancia, se
utiliza el método de Ward(1963) para agrupar las estaciones. Básicamente, las estaciones se
van agrupando por pares desde las más similares, base del dendrograma, hasta las menos
similares, parte alta (ver por ejemplo la figura 5).
En el siguiente apartado se explican y se utilizan estos gráficos de forma práctica para cada una
de las tres islas.
3.3.3 Aplicación práctica del paquete climatol
La guía de usuarios de Climatol es muy general ya que la homogenización se puede aplicar
también a series de otras variables como temperaturas, velocidad de vientos, etc. En este caso se
explicará la aplicación del paquete a precipitación mensual acumulada a las estaciones de Gran
Canaria, Tenerife y La Palma. Para más detalles de cómo aplicar el método de homogenización,
remitirse al informe anterior: “Cualificación y homogenización de las series climáticas mensuales
de precipitación de Canarias; Memoria Metodológica”. Se puede solicitar enviando un correo
electrónico a [email protected].
Pág. 20 de 89
1.Gran Canaria.
a. Análisis preliminar con todas las estaciones
Una vez generadas todas las estaciones con datos de precipitación en formato climatol, esto es,
en dos ficheros ej, Pptm_1951-2009.est y Pptm_1951-2009.dat con las estaciones y con los datos
respectivamente, se ejecuta el comando dentro de la consola de R:
homogen("Pptm",1951,2009,gp=1,nclust=123,std=2)
1. Se busca el periodo máximo sin que haya huecos en los datos. En este caso se ha encontrado
con ayuda de un programa auxiliar que se trata entre 1951 y 2009. De probar con otro periodo
mayor nos aparece un error y se invita a mirar el gráfico que aparece inmediatamente debajo
(figura 2) a partir de un fichero pdf que se crea automáticamente llamado Pptm_1951-2009.pdf.
Figura 2. Suma de todos los datos por año para buscar huecos.
Pág. 21 de 89
2. La opción gp=1 hace que solo se muestre los gráficos iniciales exploratorios ya que en caso
contrario el programa realizaría el proceso completo con los parámetros por defecto y podría
tardar horas.
3. La opción nclust=123 hace que nos muestre los gráficos iniciales exploratorios utilizando los
datos de las 123 estaciones ya que en caso contrario tomaría solo 100 elegidas al azar.
4. La opción std=2 define el tipo de normalización (por defecto std=3) pero al tratarse de
precipitación y existir ceros naturales es preferible utilizar std=2, ya que en este caso los datos
se normalizarán utilizando proporciones de los valores medios.
5. Análisis de gráficos iniciales. Estos gráficos aparecen dentro del fichero pdf que se crea
automáticamente. De las cosas más importantes que hay que analizar en primer lugar para
empezar a tomar decisiones es el aspecto del histograma de los datos. Este histograma lo
encontramos en la hoja 15 de los gráficos y tiene el aspecto que mostramos en la figura 3.
Pág. 22 de 89
Figura 3. Histograma de los datos sin ninguna transformación previa.
Es evidente que tiene una forma bastante alejada de lo que se conoce como distribución
gausiana, normalizada o en forma de campana que es además lo que se busca. La razón de
esto es que es más fácil encontrar inhomogeneidades medidos con la SNHT (Standard Normal
Homogeneity Test) en series de datos con distribuciones gausianas o normales. En este caso
tenemos que realizar una transformación previa para tratar de normalizar la distribución en lo
posible. Esto se puede hacer fácilmente con el paquete climatol añadiendo la opción “rtrans=n”,
(ya que por defecto rtrans=1) a la función homogen donde n es un número real entre 2 y 4, es
decir 2.0 < n < 4.0, que debe utilizarse para el caso de precipitaciones irregulares o escasas,
ejecutamos de nuevo:
homogen("Pptm",1951,2009,gp=1,nclust=123,std=2,rtrans=2.0)
y analizamos el histograma. Repetimos el proceso dando valores a rtrans (2.1, 2.2, … , 4.0)
hasta que el histograma esté lo mas normalizado posible que ocurre para rtrans=3.2 con el
Pág. 23 de 89
histograma de la figura 4, donde la primera barra es debida a la acumulación de precipitación
cero.
Figura 4. Histograma de los datos transformados.
6. El siguiente paso es analizar los gráficos sobre la distribución climática de los datos que
encontramos tras el histograma en las hojas 17 y 18. En estos es posible comprobar la
disimilitud climática entre unas estaciones y otras, en este caso, con un coeficiente de
disimilitud de 75 es significativo entre las estaciones orientadas al noreste y suroeste tal y como
mostramos en las siguientes figuras, El dentograma (figura 5) y la localización de cada estación
coloreada según el ámbito climático al que es más afín (figura 6). Efectivamente tal y como se
indica en la guía de climatol, esta separación está causada en primera aproximación por el
macizo central de la isla con cumbres que rondan los 1950 metros. En base a esto, hay que
separar las estaciones que se encuentran al nordeste (unas 92) de las del suroeste (unas 31) y
realizar un proceso de homogenización por separado a cada grupo de estaciones y repitiendo
los procesos anteriores.
Pág. 24 de 89
Estaciones orientadas al NE: 1, 2, 3, 5, 6, 7, 8, 10, 11, 12, 13, 14, 15, 16, 17, 18, 24, 27, 30,
31, 32, 34, 35, 36, 37, 39, 42, 43, 45, 46, 47, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61,
62, 63, 64, 65, 66, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100,
101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119,
120, 121, 122, 123
Estaciones orientadas al SO: 4, 9, 19, 20, 21, 22, 23, 25, 26, 28, 29, 33, 38, 40, 41, 44, 48,
67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80
Figura 5. Dendrograma de clasificación climática.
Pág. 25 de 89
Figura 6. Localización de las estaciones coloreadas según la clasificación climática.
b. Análisis del grupo de estaciones orientadas al NE
Una vez tenemos las 92 estaciones con datos de precipitación en formato climatol, repetimos el
procedimiento explicado en el apartado 1. En este caso podemos empezar prescindiendo de la
opción “nclust=123” ya que tenemos menos de 100 estaciones, es decir, ejecutamos:
homogen("Pptm",1951,2009,gp=1,std=2)
1. En este caso el periodo máximo sin huecos coincide con el del caso anterior.
2. Se normaliza el histograma utilizando la opción “rtrans” tal y como se ha explicado en el
apartado anterior. En este caso obtenemos la mejor normalización de nuevo para “rtrans=3.2”.
3. Se comprueba las zonas climáticas analizando el dendograma, de cluster de estaciones, que se
muestra en la figura 7. En este caso la máxima disimilitud entre estaciones está en 14,
separando las estaciones de la costa (brazo izquierdo del dendograma) del resto, medianías y
Pág. 26 de 89
zonas altas (brazo derecho). En torno a una disimilitud de 9 se realiza otra separación en el
brazo derecho, separándose en este caso las estaciones de medianías de las de zonas altas.
Sin embargo el algoritmo toma bastantes estaciones costeras como si pertenecieran a la zona
de medianías, en general no se observa una separación clara entre estas dos zonas al analizar
la figura 8. Por otro lado, no se cumple una premisa para separar grupos a diferencia del caso
anterior, esta condición es que debe haber una estructura orográfica de altura significativa que
separe zonas, en este caso todas las estaciones se encuentran en mayor o menor medida
orientadas al norte o al noreste. No separamos en este caso y continuamos con el
procedimiento de homogenización.
Figura 7. Dendrograma de clasificación climática para las estaciones de la vertiente norte.
Pág. 27 de 89
Figura 8. Localización de las estaciones de la vertiente norte coloreadas según la clasificación climática.
4. Determinación de umbrales para el snht aplicado a la serie completa (snhtt) y para el snht por
tramos de 60 meses (tVt). El algoritmo por defecto pone unos umbrales para ambas opciones
muy conservadores, tVt=25 y snhtt=50, la forma de ajustarlos para cada grupo de estaciones y
a las peculiaridades de la zona en estudio, es analizando los gráficos de máximo tv y máximo
snht que se pueden obtener de forma rápida, sin realizar aún la homogenización ejecutando:
homogen("Pptm",1951,2009,tVt=0,rtrans=3.2,std=2)
Al poner tVt=0, solo rellena lagunas, estima datos y obtiene los histogramas de máximo tv y
máximo snht para analizar previamente y que se indican en la figura 9. Se trata en estos
histogramas de separar la distribución homogénea con un máximo principal para valores más
bajos de snht de las distribuciones inhomogéneas con máximos secundarios y valores más
Pág. 28 de 89
altos de snht. En la primera figura se puede ver una distribución un máximo principal en 10 que
luego va disminuyendo. La duda en este caso es si los máximos secundarios a partir de 15 se
corresponden a distribuciones inhomogeneas o pertenecen a la distribución principal
considerada homogénea. Se puede optar en este caso por la opción drástica tVt=15, bien por
una menos drástica tVt=17 o más conservadora tVt=20 o bien dejar el valor por defecto. De la
misma forma podemos intuir el valor de snhtt a partir de la figura 13, donde si el máximo
secundario localizado en 19 se corresponde con distribuciones inhomogéneas entonces
snhtt=19, si no podemos tomar snhtt=25 o bien snhtt=33. El valor de snhtt debe ser mayor que
el de tVt y las opciones a elegir deber ser correlativas entre estos dos parámetros, es decir, que
si se opta por la opción drástica ejecutamos la función homogen con tVt=15 y snhtt=17 si no,
puede ser tVt=20 junto con snhtt=25. Una vez ejecutado con la opción elegida, analizando los
gráficos que se generan automáticamente se puede comprobar si esos umbrales son acertados
o no. Hay que destacar sin embargo que si se es demasiado drástico en la selección de
umbrales la consecuencia final es que se puede suavizar demasiado o incluso es posible
anular la tendencia de la serie. Tomamos por tanto una decisión intermedia tVt=20 y snhtt=25 y
ejecutamos de nuevo la función de homogenización con estos dos umbrales.
Figura 9. Histograma de de máximo tVt y de máximo SNHT para la vertiente norte.
5. Análisis de gráficos tras la ejecución de la homogenización para comprobar si los umbrales
Pág. 29 de 89
seleccionados son acertados o no. Se ejecuta:
homogen("Pptm",1951,2009, rtrans=3.2,std=2,tVt=20,snhtt=25)
que puede llevar algunas horas porque ahora si se lleva a cabo el proceso completo de
homogenización a las 92 estaciones y a su término analizamos los gráficos en el fichero pdf
resultante. En los gráficos de anomalías resultantes una inhomogeneidad significativa de salto
de snht=36 tiene la forma que se muestra en la figura 10 en la fase 1 antes de ser corregida.
Estos datos no solo son significativos sino además se alargan en el tiempo hasta incluso el final
de la serie. En los gráficos de anomalías de la fase 3 hay que buscar este tipo de estructuras
para considerar el repetir la homogenización con unos umbrales de tVt y snhtt mas estrictos.
Tras el análisis visual de estos, no es el caso. Por el contrario para considerar repetir el
proceso con unos umbrales más conservadores se puede inspeccionar de nuevo los gráficos
de la fase 1 y ver si los saltos con valores de snht por encima de 25 no son visualmente
significativos. En este último caso es posible encontrar alguno de 30 poco claro como se indica
en la figura 11 pero sin embargo también es posible encontrar otro caso de salto visualmente
grande de 28 (figura 12) que como mínimo es sospecho por tanto el umbral de snht=25 es
acertado.
Pág. 30 de 89
Figura 10. Aspecto de una Inhomogeneidad clara mostrada en los gráficos de anomalías. Esta se encuentra en 1998 aproximadamente.
Pág. 31 de 89
Figura 11. Aspecto de una Inhomogeneidad poco clara pero con valor de snht por encima del umbral de 25.
1. Interpretación del fichero resumen del proceso de homogenización y selección de estaciones
homogenizadas. Una vez se ha ejecutado la homogenización además de los gráficos y el
fichero con la series homogenizadas, Climatol genera un fichero resumen (Pptm_1951-
2009.txt) de todos los procesos realizados donde parte de éste se muestra en el anexo III.
Pág. 32 de 89
Figura 12. Aspecto de una Inhomogeneidad más clara y con valor de snht de 28 mayor que el umbral establecido de 25.
c. Análisis del grupo de estaciones orientadas al SO
Procedemos de la misma manera que en el apartado anterior con las 31 estaciones orientadas al
suroeste de la isla ejecutamos homogen("Pptm",1964,2009,gp=1,std=2) y obtenemos los
siguientes resultados:
1. El periodo máximo sin huecos es desde 1964 a 2009.
2. El histograma se normaliza para rtrans=3.2
3. No se crean más grupos a partir de estas 31 estaciones por las mismas razones que en el caso
anterior, es decir, por haber obtenido un coeficiente de disimilaridad bajo de 3.5 y por no haber
estructuras orográficas significativas separando zonas ya que las estaciones están situadas en
Pág. 33 de 89
la misma vertiente sur.
4. Para la elección de los umbrales de tVt y snhtt procedemos de la misma manera que para las
estaciones en la vertiente norte a partir de los histogramas de máximo tV y máximo snht que se
indica en la figura 13, obtenidas tras ejecutar la función homogen con la opción tVt=0. En este
caso analizando la primera figura podemos tomar tVt=15 considerando que la primera
distribución con el primer máximo en 8 es la homogénea y el resto de distribuciones entre 15 y
20 y entre 26 y 28 son inhomogéneas. A partir de la segunda figura podemos tomar snhtt=25
considerando que las distribuciones en 30 y 43 son las inhomogéneas.
5. Para comprobar si los umbrales seleccionados son acertados o no procedemos de la misma
manera que para la zona norte. Analizamos visualmente los gráficos de anomalías tras ejecutar
la función de homogenización con los umbrales elegidos:
homogen("Pptm",1964,2009, rtrans=3.2,std=2,tVt=15,snhtt=25)
Tras dejar que termine el proceso en un par de horas, comprobamos en los gráficos de
anomalías en la fase 3 que no hay inhomogeneidades claras y prolongadas en el tiempo a
pesar de que los gráficos son ruidosos por lo irregular de las precipitaciones en esta zona. No
se encuentra nada especialmente significativo por lo que las inhomogeneidades más grandes
parecen estar corregidas. Por otro lado comprobamos en los gráficos de anomalías de la fase 1
que los saltos mayores que en el umbral de snhtt=25 son claros. Solo encontramos una serie
con un salto de 28 y no es tan claro, se podría repetir el proceso con un snhtt=30 sin embargo
se prefiere no hacerlo porque en la fase 3 se puede encontrar aún algún gráfico poco claro
aunque sospechoso con un snht=24.
Pág. 34 de 89
Figura 13. Histograma de máximo tVt y máximo snht para la vertiente sur.
2. Tenerife.
a. Análisis preliminar utilizando todas las estaciones.
Se buscan los años extremos sin que hayan meses sin datos y esto resulta entre 1906 y 2009. A
continuación se ejecuta de forma preliminar:
homogen("Pptm",1906,2009,gp=1,nclust=298,std=2)
Se busca normalizar el histograma con la opción rtrans dando valores a entre 2 y 4.
El histograma aparece mejor normalizado para rtrans=3 en la figura 14, es decir, ejecutando:
homogen("Pptm",1906,2009,gp=1,nclust=298,std=2,rtrans=3)
Pág. 35 de 89
Figura 14. Histograma transformado para todos los datos.
Por otro lado aparece un índice de disimilitud alto en torno a 150 separando las estaciones del
norte de las del sur tal y como se muestra en la figura 15. Basada en ésta es importante realizar la
primera separación de estaciones ya que además existe un gran macizo montañoso de más de
3000 m separando ambas zonas. Se ha incluido en el grupo del sur las estaciones dispersas
coloreadas en azul que se encuentran en la zona sur.
-Estaciones del norte (unas 223):
4 5 7 26 27 29 30 31 32 33 34 35 36
37 38 39 40 41 42 43 44 45 46 47 48 49
50 51 52 53 54 55 56 57 58 59 60 61 62
63 64 65 66 67 68 69 70 71 72 73 74 75
76 84 87 88 89 90 91 92 93 94 95 96 97
98 99 100 101 102 103 104 105 106 107 108 109 110
111 113 114 115 116 117 119 121 122 123 124 125 126
129 131 134 135 136 137 138 139 140 142 143 144 145
147 148 149 151 152 153 155 156 157 158 159 160 161
Pág. 36 de 89
162 163 165 166 167 168 169 171 172 173 175 177 178
179 180 181 182 184 188 191 194 197 198 199 200 202
203 204 207 208 209 210 211 212 213 214 215 216 218
219 221 222 223 224 225 227 229 230 231 232 233 235
240 242 245 246 247 249 252 253 254 255 256 257 258
259 260 261 262 263 264 265 266 268 269 270 271 272
273 274 275 276 277 278 279 280 281 282 283 284 285
286 287 288 289 290 292 293 294 295 296 297 298 301
302 304
-Estaciones del sur (unas 75):
1 2 3 6 8 9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24 25 28 77 78 79
81 82 86 118 120 127 132 133 141 146 150 154 164
170 174 176 183 185 186 187 189 190 192 193 195 196
201 205 206 217 220 226 228 234 236 237 238 239 241
243 244 248 250 251 267 291 299 300 303
Pág. 37 de 89
Figura 15. Separación de estaciones del norte de las del sur a partir del índice de disimilitud.
b. Análisis para las estaciones orientadas al norte de la isla (unas 223).
Una vez se tienen los ficheros en formato climatol con las estaciones del norte se vuelve a buscar
la transformación que mejor normaliza el histograma dando valores a rtrans, para el cual vuelve a
salir rtrans=3.
Se analiza de nuevo la distribución climática de los datos donde aparece un índice de disimilitud
máximo de 60. Sin embargo los datos no presentan una distribución clara tal y como se indica en
la figura 16 porque estas aparecen bastante mezcladas por otro lado no hay una barrera
geográfica clara separando zonas de distinto color, se decide no realizar más separaciones de
Pág. 38 de 89
estaciones.
Figura 16. Resultado análisis de grupos de las estaciones del norte de Tenerife.
Determinación de umbrales para el snht aplicado a la serie completa (snhtt) y para el snht por
tramos de 60 meses (tVt). Para ello se ejecuta previamente:
homogen("Pptm",1906,2009,tVt=0, nclust=223,rtrans=3,std=2)
Se analizan los Histogramas de máximo tV y máximo snht (Figura 17) al final del fichero de
gráficos resultante tras la ejecución del último comando. A diferencia de Gran canaria no aparecen
máximos secundarios claros para valores altos de snht, aunque si algunos con baja frecuencia
para tv=22, 27, 37 y para snht=27,45. Basándose solo en esto se pueden definir unos umbrales
para tVt=20 y snhtt=23, sin embargo se observa algún gráfico de anomalías sospechoso para
tVt=17 y otros con un snhtt=22 por tanto se puede optar a reducirlos un poco a tVt=17 y snhtt=21.
Pág. 39 de 89
Un posterior análisis de anomalías decidirá si son adecuados o si es necesario modificarlos. Para
ejecutar por fin la homogenización con los umbrales seleccionados para las 223 estaciones, se
ejecuta:
homogen("Pptm",1906,2009, rtrans=3,std=2, nclust=223,tVt=17,snhtt=21)
Figura 17. Histogramas de máximo tV y máximo snht para las 223 estaciones de la zona norte.
c. Análisis para las estaciones orientadas al sur de la isla (unas 75).
Para éstas tenemos un periodo máximo sin huecos entre 1944 y 2009.
Se obtiene un rtrans=3 para la mejor normalización del histograma de los datos.
Se obtiene un índice de disimilitud máximo de 12 y no hay barreras geográficas claras separando
áreas en la zona sur (figura 18), por lo que no se vuelve a separar estaciones en esta zona.
Pág. 40 de 89
Figura 18. Comportamiento climático de las estaciones del sur de Tenerife.
En el análisis de histogramas de máximo tV y snht (figura 19.) se encuentra un máximo
secundario claro para tV=13 por lo que sería recomendable tomar tVt=12, mientras que para el
máximo de snht encontramos un máximo secundario poco claro para snht=15 por lo que es
conveniente tomar snhtt=14. Sin embargo un análisis previo de los gráficos de anomalías no se
observan saltos sospechosos para estos valores y una ejecución previa con estos umbrales
resulta en una desfragmentación excesiva de estaciones. Se decide utilizar unos umbrales menos
drásticos tomando tVt=14 y snhtt=16.
Para realizar por fin la homogenización con los umbrales seleccionados para las 75 estaciones:
homogen("Pptm",1944,2009, rtrans=3,std=2,tVt=14,snhtt=16).
Pág. 41 de 89
Figura 19. Histogramas de máximo tV y máximo snht para las 75 estaciones de la zona sur.
3. La Palma.
a. Análisis preliminar utilizando todas las estaciones.
Se buscan los años extremos sin que haya meses sin datos y esto resulta entre 1935 y 2009. A
continuación se ejecuta de forma preliminar:
homogen("Pptm",1935,2009,gp=1,std=2)
Se busca normalizar el histograma con la opción rtrans dando valores a entre 2 y 4.
El histograma aparece mejor normalizado para rtrans=3.2 tal y como aparece en la figura 20, es
decir, ejecutando:
homogen("Pptm",1935,2009,gp=1,std=2,rtrans=3.2)
Pág. 42 de 89
Figura 20. Histograma transformado para todos los datos.
Por otro lado aparece un índice de disimilitud en torno a 9 separando las estaciones del noreste y
este de las del suroeste y oeste tal y como se muestra en la figura 21. Basada en esta figura es
conveniente realizar una separación de estaciones ya que además existe un gran macizo
montañoso con alturas en algunos puntos de 2400 m separando ambas zonas. Las dos
estaciones en verde (24 y 14) son más afines a la zona suroeste tras analizar el dendrograma
(figura 22) por lo que se incluyen en este grupo.
-Estaciones del noreste (unas 16):
15 16 17 18 19 20 21 22 23 25 26 27 29 30 31 32
-Estaciones del suroeste (unas 16):
1 2 3 4 5 6 7 8 9 10 11 12 13 14 24 28
Pág. 43 de 89
Figura 21. Separación de estaciones del nordeste y este de las del suroeste y oeste a partir del
índice de disimilitud.
Pág. 44 de 89
Figura 22. Dendrograma, indica un índice de disimilitud máximo de 8.5 aproximadamente. El brazo izquierdo se corresponden con las estaciones del nordeste y el derecho con las del suroeste. Se ve como la estación 14 y 24 se relacionan mejor con las del suroeste.
b. Análisis para las estaciones orientadas al noreste de la isla (unas 16).
Para éstas tenemos un periodo máximo sin huecos entre 1946 y 2009.
Una vez se tienen los ficheros en formato climatol con las estaciones del norte se vuelve a buscar
la transformación que mejor normaliza el histograma dando valores a rtrans, para el cual vuelve a
salir 3,2.
Se analiza de nuevo la distribución climática de los datos donde aparece un índice de disimilitud
máximo de 3,6. Sin embargo los datos no presentan una distribución clara tal y como se indica en
la figura 23 porque estas aparecen bastante mezcladas por otro lado no hay una barrera
geográfica clara separando zonas de distinto color, se decide no realizar más separaciones de
Pág. 45 de 89
estaciones para esta zona.
Figura 23. Resultado análisis de grupos de las estaciones del noreste de La Palma.
Determinación de umbrales para el snht aplicado a la serie completa (snhtt) y para el snht por
tramos de 60 meses (tVt). Para ello se ejecuta previamente:
homogen("Pptm",1946,2009,tVt=0, rtrans=3,std=2)
Se analizan los Histogramas de máximo tV y máximo snht (Figura 24) al final del fichero de
gráficos resultante tras la ejecución del último comando. En este caso las posibles
inhomogeneidades mas claras quedan por encima de 25 tanto para el máximo tV (snht por
tramos) como para el máximo snht (snht por estaciones). Sin embargo se observa un máximo
secundario en 13 para max tV y uno en 14 para max snht y en el análisis de anomalías previas se
observa algún tramo sospechoso para estos valores. Tomamos por tanto los umbrales: tVt=11 y
snhtt=13 y ejecutamos por tanto el comando siguiente que nos realizará la homogenización:
homogen("Pptm",1946,2009,std=2,rtrans=3.2,tVt=11,snhtt=13)
Pág. 46 de 89
Figura 24. Histogramas de máximo tV y máximo snht para las 16 estaciones de la zona noreste.
c. Análisis para las estaciones orientadas al suroeste de la isla (unas 16).
Para éstas tenemos un periodo máximo sin huecos entre 1935 y 2009.
Se obtiene un rtrans=3,2 para la mejor normalización del histograma de los datos.
Se obtiene un índice de disimilitud máximo de 2,8 y no hay barreras geográficas claras separando
áreas en la zona suroreste (figura 25), por lo que no se vuelve a separar estaciones en esta zona.
Pág. 47 de 89
Figura 25. Resultado análisis de grupos de las estaciones del suroeste de La Palma.
Determinación de umbrales para el snht aplicado a la serie completa (snhtt) y para el snht por
tramos de 60 meses (tVt). Para ello se ejecuta previamente:
homogen("Pptm",1935,2009,tVt=0, rtrans=3,std=2)
Se analizan los Histogramas de máximo tV y máximo snht (Figura 26). En este caso las posibles
inhomogeneidades mas claras quedan por encima de 25 tanto para el máximo tV (snht por
tramos) como para el máximo snht (snht por estaciones). Sin embargo se observa un máximo
secundario en 12 para max tV y ninguno claro para max snht. Tomamos por tanto los umbrales:
tVt=11 y snhtt=13 y ejecutamos por tanto el comando siguiente que nos realizará la
homogenización:
homogen("Pptm",1935,2009,std=2,rtrans=3.2,tVt=11,snhtt=13)
Pág. 48 de 89
Figura 26. Histogramas de máximo tV y máximo snht para las 16 estaciones de la zona suroeste.
3.4 Análisis de tendencia
Para el análisis de las tendencias hay varios métodos posibles: media simple, método de la
primera diferencia (Peterson et al., 1998), método de las anomalías climáticas (Jones et al., 1982;
Jones et al., 1986a, 1986b) y anomalías asociadas a estaciones de referencia sopesadas
mediante distancia (Hansen et al., 1987; 1999). Hemos recurrido al método de las anomalías
climáticas, de modo que el ejercicio primero consistió en fijar el periodo base para calcular
anomalías.
Teniendo en cuenta que es recomendable un periodo de al menos 30 años para el cálculo base
de las anomalías (WMM, 1996; Aguilar et al., 2003) y que según Jones (1982) las estaciones para
calcular el período base no deben tener más de una tercera parte de datos ausentes, es decir, no
deben tener más de un 30% de gaps, hemos identificado como periodo base los años entre 1970
y 1999.
Para todas las series de anomalías mensuales, estacionales y anuales se calculó la
correspondiente regresión lineal y su grado de significación según el test de rangos de Spearmann
(Sneyers, 1975), tal y como recomienda Morales et al., (2005). Aunque los resultados en este
Pág. 49 de 89
trabajo se van a ceñir únicamente a la anomalía anual de precipitación esto es, la diferencia entre
las acumulaciones anuales de precipitación y la acumulación media del periodo base.
Siempre que en la construcción de la serie de referencia intervenía más de una estación, se
construía una serie promedio de anomalías a la cual se le aplicaba la aproximación desarrollada
por Osborn et al. (1997) con el ajuste de Bruner et al. (2001) para corregir del sesgo de la varianza
asociado al variable número de estaciones en cada año. Estas operaciones se realizaron con
desarrollos matemáticos propios aplicadas a la herramienta Climaserie de la Agencia.
3.5. Identificación de zonas climáticas y selección de series analizadas.
3.5.1. Identificación de zonas climáticas.
Al tratarse de islas montañosas, el factor relieve afecta a la cantidad y distribución geográfica
de la precipitación por tanto en cada una de estas islas se han definido zonas climáticas
basadas en el comportamiento y la cantidad de precipitación. Esta tarea de definición de
áreas es decisivo para analizar posteriormente las series de precipitación dentro de cada área
y construir las series de referencia zonales.
Una rápida inspección a los datos permite comprobar por un lado la irregularidad de las lluvias
en los meses invernales en la zona sur, más acusado y con acumulaciones mensuales más
altas si la estación de encuentra a mayor altura (hasta 600 mm en enero de 1979 en
Tejeda_ViveroÑameritas, Gran Canaria, con una desviación estándar de 71 mm). La sequia
estival generalizada, más acusada en la zona sur. Cierta regularidad en los meses invernales
en zonas de medianías del norte (promedio de 50 mm con una desviación estándar de 43 mm
en la estación C657I_StaBrigida_Casco, Gran Canaria). La duda surge a la hora de separar
estas zonas claramente diferenciadas de forma objetiva.
Para ello se ha utilizado los resultados del análisis de grupos que realiza previamente el
Climatol y que separa las estaciones por colores según el coeficiente de disimilaridad
asignado a cada separación de los grupos principales. La separación de zonas se ha
organizado en una separación principal y una secundaria.
- El primer análisis de grupos, utilizando todas las estaciones, indica por donde separar la
Pág. 50 de 89
vertiente norte/nordeste de la sur/suroeste, esto se observa claramente en las figuras 6,
15 y 21 para cada una de las islas, donde los grupos están claramente diferenciados por
colores. La separación principal de zonas tiene unos índices de disimilaridad
significativos ya que está claramente influido por el abrupto relieve de cada isla. Al trazar
las líneas de las separaciones principales se ha tratado de coincidir con las dorsales
montañosas (ver figuras 27, 28, 29) en caso de no ser posible se ha tratado de dejar la
misma área de dorsal a un lado y a otro de la línea, para que las áreas de las zonas no
se vean afectadas.
- El segundo análisis de los grupos en las vertientes norte/nordeste indica la separación
secundaria considerada que es vertical. El caso más visual lo encontramos para el norte
de Gran Canaria tal y como se observa en la figura 8, los tres grupos de estaciones
están estratificados en tres rangos de altitud. Estos rangos se pueden calcular
analizando la altitud de las estaciones, sin embargo para esta tarea no se utilizó esta
figura exactamente sino la que se obtiene de los datos sin transformar, es decir
ejecutando el comando de homogenización para rtrans=1. Los grupos en este caso
aparecen mejor definidos y para Gran Canaria estableció tres rangos tal y como se
observa en la figura 27:
o Zona baja de 0 a 400 m.
o Zona de medianías de 400 a 800 m.
o Zona alta por encima de 800 m.
En la zona sur de Gran Canaria no se observa claramente esta estratificación vertical de los
grupos de estaciones pero se mantuvo por coherencia con la zona norte.
En la isla de Tenerife tal y como se observa en la figura 16, la estratificación vertical es menos
clara pero esta existe ya que predomina un grupo u otro según el rango de alturas. Aunque en
esta figura 16 no se observa en la utilizada para este análisis con los datos sin transformar
aparece un cuarto grupo para las zonas altas por encima de los 2000 m (figura 28). En la
zona sur ocurre lo mismo que para la zona sur de Gran Canaria y se mantiene la misma
estratificación vertical que para la zona norte.
En la isla de La Palma se procede de la misma manera aunque con mayor dificultad por la
escases de estaciones, paradójicamente la estratificación se observa para la zona suroeste
(figura 25), también son las estaciones con mayor cantidad de datos.
Pág. 51 de 89
Con toda esta información combinada con un mapa topográfico se generan las siguientes
figuras 27, 28 y 29 de cada isla donde cada estación queda posicionada en una zona
climática concreta. Tanto la zona como la estratificación vertical se indican en el triángulo
coloreado colocado abajo a la izquierda. En el anexo II, en la última columna de las tablas con
la información sobre las estaciones se indica la zona climática acorde con las figuras.
Figura 27. Zonas climáticas coloreadas definidas a partir del comportamiento de la precipitación para
Gran Canaria. Distribución de las 123 estaciones y área total de cada zona en km2.
Pág. 52 de 89
Figura 28. Zonas climáticas coloreadas definidas a partir del comportamiento de la precipitación para
Tenerife. Distribución de las 304 estaciones y área total de cada zona en km2.
A
B
C
D
E
F
337 km2
437 km2
291 km2
364 km2
233 km2
242 km2
400 m
1000 m
NORTESUR
G2000 m
231 km2
A
B
C
D
E
FG
Pág. 53 de 89
Figura 29. Zonas climáticas coloreadas definidas a partir del comportamiento de la precipitación para La
Palma. Distribución de las 32 estaciones y área total de cada zona en km2.
3.5.2. Selección de series analizadas por zonas y generación de series de referencia
Las series de precipitación más valiosas para este análisis de cambio climático son aquellas
que tienen un mayor recorrido temporal y con pocos huecos en el periodo base. También son
importantes aquellas que aún teniendo huecos en el periodo base, proporcionan datos en
décadas anteriores a los 70, 60 y 50. Las series consideradas idóneas sirven para construir
las series de referencia de cada zona climática, el resto se tuvieron en cuenta en la mejora de
las primeras durante los procesos de rellenado de gaps, corrección outliers y la
Pág. 54 de 89
homogenización.
Estas series idóneas son utilizadas para construir las series de referencia de anomalías de
cada una de las zonas climáticas. La metodología para construir estas series de anomalías
consiste en un ajuste de varianzas y un promediado de la precipitación anual de todas las
estaciones de la zona, para luego restarle la acumulación anual media del periodo base
(1970-1999) también obtenida de todas las series de la zona.
A continuación se construyen las series de anomalías por vertientes norte o sur considerando
las series de referencia zonales de anomalías según su orientación norte o sur de la isla. En
este caso se tiene en cuenta el área de cada zona ya que la serie de anomalías resultante
está sopesada en función de la extensión de cada zona involucrada de la vertiente.
Siguiendo el mismo método que para las vertientes pero utilizando la totalidad de zonas de la
isla, se construye la serie de anomalías global representativa de la anomalía de precipitación
de toda la isla.
La selección de series largas y con pocos gaps en el periodo base no es tarea sencilla dada
la gran cantidad de estaciones a inspeccionar en Tenerife y Gran Canaria, principalmente.
Para tratar este problema de forma eficiente se preparó un algoritmo específico que realiza a
las estaciones de cada zona climática:
1. Un cálculo de la proporción de gaps en el periodo base para cada estación.
2. Ordena las estaciones de menor a mayor según la proporción de gaps.
3. Calcula la proporción de gaps acumulado “pga” para la serie de estaciones ordenada
mostrando el valor de pga cada vez que se añade una estación.
4. En caso de empate en la zona entre el 30% y el 40% de pga se informa que serie tiene
datos de mayor antigüedad.
Esta forma de proceder permite ordenar automáticamente las series en función del pga en
cada zona. Los resultados de aplicar este algoritmo se muestra en las tablas 2, 3 y 4
correspondientes a la isla de Gran Canaria, Tenerife y La Palma respectivamente. Se ha
marcado el pga crítico seleccionado siendo este siempre por debajo del 30% cuando hay
muchas estaciones por zona y rondando este valor cuando hay pocas. En La Palma hay
zonas climáticas con una o dos estaciones con datos insuficientes para crear la serie de
Pág. 55 de 89
referencia. Esto ocurre en la zona B, C y F, ya que no solo hay pocos datos en el periodo
base con un pga entre 21 y 40% sino también en el resto del periodo.
Tabla 2. Estaciones ordenadas en función del pga (proporción de gaps acumulado) para la isla de Gran Canaria. Las que quedan por encima de la línea roja son las utilizadas para generar las series de referencia zonales, en total unas 115. En la última fila el primer y último año de la serie de anomalías generada para cada zona.
Zona A Zona B Zona C Zona D Zona E Zona F
Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%)
42 0 27 0 46 0,3 49 6,1 23 0,6 41 1,7 98 0 87 0 1 0,4 80 6,4 70 1,9 69 1,7
104 0,1 91 0 112 0,5 72 7,4 78 3,2 28 1,8 117 0,1 115 0,1 82 0,6 4 9,1 77 5,1 19 2,8 120 0,2 92 0,4 110 0,8 48 10,3 71 8,4 68 3,5 14 0,3 116 0,6 86 1 67 11,8 25 11,5 74 4,2 51 0,4 63 0,9 107 1,3 73 13,8 38 14,9 40 4,7
118 0,5 34 2,5 62 1,6 44 16,9 79 17,5 75 6,7
53 0,6 47 3,7 83 1,8 9 19,5
76 8,9
64 0,8 93 5,9 108 2,1 26 25,3
106 0,9 113 7,9 85 3,2 22 31
102 1,1 99 9,7 81 4,3 29 36,2 96 1,3 90 11,5 84 5,5
123 1,9 88 13,2 10 6,4
50 2,4 35 14,9 60 7,4 103 3,0 114 16,4 58 8,2 119 3,5 37 18 11 9,2 95 4,2 43 25,3 59 10,1
3 4,9 24 29.8 32 11,3 17 5,7
109 12,6
101 6,6
8 13,9 36 7,5
55 15,2
52 8,6
54 16,7 66 9,5
61 18,4
7 10,6
56 19,9 15 11,5
31 21,5
97 12,5
111 22,9 122 13,5
30 24,5
6 14,6
89 26,2
105 15,6
39 27,7
121 16,7
57 29,9 65 18
94 19,5
45 20,9
16 22,3
2 23,7
12 25,4
5 26,4
100 27,9
13 29,7
18 31,4
40 40 18 58 30 88 10 98 8 106 9 115
1951 2008 1965 2008 1965 2008 1965 2008 1964 2008 1965 2008
Pág. 56 de 89
Tabla 3. Estaciones ordenadas en función del pga (proporción de gaps acumulado) para la isla de Tenerife. Las que quedan por encima de la línea roja son las utilizadas para generar las series de referencia zonales, en total unas 84. En la última fila el primer y último año de la serie de anomalías generada para cada zona.
Zona A Zona B Zona C Zona D Zona E Zona F Zona G
Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%)
45 0 71 0 56 14,7 300 20,8 77 0 16 0,3 26 0,6 115 0 103 0 259 22,9 82 21 7 12,8 187 12,2 102 2,8 94 0,1 227 0 275 27,4 250 21,5 176 19,6 186 23,5 133 13,6 60 1,5 92 0,1 200 31,2 244 21,8 217 23,8 183 30 2 21,9 33 2,8 143 0,4 270 33,7 81 23,6 18 27 3 34 150 26,8
50 4,3 30 0,6 68 35,6 23 25,4 19 29,6 303 36,7 124 30,5 43 5,5 39 0,9 213 37,1 15 27,3 6 31,7 163 38,7 1 33,4
46 6,5 44 2,5 209 38,3 11 29,4 20 33,7 199 35,7 66 7,7 76 3,7 272 39,3 9 32,1 17 35,7 118 38,1
29 8,9 58 5,9 241 34,3 78 37,3 47 9,9 27 7,9 243 36,9 285 39
253 11,9 57 9,7 21 39,1 181 13,7 245 11,5 110 16,1 5 13,2
286 18,1 40 14,9 48 19,9 105 16,4
100 21,5 232 18 123 23 280 19,6 180 24,4 90 21 91 25,7 229 22,3
304 26,8 231 23,5 106 27,9 287 24,5 42 28,9 64 25,6
122 29,8 144 26,6
116 30,8 98 27,5 97 31,7 104 28,4
152 32,6 167 29,2
95 33,4 108 30
51 34,3 59 30,9
24 24 27 51 5 56 9 65 7 72 5 77 7 84
1938 2009 1919 2009 1959 2006 1945 2009 1945 2009 1946 2009 1920 2009
Pág. 57 de 89
Tabla 3. Estaciones ordenadas en función del pga (proporción de gaps acumulado) para la isla de La Palma. Las que quedan por encima de la línea roja son las utilizadas para generar las series de referencia zonales, en total unas 18. En la última fila el primer y último año de la serie de anomalías generada para cada zona. No se generan las series para las zonas B, C y F por no haber una cantidad suficiente de datos.
Zona A Zona B Zona C Zona D Zona E Zona F
Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%)
20 12,5 32 21,1 25 20,8 8 2,7 6 0 24 84,4 19 19,7 27 39,9 15 47,8 10 3,1 3 2,8
16 22,8 31 46,9
7 3,9 28 3,9 23 28,3 18 51,8
12 16,9 2 5,6
30 33,9 26 56,6
11 29,3 1 10,6 17 37,9 29 61,0
13 37,8 4 14,6
21 45,4
14 46,7 9 17,6 22 51,7
5 21,9
5 5 0 5 0 5 5 10 8 18 0 18
1965 2009 Datos
insuficientes Datos
insuficientes 1946 2009 1935 2009 Datos
insuficientes
Para el cálculo de las series de la vertiente norte de Gran Canaria y Tenerife se utilizaron las
series de referencia promediadas de las zonas A, B y C de cada isla, obteniéndose una serie
de anomalías de precipitación para Gran Canaria desde 1951 hasta 2008 y desde 1919 hasta
2009 para Tenerife. Para las series de la vertiente sur se utilizaron las correspondientes a las
zonas D, E y F, en este caso tienen un recorrido temporal más corto, entre 1964 y 2008 para
Gran Canaria y entre 1946 y 2009 para Tenerife. Para la isla de La Palma sin embargo solo
se puede utilizar la serie de la zona A para construir la serie de la vertiente noreste (con un
recorrido entre 1965 y 2009) y se utilizaron las correspondientes a la zona D y E promediadas
para representar la serie de precipitación de la vertiente suroeste (con un recorrido entre
1935 y 2009).
Para construir la serie global de Gran Canaria se utilizaron las serie de la zona A, B, C, D, E
y F promediadas con respecto a la extensión del área de cada zona (recorrido entre 1951 y
2008). Lo mismo se hizo para la serie global de Tenerife aunque añadiendo la serie
promediada de la zona alta G (recorrido entre 1919 y 2009). Para La Palma sin embargo solo
se pudo tomar las series promediadas para la zona A, D y F, por lo que la serie global tendrá
mayor influencia de la precipitación de esta vertiente al suroeste (recorrido entre 1935 y
2009).
Pág. 58 de 89
4. Resultados.
Tras comentar los resultados más relevantes de la parte metodológica referente al análisis de outliers
y rellenado de gaps, se detallarán además los aspectos más llamativos de la homogenización
realizada con Climatol y se terminará interpretando los resultados obtenidos a partir de las series
anuales de precipitación en cada isla y por zonas en estas islas.
4.1 Resultados en la corrección de outliers y rellenado de gaps
1. Gran Canaria
Las 123 estaciones de Gran Canaria proporcionan un total de 43403 datos brutos mensuales de
precipitación acumulada. De todas estas solo 3 estaciones empiezan a funcionar a principios de la
década de los 50, mientras que la mayoría (unas 70) empiezan su actividad en 1964 o 1965, de
estas unas 10 tienen series de menos de 10 años. En procesos sucesivos como el rellenado de
gaps y corrección de outliers por correlación entre estaciones cuyos resultados se muestran en las
tablas del anexo I, se consiguió aumentar la calidad de las 1380 (115x12) series pertenecientes a
las 115 estaciones (aquellas con menos de un 30% de gaps acumulados, ver tabla 2) a partir de
las siguientes acciones:
2603 gaps rellenados.
0 outliers extremos eliminados.
359 outliers sospechosos corregidos.
Analizando estos resultados por meses (ver tablas al final del anexo I) la mayor cantidad de
incorporaciones ocurren, en los meses entre septiembre y abril. Mientras que para el caso de las
correcciones de outliers no hay una época del año definida, la mayor cantidad de correcciones
ocurren en enero (48), mayo (44) y septiembre (71).
Una inspección visual de las series en distintas zonas de la isla, viene a confirmar las
características generales de precipitación en Gran Canaria: La irregularidad de las lluvias en los
meses invernales en la zona sur, más acusado y con acumulaciones mensuales más altas si la
estación de encuentra a mayor altura (hasta 600 mm en enero de 1979 en
C624E_Tejeda_ViveroÑameritas con una desviación estándar de 71 mm). La sequia estival
generalizada, más acusada en la zona sur. Cierta regularidad en los meses invernales en zonas
Pág. 59 de 89
de medianías del norte (promedio de 50 mm con una desviación estándar de 43 mm en la
estación C657I_StaBrigida_Casco)
2. Tenerife
Las 304 estaciones de la AEMET analizadas producen un total de 65958 datos de precipitación
mensual hasta diciembre de 2009. Los primeros datos contabilizados se remontan a 1906 en la
estación 40 (La Laguna_Instituto, C447B), a la que se añaden 2 o 3 mas a partir de 1919. No es
hasta 1945 aproximadamente cuando se ponen en marcha unas 50 estaciones de las cuales solo
unas 20 mantienen cierta continuidad en la recopilación de datos. En los años 70 se añaden otras
20 o 30 aunque el mayor incremento se produce a mitad de los 80 ya con las 300 estaciones
alcanzándose un máximo de 240 mediciones simultáneas a finales de los 80 y principios de los
90. A partir de entonces el número de mediciones han ido disminuyendo hasta nuestros días hasta
unas 60 aproximadamente.
En procesos sucesivos como el rellenado de gaps y corrección de outliers por correlación entre
estaciones cuyos resultados se muestran en las tablas del anexo I, se consiguió aumentar la
calidad de las 1008 (84x12) series pertenecientes a las 84 estaciones (aquellas con menos de un
30% de gaps acumulados, ver tabla 3) a partir de las siguientes acciones:
4532 gaps rellenados.
11 outliers extremos eliminados.
4 outliers extremos corregidos
485 outliers sospechosos corregidos.
Analizando estos resultados por meses (ver tablas en el anexo I) la mayor cantidad de
incorporaciones ocurren en diciembre con 505, aunque hay bastante homogeneidad en el resto de
meses en torno a 430 incorporaciones al mes salvo los meses de mayo a agosto que bajan con un
mínimo de 194 en julio. Mientras que para el caso de las correcciones de outliers no hay una
época del año definida, la mayor cantidad de correcciones ocurren en septiembre (70) y agosto
(62) y la menor cantidad en diciembre (8).
Pág. 60 de 89
3. La Palma.
Las 32 estaciones analizadas producen un total de 10206 datos de precipitación mensual hasta
diciembre de 2009. Aunque hay datos de precipitación mensual aislados desde 1915 en la
estación 22 (SANTA-C-PALMA, C139O) no es hasta 1935 cuando se consigue cierta continuidad
en las mediciones de precipitación con 2 o 3 estaciones activas en el suroeste de la isla. A partir
de 1946 aproximadamente se incorporan unas 15 estaciones aunque no se consigue que estas
generen una continuidad acorde con su número hasta mediados de los años 70. A mediados de
los 80 se incorporan el resto de estaciones consiguiendo un máximo en torno a 25 mediciones
simultáneas a finales de esta década y principios de los 90. A partir de aquí el número de
mediciones va disminuyendo hasta estabilizarse en torno a 15 en nuestros días.
En procesos sucesivos como el rellenado de gaps y corrección de outliers por correlación entre
estaciones cuyos resultados se muestran en las tablas del anexo I, se consiguió aumentar la
calidad de las 216 (18x12) series pertenecientes a las 18 estaciones (aquellas con menos de un
30% de gaps acumulados, ver tabla 4) a partir de las siguientes acciones:
608 gaps rellenados.
2 outliers extremos eliminados.
65 outliers sospechosos corregidos.
Analizando estos resultados por meses (ver tablas en el anexo I) la mayor cantidad de
incorporaciones ocurren en diciembre con 84, aunque hay bastante homogeneidad en el resto de
meses en torno a 60 incorporaciones al mes salvo los meses de febrero con 39, julio con 11 y
agosto con 23. Mientras que para el caso de las correcciones de outliers no hay una época del
año bien definida, la mayor cantidad de correcciones ocurren en agosto (13) y la menor cantidad
en febrero (1).
4.2. Resultados en la homogenización de las series de precipitación.
El paquete climatol utilizado para homogeneizar las series de precipitación en cada isla por
separado, no solo corrige inhomogeneidades en las series sino que también corrige outliers que
superan cierto umbral, en este caso, aquellos que superen 5 veces la desviación típica de la serie.
Pág. 61 de 89
Una vez finalizado el proceso de homogenización con Climatol, al final del fichero resumen (ver
Anexo III) hay un listado de estaciones corregidas junto con otras “hermanas”, generadas como
copias de las que sufrieron los mayores saltos de snht. Estas nuevas estaciones son
estadísticamente posibles y la elección de estas en lugar de las originales corregidas depende del
uso futuro que se les pretenda dar. En el caso de estar interesado en calcular tendencias, es
recomendable tomar aquellas que tengan una mayor proporción de datos originales sin que se
repita ninguna. Estas son las que tienen un valor mayor en la columna de PD en el fichero
resumen y ha sido el procedimiento seguido en este trabajo.
Una vez homogenizadas las series de cada isla, dado que la cantidad de datos previa al proceso
de homogenización es lo suficientemente numerosa como para construir series de referencia por
zonas, se han omitido todos los huecos rellenados por climatol de esta forma solo nos quedamos
con el resultado de la homogenización.
A continuación se muestra un listado de los cortes principales realizados y un recuento de outliers
corregidos en cada isla, aunque es importante destacar que cada vez que se realiza un corte o se
corrige un outlier, climatol repite los procesos anteriores de forma iterativa, realizando nuevos
cortes y/o encontrando nuevos outliers por lo que el recuento final puede ser distinto al mostrado
aquí. Los cortes se dividen en principales: estos suponen la generación de una serie “hermana” y
secundarios: estos quedan cerca del borde de la serie, menos de 12 meses, y la zona entre la
inhomogeneidad y el final se borra para luego rellenarse con estimaciones.
1. Gran Canaria.
- Grupo de estaciones al norte (unas 92): o 46 outliers corregidos. o 12 cortes:
10 principales 2 secundarios
- Grupo de estaciones al sur (unas 31): o 13 outlier corregidos. o 8 cortes:
6 principales 2 secundarios
2. Tenerife.
- Grupo de estaciones al norte (unas 223): o 50 outliers corregidos. o 36 cortes:
33 principales
Pág. 62 de 89
3 secundarios - Grupo de estaciones al sur (unas 75):
o 17 outlier corregidos. o 17 cortes:
14 principales 3 secundarios
3. La Palma.
- Grupo de estaciones al noreste (unas 16): o 4 outliers corregidos. o 5 cortes:
3 principales 2 secundarios
- Grupo de estaciones al suroeste (unas 16): o 6 outlier corregidos. o 14 cortes:
12 principales 2 secundarios
Estos cortes podrían parecer escasos pero representan aquellas series que han tenido un
comportamiento anómalo llamativo con respecto a las series de su entorno. La comparación con
el entorno se garantiza en todo momento con la utilización anomalías (diferencia entre el dato de
serie problema y el dato interpolado de las series del entorno) en lugar de utilizar el dato directo de
precipitación. Esta medida evita además la aparición excesiva de saltos en la media por superar
los umbrales de snht en los casos con un comportamiento tan irregular como el que nos ocupa.
Pág. 63 de 89
4.3 Análisis de tendencias de la precipitación
En este apartado se realiza una interpretación de las series de anomalías acumulaciones anuales
de precipitación obtenidas en cada una de las islas. Estas anomalías están referidas al valor de la
precipitación acumulada anual promediada en el periodo base entre 1970 y 1999 para cada zona.
Se comenzará por analizar las series globales representativas de la precipitación general en cada
isla, luego las vertientes y finalmente se terminará analizando las zonas dando prioridad a las más
pobladas y resaltando aquellos aspectos más importantes y llamativos. En el anexo IV se muestra
todas las gráficas correspondientes a la evolución temporal de anomalías para todas las zonas de
las tres islas.
4.3.1. Análisis precipitación Gran Canaria
En el análisis global de la isla cuya gráfica se muestra en la figura 30, llama la atención lo
irregular de la anomalía anual de la precipitación de forma que se alternan de forma casi
aleatoria años de anomalías positivas (A+) con años de anomalías negativas (A-). Solo en
contados casos encontramos 3 años o más seguidos con anomalías de igual signo como es
el caso de algunos periodos más húmedos que la media:
- Con un exceso de 250 mm aprox. durante 4 años entre 1955 y 1958.
- Con un exceso de 180 mm aprox. durante 6 años entre 1967 y 1972.
- Con un exceso de 150 mm aprox. durante 3 años entre 2004 y 2006.
Tambien periodos largos más secos que la media:
- Con un déficit de 120 mm aprox. durante 6 años entre 1973 y 1978.
En caso de tratar de hacer un ajuste lineal para conocer la tendencia lineal, éste fracasa
debido a la irregularidad de serie, se obtiene una pendiente decadal de -10 mm con una
gran incertidumbre de ± 20 mm y con una significación estadística por debajo del 95% por lo
que se debe tomar esta tendencia decadal con cautela.
De forma general se podría decir que hay un predominio de años con anomalías positivas
entre 1951 y 1972 (unos 15 con A+ frente a solo 4 con A-), por lo que este periodo fue más
lluvioso. Sin embargo esta tónica se invierte bruscamente a partir de 1973 con 6 años
Pág. 64 de 89
seguidos de A- e igual cantidad de anomalías + y – a partir de 1979 hasta el 2008.
Figura 30. Evolución de las anomalías de precipitación anual acumulada para el análisis global de la isla de Gran Canaria. Las barras indican el valor de la anomalía con respecto a la precipitación anual promediada en el periodo base (1970-1999). La línea recta inclinada es el ajuste lineal por mínimos cuadrados. La línea curva es una media móvil de los últimos 10 años.
En la gráfica de anomalías de la vertiente norte de Gran Canaria (figura 31) comprende las
zonas A, B y C (ver zonas en figura 27). La evolución de las anomalías de precipitación
sigue caracterizada por una gran irregularidad. La tendencia lineal de la anomalía para todo
el periodo de estudio (entre 1951 y 2008) sigue siendo descendente y más pronunciada que
para la evolución global (-20 mm ± 30 mm) aunque poco significativa estadísticamente.
Llama la atención en este caso una acumulación de anomalías negativas significativas entre
Pág. 65 de 89
los años 1994 y 2001.
Figura 31. Lo mismo que la figura 30 pero para la vertiente norte de Gran Canaria.
En la vertiente sur de Gran Canaria (figura 32) la evolución de anomalías entre 1964 y 2008
aún siendo muy irregular prácticamente no muestra una tendencia clara a aumentar o a
disminuir. Es llamativa la anomalía negativa de -600 mm de 2004, este año tuvo que ser
especialmente seco.
Pág. 66 de 89
Figura 32. Lo mismo que la figura 30 pero para la vertiente sur de Gran Canaria.
Para las zonas más pobladas de la isla como la zona norte baja por debajo de los 400 m o
zona A (ver zona en figura 27 y evolución de anomalías en figura 1 del anexo IV) es muy
parecido a lo que ocurre en la vertiente norte con igual tendencia lineal descendente aunque
con menor incertidumbre (-20 ± 20 mm) ya que en la vertiente norte la incertidumbre era de
± 30 mm. Llama la atención por un lado las A+ significativas de hasta 400 mm en los
primeros años entre 1951 y 1958 y por otro lado la acumulación de A+ durante 5 años
seguidos entre 2002 y 2007 aunque de menor cuantía que las primeras, de unos 70 mm.
En la zona baja sur (figura 4 en anexo IV) sin embargo parece invertirse la tendencia con un
aumento en el número y tamaño de A+ a partir de 1987 que genera una tendencia decadal
Pág. 67 de 89
aunque poco significtiva de 20 mm ± 20 mm. Esto se confirma en la zona inmediatamente
encima entre 400 y 800 metros (figura 5 del anexo IV), donde además hay menos huecos.
En este caso se ha obtenido una tendencia decadal de 30 mm ± 50 mm.
4.3.2. Análisis precipitación Tenerife
El análisis global de la isla de las anomalías de precipitación acumulada anual (figura 33) se
tienen datos más antiguos desde 1919 y la primera característica además de la
irregularidad, es que parece haber un cierto comportamiento cíclico. Se alternan grupos de
anomalías positivas (A+) y anomalías negativas (A-) con periodos variables de 4 a 10 años.
Sin embargo este ciclo es más difícil de ver en los últimos 15 años donde parece haber un
predominio de A-. Llama poderosamente la atención los dos periodos con predominio de A+
con máximas de 840 mm aproximadamente, el primer periodo, los primeros años, entre
1920 y 1926 y el segundo entre 1949 y 1959.
Se ha medido una tendencia decadal negativa aunque poco significativa de -20 ± 20 mm
para todo el periodo estudiado (1919-2009). Esta tendencia negativa se mantiene idéntica
en el análisis de la vertiente norte (figura 34) y se acentúa en la zona baja norte o zona A
(figura 7 en el Anexo IV) con una pendiente decadal de -40 ± 20 mm, además, significativa
estadísticamente al 95%.
En la vertiente sur de la isla (figura 35) ocurre algo parecido a la vertiente sur de Gran
Canaria y es que no parece haber una tendencia clara a aumentar o a disminuir. Es
llamativa la anomalía positiva de casi 900 mm de 1953, este año tuvo que ser especialmente
húmedo en esta zona. A diferencia de lo que ocurre en la zona baja al sur de Gran Canaria
en esta zona en Tenerife (figura 10, Anexo IV) la tendencia decadal es a la baja (-10 ± 30
mm) aunque de forma poco significativa estadísticamente. Sin embargo la tendencia entre
las dos islas si parecen ponerse de acuerdo con signo positivo en la zona E correspondiente
con la zona sur entre 400 y 1000 m (figura 11, Anexo IV).
En la zona G o zona alta por encima de los 2000 m (figura 13, Anexo IV) no se observa una
tendencia decadal clara en la evolución de las anomalías de precipitación anual. Si se
pueden percibir los ciclos observados en el análisis global de la isla. Llama la atención la A+
Pág. 68 de 89
de 930 mm registrada en 1979, este año tuvo que ser especialmente húmedo en esta zona.
Figura 33. Evolución de las anomalías de precipitación anual acumulada para el análisis global de la isla de Tenerife. Las barras indican el valor de la anomalía con respecto a la precipitación anual promediada en el periodo base (1970-1999). La línea recta inclinada es el ajuste lineal por mínimos cuadrados. La línea curva es una media móvil de los últimos 10 años.
Pág. 69 de 89
Figura 34. Lo mismo que la figura 30 pero para la vertiente norte de Tenerife.
Pág. 70 de 89
Figura 35. Lo mismo que la figura 30 pero para la vertiente sur de Tenerife.
4.3.3. Análisis precipitación La Palma.
Antes de comenzar es importante destacar que el análisis global de la isla mostrada en la
figura 36 va a estar fuertemente influenciada por las dos zonas D y E de la vertiente
suroeste debido a que este gráfico se ha realizado con datos de solo 3 zonas A, D y E.
La evolución de anomalías para esta isla nos muestra una tendencia decadal negativa de -
40 ± 40 mm aunque significativa estadísticamente al 95% en el análisis realizado entre 1935
y 2009. Destaca por otro lado un periodo entre 1949 y 1959 espacialmente húmedo con
valores máximos de A+ de 1600 mm.
Pág. 71 de 89
Figura 36. Evolución de las anomalías de precipitación anual acumulada para el análisis global de la isla de Tenerife.
Sin embargo para la vertiente nordeste representada únicamente por la zona baja A,
mostrada en la figura 14 del anexo IV, la tendencia decadal entre 1965 y 2009 es positiva de
valor 40 ± 60 mm, aunque con una significación estadística menor del 95%. Destaca en el
análisis de esta zona un grupo de A+ en los últimos años entre el 2004 y 2009 con un
máximo de 900 mm en 2005.
La el análisis de la vertiente suroeste es prácticamente idéntica al análisis global con
idéntica tendencia, sin embargo en la zona baja de esta vertiente o zona D (figura 15, anexo
IV) la tendencia decadal negativa entre 1947 y 2009 se suaviza y alcanza -20 ± 40 mm
aunque con una significación menor al 95%. En la zona E, suroeste entre 400 y 1000 m
Pág. 72 de 89
(figura 16, anexo IV) destacan unas A+ en la década de los 50 con máximos muy
significativos entre 1700 y 2500 mm que habría que investigar ya que de ser ciertos suponen
unas acumulaciones muy extremas para la región en la que se encuentra el archipielago.
5. Resumen y conclusiones
En este trabajo se ha utilizado un sistema novedoso de cualificación de series de precipitación
especialmente diseñado para procesar de forma eficiente una gran cantidad de datos (unos 119567)
de precipitación pertenecientes a 459 estaciones repartidas en 3 islas, Gran Canaria, Tenerife y La
Palma. Por un lado se han rellenado un total de 7743 huecos o gaps y corregido un total de 909
valores sospechosos y extremos correlacionado unas series con otras, por otro lado, las series de las
459 estaciones se han sometido a un proceso de homogenización por isla y por grupos en cada isla
con regímenes de precipitación afines. Este proceso ha sido llevado a cabo con la aplicación
“Climatol” que está especialmente diseñada para:
- Procesar de forma semiautomática un gran volumen de datos.
- Realizar una homogenización relativa sin que sea necesaria la confección de series
homogenizadas previas que sirvan de referencia como ocurre con otros algoritmos.
- Tratar series ruidosas e irregulares puesto que utiliza anomalías (diferencia entre el dato de serie
problema y el dato interpolado de las series del entorno). Esto evita la aparición excesiva de
saltos en la media por superar los umbrales de snht en los casos con un comportamiento tan
irregular como el que nos ocupa.
En total la aplicación ha corregido 136 valores sospechosos y extremos y ha realizado 92 cortes o
ajustes en total. Este número de cortes podría parecer escaso pero representan aquellas series que
han tenido un comportamiento anómalo llamativo con respecto a las series de su entorno y por tanto
sospechosas de haber sido movidas de su localización inicial.
La fase siguiente de este trabajo ha sido la separación de zonas según la orografía con regímenes
de precipitación parecidos desde el punto de vista climático. Para ello se ha utilizado los resultados
de los análisis de grupos de estaciones basados en el índice de disimilaridad de la aplicación
Climatol. Estos análisis climáticos han ayudado a realizar unas separaciones de zonas principales
por vertientes y unas secundarias por estratos verticales. Esta tarea de definición de áreas es
decisiva construir las series de anomalías de precipitación de referencia zonales, que posteriormente
Pág. 73 de 89
se han combinado de forma pondera, según la extensión del área de cada una, para generar las
series por vertientes y las globales de cada isla.
En general los análisis globales de las tres islas indican tendencias negativas en las acumulaciones
anuales de la precipitación más acusadas en la isla de La Palma (-4 mm/año, análisis entre 1935-
2009) donde además es significativo al 95% y menos acusado en Gran canaria (-1 mm/año, análisis
entre 1951-2008).
La vertiente norte de Gran Canaria y Tenerife tienen tendencias de precipitación negativas (-2 mm/
año, entre 1951-2008 en GC y entre 1919-2009 en TF) por contra, la vertiente norte baja entre 0 y
400 m de la isla de La Palma presenta una tendencia positiva (4 mm/año, entre 1945-2009), en los
tres casos son poco significativas estadísticamente.
Las vertientes sur de Gran Canaria y Tenerife no presentan tendencias claras aunque sí han sido
medidas tendencias positivas en la zona sur baja (0-400 m) e intermedia (400-800 m) de Gran
Canaria (2-3 mm/año, 1965-2008) y zona E de Tenerife (2 mm/año, 1945-2009). En la vertiente
suroeste de La Palma se ha medido una tendencia negativa llamativa (-4 mm/año, 1935-2009) que
además es significativa estadísticamente al 95%.
Finalmente se ha observado un cierto comportamiento cíclico de las anomalías en el análisis global
en Tenerife con periodos variables de 4 a 10 años. Esto se ha observado también en el análisis de la
zona alta encima de los 2000 m en esta isla por lo que presumiblemente puede ser debido a algún
patrón climático del atlántico que aumenta la llegada de perturbaciones al archipiélago canario en los
años de predominio de anomalías positivas.
Agradecimientos
En especial Dr. José A. Guijarro, meteorólogo de la Delegación Territorial en Illes Balears, Agencia
Estatal de Meteorología y desarrollador del paquete Climatol por realizar un seguimiento de este trabajo.
Agencia Canaria de Desarrollo Sostenible Cambio Climático por encargar este informe. A la iniciativa
comunitaria INTERREG III por financiar el proyecto CLIMA-IMPACTO en el que se encuentra esta
actuación de cualificación y homogenización de datos.
Pág. 74 de 89
7. Referencias
Aguilar, E., I. Auer, M. Brunet, T. C. Peterson, & J. Wieringa .2003. Guidelines on Climate Metadata and
Homogenization, WCDMP GUIDELINES SERIES, WMO/TD nº 1186, Llansó, P. ed., 50 pp., WMO,
Geneva
Aguilar, E., I. Auer, M. Brunet, T. C. Peterson, & J. Wieringa .2003. Guidelines on Climate Metadata and
Homogenization, WCDMP GUIDELINES SERIES, WMO/TD nº 1186, Llansó, P. ed., 50 pp., WMO,
Geneva
Alexandersson, H. A. 1986. A homogeneity test applied to precipitation data. J. Climatology 6, 661–675.
Barnett, V., and T. Lewis, 1994: Outliers in Statistical Data. 3d ed. J. Wiley and Sons, 604 pp.
Bruner et al. (2001) Pag. 11 último párrafo.
R. García, D. Gallego, E. Hernández, L. Gimeno, P. Ribera, N. Calvo (2003) Precipitation trends in the
Canary Islands, International Journal of Climatology, 23, 235-241
González-Rouco, J.F., J.L. Jiménez, V. Quesada & F. Valero. 2001. Quality control and homogeneity of
precipitation data in the southwest of Europe. Journal of Climate, 14: 964-978.
Guijarro, J.A. (2004). Climatol: Software libre para la depuración y homogeneización de datos
climatológicos. En: García-Codron et al. (Eds.). El clima, entre el Mar y la Montaña. Asociación
Española de Climatología, A-4, pp. 493-502.
Guijarro JA (2011): User's guide to Climatol. http://webs.ono.com/climatol/climatol-guide.pdf (40 pp.)
Hansen, J.E. & S. Lebedeff .1987., Global trends of measured surface air temperature, J. Geophys.
Res., 92: 13345-13372.
Jones, P., S. Raper, & T. Wigley. 1986b. Southern Hemisphere Surface Air Temperature Variations:
1851–1984. J. Appl. Meteor., 25: 1213–1230.
Jones, P., S. Raper, R. Bradley, H. Diaz, P. Kellyo & T. Wigley. 1986a. Northern Hemisphere Surface Air
Temperature Variations: 1851–1984. J. Appl. Meteor., 25: 161–179.
Pág. 75 de 89
Jones, P., T. Wigley & P. Kelly. 1982. Variations in Surface Air Temperatures: Part 1. Northern
Hemisphere, 1881–1980.Mon. Wea. Rev., 110: 59–70.
Khaliq MN, Ouarda TBMJ (2007): On the critical values of the standard normal homogeneity test
(SNHT). Int. J. Climatol., 27:681687.
Mitchell S.M., B. Dzerdzecvskii, H. Flohn, N.L. Hofmeyr, H.H. Lamb, K.N. Rao & C.C, Wallen. 1966.
Climatic Change. Tecnical note nr. 79, W.M.O. nr. 195, TP 100.
Morales et al., (2005) Pag. 11 último párrafo.
Osborn et al. (1997) Pag. 11 último párrafo.
Peterson T.C., D.R. Easterling, T.R. Karl, P. Groisman, N. Nicholls, N. Plummer, S. Torok, I. Auer, R.
Böhm, D. Gullett, L. Vincent, R. Heino, H. Tuomenvirta, O. Mestre, T. Szentimrey, J. Salinger, E.J.
Førland, I. Hanssen-Bauer I, H. Alexandersson, P. Jones & D. Parker. 1998a. Homogeneity adjustments
of in situ atmospheric climate data: a review. International Journal of Climatology 18: 1493–1517.
Peterson, T.C., R. Vose, R. Schmoyer & V. Razuvaev. 1998b. Global historical climatology network
(GHCN) quality control of monthly temperature data. International Journal of Climatology, 18: 1169-1179
Paulhus, J.L.H. and Kohler, M.A. (1952). Interpolation of missing precipitation records. Month. Weath.
Rev., 80, pp. 129-133.
Sneyers, R. 1975. Sobre el análisis estadístico de las series de observaciones. OMM, Nota técnica 143.
OMM-Nº 415. Geneva.
Trenberth, K. E., and D. A. Paolino, 1980: The Northern Hemisphere sea-level pressure data set:
Trends, errors and discontinuities. Mon. Wea.Rev., 108, 856–872.
Ward, Joe H. (1963). "Hierarchical Grouping to Optimize an Objective Function". Journal of the American
Statistical Association 58 (301): 236–244.
World Meteorological Organization (WMO). 1996. Climatological normals (CLINO) for the period 1961-
1990. Geneva, Pub. 847, 768 pp.
Pág. 76 de 89
Anexo I
Recuento total de gaps, outlier extremos y sospechosos, resultado de aplicar programa
“gapsppt.pgm”
1. Gran Canaria
Recuento de modificaciones por meses y totales de 43403 datos originales leidos
Mes gaps rellenados o.ex.borrados o.ex.correg o.sosp.mod
--- --------------- ------------- ----------- ----------
Ene 226 0 0 48
Feb 222 0 0 21
Mar 249 0 0 9
Abr 249 0 0 21
May 193 0 0 44
Jun 178 0 0 26
Jul 116 0 0 35
Ago 120 0 0 28
Sep 253 0 0 71
Oct 246 0 0 20
Nov 300 0 0 18
Dic 251 0 0 18
--- --------------- ------------- ----------- ----------
Totales 2603 0 0 359
2. Tenerife
Recuento de modificaciones por meses y totales de 65958 datos originales
leidos
Mes gaps rellenados o.ex.borrados o.ex.correg o.sosp.mod
--- --------------- ------------- ----------- ----------
Ene 436 1 0 24
Feb 414 0 0 26
Mar 426 0 0 33
Abr 411 4 0 41
May 335 1 1 59
Jun 292 0 0 45
Jul 194 1 2 50
Ago 228 2 0 62
Sep 431 1 0 70
Oct 431 1 0 36
Nov 429 0 0 31
Dic 505 0 1 8
--- --------------- ------------- ----------- ----------
Totales 4532 11 4 485
3. La Palma
Recuento de modificaciones por meses y totales de 10206
datos originales leidos
Pág. 77 de 89
Mes gaps rellenados o.ex.borrados o.ex.correg o.sosp.mod
--- --------------- ------------- ----------- ----------
Ene 66 0 0 4
Feb 39 0 0 1
Mar 52 0 0 4
Abr 52 0 0 5
May 52 0 0 9
Jun 49 1 0 7
Jul 11 0 0 5
Ago 23 0 0 13
Sep 45 1 0 9
Oct 68 0 0 3
Nov 67 0 0 3
Dic 84 0 0 2
--- --------------- ------------- ----------- ----------
Totales 608 2 0 65
Pág. 78 de 89
Anexo II
Lista de estaciones utilizadas y tablas indicadoras de las modificaciones realizadas en los datos.
1. Lista de estaciones utilizadas.
1.1. Estaciones en Gran Canaria.
Num Nombre Código Altitud Latitud Longitud Zona
1 Agaete_Tamadaba C613E 1255 28,0536 -15,6917 C
2 Agaete_SuerteAlta C668V 360 28,0925 -15,6747 A
3 Agaete_Ayuntamiento C619B 60 28,0972 -15,6931 A
4 SanBartolomeTirajana_Berriel C639O 15 27,7861 -15,5069 D
5 Firgas_Itara C668F 280 28,1250 -15,5556 A
6 Galdar_Colegio C669P 110 28,1444 -15,6514 A
7 Guia_Instituto C669O 190 28,1372 -15,6278 A
8 Guia_MontañaAlta C665Q 870 28,0833 -15,6208 C
9 SanBartolomeTirajana_JuanGrande C639P 30 27,8056 -15,4708 D
10 Valsequillo_CuevasBlancas C641I 1680 27,9639 -15,5444 C
11 Valsequillo_RincondeTenteniguada C645O 950 27,9775 -15,5286 C
12 LasPalmasGC_TafiraCMT C658L 269 28,0764 -15,4497 A
13 LasPalmasGC_BasedeHidros C659S 3 28,1361 -15,4292 A
14 LasPalmasGC_JardinCanario1 C658J 270 28,0611 -15,4611 A
15 LasPalmasGC_ViveroTafira C658I 320 28,0667 -15,4500 A
16 LasPalmasGC_ICMR C659K 30 28,1083 -15,4167 A
17 LasPalmasGC_JuntadeObrasdelPuerto C659P 15 28,1500 -15,4167 A
18 LasPalmasGC_SanCristobal C659H 56 28,0897 -15,4161 A
19 Mogan_Inagua C625A 950 27,9311 -15,7375 F
20 Mogan_PuertoMogan C629X 10 27,8161 -15,7639 D
21 Mogan_PuertoMogan C629I 12 27,8164 -15,7653 D
22 Mogan_PuertoRicoPlaya C629Q 10 27,7833 -15,7167 D
23 Mogan_BarranquilloAndres C626E 715 27,8931 -15,6792 E
24 Moya_LosTilos C607I 525 28,0867 -15,5922 B
25 Aguimes_Temisas C646E 690 27,9103 -15,5072 E
26 SanBartolomeTirajana_ElMatorral C639U 15 27,8153 -15,4403 D
27 Valsequillo_GranjaLasRosas C647O 540 27,9917 -15,4939 B
28 SanBartolomeTirajana_CuevasdelPinar C623I 1217 27,9269 -15,6000 F
29 SanBartolomeTirajana_HotelFaroMaspalomas C689E 25 27,7356 -15,5981 D
30 SanMateo_LaLechucilla C655K 980 27,9981 -15,5292 C
31 SanMateo_Colegio C655Q 835 28,0064 -15,5322 C
32 SanMateo_losJuncos C611E 1697 27,9775 -15,5850 C
33 SanNicolasTolentino_Depuradora C619I 10 28,0000 -15,8167 D
Pág. 79 de 89
34 StaBrigida_Casco C657I 510 28,0414 -15,4903 B
35 StaBrigida_MonteCoello C657K 460 28,0472 -15,4736 B
36 StaBrigida_ElTejar C658K 390 28,0444 -15,4953 A
37 StaBrigida_FincaMadroñal C656J 700 28,0200 -15,5214 B
38 StaLuciaTirajana_Casco C636K 690 27,9111 -15,5433 E
39 Tejeda_CruzdeTejeda C612F 1514 28,0069 -15,5989 C
40 Tejeda_PinarPajonales C614I 1190 27,9486 -15,6569 F
41 Tejeda_ViveroÑameritas C624E 1040 27,9319 -15,6750 F
42 Telde_Gando C649I 24 27,9292 -15,3889 A
43 Telde_CentroForestalDoramas C648N 400 27,9800 -15,4603 B
44 StaLucia_EradelCardon C648A 320 27,8681 -15,4903 D
45 Telde_Capellania C648T 260 27,9772 -15,4328 A
46 Valleseco_Casco C665I 980 28,0472 -15,5736 C
47 Valsequillo_HaciendaLosMocanes C646O 620 27,9817 -15,4936 B
48 StaLucia_CrucedeSardina C649A 90 27,8528 -15,4519 D
49 Aguimes_Piletas C649F 100 27,8750 -15,4458 D
50 Telde_BarrancodeSilva C649O 35 27,9736 -15,3861 A
51 Telde_LosLlanos C649U 150 27,9953 -15,4192 A
52 Telde_Narea C649V 130 28,0000 -15,4111 A
53 Telde_LaPardilla C649W 50 28,0139 -15,3897 A
54 Tejeda_LlanosdelaPez C611F 1700 27,9694 -15,5792 C
55 Artenara_Casco C613F 1250 28,0214 -15,6539 C
56 Artenara_CruzdeMaria C613G 1260 28,0264 -15,6806 C
57 Galdar_Fagajesto C614C 1007 28,0533 -15,6419 C
58 Tejeda_RincondeTejeda C614E 1090 28,0042 -15,6139 C
59 Tejeda_CruzBlanca C614F 1040 27,9956 -15,6164 C
60 Tejeda_LaCulata C614G 1180 27,9806 -15,6003 C
61 Galdar_CaiderosdeSanJose C615A 900 28,0750 -15,6444 C
62 Artenara_PresadeLosPerez C615B 820 28,0492 -15,6678 C
63 Agaete_LosBerrazales C617A 400 28,0694 -15,6569 B
64 Agaete_BarrancodeAgaete C619A 40 28,1014 -15,7028 A
65 Agaete_LasLongueras C619C 150 28,0861 -15,6792 A
66 Agaete_ElRisco C619E 100 28,0444 -15,7236 A
67 SanNicolasTolentino_Casco C619O 80 27,9833 -15,7778 D
68 SanBartolomeTirajana_CercadodeAraña C625I 920 27,9153 -15,6208 F
69 SanBartolomeTirajana_LomosdePedroAfonso C625O 806 27,8569 -15,6450 F
70 SanNicolasTolentino_Tasarte C627A 420 27,9200 -15,7633 E
71 Mogan_TauroAlto C627I 410 27,8528 -15,7028 E
72 SanBartolomeTirajana_CercadodeEspino C628O 230 27,8542 -15,6583 D
73 Mogan_TauroBajo C629O 70 27,8000 -15,7139 D
74 SanBartolomeTirajana_BailaderoLasBrujas C635E 970 27,9028 -15,5944 F
Pág. 80 de 89
75 SanBartolomeTirajana_Casco C635F 880 27,9258 -15,5722 F
76 SanBartolomeTirajana_LaHoya C636I 760 27,9208 -15,5686 F
77 SanBartolomeTirajana_Fataga C636J 600 27,8869 -15,5647 E
78 SanBartolomeTirajana_Palomas C637A 570 27,8389 -15,6361 E
79 SanBartolomeTirajana_Arteara C638I 340 27,8483 -15,5647 E
80 SanBartolomeTirajana_TableroMaspalomas C639F 90 27,7708 -15,6028 D
81 SanMateo_HoyaGamonal C652I 1480 27,9736 -15,5556 C
82 SanMateo_LasMesasdeAnaLopez C652O 1480 27,9883 -15,5847 C
83 SanMateo_CuevaGrande C653O 1380 27,9892 -15,5703 C
84 SanMateo_LomoAljorradero C654O 1070 27,9989 -15,5533 C
85 SanMateo_PresaAntona C654P 1150 28,0014 -15,5625 C
86 SanMateo_LasLagunetas C654Q 1160 28,0050 -15,5803 C
87 SanMateo_Utiaca C655O 870 28,0200 -15,5561 B
88 SanMateo_LaSolana C655P 780 28,0261 -15,5306 B
89 SanMateo_LaVegueta C655R 810 28,0089 -15,5272 C
90 SanMateo_ElDraguillo C656O 600 28,0208 -15,5292 B
91 Teror_Dominicas C656U 630 28,0664 -15,5439 B
92 StaBrigida_CampoGolfBandama C657E 450 28,0331 -15,4617 B
93 StaBrigida_ElMadroñal C657J 590 28,0222 -15,5056 B
94 LasPalmasGC_JardinCanarioII C658N 260 28,0625 -15,4625 A
95 LasPalmasGC_SanLorenzo C658O 220 28,0750 -15,4764 A
96 LasPalmasGC_Tamaraceite C658P 200 28,0958 -15,4694 A
97 LasPalmasGC_FarodelaIsleta C658U 240 28,1722 -15,4167 A
98 LasPalmasGC_ElToscon C658V 310 28,0925 -15,5050 A
99 Teror_BarrancoLezcano C658W 360 28,0764 -15,5167 B
100 Telde_Jinamar C659B 95 28,0303 -15,4181 A
101 LasPalmasGC_LlanodelasBrujas C659I 90 28,0869 -15,4306 A
102 LasPalmasGC_Mayorazgo C659J 60 28,0958 -15,4292 A
103 LasPalmasGC_LomodelPolvo C659O 150 28,1069 -15,4389 A
104 LasPalmasGC_LasCanteras C659Q 15 28,1050 -15,4325 A
105 LasPalmasGC_PlayaChica_PuertodeLaLuz C659R 10 28,1389 -15,4333 A
106 LasPalmasGC_Tenoya C659U 160 28,1139 -15,4889 A
107 Valleseco_LaRetamilla C662I 1400 28,0289 -15,6033 C
108 Valleseco_Valsendero C665J 880 28,0444 -15,5861 C
109 Moya_TableroCorvo C665K 850 28,0717 -15,5914 C
110 Moya_FontanalesCisterna C665L 950 28,0569 -15,6042 C
111 Valleseco_ElCaseron C665M 890 28,0619 -15,5725 C
112 Moya_LomoLaMajadilla C665O 980 28,0667 -15,6158 C
113 Guia_PiedraMolinos C666O 740 28,0911 -15,6314 B
114 Firgas_CasadeMatos C667E 495 28,0944 -15,5681 B
115 Valleseco_LasMadres C667J 560 28,0722 -15,5764 B
Pág. 81 de 89
116 Moya_Heredad C667K 460 28,1106 -15,5819 B
117 Arucas_Heredad C668A 250 28,1167 -15,5250 A
118 Guia_PresaJimenez C668O 240 28,1333 -15,6250 A
119 Galdar_LasRosas C668U 300 28,1025 -15,6750 A
120 Arucas_Bañaderos C669A 50 28,1464 -15,5336 A
121 Arucas_SanAndres C669E 20 28,1417 -15,5556 A
122 Galdar_NidoCuervo C669Q 70 28,1467 -15,6619 A
123 Galdar_ElCardonal C669V 150 28,1208 -15,6903 A
1.2. Estaciones en Tenerife.
Num Nombre Código Altitud Longitud Latitud Zona
1 Cañadas_BocaTauceA C406D 2030 28,21278 -16,68139 G
2 CAÑADAS-PARADOR C406G 2150 28,22417 -16,62644 G
3 GuiaIsora_Samara C412C 1900 28,26528 -16,72306 F
4 SantiagoTeide_Chinyero C414A 1475 28,28194 -16,74950 C
5 SantiagodelTeide C416A 940 28,29667 -16,81694 B
6 Adeje_Taucho C416O 910 28,15278 -16,72722 E
7 GuiaIsora_ChioCF C417I 715 28,23611 -16,78978 E
8 GuiaIsora_CuevaPolvo C419H 80 28,39129 -16,83149 A
9 GuiaIsora_PlayaSanJuan C419J 30 28,18417 -16,81667 D
10 GuiaIsora_AlcalaChiquita C419M 70 28,16528 -16,79950 D
11 Adeje_Fañabe C419U 112 28,09528 -16,72089 D
12 Adeje_PlayaAmericas C419W 40 28,07278 -16,72450 D
13 Adeje_CalderaB C419X 130 28,08139 -16,71111 D
14 Adeje_CalderaA C419Y 115 28,07500 -16,70839 D
15 Adeje_Caldera C419Z 105 28,06444 -16,71033 D
16 Vilaflor C424E 1378 28,15444 -16,63667 F
17 Arico_BuenoA C426V 830 28,21333 -16,48778 E
18 Arona C427A 620 28,09889 -16,68139 E
19 Granadilla C427H 690 28,11333 -16,57033 E
20 Arona_ValleSanLorenzoJama C428C 435 28,08278 -16,63894 E
21 Granadilla_SanIsidroSalones C428I 255 28,06972 -16,55756 D
22 Arona_GalletasFraileNuevo C429B 30 28,00519 -16,66919 D
23 REINA_SOFIA_AEROP.TENERIFE_SUR C429I 64 28,04750 -16,56056 D
24 Arona_Casablanca C429J 170 28,05750 -16,56228 D
25 Granadilla_MedanoConfital C429K 25 28,03110 -16,56502 D
26 IZAÑA C430E 2371 28,30806 -16,49972 G
Pág. 82 de 89
27 Esperanza_CF C436U 965 28,45139 -16,36417 B
28 Fasnia_SabinaAlta C437C 625 28,22444 -16,44644 D
29 Arafo_Añavingo C437I 565 28,33389 -16,41561 A
30 Arafo C438I 485 28,33917 -16,41611 B
31 Candelaria_Igueste C438Q 220 28,37361 -16,36367 A
32 Rosario_BarrancoGrande C438T 320 28,42806 -16,31256 A
33 Güimar_Planta C439I 120 28,31806 -16,38306 A
34 Candelaria_PlayaCaletillasS C439P 20 28,38000 -16,36139 A
35 StaCruzTfe_SaludVivero C440G 150 28,47306 -16,27117 A
36 StaCruzTfe_Depuradora C440J 85 28,44639 -16,27283 A
37 StaCruzTfe_MuseoCNaturales C440K 15 28,46194 -16,24756 A
38 StaCruzTfe_Tablero C440N 340 28,41833 -16,32200 A
39 RODEOS-AEROP.TENERIFE-NORTE C447A 617 28,47750 -16,33028 B
40 Laguna_Instituto C447B 660 28,49111 -16,31694 B
41 Laguna_Guamasa C447U 610 28,49167 -16,37506 B
42 Laguna_MontañaOfra C448B 380 28,45167 -16,28117 A
43 ValleGuerra_Isamar C448U 295 28,51278 -16,38806 A
44 ValleGuerra_Garimba C448V 500 28,50639 -16,38917 B
45 SANTA_CRUZ_DE_TENERIFE C449C 36 28,46306 -16,25528 A
46 Anaga_SanAndres C449G 20 28,50523 -16,19140 A
47 Anaga_Faro C449K 235 28,57278 -16,12978 A
48 Anaga_TagananaAzanos C449M 220 28,55750 -16,21444 A
49 Anaga_BajamarAlpa C449R 70 28,54778 -16,34556 A
50 ValleGuerra_Pajalillos C449U 110 28,52833 -16,38722 A
51 Laguna_TejinaPico C449V 232 28,52472 -16,37000 A
52 Realejos_PortilloCentrodeVisitantes C451V 2050 28,30472 -16,56611 G
53 Victoria_Gaitero C453K 1747 28,39472 -16,41831 C
54 Realejos_PiedraPastores C453U 1610 28,33583 -16,58561 C
55 Matanza_Lagunetas C454H 1400 28,41194 -16,40061 C
56 Orotava_AguamasaCF C455O 1080 28,35417 -16,48978 C
57 Tacoronte_AguagarciaCF C456A 798 28,45333 -16,39506 B
58 Tacoronte_Naranjeros C457A 585 28,48583 -16,39139 B
59 Realejos_IcodAltoCF C457U 670 28,36944 -16,57506 B
60 TacoronteA_SEA C458A 310 28,49639 -16,41950 A
61 Victoria_Ayuntamiento C458C 390 28,42694 -16,47222 A
62 Sauzal C458E 455 28,47111 -16,43228 B
63 Sauzal_ColegioNacional C458F 465 28,47639 -16,43361 B
64 Orotava C458O 335 28,38722 -16,50894 B
65 Sauzal_Angeles C459F 200 28,46806 -16,43144 B
66 PuertoCruz_PazBotanica C459O 120 28,41111 -16,53472 A
67 PUERTO_CRUZ_AUTOMATICA C459Z 25 28,41778 -16,54806 A
Pág. 83 de 89
68 Tanque_ErjosCF C465O 1010 28,31722 -16,79589 C
69 Garachico_Montañeta C466L 960 28,32972 -16,74756 C
70 Buenavista_Carrizal C467V 660 28,31111 -16,84589 B
71 Guancha_Asomada C468A 500 28,37222 -16,64917 B
72 Icod_LomoBlanco C468G 280 28,36556 -16,69644 B
73 Buenavista_Palmar C468Q 470 28,33889 -16,83589 B
74 IcodA C469I 230 28,36139 -16,70756 B
75 IcodB C469J 230 28,35694 -16,71256 B
76 Silos C469O 95 28,35722 -16,80506 B
77 SanMiguelAbona C427E 590 28,09667 -16,61583 E
78 Granadilla_ChozasAbajo C427G 648 28,11139 -16,58667 E
79 Arona_CamellaMorroNegro C428F 390 28,08583 -16,68556 E
81 Arona_Cristianos C429C 20 28,05111 -16,71917 D
82 Arona_Guaza C429D 76 28,03167 -16,67394 D
84 Guimar_Casino C438H 390 28,31611 -16,41306 A
86 Arico_Jurada C429R 45 28,12778 -16,45894 D
87 Anaga_Jardina C447F 675 28,51861 -16,28667 B
88 Laguna_CaminoAlamos C447K 575 28,51194 -16,30250 B
89 Anaga_RoqueNegroPorquera C447O 525 28,49111 -16,25056 A
90 Anaga_ValleJimenez C448D 425 28,49444 -16,27250 B
91 Anaga_Campanario C448L 350 28,55722 -16,20056 A
92 Anaga_TagananaFajanetas C448O 480 28,55139 -16,21222 B
93 Anaga_TagananaMolinos C448P 375 28,55056 -16,22278 B
94 Tegueste C448S 377 28,52139 -16,34389 A
95 Tegueste_Drago C448X 370 28,51389 -16,35611 A
96 Fasnia_ArchifiraPresa C434D 1380 28,26722 -16,45367 E
97 StaCruzTfe_UrbAnaga C449D 50 28,47806 -16,24889 A
98 Candelaria_Chivisaya C434M 1300 28,37028 -16,42200 B
99 Anaga_TagananaCardonal C449N 40 28,56611 -16,21639 A
100 Anaga_Taganana C449O 240 28,55722 -16,21528 A
101 Anaga_PuntaHidalgo C449S 40 28,56444 -16,32972 A
102 Realejos_Portillo C451U 2118 28,29750 -16,56583 G
103 Tacoronte C457C 515 28,48194 -16,40972 B
104 Candelaria_Ramonas C436P 995 28,39611 -16,37506 B
105 MatanzadeAcentejo C458G 500 28,45111 -16,45028 B
106 StaUrsula C458L 300 28,42500 -16,49139 A
107 Orotava_Centro C458N 355 28,39000 -16,52417 A
108 Realejos_CruzSanta C458S 475 28,37722 -16,57111 B
109 Sauzal_Naranjos C459G 271 28,46667 -16,44694 A
110 Realejos_SanAgustin C459S 250 28,38889 -16,58583 A
111 Tanques_SanJosedeLosLlanos C465N 1100 28,32306 -16,78833 C
Pág. 84 de 89
113 Icod_StaBarbara C468F 370 28,36944 -16,68667 B
114 Garachico_GenovesA C468J 410 28,36778 -16,74028 A
115 SanJuandelaRambla C469A 47 28,39389 -16,65056 A
116 Guancha_StoDomingo C469C 150 28,39111 -16,67222 A
117 Garachico C469L 50 28,37333 -16,76167 A
118 Cañadas_BaseTeideGasolinera C405G 2320 28,25556 -16,62139 G
119 Cañadas_MontañaAngostura C405L 2340 28,24750 -16,55472 G
120 Güimar_ColegioStoDomingo C438K 380 28,31778 -16,41672 A
121 Candelaria_Cuevecitas C438M 400 28,35000 -16,38922 A
122 Candelaria_PeñaVerigueste C438O 400 28,37639 -16,36450 A
123 Candelaria_BarrancoHondo C438P 400 28,38702 -16,34817 A
124 Cañadas_CañadaDiegoHernandez C406K 2075 28,27500 -16,55306 G
125 Cañadas_RoquePeral C406W 2060 28,28806 -16,57144 G
126 Guimar_Socorro.Playa C439F 8 28,32134 -16,36150 A
127 Güimar_LomoTablado C439G 160 28,24044 -16,40417 D
129 Candelaria C439L 35 28,35833 -16,37506 A
131 Esperanza_TabaibaAlta C439V 220 28,40145 -16,32043 A
132 Adeje_Retamales C411R 2150 28,18528 -16,66339 G
133 Cañadas_UcancaLlano C406A 2010 28,21361 -16,64611 G
134 GuiaIsora_Baldios C412F 1820 28,23611 -16,70811 F
135 GuiaIsora_BarrancoNiagara C412L 1805 28,20361 -16,70394 F
136 Anaga_LomoPelado C446I 775 28,55611 -16,15422 B
137 Anaga_TagananaCruz C446Q 850 28,53250 -16,22033 B
138 Tegueste_PedroAlvarezA C446R 625 28,52694 -16,31061 B
139 Tegueste_PedroAlvarez C446S 825 28,52500 -16,30839 B
140 Tegueste_MontañaZapata C446T 925 28,52333 -16,28422 B
141 Adeje_MontañaColorada C412R 1810 28,14056 -16,75617 D
142 SantiagoTeide_Cascajo C413C 1675 28,27000 -16,73561 F
143 Anaga_Mercedes C447C 670 28,51472 -16,28394 B
144 Laguna_Canteras C447D 570 28,50056 -16,30033 B
145 Laguna_UrbanizAguere C447E 530 28,48972 -16,31006 B
146 GuiaIsora_Icerce C413O 1600 28,17917 -16,70972 F
147 Laguna_ViveroIcona C447G 560 28,47167 -16,31089 B
148 Laguna_CercadoMesa C447I 510 28,47722 -16,31811 B
149 Anaga_Bodegas C447J 600 28,55694 -16,14450 B
150 Cañadas_Encerradero C406C 2100 28,24111 -16,69944 G
151 Laguna_Moquinal C447L 740 28,54250 -16,32006 B
152 Anaga_BailaderoFrioleras C447M 739 28,54167 -16,19144 A
153 Anaga_CaserioCatalanes C447N 575 28,52583 -16,25172 B
154 Adeje_CedroFyffes C414O 1350 28,19361 -16,71000 F
155 Anaga_AfurInchires C447P 510 28,53861 -16,21422 B
Pág. 85 de 89
156 Anaga_Taborno C447Q 625 28,54778 -16,25533 B
157 Anaga_Carboneras C447R 600 28,54583 -16,26561 B
158 Laguna_Batan C447T 460 28,54000 -16,28617 B
159 SantiagoTeide_Bilma C415B 1240 28,28778 -16,78561 C
160 Laguna_MontañaGiles C447V 535 28,45611 -16,32006 B
161 Laguna_Geneto C447X 530 28,45833 -16,30839 B
162 StaCruzTfe_LlanoMoro C448A 540 28,43194 -16,31894 A
163 GuiaIsora_Frontones C415E 1200 28,23333 -16,75283 F
164 Adeje_Ifonche C415R 1070 28,13167 -16,68117 F
165 Anaga_Tahodio C448E 256 28,50694 -16,26672 A
166 Anaga_PolvorinERT C448H 300 28,52111 -16,17894 A
167 Anaga_Chamorga C448K 460 28,56111 -16,14867 B
168 SantiagodelTeide_Arguayo C416E 920 28,26639 -16,80533 E
169 GuiaIsora_Aripe C416G 760 28,20889 -16,75644 E
170 GuiaIsora_VeradeErque C416V 840 28,16556 -16,73394 E
171 SantiagodelTeide_Tamaimo C417E 580 28,26667 -16,81700 E
172 Tegueste_SanGonzalo C448T 330 28,50389 -16,34894 B
173 SantiagodelTeide_TamaimoA C417F 380 28,25694 -16,82311 E
174 GuiaIsora_TejinaCoopAG C417G 530 28,17639 -16,75644 E
175 GuiadeIsora C417L 583 28,20833 -16,77506 E
176 Adeje C418U 266 28,11250 -16,71533 E
177 GuiaIsora_AlcalaSalinas C419I 12 28,20306 -16,83061 D
178 Anaga_TahodioPozoLara C449E 100 28,48611 -16,24339 A
179 Arico_LlanoLajitas C421V 2005 28,23000 -16,53839 F
180 Anaga_BcoHuertas C449H 140 28,51528 -16,18117 A
181 Anaga_IguesteSanAndres C449I 60 28,52459 -16,15286 A
182 Anaga_Draguillo C449J 180 28,57028 -16,16478 B
183 Vilaflor_ToposTorreVigil C422C 1800 28,16306 -16,71867 F
184 Anaga_TagananaIglesia C449L 150 28,55917 -16,21561 A
185 Vilaflor_Marrubial C422E 1875 28,17278 -16,60978 F
186 Vilaflor_CF C423E 1515 28,15667 -16,62922 F
187 Granadilla_Florida C423I 1550 28,16389 -16,58394 F
188 Anaga_TagananaChorros C449P 200 28,55417 -16,21589 A
189 Granadilla_BcoJuanDana C423K 1575 28,17639 -16,57256 F
190 Arico_CamasVerdes C423L 1600 28,18944 -16,55922 F
191 Anaga_Bajamar C449T 46 28,54722 -16,33228 B
192 Arico_PeñonContador C423P 1550 28,18528 -16,53700 E
193 Arico_Picachos C423U 1630 28,21667 -16,51394 F
194 Laguna_Tejina C449W 160 28,52861 -16,35478 A
195 Arico_LomoBello C423Z 1700 28,24028 -16,52144 F
196 Arico_Vallecontador C424Q 1260 28,19944 -16,52367 F
Pág. 86 de 89
197 Realejos_DegolladadelCedro C451W 2100 28,30694 -16,58117 G
198 Orotava_RoqueAcebe C452O 2000 28,34528 -16,46089 C
199 Realejos_MontañaAlta C452R 1800 28,31000 -16,55144 G
200 Realejos_Fortaleza C452U 1890 28,31833 -16,58339 C
201 Vilaflor_Escalona C425C 1100 28,11611 -16,65561 E
202 Orotava_GaleriaPinoCruz C453P 1610 28,31944 -16,52283 C
203 Orotava_MontañaRoja C453R 1732 28,31333 -16,53533 G
204 Orotava_CordilloLomoResbala C453S 1600 28,37167 -16,46478 C
205 Granadilla_Fuentes C425E 1010 28,12389 -16,60700 E
206 Vilaflor_LlanosIngenio C425G 1030 28,11722 -16,61811 E
207 Victoria_LomoRincon C454K 1350 28,39583 -16,43089 C
208 StaUrsula_LomoRaices C454L 1360 28,38389 -16,45644 C
209 StaUrsula_MñaOvejas C454M 1255 28,38667 -16,47144 C
210 Orotava_MontañaBermeja C454P 1325 28,34111 -16,50783 C
211 Orotava_MontañaBlanca C454Q 1960 28,30972 -16,50950 G
212 Realejos_CorralQuemado C454T 1325 28,34694 -16,58561 C
213 Realejos_Parcela C454U 1300 28,34500 -16,59450 C
214 Tacoronte_Parcela C455F 1010 28,43889 -16,39311 C
215 Sauzal_PlazadeLaPaz C455G 1190 28,42444 -16,39589 C
216 Victoria_LomoAbades C455K 1100 28,40028 -16,43561 C
217 Arico_Centenitos C425L 1067 28,16944 -16,53728 E
218 Orotava_AguamansaA C455P 1120 28,35139 -16,48894 C
219 Realejos_Asomadero C455U 1100 28,35806 -16,58811 B
220 Granadilla_CruzTea C426J 950 28,13722 -16,59061 E
221 Matanza_Vica C456H 850 28,42917 -16,42728 C
222 Victoria_LomoCasillas C456K 860 28,40306 -16,44811 C
223 StaUrsula_Atalaya C456M 830 28,39528 -16,48061 C
224 Orotava_CaminoChasna C456O 830 28,35694 -16,51922 C
225 Realejos_Llanadas C456S 900 28,34556 -16,56394 C
226 Arico_Espigon C426L 810 28,15472 -16,52867 E
227 Tacoronte_Caridad C457B 597 28,48389 -16,37200 B
228 Arico_EsquinaCardones C426P 895 28,18250 -16,51950 E
229 StaUrsula_Corujera C457L 550 28,40000 -16,48922 B
230 Orotava_EE C457O 490 28,37500 -16,50839 B
231 Realejos_PaloBlanco C457R 675 28,35722 -16,56867 B
232 Realejos_Lance C457T 610 28,37528 -16,59450 B
233 Arico_Bueno C426U 790 28,20833 -16,47506 E
234 Arico_Lomo C427P 600 28,16250 -16,49561 E
235 Tacoronte_MesaMarAlto C458B 260 28,49528 -16,40728 B
236 Arico_CruzOrtiz C427T 730 28,19167 -16,52144 E
237 Arona_Buzanada C428E 280 28,06389 -16,64811 D
Pág. 87 de 89
238 GuiaIsora_Fuentes C415G 1010 28,18222 -16,73339 F
239 Granadilla_Yaco C428J 375 28,08417 -16,55950 D
240 VictoriaAcentejo C458J 390 28,42556 -16,46061 B
241 Arico_Rio C428L 460 28,13444 -16,51283 D
242 Orotava_Palmeras C458M 290 28,39111 -16,50478 B
243 Arico_Reveron C428R 260 28,14472 -16,45700 D
244 Arico_Nuevo C428S 375 28,17000 -16,47339 D
245 Orotava_Ramal C458P 268 28,38972 -16,51256 B
246 Realejos_Tigaiga C458Q 300 28,37417 -16,58978 B
247 Realejos C458R 390 28,37500 -16,55839 B
248 Arico_Icor C428W 360 28,19778 -16,44811 D
249 RealejoAlto C458T 360 28,37028 -16,57617 B
250 Arona_PuntaRascaFaro C429A 12 28,00005 -16,68491 D
251 Arico_FaroAbona C429U 19 28,14743 -16,42971 D
252 Fasnia_CharcoPato C431B 2180 28,27833 -16,51728 G
253 Realejos_Gorvorana C459R 190 28,38917 -16,56311 A
254 Guimar_LomoSeco C432E 1795 28,30833 -16,47506 C
255 RealejoBajo C459T 240 28,37917 -16,57950 A
256 Guimar_MñaArguazo C432F 1900 28,29806 -16,47172 C
257 SanJuanRambla_TorreVigil C463A 1700 28,32083 -16,60117 G
258 Icod_Barrenos C463H 1510 28,30278 -16,70644 C
259 Icod_Tabona C463I 1525 28,30444 -16,65283 C
260 Garachico_CruzHermanos C463K 1700 28,28500 -16,71978 C
261 Guancha_GaleriaVergaraII C464C 1480 28,31944 -16,61644 C
262 Garachico_MñaNegra C464K 1325 28,30833 -16,75144 C
263 SanJuanRambla_Chamuscada C465A 1100 28,34389 -16,61311 C
264 Icod_CFLlanoCebada C465C 1040 28,33278 -16,64089 C
265 Icod_VistasSanFelipe C465H 1175 28,32028 -16,70367 C
266 Icod_Abiertas C465J 1002 28,33056 -16,72061 C
267 Guimar_LlanoLasChozas C433E 1685 28,29639 -16,46533 C
268 Guimar_LomoCuchillo C433G 1615 28,30250 -16,46256 C
269 Silos_CumbreBolico C465Q 1175 28,30361 -16,80172 C
270 Icod_Redondo C466G 925 28,31861 -16,67756 C
271 Candelaria_BocadelValle C433K 1565 28,38389 -16,40756 C
272 Silos_MontedelAgua C466Q 900 28,32028 -16,81117 C
273 Buenavista_TenoAlto C466R 780 28,33472 -16,86756 B
274 Buenavista_LomoCebada C466S 800 28,33056 -16,82311 B
275 GuanchaCF C467A 580 28,36139 -16,60839 C
276 Garachico_SanJuanReparo C467K 600 28,35139 -16,74978 B
277 Tanque_Alto C467M 625 28,34806 -16,77144 B
278 Silos_TierradelTrigo C467O 510 28,34722 -16,72061 B
Pág. 88 de 89
279 Buenavista_Meseta C467Q 700 28,33056 -16,88589 B
280 Buenavista_Zahorra C467S 640 28,33528 -16,88200 B
281 Buenavista_Portelas C467T 690 28,32111 -16,83617 B
282 Arafo_MñaColorada C433L 1505 28,36806 -16,43256 C
283 Candelaria_PiedraVera C434O 1310 28,39583 -16,38950 B
284 Fasnia_CasaEvaristo C435D 1100 28,25194 -16,45950 E
285 Guimar_LomoAnocheza C435E 1050 28,28611 -16,42367 E
286 Icod_PiedeLasLajas C468H 350 28,37278 -16,70339 A
287 Arafo_Charquillo C435L 1125 28,36056 -16,42644 B
288 Garachico_Genoves C468L 380 28,36667 -16,74006 B
289 Guimar_Vistas C436H 850 28,31750 -16,42783 B
290 Fasnia_Zarza C437D 680 28,24167 -16,45839 E
291 Guimar_LomodeMena C437F 590 28,26333 -16,40978 D
292 Arafo_700 C437J 700 28,33333 -16,40056 A
293 Guimar_TiraClavijo C437K 730 28,28333 -16,40978 E
294 Candelaria_BarrancoHondoPinoGacho C437P 740 28,40083 -16,36256 B
295 Fasnia C438B 465 28,24167 -16,44172 E
296 Buenavista C469Q 125 28,36444 -16,84117 A
297 Buenavista_PuntaTeno C469R 75 28,34861 -16,89811 B
298 Buenavista_FaroPuntaTeno C469U 25 28,34212 -16,92341 A
299 Fasnia_Villa C438D 485 28,22361 -16,43756 D
300 Guimar_Escobonar C438E 400 28,25556 -16,42422 D
301 Guimar_Marrera C438G 490 28,28167 -16,39728 D
302 Guimar_LomoCabuco C434E 1480 28,29444 -16,45200 C
303 GuiaIsora_Chavao C412M 1950 28,21778 -16,70222 F
304 Arafo_BarrancoAfoña C437L 610 28,34944 -16,40478 A
1.3. La Palma.
Num Nombre Código Altitud Longitud Latitud Zona
1 CALDERA-TABURIENTE C106U 880 -17,87861 28,72333 E
2 PUNTAGORDA C117A 684 -17,98556 28,76083 E
3 PASO-CF C126A 847 -17,85333 28,65389 E
4 FUENCALIENTE-CHARCO C126O 816 -17,86667 28,53722 E
5 FUENCALIENTE-CF C127T 740 -17,84306 28,49444 E
6 FUENCALIENTE-CALETAS C127U 498 -17,82861 28,49500 E
7 LLANOS-ARIDANE-A C128A 350 -17,90806 28,65833 D
8 LLANOS-ARIDANE-B C128B 410 -17,91028 28,65889 D
9 LLANOS-ARIDANE-HERMOSILLA C128D 494 -17,89833 28,65917 E
10 TAZACORTE C129A 164 -17,93361 28,64361 D
Pág. 89 de 89
11 TAZACORTE-AYUNTAMIENTO C129B 115 -17,93222 28,64028 D
12 TAZACORTE-PTO-NAOS-HOYAS C129E 30 -17,91611 28,59361 D
13 TAZACORTE-PUERTO C129I 58 -17,94389 28,64750 D
14 TAZACORTE-PTO-NAOS-HOYAS-AUTOMATICA C129Z 30 -17,91611 28,59361 D
15 MAZO-ROQUE-NIQUIAMO C134E 1350 -17,81444 28,59472 C
16 BREÑA-BAJA-SAN-JOSE C138I 354 -17,77417 28,64083 A
17 BREÑA-ALTA-COLNNAL C138L 325 -17,78444 28,66056 A
18 BUENAVISTA-AEROP-VIEJO C138O 400 -17,78444 28,67222 B
19 SANTA-C-PALMA-VELHOCO C138P 364 -17,78444 28,68972 A
20 MAZO-AEROPUERTO-DE-LA-PALMA C139E 40 -17,76028 28,61333 A
21 BREÑA-BAJA-FUERTE C139I 15 -17,75833 28,65833 A
22 SANTA-C-PALMA C139O 70 -17,75833 28,67500 A
23 SANTA-C-PALMA-MIRCA C139R 199 -17,76056 28,69750 A
24 GARAFIA-ROQUE-MUCHACHOS C140U 2340 -17,87778 28,75944 F
25 GARAFIA-CF C145N 1137 -17,88750 28,79861 C
26 SAUCES-ESPIGON-ATRAVESADO C147C 806 -17,80528 28,78333 B
27 BARLOVENTO-CF C147F 580 -17,80472 28,82472 B
28 GARAFIA-TRICIAS C147U 787 -17,96639 28,78167 E
29 SAUCES-TILOS-PORTADAS C148C 470 -17,80000 28,79083 B
30 SAUCES-S-ANDRES-COLNNAL C148D 280 -17,77194 28,79972 A
31 BARLOVENTO-GALLEGOS C148H 528 -17,83944 28,82306 B
32 GARAFIA C148O 390 -17,94278 28,82528 B
2. Tablas indicadoras de las modificaciones realizadas en los datos.
(Como medida de ahorro, solo se muestra las primeras 69 estaciones del mes de enero de cada una
de las islas)
Leyenda
v Sospechoso modificado
m Gap rellenado
o Extremo corregido
a Extremo borrado
r Sospechoso NO modificado
e Gap explorado no rellenado
ip Inhomegeneidad primaria
is Inhomegeneidad secundaria
ic inhomogeneidad correlacionada
Pág. 90 de 89
GRAN CANARIA
PRECIPITACIÓN MENSUAL ENERO
19
40
19
41
19
42
19
43
19
44
19
45
19
46
19
47
19
48
19
49
19
50
19
51
19
52
19
53
19
54
19
55
19
56
19
57
19
58
19
59
19
60
19
61
19
62
19
63
19
64
19
65
19
66
19
67
19
68
19
69
19
70
19
71
19
72
19
73
19
74
19
75
19
76
19
77
19
78
19
79
19
80
19
81
19
82
19
83
19
84
19
85
19
86
19
87
19
88
19
89
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
AEMET_GC_1 C613E 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1
AEMET_GC_2 C668V 1 1 1 1 1 1 1 1 1
AEMET_GC_3 C619B m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_4 C648G 1 1 1 m 1 1 1 1 1 1 v 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 r 1 1 1
AEMET_GC_5 C668F 1 1 1 1 1 1 1
AEMET_GC_6 C669P m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1
AEMET_GC_7 C669O 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_8 C665Q m 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 m
AEMET_GC_9 C668I 1 1 1 1 1 1 1 1 1 1 m 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_10 C649J m 1 1 1 v 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_11 C666_ 1 1 1 1 1 1 m 1 m 1 v 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_12 C658L m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m
AEMET_GC_13 C659S e 1 1 1 1 1 1 1 1 1 1 e
AEMET_GC_14 C658J m 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1 1
AEMET_GC_15 C658I 1 m 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m
AEMET_GC_16 C659K 1 1 1 1 1 1 1 r 1 1
AEMET_GC_17 C659P 1 1 1 1 1 e 1 1 1 1 1 1 1 1 1 1 1 1 e 1 1 1 1 1 1 1 r 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_18 C659H 1 1 1
AEMET_GC_19 C625A m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_20 C629X 1 1 1 1 1
AEMET_GC_21 C629I 1 1 1
AEMET_GC_22 C629Q 1 1 1 1 1 r 1 1
AEMET_GC_23 C626E m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_24 C607I 1 1 1 1 1 1
AEMET_GC_25 C667L 1 1 1 1 m 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_26 C639U 1 1 1 1 1 1 1 1 1
AEMET_GC_27 C639X m 1 1 m 1 1 1 1 1 1 1 1 1 1 1 v 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_28 C623I m 1 1 m 1 1 1 1 1 1 1 1 1 1 1 v 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 m 1 1 1 1 1
AEMET_GC_29 C689E 1 1 1 1 1 1
AEMET_GC_30 C655K m 1 1 1 1 1 1 1 1 r 1 1 1 1 1 1 m
AEMET_GC_31 C655Q m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_32 C611E m 1 1 1 1 1 1 1 1 1 1 1 r 1 m 1 1 1 1 1 1 1 1 m
AEMET_GC_33 C619I 1 1 1 1 1 1
AEMET_GC_34 C657I m 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m
AEMET_GC_35 C657K m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_36 C658K m 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_37 C656J m 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1
AEMET_GC_38 C636K 1 m 1 1 1 1 1 1 1 m 1 1 1 1 v 1 1 1 1 1 1 1 m 1 m m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_39 C612F 1 1 1 1 1 1 1 1 1
AEMET_GC_40 C614I 1 1 1 1 m 1 1 1 1 1 v 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_41 C624E 1 1 1 1 m 1 1 1 1 1 1 1 1 1 r 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_42 C649I 1 1 1 e r 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1 1 1
AEMET_GC_43 C648N 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_44 C656V 1 1 1 1 1 1 m 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m
AEMET_GC_45 C657V m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_46 C665I m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_47 C646O m 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 r 1 1
AEMET_GC_48 C646O 1 1 1 1 m 1 m 1 1 1 1 v 1 1 1 1 1 1 1 1 1 1 1 1 1 m m 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1
AEMET_GC_49 C646O m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 r 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v v 1 1
AEMET_GC_50 C646O m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 m m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1 1
AEMET_GC_51 C646O m 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v v 1 1
AEMET_GC_52 C646O m 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_53 C646O m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_54 C646O 1 1 1 1 1 1 m 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1
AEMET_GC_55 C646O 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 m 1 1 1 1 1 1 1
AEMET_GC_56 C646O 1 1 1 1 1 1 1 1 r 1 1 1
AEMET_GC_57 C646O 1 1 1 1 1 1 1 1 1
AEMET_GC_58 C646O m 1 m 1 v 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
AEMET_GC_59 C646O 1 1 r 1 1 1 1 1 m 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Pág. 91 de 89
Anexo III
Ficheros resumen de procesos tras la homogenización con Climatol.
(Como medida de ahorro, se muestra solo la parte principal de los ficheros resumen) 1. Gran Canaria. 1.1. Homogenización zona NE con 92 estaciones. HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol') =========== Homogenization of Pptm, 1951-2009. (Sat Oct 01 12:59:15 2011) homogen: varcli=Pptm anyi=1951 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=20 tVf=0.02 swa=60 snhtt=25 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3.2 std=3 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 0.0600 0.1200 0.1400 0.1646 0.1900 0.5900 1.0000 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.50 7.20 9.60 10.17 12.35 19.60 15.00 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 5.000 9.000 9.608 12.000 23.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.834 4.359 6.936 8.008 10.280 60.540 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.0 28.0 48.5 46.8 71.0 94.0 ACmx tVx SNHT RMSE PD Code Name 1 0.11 11.70 10 14.3 78 C613E Agaete_Tamadaba 2 0.22 NA 11 6.0 14 C668V Agaete_SuerteAlta 3 0.44 NA 1 4.3 8 C619B Agaete_Ayuntamiento 4 0.37 NA 4 8.2 11 C668F Firgas_Itara 5 0.16 7.49 12 4.9 37 C669P Galdar_Colegio 6 0.22 13.61 8 5.4 38 C669O Guia_Instituto 7 0.17 9.78 9 13.4 30 C665Q Guia_MontañaAlta 8 0.18 6.85 11 12.5 57 C641I Valsequillo_CuevasBlancas 9 0.10 7.66 5 12.5 59 C645O Valsequillo_RincondeTenteniguada 10 0.11 6.69 7 4.3 27 C658L LasPalmasGC_TafiraCMT 11 0.20 NA 9 6.1 16 C659S LasPalmasGC_BasedeHidros
Pág. 92 de 89
12 0.10 10.13 15 5.5 76 C658J LasPalmasGC_JardinCanario1 13 0.11 9.67 2 6.9 44 C658I LasPalmasGC_ViveroTafira 14 0.22 NA 8 3.0 16 C659K LasPalmasGC_ICMR 15 0.14 19.57 19 3.1 68 C659P LasPalmasGC_JuntadeObrasdelPuerto 16 0.30 NA 4 5.4 4 C659H LasPalmasGC_SanCristobal 17 0.26 NA 10 11.1 10 C607I Moya_LosTilos 18 0.09 11.50 17 8.5 76 C647O Valsequillo_GranjaLasRosas 19 0.18 3.93 6 10.4 25 C655K SanMateo_LaLechucilla 20 0.13 6.73 7 8.8 36 C655Q SanMateo_Colegio 21 0.19 4.17 4 15.1 19 C611E SanMateo_losJuncos 22 0.09 7.98 8 6.5 67 C657I StaBrigida_Casco 23 0.12 6.13 9 7.1 29 C657K StaBrigida_MonteCoello 24 0.12 8.14 4 6.4 53 C658K StaBrigida_ElTejar 25 0.17 6.32 5 7.0 28 C656J StaBrigida_FincaMadroñal 26 0.25 NA 3 13.2 14 C612F Tejeda_CruzdeTejeda 27 0.13 12.36 9 3.5 94 C649I Telde_Gando 28 0.26 NA 3 7.7 16 C648N Telde_CentroForestalDoramas 29 0.15 6.96 4 5.8 33 C648T Telde_Capellania 30 0.15 13.46 12 12.7 77 C665I Valleseco_Casco 31 0.11 11.95 4 8.6 74 C646O Valsequillo_HaciendaLosMocanes 32 0.09 9.63 6 3.6 72 C649F Aguimes_Piletas 33 0.14 19.20 11 2.8 71 C649O Telde_BarrancodeSilva 34 0.11 10.05 11 4.2 75 C649U Telde_LosLlanos 35 0.19 8.72 4 4.1 49 C649V Telde_Narea 36 0.14 16.67 18 3.6 76 C649W Telde_LaPardilla 37 0.18 11.02 2 10.8 43 C611F Tejeda_LlanosdelaPez 38 0.16 12.26 11 7.8 42 C613F Artenara_Casco 39 0.13 7.09 6 12.1 25 C613G Artenara_CruzdeMaria 40 0.26 6.58 3 13.4 17 C614C Galdar_Fagajesto 41 0.12 6.22 8 8.2 56 C614E Tejeda_RincondeTejeda 42 0.12 6.93 10 8.9 53 C614F Tejeda_CruzBlanca 43 0.14 6.32 11 10.2 57 C614G Tejeda_LaCulata 44 0.12 6.21 5 13.3 31 C615A Galdar_CaiderosdeSanJose 45 0.12 6.74 11 8.2 73 C615B Artenara_PresadeLosPerez 46 0.18 7.27 23 10.0 57 C617A Agaete_LosBerrazales 47 0.09 9.44 19 3.3 70 C619A Agaete_BarrancodeAgaete 48 0.18 8.48 11 5.6 30 C619C Agaete_LasLongueras 49 0.18 14.55 7 4.5 53 C619E Agaete_ElRisco 50 0.15 18.27 21 10.4 58 C652I SanMateo_HoyaGamonal 51 0.36 NA 8 16.7 8 C652O SanMateo_LasMesasdeAnaLopez 52 0.11 8.67 23 8.7 71 C653O SanMateo_CuevaGrande 53 0.19 18.43 23 9.1 58 C654O SanMateo_LomoAljorradero 54 0.13 19.55 9 10.2 53 C654P SanMateo_PresaAntona 55 0.16 14.23 19 10.1 73 C654Q SanMateo_LasLagunetas 56 0.09 3.74 7 8.4 75 C655O SanMateo_Utiaca 57 0.19 11.75 9 8.6 37 C655P SanMateo_LaSolana 58 0.20 NA 9 8.2 13 C655R SanMateo_LaVegueta 59 0.14 11.93 22 8.5 40 C656O SanMateo_ElDraguillo 60 0.12 17.08 9 9.5 77 C656U Teror_Dominicas 61 0.13 7.43 4 5.9 30 C657E StaBrigida_CampoGolfBandama 62 0.14 9.72 18 9.1 50 C657J StaBrigida_ElMadroñal 63 0.20 2.53 1 4.3 33 C658N LasPalmasGC_JardinCanarioII 64 0.20 6.53 14 5.3 47 C658O LasPalmasGC_SanLorenzo
Pág. 93 de 89
65 0.16 8.25 14 4.5 67 C658P LasPalmasGC_Tamaraceite 66 0.20 9.45 9 3.1 20 C658U LasPalmasGC_FarodelaIsleta 67 0.06 6.53 8 5.9 77 C658V LasPalmasGC_ElToscon 68 0.19 6.03 6 9.4 40 C658W Teror_BarrancoLezcano 69 0.19 9.48 19 3.8 25 C659B Telde_Jinamar 70 0.13 12.90 20 4.9 54 C659I LasPalmasGC_LlanodelasBrujas 71 0.19 14.11 13 3.5 36 C659J LasPalmasGC_Mayorazgo 72 0.10 8.09 8 4.1 51 C659O LasPalmasGC_LomodelPolvo 73 0.10 12.95 14 2.5 75 C659Q LasPalmasGC_LasCanteras 74 0.13 8.26 6 2.5 37 C659R LasPalmasGC_PlayaChica_PuertodeLaLu 75 0.10 12.07 16 5.0 75 C659U LasPalmasGC_Tenoya 76 0.13 15.45 4 14.7 75 C662I Valleseco_LaRetamilla 77 0.07 8.95 5 11.7 75 C665J Valleseco_Valsendero 78 0.14 7.48 10 12.0 48 C665K Moya_TableroCorvo 79 0.11 13.69 10 11.1 76 C665L Moya_FontanalesCisterna 80 0.14 11.62 5 10.3 37 C665M Valleseco_ElCaseron 81 0.08 9.63 18 11.5 76 C665O Moya_LomoLaMajadilla 82 0.11 7.46 7 11.8 69 C666O Guia_PiedraMolinos 83 0.19 2.84 2 10.5 21 C667E Firgas_CasadeMatos 84 0.16 12.23 13 12.9 75 C667J Valleseco_LasMadres 85 0.10 9.17 14 11.6 71 C667K Moya_Heredad 86 0.09 8.90 10 5.3 77 C668A Arucas_Heredad 87 0.13 16.90 8 5.8 75 C668O Guia_PresaJimenez 88 0.16 19.03 19 6.3 57 C668U Galdar_LasRosas 89 0.07 10.91 11 4.2 77 C669A Arucas_Bañaderos 90 NA NA 1 4.4 1 C669E Arucas_SanAndres 91 0.12 11.38 15 3.3 34 C669Q Galdar_NidoCuervo 92 0.11 10.77 12 3.6 66 C669V Galdar_ElCardonal 93 0.16 13.51 12 1.8 18 C658U-2 LasPalmasGC_FarodelaIsleta-2 94 0.22 NA 3 4.8 13 C658O-2 LasPalmasGC_SanLorenzo-2 95 0.59 3.01 4 60.5 28 C611E-2 SanMateo_losJuncos-2 96 0.41 NA 3 3.3 7 C658O-3 LasPalmasGC_SanLorenzo-3 97 0.26 15.44 13 4.6 24 C669E-2 Arucas_SanAndres-2 98 0.25 NA 7 2.8 11 C669Q-2 Galdar_NidoCuervo-2 99 0.13 7.46 7 4.1 37 C659J-2 LasPalmasGC_Mayorazgo-2 100 0.12 12.64 6 3.2 49 C619B-2 Agaete_Ayuntamiento-2 101 0.15 11.91 5 6.6 46 C657E-2 StaBrigida_CampoGolfBandama-2 102 0.16 10.84 10 8.8 67 C652O-2 SanMateo_LasMesasdeAnaLopez-2 ----------- Generated outputs: -------------------------------- Pptm_1951-2009.txt : This text output Pptm_1951-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1951-2009.esh : List of homogenized stations (original and split) Pptm_1951-2009.pdf : Diagnostic graphics
1.2. Homogenización zona SW con 31 estaciones. HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol')
Pág. 94 de 89
=========== Homogenization of Pptm, 1964-2009. (Fri Sep 30 18:27:28 2011) homogen: varcli=Pptm anyi=1964 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=15 tVf=0.02 swa=60 snhtt=25 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3.2 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE ----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. 0.0700 0.1100 0.1300 0.1624 0.2100 0.4100 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.900 7.100 8.150 8.512 10.250 13.300 11.000 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 4.000 5.000 7.243 9.000 24.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.018 1.846 2.878 3.031 3.798 7.189 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 6.00 18.00 68.00 56.76 81.00 98.00 ACmx tVx SNHT RMSE PD Code Name 1 0.09 6.97 7 1.4 84 C639O SanBartolomeTirajana_Berriel 2 0.07 11.18 8 2.0 68 C639P SanBartolomeTirajana_JuanGrande 3 0.13 10.99 12 4.9 54 C625A Mogan_Inagua 4 0.34 NA 1 1.8 7 C629X Mogan_PuertoMogan 5 0.29 NA 1 1.5 9 C629I Mogan_PuertoMogan 6 0.23 NA 9 1.5 18 C629Q Mogan_PuertoRicoPlaya 7 0.13 8.54 24 3.7 98 C626E Mogan_BarranquilloAndres 8 0.11 12.31 5 4.9 72 C646E Aguimes_Temisas 9 0.23 NA 1 1.2 17 C639U SanBartolomeTirajana_ElMatorral 10 0.14 10.27 9 5.7 75 C623I SanBartolomeTirajana_CuevasdelPinar 11 0.26 NA 1 1.3 14 C689E SanBartolomeTirajana_HotelFaroMaspa 12 0.41 NA 3 2.0 8 C619I SanNicolasTolentino_Depuradora 13 0.12 11.06 14 3.8 71 C636K StaLuciaTirajana_Casco 14 0.10 8.11 9 7.2 91 C614I Tejeda_PinarPajonales 15 0.08 9.76 6 4.9 96 C624E Tejeda_ViveroÑameritas 16 0.10 6.59 8 3.2 65 C648A StaLucia_EradelCardon 17 0.08 8.14 4 2.8 75 C649A StaLucia_CrucedeSardina 18 0.12 10.66 5 3.2 78 C619O SanNicolasTolentino_Casco 19 0.13 8.25 7 3.2 89 C625I SanBartolomeTirajana_CercadodeAraña 20 0.12 10.10 11 2.4 97 C625O SanBartolomeTirajana_LomosdePedroAf 21 0.14 13.29 13 4.3 76 C627A SanNicolasTolentino_Tasarte 22 0.30 NA 5 1.1 17 C627I Mogan_TauroAlto 23 0.10 8.11 3 2.6 86 C628O SanBartolomeTirajana_CercadodeEspin 24 0.11 4.32 3 1.0 67 C629O Mogan_TauroBajo
Pág. 95 de 89
25 0.12 2.88 5 4.2 54 C635E SanBartolomeTirajana_BailaderoLasBr 26 0.10 8.09 10 3.7 81 C635F SanBartolomeTirajana_Casco 27 0.14 6.02 4 2.9 68 C636I SanBartolomeTirajana_LaHoya 28 0.10 8.13 5 3.8 80 C636J SanBartolomeTirajana_Fataga 29 0.11 9.11 8 2.6 93 C637A SanBartolomeTirajana_Palomas 30 0.13 8.49 2 2.3 63 C638I SanBartolomeTirajana_Arteara 31 0.13 7.35 19 1.1 88 C639F SanBartolomeTirajana_TableroMaspalo 32 0.27 NA 5 3.2 11 C623I-2 SanBartolomeTirajana_CuevasdelPinar-2 33 0.21 NA 4 2.2 13 C627A-2 SanNicolasTolentino_Tasarte-2 34 0.25 NA 14 3.2 6 C649A-2 StaLucia_CrucedeSardina-2 35 0.17 6.43 3 4.3 38 C625A-2 Mogan_Inagua-2 36 0.18 6.07 15 1.7 52 C627I-2 Mogan_TauroAlto-2 37 0.17 NA 5 5.1 21 C635E-2 SanBartolomeTirajana_BailaderoLasBr-2 ----------- Generated outputs: -------------------------------- Pptm_1964-2009.txt : This text output Pptm_1964-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1964-2009.esh : List of homogenized stations (original and split) Pptm_1964-2009.pdf : Diagnostic graphics
2. Tenerife. 2.1. Homogenización zona norte con 223 estaciones HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol') =========== Homogenization of Pptm, 1906-2009. (Sun Oct 30 09:25:45 2011) homogen: varcli=Pptm anyi=1906 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=19 tVf=0.02 swa=60 snhtt=21 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=223 maxite=50 ini= vmin=NA vmax=NA verb=TRUE ----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 0.0800 0.1600 0.2100 0.2196 0.2600 0.5600 5.0000 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.000 6.225 8.250 9.006 11.680 19.700 75.000 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 3.000 6.000 6.759 9.000 20.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 2.085 10.180 14.080 16.220 19.110 197.600
Pág. 96 de 89
PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.00 8.00 13.00 15.65 20.00 83.00 ACmx tVx SNHT RMSE PD Code Name 1 0.26 9.02 8 12.3 18 C414A SantiagoTeide_Chinyero 2 0.44 11.22 16 15.8 15 C416A SantiagodelTeide 3 0.16 9.05 11 10.0 31 C417I GuiaIsora_ChioCF 4 0.17 13.30 14 13.4 83 C430E IZAÑA 5 0.17 13.16 3 34.5 24 C436U Esperanza_CF 6 0.13 6.49 6 12.2 24 C437I Arafo_Añavingo 7 0.13 13.40 17 10.9 52 C438I Arafo 8 0.25 NA 3 8.7 3 C438Q Candelaria_Igueste 9 0.12 NA 2 5.8 7 C438T Rosario_BarrancoGrande 10 0.11 5.44 3 5.7 34 C439I Güimar_Planta 11 0.32 NA 4 7.9 8 C439P Candelaria_PlayaCaletillasS 12 0.30 NA 3 9.8 5 C440G StaCruzTfe_SaludVivero 13 0.31 NA 4 8.1 5 C440J StaCruzTfe_Depuradora 14 0.18 NA 4 4.3 5 C440K StaCruzTfe_MuseoCNaturales 15 0.32 NA 2 5.8 5 C440N StaCruzTfe_Tablero 16 0.17 15.94 11 15.6 48 C447A RODEOS-AEROP.TENERIFE-NORTE 17 0.20 19.73 7 26.6 72 C447B Laguna_Instituto 18 0.38 13.96 20 26.7 32 C447U Laguna_Guamasa 19 0.19 8.07 5 6.0 18 C448B Laguna_MontañaOfra 20 0.19 9.55 11 13.1 33 C448U ValleGuerra_Isamar 21 0.14 13.40 3 11.5 32 C448V ValleGuerra_Garimba 22 0.26 7.98 9 5.8 13 C449C SANTA_CRUZ_DE_TENERIFE 23 0.13 7.86 10 8.4 37 C449G Anaga_SanAndres 24 0.13 12.43 9 10.4 44 C449K Anaga_Faro 25 0.14 6.97 6 11.4 24 C449M Anaga_TagananaAzanos 26 0.17 NA 7 11.6 9 C449R Anaga_BajamarAlpa 27 0.27 NA 4 11.0 7 C449U ValleGuerra_Pajalillos 28 0.18 12.15 11 11.6 11 C449V Laguna_TejinaPico 29 0.20 NA 11 11.8 9 C451V Realejos_PortilloCentrodeVisitantes 30 0.31 NA 2 36.5 4 C453K Victoria_Gaitero 31 0.29 13.98 12 25.3 10 C453U Realejos_PiedraPastores 32 0.13 13.63 7 38.7 11 C454H Matanza_Lagunetas 33 NA NA 3 15.8 1 C455O Orotava_AguamasaCF 34 0.20 13.37 6 25.3 20 C456A Tacoronte_AguagarciaCF 35 0.21 8.53 2 19.5 36 C457A Tacoronte_Naranjeros 36 0.36 1.98 1 19.5 13 C457U Realejos_IcodAltoCF 37 0.19 8.36 11 15.8 33 C458A TacoronteA_SEA 38 0.12 4.92 9 18.9 20 C458C Victoria_Ayuntamiento 39 0.31 14.69 18 16.1 17 C458E Sauzal 40 0.22 15.17 9 14.7 20 C458F Sauzal_ColegioNacional 41 0.25 6.72 4 12.7 14 C458O Orotava 42 0.33 NA 15 12.9 7 C459F Sauzal_Angeles 43 0.11 9.91 5 9.8 30 C459O PuertoCruz_PazBotanica 44 0.27 NA 3 6.6 4 C459Z PUERTO_CRUZ_AUTOMATICA 45 0.25 9.78 15 19.1 19 C465O Tanque_ErjosCF 46 0.24 12.54 17 26.8 13 C466L Garachico_Montañeta 47 0.18 7.21 8 19.3 12 C467V Buenavista_Carrizal 48 0.14 7.09 8 17.5 49 C468A Guancha_Asomada
Pág. 97 de 89
49 0.28 NA 1 9.9 5 C468G Icod_LomoBlanco 50 0.27 17.24 11 13.8 10 C468Q Buenavista_Palmar 51 0.31 17.75 9 14.2 25 C469I IcodA 52 0.25 15.02 5 14.8 31 C469J IcodB 53 0.10 9.81 5 10.5 35 C469O Silos 54 0.16 10.98 3 7.5 20 C438H Guimar_Casino 55 0.16 6.63 13 25.1 21 C447F Anaga_Jardina 56 0.13 16.16 13 16.6 21 C447K Laguna_CaminoAlamos 57 0.23 NA 4 12.7 8 C447O Anaga_RoqueNegroPorquera 58 0.21 4.93 7 13.7 24 C448D Anaga_ValleJimenez 59 0.15 7.66 9 10.5 24 C448L Anaga_Campanario 60 0.16 5.94 2 21.1 24 C448O Anaga_TagananaFajanetas 61 0.16 6.97 2 19.2 22 C448P Anaga_TagananaMolinos 62 0.18 5.84 5 14.9 37 C448S Tegueste 63 0.21 8.58 8 14.8 22 C448X Tegueste_Drago 64 0.22 10.79 12 12.0 10 C434D Fasnia_ArchifiraPresa 65 0.19 10.60 11 6.5 21 C449D StaCruzTfe_UrbAnaga 66 0.28 5.74 6 21.6 12 C434M Candelaria_Chivisaya 67 0.15 6.86 2 10.9 19 C449N Anaga_TagananaCardonal 68 0.12 7.67 6 10.2 24 C449O Anaga_Taganana 69 0.17 7.15 5 7.7 20 C449S Anaga_PuntaHidalgo 70 0.23 11.23 13 11.4 27 C451U Realejos_Portillo 71 0.23 11.61 10 19.1 61 C457C Tacoronte 72 0.26 3.11 4 22.7 19 C436P Candelaria_Ramonas 73 0.16 9.42 15 16.9 39 C458G MatanzadeAcentejo 74 0.17 NA 3 10.1 9 C458L StaUrsula 75 0.33 NA 8 19.5 6 C458N Orotava_Centro 76 0.17 6.75 13 15.9 26 C458S Realejos_CruzSanta 77 0.21 10.34 8 14.4 18 C459G Sauzal_Naranjos 78 0.20 7.70 5 10.0 24 C459S Realejos_SanAgustin 79 0.56 14.34 13 19.3 10 C465N Tanques_SanJosedeLosLlanos 80 0.15 9.76 11 10.9 21 C468F Icod_StaBarbara 81 0.20 13.68 12 15.4 17 C468J Garachico_GenovesA 82 0.18 15.00 8 7.7 23 C469A SanJuandelaRambla 83 0.14 7.60 7 6.7 22 C469C Guancha_StoDomingo 84 0.35 NA 11 9.4 9 C469L Garachico 85 0.16 4.29 4 9.1 20 C405L Cañadas_MontañaAngostura 86 0.26 NA 4 11.8 7 C438M Candelaria_Cuevecitas 87 0.19 6.02 4 7.5 18 C438O Candelaria_PeñaVerigueste 88 0.27 9.95 6 8.1 17 C438P Candelaria_BarrancoHondo 89 0.19 9.45 3 9.6 24 C406K Cañadas_CañadaDiegoHernandez 90 0.27 8.96 6 11.1 12 C406W Cañadas_RoquePeral 91 0.30 NA 1 5.4 3 C439F Guimar_Socorro.Playa 92 0.23 12.43 12 7.2 13 C439L Candelaria 93 0.24 NA 2 8.8 4 C439V Esperanza_TabaibaAlta 94 0.25 6.35 5 10.2 16 C412F GuiaIsora_Baldios 95 0.26 NA 3 15.6 7 C412L GuiaIsora_BarrancoNiagara 96 0.22 7.12 2 29.5 14 C446I Anaga_LomoPelado 97 0.27 NA 5 24.9 4 C446Q Anaga_TagananaCruz 98 0.22 6.61 8 20.1 19 C446R Tegueste_PedroAlvarezA 99 0.25 NA 7 22.7 5 C446S Tegueste_PedroAlvarez 100 0.25 NA 3 22.7 4 C446T Tegueste_MontañaZapata 101 0.22 7.13 6 8.2 11 C413C SantiagoTeide_Cascajo
Pág. 98 de 89
102 0.23 11.45 19 31.8 42 C447C Anaga_Mercedes 103 0.14 5.15 3 15.3 15 C447D Laguna_Canteras 104 0.45 NA 6 13.4 3 C447E Laguna_UrbanizAguere 105 0.19 3.12 4 18.0 10 C447G Laguna_ViveroIcona 106 0.25 NA 4 8.1 4 C447I Laguna_CercadoMesa 107 0.19 10.93 14 17.9 16 C447J Anaga_Bodegas 108 0.25 3.53 2 21.6 10 C447L Laguna_Moquinal 109 0.11 8.70 4 15.2 13 C447M Anaga_BailaderoFrioleras 110 0.21 12.15 5 22.9 11 C447N Anaga_CaserioCatalanes 111 0.37 NA 7 11.5 6 C447P Anaga_AfurInchires 112 0.21 5.32 3 17.9 11 C447Q Anaga_Taborno 113 0.13 NA 7 36.2 8 C447R Anaga_Carboneras 114 0.11 4.26 3 23.8 19 C447T Laguna_Batan 115 0.21 6.76 2 11.2 13 C415B SantiagoTeide_Bilma 116 0.26 NA 6 15.2 4 C447V Laguna_MontañaGiles 117 0.39 16.99 12 17.5 13 C447X Laguna_Geneto 118 0.49 NA 3 14.4 4 C448A StaCruzTfe_LlanoMoro 119 0.28 8.56 7 10.1 18 C415E GuiaIsora_Frontones 120 0.25 6.15 5 15.8 11 C448E Anaga_Tahodio 121 0.21 7.27 4 14.3 13 C448H Anaga_PolvorinERT 122 0.20 5.53 3 21.7 19 C448K Anaga_Chamorga 123 0.25 4.71 2 10.2 10 C416E SantiagodelTeide_Arguayo 124 0.28 NA 4 7.4 6 C416G GuiaIsora_Aripe 125 0.24 9.77 11 9.9 33 C417E SantiagodelTeide_Tamaimo 126 0.30 6.01 6 19.3 10 C448T Tegueste_SanGonzalo 127 0.32 4.65 4 7.3 10 C417F SantiagodelTeide_TamaimoA 128 0.26 NA 8 7.3 8 C417L GuiadeIsora 129 0.21 11.84 12 3.5 12 C419I GuiaIsora_AlcalaSalinas 130 0.24 13.49 13 12.6 13 C449E Anaga_TahodioPozoLara 131 0.18 6.86 6 8.1 12 C421V Arico_LlanoLajitas 132 0.11 5.23 6 13.3 19 C449H Anaga_BcoHuertas 133 0.21 12.13 9 8.9 18 C449I Anaga_IguesteSanAndres 134 0.19 6.52 4 11.3 17 C449J Anaga_Draguillo 135 0.15 8.76 9 12.9 15 C449L Anaga_TagananaIglesia 136 0.34 NA 3 10.1 6 C449P Anaga_TagananaChorros 137 0.17 10.94 5 9.0 31 C449T Anaga_Bajamar 138 NA NA 1 17.4 1 C449W Laguna_Tejina 139 0.19 3.39 3 14.9 10 C451W Realejos_DegolladadelCedro 140 0.32 13.02 17 23.6 15 C452O Orotava_RoqueAcebe 141 0.23 13.49 6 16.8 14 C452R Realejos_MontañaAlta 142 0.14 5.13 6 18.3 16 C452U Realejos_Fortaleza 143 0.14 8.81 6 20.2 14 C453P Orotava_GaleriaPinoCruz 144 0.21 NA 8 16.0 5 C453R Orotava_MontañaRoja 145 0.19 11.39 5 23.9 10 C453S Orotava_CordilloLomoResbala 146 0.21 3.17 1 27.5 14 C454K Victoria_LomoRincon 147 0.13 5.06 2 28.7 10 C454L StaUrsula_LomoRaices 148 0.18 16.05 7 27.4 23 C454M StaUrsula_MñaOvejas 149 0.16 7.57 8 27.6 15 C454P Orotava_MontañaBermeja 150 0.31 15.56 8 14.2 10 C454Q Orotava_MontañaBlanca 151 0.25 3.80 4 33.7 9 C454T Realejos_CorralQuemado 152 0.27 9.11 14 27.5 15 C454U Realejos_Parcela 153 0.22 NA 4 49.4 7 C455F Tacoronte_Parcela 154 0.20 2.78 2 43.7 11 C455G Sauzal_PlazadeLaPaz
Pág. 99 de 89
155 0.25 12.58 6 30.8 14 C455K Victoria_LomoAbades 156 0.23 3.19 2 26.5 12 C455P Orotava_AguamansaA 157 0.42 8.66 8 29.1 10 C455U Realejos_Asomadero 158 0.21 2.02 1 28.8 11 C456H Matanza_Vica 159 0.18 4.68 3 34.1 13 C456K Victoria_LomoCasillas 160 0.15 NA 6 33.3 9 C456M StaUrsula_Atalaya 161 0.19 13.94 10 27.6 21 C456O Orotava_CaminoChasna 162 0.24 NA 3 18.2 6 C456S Realejos_Llanadas 163 0.20 9.85 14 21.2 47 C457B Tacoronte_Caridad 164 0.12 7.34 7 17.2 22 C457L StaUrsula_Corujera 165 0.23 NA 2 18.5 3 C457O Orotava_EE 166 0.26 7.74 12 28.5 20 C457R Realejos_PaloBlanco 167 0.18 2.88 4 14.2 16 C457T Realejos_Lance 168 0.23 NA 5 10.7 5 C426U Arico_Bueno 169 0.25 NA 7 13.6 8 C458B Tacoronte_MesaMarAlto 170 0.28 NA 3 19.1 6 C458J VictoriaAcentejo 171 0.31 NA 3 7.0 3 C458M Orotava_Palmeras 172 0.18 12.22 5 12.4 39 C458P Orotava_Ramal 173 0.17 8.45 3 12.5 11 C458Q Realejos_Tigaiga 174 0.34 NA 15 13.6 6 C458R Realejos 175 0.16 NA 2 12.0 4 C458T RealejoAlto 176 0.17 5.68 4 6.7 11 C431B Fasnia_CharcoPato 177 0.20 7.58 6 8.5 19 C459R Realejos_Gorvorana 178 0.24 NA 2 13.1 6 C432E Guimar_LomoSeco 179 0.13 16.01 9 13.9 14 C459T RealejoBajo 180 0.13 5.67 4 10.7 14 C432F Guimar_MñaArguazo 181 0.26 4.77 3 13.3 10 C463A SanJuanRambla_TorreVigil 182 0.18 2.98 4 17.6 19 C463H Icod_Barrenos 183 0.32 7.22 4 15.2 21 C463I Icod_Tabona 184 0.38 NA 18 20.2 6 C463K Garachico_CruzHermanos 185 0.16 4.86 2 12.4 10 C464C Guancha_GaleriaVergaraII 186 0.24 NA 7 16.2 7 C464K Garachico_MñaNegra 187 0.16 11.41 10 19.9 10 C465A SanJuanRambla_Chamuscada 188 0.14 6.20 6 18.4 19 C465C Icod_CFLlanoCebada 189 0.22 3.57 5 21.1 15 C465H Icod_VistasSanFelipe 190 0.11 6.51 7 26.0 14 C465J Icod_Abiertas 191 0.16 9.63 9 20.2 10 C433G Guimar_LomoCuchillo 192 0.14 13.56 10 16.9 15 C465Q Silos_CumbreBolico 193 0.16 10.06 3 17.0 20 C466G Icod_Redondo 194 0.20 7.16 5 16.9 15 C433K Candelaria_BocadelValle 195 0.14 NA 3 13.4 9 C466Q Silos_MontedelAgua 196 0.23 5.79 7 12.9 10 C466R Buenavista_TenoAlto 197 0.24 11.41 3 17.3 12 C466S Buenavista_LomoCebada 198 0.12 16.15 8 17.6 18 C467A GuanchaCF 199 0.27 12.38 18 16.6 12 C467K Garachico_SanJuanReparo 200 0.33 NA 1 18.3 3 C467M Tanque_Alto 201 0.21 10.38 4 17.4 9 C467O Silos_TierradelTrigo 202 0.27 NA 10 7.4 7 C467Q Buenavista_Meseta 203 0.16 5.50 2 13.0 22 C467S Buenavista_Zahorra 204 0.17 18.43 16 15.2 10 C467T Buenavista_Portelas 205 0.14 5.31 4 22.5 12 C433L Arafo_MñaColorada 206 0.20 7.04 8 21.0 14 C434O Candelaria_PiedraVera 207 0.35 NA 16 11.0 5 C435D Fasnia_CasaEvaristo
Pág. 100 de 89
208 0.18 2.80 3 14.1 13 C435E Guimar_LomoAnocheza 209 0.14 3.39 1 10.9 20 C468H Icod_PiedeLasLajas 210 0.16 6.67 6 15.8 13 C435L Arafo_Charquillo 211 0.22 14.08 12 16.3 15 C468L Garachico_Genoves 212 0.21 10.67 5 12.4 9 C436H Guimar_Vistas 213 0.24 NA 8 14.0 8 C437D Fasnia_Zarza 214 0.16 7.67 3 22.6 15 C437J Arafo_700 215 0.35 12.78 13 10.9 10 C437K Guimar_TiraClavijo 216 0.23 6.56 4 14.1 17 C437P Candelaria_BarrancoHondoPinoGacho 217 0.19 8.05 8 16.5 17 C438B Fasnia 218 0.25 7.67 4 9.2 10 C469Q Buenavista 219 0.27 11.36 11 6.7 19 C469R Buenavista_PuntaTeno 220 0.20 8.05 8 5.9 9 C469U Buenavista_FaroPuntaTeno 221 0.16 7.25 4 8.0 11 C438G Guimar_Marrera 222 0.32 10.78 5 13.3 12 C434E Guimar_LomoCabuco 223 0.14 7.42 6 12.8 21 C437L Arafo_BarrancoAfoña 224 0.20 10.84 4 8.3 15 C469L-2 Garachico-2 225 0.18 5.73 5 38.2 10 C465N-2 Tanques_SanJosedeLosLlanos-2 226 0.42 NA 11 4.6 3 C467Q-2 Buenavista_Meseta-2 227 NA NA 16 7.9 2 C466G-2 Icod_Redondo-2 228 0.25 NA 2 4.1 5 C465H-2 Icod_VistasSanFelipe-2 229 NA NA 4 2.1 1 C469L-3 Garachico-3 230 0.18 15.31 17 12.5 25 C416A-2 SantiagodelTeide-2 231 0.16 5.66 3 16.9 12 C447O-2 Anaga_RoqueNegroPorquera-2 232 0.19 NA 5 9.3 6 C435D-2 Fasnia_CasaEvaristo-2 233 0.32 NA 9 34.6 7 C446T-2 Tegueste_MontañaZapata-2 234 0.34 NA 14 10.9 6 C466Q-2 Silos_MontedelAgua-2 235 0.13 17.81 20 17.0 23 C448O-2 Anaga_TagananaFajanetas-2 236 0.21 7.27 11 12.1 32 C449U-2 ValleGuerra_Pajalillos-2 237 0.21 NA 2 2.1 4 C463I-2 Icod_Tabona-2 238 0.32 NA 4 16.0 8 C451U-2 Realejos_Portillo-2 239 0.20 6.33 8 11.4 13 C448O-3 Anaga_TagananaFajanetas-3 240 0.21 3.77 1 15.1 13 C448S-2 Tegueste-2 241 0.24 NA 2 7.9 2 C448S-3 Tegueste-3 242 0.15 NA 14 18.3 9 C451V-2 Realejos_PortilloCentrodeVisitantes-2 243 0.08 6.40 5 7.1 32 C469A-2 SanJuandelaRambla-2 244 0.21 NA 9 8.8 8 C458G-2 MatanzadeAcentejo-2 245 0.38 NA 6 197.6 3 C453K-2 Victoria_Gaitero-2 246 0.20 NA 5 15.0 9 C434M-2 Candelaria_Chivisaya-2 247 0.20 7.10 5 14.0 23 C449V-2 Laguna_TejinaPico-2 248 0.19 NA 7 15.7 8 C433L-2 Arafo_MñaColorada-2 249 NA NA 3 11.4 1 C449H-2 Anaga_BcoHuertas-2 250 0.21 13.04 6 6.2 56 C449C-2 SANTA_CRUZ_DE_TENERIFE-2 251 0.28 NA 1 8.7 5 C448S-4 Tegueste-4 252 0.28 NA 3 8.7 3 C447V-2 Laguna_MontañaGiles-2 253 0.09 10.00 3 9.4 20 C459O-2 PuertoCruz_PazBotanica-2 254 0.25 NA 4 23.7 4 C455F-2 Tacoronte_Parcela-2 255 0.21 NA 1 12.8 8 C435L-2 Arafo_Charquillo-2 256 0.13 11.73 14 12.6 18 C458L-2 StaUrsula-2 257 0.14 10.64 6 24.9 38 C455O-2 Orotava_AguamasaCF-2 ----------- Generated outputs: --------------------------------
Pág. 101 de 89
Pptm_1906-2009.txt : This text output Pptm_1906-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1906-2009.esh : List of homogenized stations (original and split) Pptm_1906-2009.pdf : Diagnostic graphics
2.2. Homogenización zona sur Tenerife con 75 estaciones. HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol') =========== Homogenization of Pptm, 1944-2009. (Sat Oct 29 21:57:35 2011) homogen: varcli=Pptm anyi=1944 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=14 tVf=0.02 swa=60 snhtt=16 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE ----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 0.1000 0.1400 0.1900 0.1962 0.2300 0.6500 1.0000 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.500 5.825 7.300 7.955 9.875 14.400 27.000 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 4.000 5.000 5.978 8.000 16.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.398 2.891 4.838 5.518 6.528 27.560 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 2.00 11.00 19.00 23.37 33.00 72.00 ACmx tVx SNHT RMSE PD Code Name 1 0.11 6.21 3 5.0 36 C406D Cañadas_BocaTauceA 2 0.10 6.68 4 4.2 38 C406G CAÑADAS-PARADOR 3 0.11 9.60 2 6.3 37 C412C GuiaIsora_Samara 4 0.10 5.78 2 5.7 40 C416O Adeje_Taucho 5 0.21 3.94 3 2.3 21 C419H GuiaIsora_CuevaPolvo 6 0.14 9.81 6 2.1 29 C419J GuiaIsora_PlayaSanJuan 7 0.24 NA 8 2.6 10 C419M GuiaIsora_AlcalaChiquita 8 0.27 2.45 4 1.9 25 C419U Adeje_Fañabe 9 0.20 4.18 3 2.8 15 C419W Adeje_PlayaAmericas 10 0.22 10.20 15 1.6 25 C419X Adeje_CalderaB 11 0.24 8.68 8 1.6 25 C419Y Adeje_CalderaA 12 0.15 12.86 4 2.4 29 C419Z Adeje_Caldera
Pág. 102 de 89
13 0.17 12.00 7 12.1 24 C424E Vilaflor 14 0.25 11.62 10 10.1 29 C426V Arico_BuenoA 15 0.23 NA 4 10.2 9 C427A Arona 16 0.19 7.05 6 12.2 22 C427H Granadilla 17 0.16 12.29 7 4.7 31 C428C Arona_ValleSanLorenzoJama 18 0.22 7.25 6 4.8 18 C428I Granadilla_SanIsidroSalones 19 0.17 NA 4 1.4 9 C429B Arona_GalletasFraileNuevo 20 0.12 7.40 6 1.9 44 C429I REINA_SOFIA_AEROP.TENERIFE_SUR 21 0.16 NA 5 2.5 11 C429J Arona_Casablanca 22 0.17 12.71 4 2.1 23 C429K Granadilla_MedanoConfital 23 0.35 NA 1 6.3 6 C437C Fasnia_SabinaAlta 24 0.14 7.34 3 9.3 16 C427E SanMiguelAbona 25 0.15 14.45 14 5.3 35 C427G Granadilla_ChozasAbajo 26 0.17 5.92 7 2.5 33 C428F Arona_CamellaMorroNegro 27 0.12 4.57 2 1.6 44 C429C Arona_Cristianos 28 0.10 9.67 12 2.2 44 C429D Arona_Guaza 29 0.14 NA 5 1.7 14 C429R Arico_Jurada 30 0.14 8.54 4 6.4 33 C405G Cañadas_BaseTeideGasolinera 31 0.21 4.37 4 5.9 19 C438K Güimar_ColegioStoDomingo 32 0.11 4.76 5 3.1 16 C439G Güimar_LomoTablado 33 0.35 NA 4 4.0 5 C411R Adeje_Retamales 34 0.23 NA 3 8.6 9 C406A Cañadas_UcancaLlano 35 0.18 11.50 5 3.0 16 C412R Adeje_MontañaColorada 36 0.15 6.35 4 6.5 37 C413O GuiaIsora_Icerce 37 0.16 11.65 11 4.5 39 C406C Cañadas_Encerradero 38 0.15 7.06 5 5.3 34 C414O Adeje_CedroFyffes 39 0.13 6.48 5 6.9 19 C415R Adeje_Ifonche 40 0.21 NA 2 12.6 6 C416V GuiaIsora_VeradeErque 41 0.19 4.87 2 5.2 21 C417G GuiaIsora_TejinaCoopAG 42 0.12 8.42 9 2.9 60 C418U Adeje 43 0.20 6.58 4 7.6 24 C422C Vilaflor_ToposTorreVigil 44 0.15 5.48 5 8.6 18 C422E Vilaflor_Marrubial 45 0.14 7.48 10 6.5 24 C423E Vilaflor_CF 46 0.13 6.14 4 6.2 35 C423I Granadilla_Florida 47 0.22 8.04 6 6.7 22 C423K Granadilla_BcoJuanDana 48 0.24 5.00 4 3.8 16 C423L Arico_CamasVerdes 49 0.23 6.22 6 5.9 16 C423P Arico_PeñonContador 50 0.30 8.26 8 4.9 18 C423U Arico_Picachos 51 0.31 NA 10 11.3 8 C423Z Arico_LomoBello 52 0.19 5.24 5 8.0 17 C424Q Arico_Vallecontador 53 0.48 6.57 9 17.9 21 C425C Vilaflor_Escalona 54 0.24 NA 3 5.6 6 C425E Granadilla_Fuentes 55 0.22 4.35 5 4.6 17 C425G Vilaflor_LlanosIngenio 56 0.32 NA 1 27.6 6 C425L Arico_Centenitos 57 0.19 NA 8 3.4 14 C426J Granadilla_CruzTea 58 0.18 4.27 3 6.7 19 C426L Arico_Espigon 59 0.19 6.25 7 7.7 18 C426P Arico_EsquinaCardones 60 0.21 NA 5 4.3 7 C427P Arico_Lomo 61 0.29 NA 8 6.5 8 C427T Arico_CruzOrtiz 62 0.16 NA 3 2.3 10 C428E Arona_Buzanada 63 0.23 5.03 5 2.9 17 C415G GuiaIsora_Fuentes 64 0.24 NA 3 2.5 10 C428J Granadilla_Yaco 65 0.15 8.41 13 3.3 37 C428L Arico_Rio
Pág. 103 de 89
66 0.20 3.25 1 4.2 18 C428R Arico_Reveron 67 0.13 14.30 9 8.2 71 C428S Arico_Nuevo 68 0.19 NA 6 3.0 14 C428W Arico_Icor 69 0.11 8.26 12 1.5 72 C429A Arona_PuntaRascaFaro 70 0.12 9.96 14 2.5 36 C429U Arico_FaroAbona 71 0.18 13.86 5 8.9 18 C433E Guimar_LlanoLasChozas 72 0.31 12.28 12 6.3 16 C437F Guimar_LomodeMena 73 0.24 NA 2 7.3 6 C438D Fasnia_Villa 74 0.12 9.91 9 15.3 68 C438E Guimar_Escobonar 75 0.13 6.35 3 4.1 37 C412M GuiaIsora_Chavao 76 NA NA 4 1.6 2 C437F-2 Guimar_LomodeMena-2 77 0.23 NA 4 3.5 7 C427T-2 Arico_CruzOrtiz-2 78 0.20 NA 14 3.1 5 C419J-2 GuiaIsora_PlayaSanJuan-2 79 0.25 NA 3 6.0 9 C423Z-2 Arico_LomoBello-2 80 0.19 NA 8 4.3 14 C438D-2 Fasnia_Villa-2 81 0.23 NA 4 5.0 5 C425G-2 Vilaflor_LlanosIngenio-2 82 0.10 9.73 6 5.4 29 C427H-2 Granadilla-2 83 0.17 10.77 5 4.2 50 C427E-2 SanMiguelAbona-2 84 0.12 8.96 16 5.2 59 C424E-2 Vilaflor-2 85 0.15 4.82 3 7.0 23 C425L-2 Arico_Centenitos-2 86 0.12 6.78 7 4.1 33 C427A-2 Arona-2 87 0.21 13.65 5 3.8 34 C406A-2 Cañadas_UcancaLlano-2 88 0.65 NA 13 2.6 4 C427P-2 Arico_Lomo-2 89 0.28 NA 4 5.1 6 C438E-2 Guimar_Escobonar-2 ----------- Generated outputs: -------------------------------- Pptm_1944-2009.txt : This text output Pptm_1944-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1944-2009.esh : List of homogenized stations (original and split) Pptm_1944-2009.pdf : Diagnostic graphics
3. La Palma 3.1. Análisis para las estaciones orientadas al noreste de la isla (unas 16). HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol') =========== Homogenization of Pptm, 1946-2009. (Sat Nov 26 11:52:43 2011) homogen: varcli=Pptm anyi=1946 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=11 tVf=0.02 swa=60 snhtt=13 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3.2 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE ----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. 0.0800 0.1300 0.1900 0.2063 0.2700 0.3600
Pág. 104 de 89
tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 4.100 6.500 6.800 7.846 8.700 13.300 6.000 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 2.000 5.000 7.000 6.842 8.500 12.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 9.457 13.350 19.830 23.460 29.510 53.240 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 6.00 12.00 31.00 29.26 45.50 55.00 ACmx tVx SNHT RMSE PD Code Name 1 0.23 NA 8 29.7 11 C134E MAZO-ROQUE-NIQUIAMO 2 0.19 6.65 5 14.3 54 C138I BREÑA-BAJA-SAN-JOSE 3 0.24 NA 2 18.7 10 C138L BREÑA-ALTA-COLNNAL 4 0.13 13.29 9 24.5 42 C138O BUENAVISTA-AEROP-VIEJO 5 0.33 NA 7 11.3 6 C138P SANTA-C-PALMA-VELHOCO 6 0.08 5.92 6 9.5 55 C139E MAZO-AEROPUERTO-DE-LA-PALMA 7 0.13 6.28 3 9.5 31 C139I BREÑA-BAJA-FUERTE 8 0.17 8.36 8 10.1 34 C139O SANTA-C-PALMA 9 0.15 4.13 3 12.4 41 C139R SANTA-C-PALMA-MIRCA 10 0.10 8.22 9 33.3 49 C145N GARAFIA-CF 11 0.35 NA 12 43.2 13 C147C SAUCES-ESPIGON-ATRAVESADO 12 0.31 8.66 10 47.8 20 C147F BARLOVENTO-CF 13 0.23 NA 4 53.2 9 C148C SAUCES-TILOS-PORTADAS 14 0.30 6.62 7 29.3 20 C148D SAUCES-S-ANDRES-COLNNAL 15 0.21 6.48 5 25.5 32 C148H BARLOVENTO-GALLEGOS 16 0.17 9.48 8 19.8 17 C148O GARAFIA 17 0.36 NA 7 15.3 9 C138L-2 BREÑA-ALTA-COLNNAL-2 18 0.13 11.06 11 22.4 49 C148O-2 GARAFIA-2 19 0.11 6.84 6 15.9 54 C138P-2 SANTA-C-PALMA-VELHOCO-2 ----------- Generated outputs: -------------------------------- Pptm_1946-2009.txt : This text output Pptm_1946-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1946-2009.esh : List of homogenized stations (original and split) Pptm_1946-2009.pdf : Diagnostic graphics
3.2. Análisis para las estaciones orientadas al suroeste de La Palma (unas 16).
HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol') =========== Homogenization of Pptm, 1935-2009. (Sat Nov 26 13:12:56 2011)
Pág. 105 de 89
homogen: varcli=Pptm anyi=1935 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=11 tVf=0.02 swa=60 snhtt=13 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3.2 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE
----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. 0.0700 0.1275 0.1650 0.1889 0.2225 0.5300 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.90 4.45 7.15 6.80 8.90 10.00 10.00 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 2.000 4.000 4.464 6.250 12.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 4.586 5.711 13.000 12.780 17.350 29.480 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 2.00 8.00 17.00 24.82 34.25 91.00 ACmx tVx SNHT RMSE PD Code Name 1 0.53 NA 12 5.5 3 C106U CALDERA-TABURIENTE 2 0.13 10.04 8 17.0 44 C117A PUNTAGORDA 3 0.15 6.28 3 18.6 22 C126A PASO-CF 4 0.12 NA 8 11.0 8 C126O FUENCALIENTE-CHARCO 5 0.16 4.94 4 23.3 19 C127T FUENCALIENTE-CF 6 0.19 9.66 7 13.8 17 C127U FUENCALIENTE-CALETAS 7 0.11 9.11 4 7.4 69 C128A LLANOS-ARIDANE-A 8 0.09 8.35 3 6.2 64 C128B LLANOS-ARIDANE-B 9 0.12 4.15 8 5.8 38 C128D LLANOS-ARIDANE-HERMOSILLA 10 0.11 5.79 5 5.7 34 C129A TAZACORTE 11 0.17 NA 2 5.7 8 C129B TAZACORTE-AYUNTAMIENTO 12 0.14 7.30 7 5.2 25 C129E TAZACORTE-PTO-NAOS-HOYAS 13 0.30 NA 1 4.6 2 C129I TAZACORTE-PUERTO 14 0.30 NA 6 4.6 3 C129Z TAZACORTE-PTO-NAOS-HOYAS-AUTOMATICA 15 0.39 NA 4 13.9 8 C140U GARAFIA-ROQUE-MUCHACHOS 16 0.07 9.08 4 19.9 91 C147U GARAFIA-TRICIAS 17 0.22 NA 2 27.4 4 C106U-2 CALDERA-TABURIENTE-2 18 0.18 4.29 2 15.7 20 C106U-3 CALDERA-TABURIENTE-3 19 0.23 9.76 2 14.2 30 C126O-2 FUENCALIENTE-CHARCO-2 20 0.19 8.11 2 12.2 15 C117A-2 PUNTAGORDA-2 21 0.13 6.96 5 5.3 35 C129A-2 TAZACORTE-2 22 0.16 4.29 4 5.0 17 C129I-2 TAZACORTE-PUERTO-2 23 0.16 NA 1 24.1 12 C106U-4 CALDERA-TABURIENTE-4 24 0.20 NA 7 29.5 10 C126A-2 PASO-CF-2 25 0.26 NA 3 9.8 3 C126A-3 PASO-CF-3 26 0.18 3.99 3 14.3 13 C126A-4 PASO-CF-4
Pág. 106 de 89
27 0.07 7.28 6 18.5 67 C127U-2 FUENCALIENTE-CALETAS-2 28 0.23 2.89 2 13.9 14 C117A-3 PUNTAGORDA-3 ----------- Generated outputs: -------------------------------- Pptm_1935-2009.txt : This text output Pptm_1935-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1935-2009.esh : List of homogenized stations (original and split) Pptm_1935-2009.pdf : Diagnostic graphics
Pág. 107 de 89
Anexo IV
Gráficas de anomalías anuales de precipitación para todas las zonas en las tres islas.
1. Gran Canaria. Ver zonas en figura 27.
Figura 1. Zona A (norte, 0-400 m)
Figura 2. Zona B (norte, 400-800 m)
Pág. 108 de 89
Gran Canaria
Figura 3, Zona C (norte, encima de 800 m)
Figura 4, Zona D (sur, 0-400 m)
Pág. 109 de 89
Gran Canaria
Figura 5, Zona E (sur, 400-800 m)
Figura 6, Zona F (sur, encima de 800 m)
Pág. 110 de 89
2. Tenerife (Ver zonas en figura 28)
Figura 7, Zona A (norte, 0-400 m)
Figura 8, Zona B (norte, 400-1000 m)
Pág. 111 de 89
Tenerife
Figura 9, Zona C (norte, 1000-2000 m)
Figura 10, Zona D (sur, 0-400 m)
Pág. 112 de 89
Tenerife
Figura 11, Zona E (sur, 400-1000 m)
Figura 12, Zona F (sur, 1000-2000 m)
Pág. 113 de 89
Tenerife
Figura 13, Zona G (por encima de 2000 m)
3. La Palma (ver zonas en figura 29)
Figura 14, Zona A (noreste, 0-400 m)
Pág. 114 de 89
La Palma
Figura 15, Zona D (suroeste, 0-400 m)
Figura 16, Zona E (suroeste, 400-1000
m)
Pág. 115 de 89
