Beruflich Dokumente
Kultur Dokumente
Universidad de Barcelona
Departamento de Astronoma y Meteorologa
AGRADECIMIENTOS
El presente trabajo ha sido realizado y presentado para la obtencin del Diploma de
Estudios Avanzados (DEA) del programa de doctorado de Astronoma y Meteorologa
de la Universidad de Barcelona (Bienio 2002-2004) bajo la supervisin y direccin de la
Dra. Mara del Carmen Llasat Botija.
La realizacin del presente trabajo ha sido posible gracias al convenio de
colaboracin entre el Centro de Estudios Hidrogrficos (CEH) del CEDEX (Ministerio
de Infraestructuras) y la Fundaci Bosch i Gimpera (Universidad de Barcelona)
(Proyecto n 3930) y al proyecto CICYT RAMSHES (REN2002-04584-C04). Los datos
de series meteorolgicas utilizados en el presente trabajo, as como los programas para
calcular la precipitacin areal han sido facilitados por el CEDEX dentro del convenio de
colaboracin con la Fundaci Bosch i Gimpera.
Mi agradecimiento a los Sres. Javier lvarez Rodrguez, Manuel Menndez Prieto y
Luis Quintas Ripoll del CEH del CEDEX por su ayuda y colaboracin en los captulos 1
y 2 y a la Sra. Esther Cap Truyols por su colaboracin en el estudio sobre la NAO.
Tambin me gustara agradecer a mis compaeros del Departamento de Astronoma
y Meteorologa Sres. Tomeu Rigo Ribas y Salvador Jos Ribas Rubio, por la ayuda
prestada en temas de programacin. Agradecer tambin, a los miembros del grupo
GAMA: Sres. Manel Ceperuelo Mallafr, Miquel ngel Prat Martnez, Dr. Jos
Gibergans Bguena y a las Sras. Montserrat Llasat Botija y Merc Barnolas Vilads, por
su ayuda moral y por tenerme que aguantar cada da.
Un especial agradecimiento a mi directora de tesis, la Dra. Mara del Carmen Llasat
Botija, por su labor de direccin y dedicacin personal en transmitir sus conocimientos
en la realizacin del presente trabajo y al Dr. Mariano Barriendos Vallv tambin por su
apoyo, paciencia y dedicacin en ensear climatologa histrica y geografa a una
persona de ciencias.
Finalmente me gustara dedicar este trabajo a mi madre, a mi abuela Adoracin, a
Roberto, a mi hermana, a mis tos Rafel y Dorita y a mi prima Loida, sin quienes hoy no
sera la persona que soy.
NDICE
INTRODUCCIN
1. COMPLETADO DE DATOS
1.1 Datos utilizados
1.1.1 La estacin agrometeorolgica de Ramat
1.1.2 Series del INM
1.2 Correlacin entre datos
1.3 Mtodos univariados
1.3.1 Autocorrelacin
Criterio del dato anterior o posterior
Criterio del valor medio
Criterio de las diferencias
1.3.2 Modelizacin senoidal
1.4 Mtodos multivariantes aplicados a una nica variable meteorolgica
1.4.1 Criterio de Karl (Karl y Williams, 1987)
1.4.2 Razn normal (Paulus y Kohler, 1952)
1.4.3 Combinacin lineal ponderada (CLP)
1.4.4 Criterio de la correlacin lineal
1.4.6 Correlacin mltiple (CORMUL)
Regresin bivariada
1.5 Mtodos multivariantes aplicados a varias variables meteorolgicas
1.5.1 Anlisis de regresin lineal mltiple
1.5.2 Anlisis en componentes principales (ACP)
1.5.3 Modelizacin fsica
1.6 Protocolo a seguir para el completado de series mensuales
1.6.1 Temperatura
1.6.2 Precipitacin
1.6.3 Humedad relativa
1.6.4 Presin atmosfrica
1.6.5 Insolacin
1.6.6 Velocidad del viento
6
6
6
8
12
15
16
16
17
19
20
26
27
28
29
30
31
31
35
36
39
41
43
45
45
46
47
48
48
49
49
49
49
50
50
50
51
51
51
51
51
52
52
53
53
54
55
67
67
69
70
71
71
71
73
75
76
76
76
77
77
77
78
78
78
79
80
81
82
85
87
CONCLUSIONES
90
BIBLIOGRAFA
92
INTRODUCCIN
El anlisis climtico necesita de la existencia de series temporales de datos
meteorolgicos continuos, homogneos y que abarquen el mximo intervalo temporal
posible. Una gran mayora de esas series presentan lagunas de informacin debidos a
diferentes causas: la interrupcin de las lecturas, los fallos en los instrumentos de
medida, errores asociados a cambios en las condiciones de medicin, errores de
trascripcin, etc. Por lo tanto, tal anlisis presenta el inconveniente inicial de plantearse
el relleno de esos huecos y he aqu el gran problema: cmo se ha de realizar ese
completado? Es importante hacerse esta pregunta, porque con el completado se van a
generar nuevos valores para las series que no han sido medidos por ningn instrumento
y si esos valores calculados no son realistas ocurrir que las conclusiones de cualquier
anlisis que se realice sobre esos datos sern errneas.
Existen diferentes mtodos o tcnicas para el completado de huecos, pero
desgraciadamente existe poca bibliografa especializada en esta cuestin para el rea de
la Meteorologa y la Climatologa, con lo que uno de los motivos para la realizacin del
presente estudio ha sido la recopilacin de informacin en esta materia y la evaluacin
de los diferentes mtodos a la hora de completar series meteorolgicas. Con esta
evaluacin se ha pretendido obtener cul o cules son los mtodos de completado ms
idneos para cada variable meteorolgica, es decir, la definicin de un protocolo de
pasos a seguir para completar cada variable, para despus aplicarlo a casos concretos,
como el que se trata en el presente trabajo. El objetivo final es el estudio de la
distribucin y evolucin de la precipitacin en Espaa y la posible influencia de la NAO
(Oscilacin del Atlntico Norte) sobre sta.
Es importante destacar que para realizar estudios de relaciones entre elementos
climticos es necesario tener en cuenta la dimensin espacial, lo que implica la
regionalizacin de la variable que se va a estudiar. En concreto para atacar el objetivo
final de este estudio, la posible influencia de la NAO en la distribucin de la
precipitacin en Espaa, hay que realizar los estudios en base a una buena
regionalizacin de la precipitacin en Espaa. Adems, tambin es necesario el uso de
series representativas de cada una de las regiones, lo que se conoce en hidrologa como
series areales.
Teniendo en cuenta todas las consideraciones anteriores el trabajo desarrollado en el
presente estudio se ha divido en los siguientes captulos:
Captulo 1: Completado de Datos. Se describen y revisan los fundamentos de los
principales mtodos de completado utilizados en la actualidad. A continuacin se aplica
cada uno de los mtodos a cada una de las principales variables meteorolgicas
seleccionando al final el mtodo o mtodos ms ptimos para cada una de ellas. ste o
stos son los que cumplen la condicin de rellenar el mximo nmero posible de huecos
con la mejor calidad de completado. Como conclusin final se define un protocolo con
los pasos a seguir para completar series dependiendo del tipo de variable que se tenga.
1. COMPLETADO DE DATOS
Los huecos de datos en un registro meteorolgico se pueden rellenar o completar
mediante tcnicas que combinen el conocimiento de la evolucin de cada variable
meteorolgica, de sus relaciones con las registradas en el entorno y de su relacin con
otras variables registradas bajo las mismas condiciones. Para ello se puede hacer uso del
conocimiento fsico de la variable y de sus relaciones; y de tcnicas de interpolacin y
estadsticas. La revisin y validacin de estas tcnicas es el objetivo de este captulo. La
revisin de los mtodos para el completado de datos de una serie y una variable se ha
ordenado de la siguiente manera:
1. aprovechando nicamente la informacin contenida en el resto de la propia serie
temporal. Mtodos univariados.
2. en funcin de series de la misma variable registradas en otros puntos bajo
condiciones climticas similares. Mtodos multivariantes aplicados a una nica
variable meteorolgica.
3. utilizando datos de otras variables meteorolgicas, combinando variables y series
registradas en el mismo u otros puntos bajo condiciones climticas similares.
Mtodos multivariantes aplicados a varias variables meteorolgicas.
Ramat
La base de datos horarios, que es la base madre a partir de la cual estn construidas
las bases de datos diarios y mensuales, presenta huecos. Muchos de ellos son puntuales;
pero hay que destacar que el ao hidrolgico (de octubre a septiembre) 1989/90
presenta una gran cantidad de huecos, faltando casi 900 datos horarios, concentrados en
los meses de febrero, mayo y junio. Debido a esto, no se pueden calcular los valores
medios mensuales de esos meses. Por lo tanto, este ao no se ha tenido en cuenta para el
presente trabajo. El periodo final que se ha utilizado, teniendo en cuenta la
disponibilidad de los diferentes datos y con el fin de tener un periodo comn con el
mnimo nmero posible de huecos para todas las variables, se ha restringido a once aos
hidrolgicos (de octubre a septiembre): de 1990/91 a 2000/01.
Todas las series disponibles del INM se han sometido previamente a un sencillo
control de la calidad de sus datos, con el objetivo de identificar valores incorrectos o
dudosos, corregirlos si es posible, y si no eliminarlos antes de realizar los estudios
posteriores. Se han encontrado errores debidos a dos tipos de problemas, uno es la
existencia de errores debidos a errores de digitalizacin u otros. El segundo problema es
el debido a la homogeneidad de los datos.
10
Clculo de una serie de referencia cuyos valores son la media aritmtica de los
valores del conjunto de series de las que se quiere comprobar su homogeneidad
relativa.
ii) Representacin de los valores de cada una de las series en funcin de los valores de
la serie de referencia bajo la hiptesis de que en la serie media los errores se
compensan (Ley de los grandes nmeros). En todo caso se pueden obtener
conclusiones comparando unas estaciones con otras.
11
Las series de las variables TMD, PRM, HMM, HSM no presentan ningn problema
de homogeneidad a priori.
ii) Algunas series de las variables VMD y PMT s que presentan problemas de
homogeneidad. Las series problemticas son las siguientes:
a. VMD (son leves y poco marcadas).
1) 03168-A Guadalajara-INM
2) 8096 Cuenca
3) 10076 El Prat de Llobregat
b. PMT
1) 2444 vila
2) 03168-A Guadalajara-INM
3) 10016-A Reus-Aeropuerto
4) 10076 El Prat de Llobregat
5) 10200-E Barcelona-O. Fabra
6) 10237 Badalona
7) 11691 Sa Canova
12
Cdigo
Tipo de
dato y
unidad
PRM
mmHg
Fecha
Valor
Valor
dato
incorrecto supuesto
incorrecto
09-1965
720,1
760,1
Palma de
MallorcaJefatura
11228-J
Palma de
MallorcaJefatura
11228-J
PRM
mmHg
03-1970
259,3
759,3
GuadalajaraINM
03168-A
PRM
mmHg
07-1977
598,2
698,2
Segovia
02465
PRM
mmHg
07-1962
636,0
676,0
Segovia
02465
PRM
mmHg
01-1965
631,6
671,6
Ciudad Real
04121
PRM
mmHg
04-1962
757,4
707,4
Ciudad Real
04121
04-1964
738,2
708,2
Tarragona
10042
PRM
mmHg
TAN
C
06-1961
70,2
7,2
Comprobacin y
comentarios
Por comparacin con los
otros datos de la serie
Valor anual 1964/65: de
756,8 a 760,1
Por comparacin con los
otros datos de la serie y ser
un valor fsicamente
imposible
Por comparacin con los
otros datos de la serie
Valor anual 1976/77: 698,9
Por comparacin con los
otros datos de la serie
Valor anual 1961/62: de
673,3 a 676,6
Por comparacin con los
otros datos de la serie
Valor anual 1964/65: de
672,6 a 675,9
Por comparacin con los
otros datos de la serie
Valor anual 1961/62: de
712,3 a 708,1
Por comparacin con los
otros datos de la serie
Valor imposible para la
temperatura del aire
r=
( xi x)( yi y)
i
( xi x ) 2
i
( yi y ) 2
i
N
N N
N xi y i xi y i
i =1
i =1 i =1
N 2 N 2 N 2 N 2
N xi x i N y i y i
i =1 i =1
i =1
i =1
(1)
donde, las xis y las yis son los datos correspondientes, respectivamente, a cada una de
las series de las que se quiere calcular su correlacin; x e y son los valores medios de
cada una de las series de las que se quiere calcular su correlacin y N, el nmero total de
datos.
13
r N
p = ferc
2
(3)
(4)
14
a12
a11a 22
(5)
Dejando de lado las expresiones anteriores (ecuaciones n 4 y 5), cuando las dos
muestras contengan un nmero de datos no muy elevado, esto es N < 500, la funcin
error complementaria ya no es una buena manera de calcular la significancia estadstica
de la correlacin. Entonces se tiene que recurrir al siguiente estadstico:
t=r
N 2
1 r 2
(6)
1/ 2
t
x2
1
1 +
dx
1 t
B ,
2 2
+1
2
(7)
B(a, b) = dt t a 1 (1 t ) b 1
0
(8)
I x ( a, b) =
1
dt t a 1 (1 t ) b 1
B ( a, b) 0
(9)
con (a,b > 0) y con los valores lmite de I0(a,b) = 0 y I1(a,b) = 1 y que cumple la
siguiente relacin de simetra:
I x (a, b) = 1 I 1 x (b, a)
( 10 )
15
SE < 1
NC
100
( 11 )
xi x j
j
( 12 )
16
1.3.1 Autocorrelacin
DEFINICIN: La autocorrelacin es el estudio de la independencia de una serie de
datos entre s o estudiar si los datos de una serie son aleatorios entre s. Tambin se
denomina correlacin serial o dependencia temporal. Esto es, que exista dependencia
entre un valor y el siguiente en la escala temporal. Este hecho es el que sucede en la
gran mayora de series meteorolgicas, pero depende de la escala temporal de trabajo. A
escalas diaria y horaria la autocorrelacin suele ser alta en cambio para escalas mensual
y anual la autocorrelacin suele ser baja.
La autocorrelacin se basa en las correlaciones lineales (vase apartado 1.2) entre la
serie original y la misma serie desplazada en 1, 2, 3, ..., k posiciones. A estas
correlaciones se les llama autocorrelaciones de orden 1, 2, 3, ..., k respectivamente. Si
los datos fueran independientes, todas las posibles autocorrelaciones seran iguales a
cero y, en consecuencia, la funcin de autocorrelacin, representacin de las
autocorrelaciones en funcin del desplazamiento, sera nula. Una manera de observar
esto de fcilmente es la representacin del correlograma de la serie. ste es una
representacin grfica del valor de la funcin de autocorrelacin respecto al
desplazamiento en la serie. La grfica debe mostrar una tendencia a acercarse a cero a
medida que crece el nmero de paso o desplazamiento.
Una vez estudiada la autocorrelacin de la serie, las lagunas que presenta se pueden
sustituir bsicamente a travs de una serie de mtodos sencillos, que se explican
detalladamente ms adelante, los cuales son los siguientes:
17
T
0,346
(35%)
0,288
(29%)
HR
0,086
(9%)
0,085
(9%)
VV
0,237
(24%)
0,458
(46%)
DV
0,156
(16%)
1,110
(111%)
RN
0,415
(42%)
0,504
(50%)
RSG
0,326
(33%)
0,304
(30%)
PP
3,438
(344%)
4,107
(411%)
ETO
0,476
(48%)
0,351
(35%)
T
0,343
(34%)
0,296
(30%)
HR
0,085
(9%)
0,085
(9%)
VV
0,246
(25%)
0,468
(47%)
DV
0,155
(16%)
0,875
(88%)
RN
0,433
(43%)
0,535
(54%)
RSG
0,332
(33%)
0,309
(31%)
PP
3,335
(334%)
2,870
(287%)
ETO
0,474
(47%)
0,387
(39%)
18
Oct
0,10
(10%)
HMM 0,08
(8%)
VVM 0,22
(22%)
PRM 0,00
(0%)
PMT 0,84
(84%)
HSM 0,13
(13%)
TMD
Nov
Dic
Ene
Feb
Mar
Abr
May
0,15
(15%)
0,07
(7%)
0,22
(22%)
0,00
(0%)
0,79
(79%)
0,17
(17%)
0,91
(91%)
0,06
(6%)
0,28
(28%)
0,00
(0%)
0,88
(88%)
0,19
(19%)
0,29
(29%)
0,06
(6%)
0,21
(21%)
0,00
(0%)
0,99
(99%)
0,24
(24%)
0,38
(38%)
0,07
(7%)
0,19
(19%)
0,00
(0%)
0,89
(89%)
0,22
(22%)
0,18
(18%)
0,11
(11%)
0,18
(18%)
0,00
(0%)
0,82
(82%)
0,23
(23%)
0,12
(12%)
0,09
(9%)
0,17
(17%)
0,00
(0%)
0,73
(73%)
0,16
(16%)
0,10
(10%)
0,09
(9%)
0,17
(17%)
0,00
(0%)
0,74
(74%)
0,13
(13%)
Jun
Jul
Ago
Sep
Valor
medio
0,07 0,05
0,05
0,08 0,21
(7%) (5%)
(5%)
(8%) (21%)
0,09 0,09
0,10
0,08 0,08
(9%) (9%)
(10%) (8%) (8%)
0,15 0,15
0,15
0,18 0,19
(15%) (15%) (15%) (18%) (19%)
0,00 0,00
0,00
0,00 0,00
(0%) (0%)
(0%)
(0%) (0%)
0,87 1,29
1,09
0,86 0,90
(87%) (129%) (109%) (86%) (90%)
0,13 0,06
0,07
0,08 0,15
(13%) (6%)
(7%)
(8%) (15%)
Tabla 4. Coeficientes de variacin medios mensuales y anuales de las 37 estaciones completas del
INM. Entre parntesis, valores expresados en porcentaje.
Observando tales resultados se llega a la conclusin que el criterio del valor medio
es:
i) apropiado para el completado, a nivel mensual, de la presin atmosfrica (con un
CV medio mensual de 0,00) y para la humedad relativa (con un CV medio mensual de
0,08).
ii) no apropiado para el completado, a nivel mensual, de la temperatura, velocidad
del viento, precipitacin e insolacin, ya que presentan CV medios mensuales
superiores a 0,10; con el caso extremo de la precipitacin que es de 0,90.
iii) apropiado para el completado, a nivel anual, para la presin, temperatura,
humedad e insolacin y no apropiado para la velocidad del viento y la precipitacin.
Por lo tanto, este mtodo slo ser correcto aplicarlo al completado de lagunas, a
escala mensual, para la presin atmosfrica y la humedad relativa.
Anual
0,05
(5%)
0,05
(5%)
0,12
(12%)
0,00
(0%)
0,27
(27%)
0,05
(5%)
19
NOV DIC
ENE
FEB
MAR
ABR
MAY JUN
JUL
AGO
SEP
TMM 0,133
(13%)
HMM 0,051
(5%)
VVM 0,207
(21%)
DVM 0,310
(31%)
RNM 0,344
(34%)
RSM 0,109
(11%)
PMT 0,491
(50%)
ETO 0,148
(15%)
0,118
(12%)
0,031
(3%)
0,305
(31%)
0,178
(18%)
0,286
(29%)
0,141
(14%)
0,468
(47%)
0,219
(22%)
0,405
(41%)
0,074
(7%)
0,392
(39%)
0,171
(17%)
0,457
(46%)
0,332
(33%)
9,799
(980%)
0,499
(50%)
0,229
(23%)
0,070
(7%)
0,289
(29%)
0,151
(15%)
0,195
(20%)
0,200
(20%)
1,019
(102%)
0,174
(17%)
0,052
(5%)
0,057
(6%)
0,280
(28%)
0,110
(11%)
0,078
(8%)
0,110
(11%)
1,233
(123%)
0,082
(8%)
0,106
(11%)
0,088
(9%)
0,215
(22%)
0,140
(14%)
0,102
(10%)
0,070
(7%)
0,522
(52%)
0,084
(8%)
0,039
(4%)
0,074
(7%)
0,190
(19%)
0,131
(13%)
0,069
(7%)
0,059
(6%)
0,731
(73%)
0,059
(6%)
0,071
(7%)
0,047
(5%)
0,066
(7%)
0,105
(11%)
0,161
(16%)
0,083
(8%)
---(---)
0,078
(8%)
0,044
(4%)
0,045
(5%)
0,073
(7%)
0,108
(11%)
0,045
(5%)
0,039
(4%)
4,400
(440%)
0,058
(6%)
0,049
(5%)
0,032
(3%)
0,092
(9%)
0,140
(14%)
0,082
(8%)
0,054
(5%)
0,277
(28%)
0,072
(7%)
0,155
(16%)
0,047
(5%)
0,220
(22%)
0,143
(14%)
0,297
(30%)
0,242
(24%)
2,289
(229%)
0,392
(39%)
0,070
(7%)
0,099
(10%)
0,065
(7%)
0,120
(12%)
0,196
(20%)
0,076
(8%)
15,196
(1520%)
0,093
(9%)
Error
medio
0,122
(12%)
0,060
(6%)
0,199
(20%)
0,151
(15%)
0,193
(19%)
0,126
(13%)
3,311
(331%)
0,163
(16%)
Tabla 5. Errores relativos al aplicar el criterio de las diferencias segn variables para la estacin de
Ramat (Lleida). Entre parntesis el error expresado en porcentaje.
20
t t
+ B j xTj (t ) 1 + C x Rk (t )
x(t ) = Ai sin 2
i j
k
parte peridica o
cuasi peridica
( 13 )
parte
transitoria
aleatoria
parte
y = A sin( m + ) + B
( 14 )
21
= meses 1
12 meses 6
( 15 )
(m( y mx ) 3)
6
( 16 )
y1 = Asin( + ) +B
y3 = Asin(3 + ) +B
y5 = Asin(5 + ) +B
y7 = Asin(7 + ) +B
y9 = Asin(9 + ) +B
y11 = Asin(11 + ) +B
estas doce ecuaciones forman un sistema lineal sobredeterminado del tipo Yi = CijXj,
con las siguientes definiciones para cada uno de los elementos de la matrices, Y, C y X:
Yi yi; Ci1 sin(mi + ); Ci2 1; X1 A y X2 B
( 17 )
( 18 )
( 19 )
22
23
24
90
40
TAX
TMD
TAN
35
PMT
70
30
temperatura (C)
precipitacin (mm)
80
60
50
40
30
20
TMX
TMN
25
20
15
10
5
10
-5
10
11
12
10
11
12
mes
1024
PRM
presin atmosfrica (hPa)
90
80
70
60
50
40
30
20
HMX
HMN
10
HMM
1022
1020
1018
1016
1014
1012
10
11
12
10
11
12
mes
mes
400
VMD
HSM
350
2.5
insolacin (horas)
mes
100
1.5
0.5
300
250
200
150
100
50
0
0
10
11
12
10
11
12
mes
mes
25
40
90
TAX
TMD
TAN
35
PMT
30
70
temperatura (C)
precipitacin (mm)
80
60
50
40
30
TMX
TMN
25
20
15
10
5
20
10
-5
10
11
12
10
11
12
100
1024
PRM
presin atmosfrica (hPa)
90
mes
mes
80
70
60
50
40
30
20
HMX
HMN
10
HMM
1022
1020
1018
1016
1014
1012
10
11
12
10
11
12
mes
mes
400
insolacin (horas)
HSM
350
2.5
1.5
0.5
300
250
200
150
100
50
VMD
0
10
11
12
mes
10
11
12
mes
26
40
90
TAX
TMD
TAN
35
PMT
30
70
temperatura (C)
precipitacin (mm)
80
60
50
40
30
TMX
TMN
25
20
15
10
5
20
10
-5
10
11
12
10
11
12
mes
100
PRM
presin atmosfrica (hPa)
1024
90
80
70
60
50
40
30
20
HMX
HMN
10
HMM
1022
1020
1018
1016
1014
1012
10
11
12
10
11
12
mes
mes
400
HSM
VMD
350
2.5
insolacin (horas)
mes
1.5
0.5
300
250
200
150
100
50
0
0
10
11
12
mes
10
11
12
mes
27
28
T
0,71
0,96
0,00
5,2
32,3
56,6
79,4
91,9
7,5
5,2
27,1
24,3
22,8
12,5
3,7
0,5
0,2
0,0
3,7
34
PP
0,42
0,97
0,00
0,2
4,3
11,6
23,7
35,1
63,9
0,2
4,1
7,3
12,1
11,4
10,2
19,4
20,5
11,1
3,2
34
HR
0,34
0,90
0,00
0,0
1,7
4,2
11,7
23,3
70,0
0,0
1,7
2,5
7,5
11,7
15,0
19,2
14,2
4,2
24,2
16
P
0,65
0,96
0,00
6,7
41,1
65,1
76,6
78,5
22,0
6,7
34,4
23,9
11,5
1,9
3,8
3,8
1,0
1,0
12,4
15
VV
0,26
0,81
0,00
0,0
1,0
2,9
4,8
9,6
90,9
0,0
1,0
1,9
1,9
4,8
12,4
22,0
15,3
15,3
24,9
15
I
0,52
0,88
0,00
0,0
7,5
21,7
35,0
56,7
42,5
0,0
7,5
14,2
13,3
21,7
22,5
8,3
1,7
0,8
10,0
15
Tabla 6. Estadsticos de las correlaciones individuales entre cada par de series para cada una de las
variables disponibles.
NOTA: T es Temperatura; PP, PreciPitacin; HR, Humedad Relativa; VV, Velocidad del Viento e I,
Insolacin.
x
x
1 x
x(t ) = x1 (t ) + x 2 (t ) + x3 (t )
x2
x3
3 x1
( 20 )
29
r1 x1 (t ) + r2 x 2 (t ) + r3 x3 (t ) + ...
r1 + r2 + r3 + ...
( 21 )
30
1
= R2
n1 2
( 22 )
31
T
0,5041
36,9
0,0287
PP
0,1764
52,5
0,0198
HR
0,1156
14,0
0,0833
P
0,4225
14,0
0,0833
VV
0,0676
13,9
0,0840
I
0,2704
14,4
0,0806
( 23 )
donde zij es el valor normalizado de la variable en cuestin del ao i-simo y mes jsimo; los superndices (1) y (2) hacen referencia a los datos de las dos estaciones que
se utilizan en el proceso de completado y los coeficientes a1 y a2 son los coeficientes de
la regresin parcial que se pueden expresar en funcin de los coeficientes de correlacin
simple r1, r2 y r12 al aadir la condicin de error cuadrtico mnimo y ij es un ruido
independiente y normalmente distribuido de media 0 y desviacin tpica S (ruido
blanco).
32
r r r
a1 = 1 2 2 12
1 r12
( 24 )
r r r
a 2 = 2 1 2 12
1 r12
donde r1, r2 y r12 son los coeficientes de correlacin simple entre los valores
normalizados de las estaciones 1 e incompleta; 2 e incompleta y entre 1 y 2,
respectivamente. Los coeficientes de correlacin simple se calculan a partir de la
expresin de Pearson (vase apartado 1.2).
Se puede comprobar que la media del ruido ij es cero, mientras que su desviacin
tpica es funcin del error cuadrtico cometido en la ecuacin de regresin. Se puede
estimar a partir de la expresin:
( )]
S 2 = s 2 1 R12(i )
( 25 )
( 26 )
( 27 )
33
xij = x j + s j zij
( 28 )
34
HMM:
Las correlaciones individuales entre series son bajas y la gran mayora tiene
coeficientes de correlacin r 0,6 (Tabla 6). Por lo tanto para que el CORMUL consiga
completar el mayor nmero posible de series hay que bajar mucho el umbral de
priorizacin, lo que supone que el completado se hace con estaciones poco
correlacionadas con la estacin problema, lo que significa que el error que se comete al
rellenar es bastante elevado al usar series de correlaciones bajas entre ellas. Esto pone
de manifiesto que se necesitara tener estaciones disponibles muy cercanas entre s para
poder usar el presente mtodo (caso irreal).
El CORMUL es un mtodo inapropiado para completar series de esta variable
HSM:
Los coeficientes de correlacin individuales entre series estn comprendidos
mayoritariamente entre: 0,5 r 0,8 (Tabla 6). Aunque el CORMUL no consigue tener
ninguna serie completa, rellena bastantes huecos para umbrales de priorizacin de r =
0,8 r = 0,7. Disponiendo de un mayor nmero de series y sobretodo prximas entre s,
se conseguira mejorar los resultados.
El CORMUL se puede considerar que medianamente es un mtodo apropiado
para completar series de esta variable.
PRM:
Los coeficientes de correlacin individuales entre series son bastante elevados,
comprendidos entre: 0,7 r 0,9 (Tabla 6). Se consiguen rellenar bastantes huecos con
umbrales de priorizacin elevados, aunque nunca se llega a completar totalmente
ninguna serie. Con un mayor nmero de series se conseguira tener series totalmente
completas.
El CORMUL para esta variable es un mtodo apropiado de completado.
PMT:
Aunque se han encontrado series heterogneas de esta variable, los saltos se
observan antes del periodo seleccionado para realizar el CORMUL y adems dentro de
tal periodo no se observa ninguna heterogeneidad. Por lo tanto se han tenido en cuenta
todas las series para realizar el CORMUL. Los coeficientes de correlacin individuales
entre series de un mismo mbito climtico estn comprendidos mayoritariamente entre:
0,6 r 0,8. Con un valor de r = 0,7; valor mnimo recomendado en la literatura para
realizar completados con precipitacin (Gonzlez Hidalgo et al., 2002), que es una
35
VMD:
Los coeficientes de correlacin individuales entre series son muy bajos, la gran
mayora estn por debajo de: r < 0,5 (Tabla 6). Lo que da cuenta de lo sensible que es la
velocidad del viento medida en una estacin a los efectos locales (orografa y
topografa) que producen la presencia de vientos catabticos y anabticos, brisas,
canalizacin por los relieves, etc. Esto provoca que aunque se tengan estaciones muy
cercanas entre s, si una de ellas esta en la cima de un monte (aunque no sea de mucha
altitud) y la otra al pie de la montaa, el registro de la velocidad del viento sea diferente
en cada una de ellas. Con el CORMUL no se consiguen rellenar huecos para umbrales
de priorizacin elevados. Con umbrales de r = 0,6 se consiguen rellenar algunos huecos,
para poder obtener un porcentaje de completado apreciable, hay que bajar mucho tal
umbral de priorizacin, lo que supone que el completado se hace con estaciones poco
correlacionadas con la estacin problema. Esto significa que el error que se comete al
rellenar es bastante elevado.
El CORMUL es un mtodo inapropiado para completar series de esta variable.
36
NC
100
( 29 )
donde el NC tiene que estar expresado en porcentaje (%). Este primer paso se realiza
con el fin de simplificar a priori el nmero de variables que se tienen que tener en
cuenta. Por lo tanto se eliminarn todas aquellas variables que tenga un p-valor que
cumpla la condicin de la ecuacin n 29. Por ejemplo si queremos tener un nivel de
confianza del 95%, todas las variables con un p-valor > 0,05 sern eliminadas.
Segunda parte: regresin lineal mltiple
La regresin lineal mltiple consta de las siguientes etapas:
i) Ajuste de una funcin lineal entre la variable dependiente y las variables
independientes. En el que se calculan los coeficientes de regresin de la ecuacin
lineal mltiple, la cual tiene el siguiente aspecto:
N
y = b + a i x i
( 30 )
i =1
37
p valor > 1
NC
100
( 31 )
38
% variabilidad explicada
78,39
96,22
38,23
30,91
14,96
60,47
% variabilidad explicada
64,80
85,65
21,48
7,45
12,12
29,70
% variabilidad explicada
73,85
86,46
22,60
6,01
18,48
22,90
Tabla 8. Resumen de la aplicacin del anlisis de regresin mltiple a las series representativas de
las series completas del INM disponibles (Ciudad Real, El Prat de Llobregat y Palma de Mallorca).
39
CASOS CC CNC
17
14
3
20
20
0
9
7
2
33
33
0
13
13
0
36
14
22
29
23
6
126
126
0
65
53
12
16
14
2
24
14
10
28
18
10
44
40
4
28
18
10
45
27
18
11
11
0
879
733
146
Tabla 9. Resumen comparacin entre los huecos en series de HMM y series de HMN y HMX.
NOTAS: La columna CDIGO hace referencia al nmero de cdigo de cada una de las estaciones; CASOS,
al nmero de casos que se han podido comparar; CC, al nmero de casos coincidentes; CNC, al nmero de
casos no coincidentes; %CC, al porcentaje de casos coincidentes y %CNC, al porcentaje de casos no
coincidentes.
40
1 N
( xi x)( yi y )
N i =1
( 32 )
( 33 )
i j
41
HR = 100exp
Td + 237,3 T + 237,3
( 34 )
para que esta ecuacin represente el valor de un mes, se debera utilizar la temperatura
media del punto del roco y la temperatura media (TMD) mensuales. Como en la gran
mayora de observatorios es difcil disponer de datos de temperatura del punto de roco,
se puede aproximar tal temperatura por la mnima diaria. Esta aproximacin asume
implcitamente que a la salida del Sol, cuando la temperatura del aire est cerca de la
temperatura mnima, el aire est casi saturado de vapor de agua y la humedad relativa es
cercana al 100% (Allen et al., 1998). Entonces para escala mensual, se podra coger
como aproximacin que la temperatura del punto de roco media mensual est prxima
a la temperatura media mensual de las mnimas (TMN). Se aproxima a la temperatura
media mensual de las mnimas, porque por definicin de la temperatura del punto de
roco siempre se cumple que Td T y tambin se cumple siempre que TMN < TMD. Por
lo tanto la expresin n 34, quedara de la siguiente manera:
17,27TMD
17,27TMN
HR = 100exp
( 35 )
42
43
44
Homogeneidad:
Dobles Acumulaciones
heterogeneidad
inexistente o leve
Homogeneizacin
Serie
STOP 1
1 Relleno Serie:
Criterio
correlacin
lineal
1 Relleno
Serie:
CORMUL
1 Relleno Serie:
CLP
STOP 2
2 Relleno Serie:
Modelo Fsico
2 Relleno Serie:
Anlisis
Multivariante
2 Relleno Serie:
Frmulas
Fsico-empricas
Modelo senoidal
y=Asen( t + ) +B
STOP 3
3 Relleno Serie :
Criterio de
las diferencias
3 Relleno Serie:
Criterio
del valor medio
45
1.6.1 Temperatura
Los pasos a seguir para completar los huecos de esta variable son los siguientes:
1. Ejecutar el CHAC (CORMUL) con un umbral de priorizacin elevado:
r 0,8 r 0,9.
2. Si en el paso anterior quedan huecos, completarlos a partir del modelo senoidal que
ajusta el comportamiento mensual medio de la variable.
Lo que resulta de forma esquemtica (Figura 7):
1 Relleno Serie:
CORMUL
R 0,8
STOP 1
2 Relleno Serie:
Modelo Senoidal
Figura 7. Esquema del proceso de completado de series de temperatura.
1.6.2 Precipitacin
Los pasos a seguir para completar los huecos de esta variable son los siguientes:
1. Ejecutar el CHAC (CORMUL) con un umbral de priorizacin que sea: r 0,7.
Lo que resulta de forma esquemtica (Figura 8):
1 Relleno Serie:
CORMUL
R 0,7
STOP 1
Figura 8. Esquema del proceso de completado de series de precipitacin.
46
NO
SI
1 Relleno Serie:
Anlisis
Multivariante
STOP 2
2 Relleno Serie:
Criterio de las
diferencias
3 Relleno Serie:
Criterio del
valor medio
3 Relleno Serie:
Criterio del dato
anterior o posterior
STOP 1
2 Relleno Serie:
Criterio del
valor medio
Figura 10. Esquema de completado de series de presin atmosfrica.
47
48
1.6.5 Insolacin
Los pasos a seguir para completar los huecos de esta variable son los siguientes:
1. Ejecutar el CHAC (CORMUL) con un umbral de priorizacin elevado: r 0,8.
2. Si en el paso anterior quedan huecos, completarlos a partir del modelo senoidal que
ajusta el comportamiento medio mensual de la variable.
Lo que resulta de forma esquemtica (Figura 11):
1 Relleno Serie:
CORMUL
R 0,8
STOP 1
2 Relleno Serie:
Modelo Senoidal
Figura 11. Esquema de completado de series de insolacin.
STOP 1
Figura 12. Esquema de completado de series de velocidad del viento
49
Para responder a cada una de estas preguntas hay que seguir una metodologa
especfica para cada una de ellas y general para todo tipo de datos que se quieran
estudiar. Esta metodologa se presenta de manera general a continuacin.
50
1 t + m1
xi
m i =t
xt =
( 36 )
x2
1 2
exp 2
2
( 37 )
1 N
x i
N i =1
( 38 )
51
1/ 2
( 39 )
( 40 )
( N 1)( N 2) i =1
( 41 )
xi x
N ( N + 1)
3 ( N 1) 2
cK =
( N 1)( N 2)( N 3) i =1 ( N 2)( N 3)
( 42 )
52
1
2n
( 43 )
53
2.5.1 Regionalizacin
La regionalizacin que se ha tenido en cuenta para el anlisis de la distribucin de la
precipitacin en Espaa es la realizada por el Centro de Estudios Hidrogrficos (CEH)
del CEDEX (Ministerio de Medio Ambiente, 1998). El proceso seguido fue el siguiente:
En primer lugar, seleccin para el periodo de aos hidrolgicos (de octubre a
septiembre) 1940/411995/96 de todas las series disponibles con datos en el citado
periodo (unas 2000).
En segundo lugar, no fue necesario realizar anlisis alguno de homogeneidad de las
estaciones una a una, para descartar aquellas series heterogneas que podran falsear los
resultados finales, ya que se puede suponer que los errores se compensan por el gran
volumen de datos para este periodo.
En tercer lugar, las series de precipitacin fueron completadas a partir del mtodo de
la correlacin mltiple (CORMUL) (vase apartado 1.4.6) desarrollado por el propio
CEH. Una vez acabados los procesos anteriores se calcularon las precipitaciones areales
anuales de cada una de las grandes cuencas hidrogrficas de Espaa y se sometieron al
anlisis de conglomerados jerrquico para definir grupos de caractersticas similares, es
decir la regionalizacin en s.
El anlisis de conglomerados jerrquico permiti definir 7 regiones: cinco grandes
regiones peninsulares, una regin mixta y una ms insular (Figura 13): Noroeste, Norte,
Noreste, Centro Norte, Centro Sur, Levante y Canarias. Estas regiones han sido las
utilizadas para la confeccin del Libro Blanco del Agua en Espaa (Ministerio de
Medio Ambiente, 1998) y el consecuente anlisis de los recursos hdricos en Espaa.
54
Figura 13. Regionalizacin de las grandes cuencas hidrogrficas espaolas (Ministerio de Medio
Ambiente, 1998 modificado).
55
Figura 14. Localizacin de las series utilizadas para la elaboracin de las precipitaciones areales de
cada regin y valor de precipitacin media anual para el periodo 1897/98-1997/98 en cada una de
ellas.
56
0,0000
0,0001
0,6236
0,0000
0,0000
0,3837
N
0,69
0,0000
0,8687
0,0000
0,0033
0,5350
NE
0,37
0,58
0,0000
0,0000
0,0001
0,6470
LEV
-0,05
-0,02
0,42
0,0009
0,0000
0,2372
CN
0,62
0,50
0,44
0,32
0,0000
0,0015
CS
0,44
0,29
0,38
0,41
0,84
CAN
0,09
0,06
0,05
0,12
0,31
0,41
0,0000
Tabla 11. Correlaciones lineales de Pearson entre las regiones (diagonal superior) y significancia
estadstica de las correlaciones (diagonal inferior). En negrita aparecen las correlaciones
apreciables y en rojo las correlaciones no significativas.
NOTA: NO (Noroeste), N (Norte), NE (Noreste), LEV (Levante), CN (Centro Norte), CS (Centro Sur) y
CAN (Canarias).
La correlacin apreciable encontrada entre las regiones Centro Norte y Centro Sur, es
estadsticamente significativa. Se puede afirmar, con un nivel del confianza de casi el
100%, que ambas regiones estn correlacionadas, ya que la significancia estadstica de
tal correlacin es nula (hasta el cuarto decimal almenos) y el coefeiciente de correlacin
es elevado. Esta dos regiones engloban sendas partes de la meseta, contienen unidades
de relieve semejantes y un comportamiento parecido a los sistemas nubosos procedentes
del W o SW, productores de precipitacin, de ah la alta correlacin encontrada.
Es importante, tambin, destacar las nulas correlaciones entre la regin de Levante y
las regiones Norte y Noroeste, existiendo una alta probabilidad de que stas no estn
correlacionadas con la regin de Levante (significancias estadsticas elevadas de 0,87 y
0,62; respectivamente). Esto es debido a que estas regiones pertenecen a mbitos
climticos diferentes: Levante de influencia mediterrnea y las otras dos de influencia
atlntica. Tambin hay que destacar, como era de esperar por pertenecer a una zona
subtropical y alejada de las otras regiones, las muy bajas correlaciones de la regin de
Canarias con las dems regiones y las probabilidades apreciables de que no exista
ningn tipo de correlacin con las dems regiones exceptuando las del centro (Centro
Norte y Sur).
Hay que comentar tambin, que todas las correlaciones encontradas son positivas o
casi nulas, y no existe entre ningn par de regiones correlacin negativa significativa.
Ello implica que o no hay simultaneidad o hay una cierta simultaneidad de periodos
secos y hmedos. Sin embargo, lo que no hay significativamente es sequa en una zona
mientras hay abundancia pluviomtrica en otra, y viceversa.
De las evoluciones temporales de cada una de las series (Figura 15) hay que destacar
tambin como queda plasmada la gran variabilidad interanual de la precipitacin, con
aos muy hmedos seguidos inmediatamente de aos muy secos. Tambin se puede
destacar, a groso modo, la coincidencia en todas las regiones, excepto en Canarias, de la
presencia de periodos secos en los aos 40 y 50 del siglo XX y mximos de las series
entorno a los aos 20 y 30 del siglo XX. Es de esperar pues que en el anlisis de
anomalas queden bien reflejados estos periodos. Tambin se puede comprobar,
observando especialmente la evolucin de los valores suavizados, que no parecen
57
precipitacin (mm)
REGIN NORTE
precipitacin (mm)
precipitacin normalizada
1650
1600
1550
1500
1450
1400
1350
1300
1250
1200
1150
1100
1050
1000
950
900
850
800
750
700
650
precipitacin normalizada
1550
1500
2
3
Precipitacin Areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
1450
1400
1350
1300
1250
1200
1150
1100
1050
1000
-1
Precipitacin Areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
950
900
-1
850
800
-2
-2
750
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
1897
1907
1917
1927
1937
aos hidrolgicos
REGIN NORESTE
precipitacin (mm)
1967
REGIN LEVANTE
precipitacin (mm)
precipitacin normalizada
1977
1987
1997
precipitacin normalizada
700
3
Precipitacin Areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
800
1957
aos hidrolgicos
900
850
1947
650
2
2
750
600
550
700
500
650
0
450
600
550
400
-1
450
300
400
250
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
-1
Precipitacin Areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
350
500
1897
1907
-2
1917
1927
1937
aos hidrolgicos
precipitacin (mm)
800
1000
3
Precipitacin Areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
850
1957
1967
precipitacin (mm)
precipitacin normalizada
950
900
1947
1977
1987
900
850
2
precipitacin normalizada
Precipitacin Areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
950
800
1
750
750
700
700
650
650
600
600
550
500
550
-1
450
500
400
-1
450
350
400
-2
300
-2
350
1897
1907
1917
1927
1937
1947
1997
aos hidrolgicos
1957
1967
1977
1987
250
1997
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
aos hidrolgicos
aos hidrolgicos
REGIN CANARIAS
precipitacin (mm)
precipitacin normalizada
850
3
Precipitacin Areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
800
750
700
650
600
550
500
0
450
400
350
-1
300
250
200
-2
150
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
aos hidrolgicos
Figura 15. Evolucin temporal de las series areales anuales y suavizadas con filtros de 5, 10 y 30
aos para cada una de las regiones.
58
REGIN NOROESTE
1650
1600
1550
1500
1450
1400
1350
1300
1250
1200
1150
1100
1050
1000
950
900
850
800
750
700
650
precipitacin (mm)
precipitacin normalizada
-1
Precipitacin Areal
regresin lineal
-2
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1550
1500
1450
1400
1350
1300
1250
1200
1150
1100
1050
1000
950
900
850
800
750
1997
3
Precipitacin Areal
regresin lineal
-1
-2
1897
1907
1917
1927
1937
aos hidrolgicos
precipitacin (mm)
precipitacin (mm)
precipitacin normalizada
Precipitacin Areal
regresin lineal
800
1957
1967
1977
1987
1997
900
Precipitacin Areal
regresin lineal
850
2
750
precipitacin normalizada
950
3
850
1947
aos hidrolg icos
REGIN NORESTE
900
precipitacin normalizada
REGIN NORTE
800
750
700
650
700
650
600
600
550
550
500
500
-1
450
-1
450
400
400
-2
350
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
1897
1907
1917
1927
1937
aos hidrolgicos
precipitacin (mm)
1957
1967
1977
1987
1997
precipitacin (mm)
precipitacin normalizada
1000
1947
900
precipitacin normalizada
REGIN LEVANTE
700
Precipitacin Areal
regresin lineal
950
650
850
600
800
1
750
550
700
500
650
600
450
550
500
-1
450
400
-1
350
Precipitacin Areal
regresin lineal
350
400
-2
300
300
-2
250
250
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1897
1997
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
aos hidrolgicos
precipitacin (mm)
precipitacin normalizada
REGIN CANARIAS
850
3
Precipitacin Areal
regresin lineal
800
750
700
650
600
550
500
0
450
400
350
-1
300
250
-2
200
150
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
Figura 16. Resultados grficos de la aplicacin del mtodo de la regresin lineal a la precipitacin
areal de cada una de las siete regiones.
59
220
210
200
190
180
170
160
150
140
130
120
110
100
90
80
70
60
50
40
30
20
10
0
REGIN NOROESTE
mm / a
precipitacin areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
REGIN NORTE
mm / a
180
170
160
150
140
130
120
110
100
90
80
70
60
50
40
30
20
10
0
-10
precipitacin areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
1997
1897
1907
1917
1927
1937
1947
aos hidrolgicos
35
REGIN NORESTE
mm / a
1957
1967
1977
1987
1997
1977
1987
1997
1977
1987
1997
aos hidrolgicos
mm / a
80
30
70
25
20
60
15
50
10
40
5
0
precipitacin areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
30
-5
20
-10
precipitacin areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
-15
-20
10
0
-25
-10
-30
-35
-20
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
1897
1907
1917
1927
aos hidrolgicos
50
1947
1957
1967
aos hidrolgicos
mm / a
1937
REGIN LEVANTE
mm / a
-10
40
-20
-30
30
-40
20
-50
-60
10
-70
-80
precipitacin areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
-90
-10
precipitacin areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
-20
-100
-110
-120
-30
-130
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
1897
1907
1917
1927
90
1937
1947
1957
1967
aos hidrolgicos
aos hidrolgicos
REGIN CANARIAS
mm / a
80
70
60
50
40
precipitacin areal
filtro de 5 aos
filtro de 10 aos
filtro de 30 aos
30
20
10
0
-10
-20
-30
1897
1907
1917
1927
1937
1947
1957
1967
1977
1987
1997
aos hidrolgicos
Figura 17. Resultados de la aplicacin del mtodo de las pendientes acumuladas a la precipitacin
areal de cada una de las siete regiones.
60
Regin
Tipo de serie
Spearman
MannKendall
Pendientes
Acumuladas
Regresin
lineal (mm/a)
NOROESTE
sin filtro
SI
NO
MUY LEVE
1,50
filtro 5 aos
SI
NO
MUY LEVE
1,51
filtro 10 aos
SI
NO
MUY LEVE
1,56
filtro 30 aos
SI
NO
MUY LEVE
1,80
sin filtro
SI
NO
MUY LEVE
0,92
filtro 5 aos
SI
NO
MUY LEVE
0,92
filtro 10 aos
SI
NO
MUY LEVE
0,93
filtro 30 aos
SI
NO
MUY LEVE
1,02
sin filtro
SI
SI
LEVE
0,44
filtro 5 aos
SI
SI
LEVE
0,44
filtro 10 aos
SI
NO
LEVE
0,43
filtro 30 aos
SI
NO
LEVE
0,41
sin filtro
SI
SI
NULA
-0,19
filtro 5 aos
SI
SI
NULA
-0,19
filtro 10 aos
SI
NO
NULA
-0,18
filtro 30 aos
SI
SI
NULA
0,01
sin filtro
SI
SI
NULA
-0,40
filtro 5 aos
SI
SI
NULA
-0,40
filtro 10 aos
SI
NO
NULA
-0,40
filtro 30 aos
SI
NO
NULA
-0,22
sin filtro
SI
SI
NULA
-0,08
filtro 5 aos
SI
SI
NULA
-0,08
filtro 10 aos
SI
SI
NULA
-0,12
filtro 30 aos
SI
SI
NULA
-0,19
sin filtro
SI
SI
NULA
0,02
filtro 5 aos
SI
SI
NULA
0,02
filtro 10 aos
SI
SI
NULA
0,03
filtro 30 aos
SI
SI
NULA
0,11
NORTE
NORESTE
CENTRO NORTE
CENTRO SUR
LEVANTE
CANARIAS
Tabla 12. Resumen del anlisis de tendencias aplicado para cada una de las series de precipitacin
areal de cada regin.
Estudiando la evolucin temporal, mes por mes y ao por ao, de los valores de
precipitacin areal mensuales normalizados para cada una de las siete regiones (Figura
18) se encuentra que hay un predominio de los periodos secos (con valores negativos)
frente a los hmedos (valores positivos), pero no parece observarse ningn
desplazamiento estacional significativo. Por lo que se refiere a los periodos anmalos
(Figura 19 y Figura 20), debido a las bajas correlaciones entre las regiones, no se
presentan de la misma manera y poca los periodos ms secos y hmedos. Aun as, a
groso modo, en todas las regiones se observan los siguientes periodos comunes:
bastante hmedo para los aos 20 y 30 del siglo XX. Estos periodos se intuan en el
anlisis de la evolucin temporal.
algo seco, con alternancias, para los aos 40 y 50 del siglo XX. Estos periodos se
intuan en el anlisis de la evolucin temporal.
61
algo hmedo, con alternancias, para los aos 60 y 70 del siglo XX.
62
Periodo 1
2,74 (1,000)
22,0 (1,000)
83,3 (1,000)
2,73 (1,000)
12,0 (1,000)
9,9 (1,000)
2,0 (1,000)
Periodo 2
3,9 (0,247)
2,75 (0,982)
37,7 (0,861)
2,14 (0,707)
7,1 (0,493)
13,3 (0,839)
5,32 (0,927)
Periodo 3
16,8 (0,198)
8,5 (0,335)
21,3 (0,686)
3,9 (0,457)
19,2 (0,454)
2,52 (0,691)
4,73 (0,626)
Periodo 4
23,3 (0,154)
47,6 (0,320)
5,05 (0,653)
2,49 (0,436)
4,0 (0,461)
2,81 (0,543)
27,0 (0,501)
Periodo 5
2,17 (0,252)
2,79 (0,602)
2,60 (0,309)
4,5 (0,420)
6,25 (0,205)
4,24 (0,510)
Periodo 6
6,3 (0,528)
3,72 (0,405)
8,8 (0,489)
Tabla 13. Periodicidades (en aos) encontradas para las siete series areales y poder espectral
normalizado asociado a cada una de ellas (entre parntesis) aplicando el mtodo del MESA. En
negrita los peridos ms significativos.
Comparando los resultados encontrados (Tabla 13) con otros estudios de anlisis
espectrales de la precipitacin en series espaolas, como el estudio de Rodrguez et al.
(1999) sobre la serie de precipitacin mensual de Barcelona (1850-1991) se pueden
observar algunas coincidencias con algunos periodos aparecidos en algunas de las series
areales como: 22; 8,3 y 5,2 aos. En ese estudio, adems, se encuentran otros periodos
(1 ao, 8 y 6 meses) que en el presente anlisis no se han encontrado por no tener en
cuenta la franja temporal de 2 a 0 aos. No se ha tenido en cuenta ese intervalo de
tiempo ya que esos periodos son obvios por ser correspondientes al ciclo anual y
estacional de la precipitacin (Rodrguez et al., 1999).
63
REGIN NORTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
8
AGO
AGO
7
6
JUL
JUL
JUN
JUN
MAY
MAY
ABR
-1
ABR
-1
-2
-2
MAR
-3
-3
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN NORESTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
8
AGO
AGO
JUL
JUL
JUN
JUN
MAY
MAY
-1
ABR
-1
ABR
-2
-2
-3
MAR
-3
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN LEVANTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
8
AGO
AGO
JUL
JUL
JUN
JUN
MAY
MAY
-1
ABR
-1
ABR
-2
-2
-3
MAR
-3
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN CANARIAS
DIC
NOV
OCT
SEP
8
AGO
7
6
5
JUL
4
3
JUN
MAY
1
0
ABR
-1
-2
MAR
-3
FEB
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
Figura 18. Evolucin temporal de los valores mensuales normalizados para cada una de las siete
regiones.
64
REGIN NORTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
AGO
-0.5
AGO
-0.5
JUL
-1
JUL
-1
JUN
-1.5
JUN
-1.5
MAY
-2
MAY
-2
-2.5
ABR
MAR
-2.5
ABR
-3
-3
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN NORESTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
AGO
-0.5
AGO
-0.5
JUL
-1
JUL
-1
JUN
-1.5
JUN
-1.5
MAY
-2
MAY
-2
-2.5
ABR
-3
MAR
-2.5
ABR
-3
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN CENTRO SUR
REGIN LEVANTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
AGO
-0.5
AGO
-0.5
JUL
-1
JUL
-1
JUN
-1.5
JUN
-1.5
MAY
-2
MAY
-2
-2.5
ABR
MAR
-2.5
ABR
-3
-3
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN CANARIAS
DIC
NOV
OCT
SEP
AGO
-0.5
JUL
-1
JUN
-1.5
MAY
-2
ABR
-2.5
MAR
-3
FEB
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
Figura 19. Evoluciones temporales de los periodos secos de precipitacin areal mensual para cada
una de las siete regiones.
65
REGIN NORTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
8
7.5
AGO
7.5
AGO
6.5
6.5
JUL
JUL
5.5
5.5
4.5
JUN
4.5
JUN
3.5
3.5
MAY
MAY
2.5
2.5
ABR
ABR
1.5
1.5
0.5
0.5
MAR
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN NORESTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
7.5
7.5
AGO
AGO
7
6.5
6.5
JUL
JUL
5.5
5.5
5
5
4.5
JUN
4.5
JUN
4
3.5
3.5
3
MAY
MAY
2.5
2.5
ABR
ABR
1.5
1.5
1
0.5
0.5
MAR
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN CENTRO SUR
REGIN LEVANTE
DIC
DIC
NOV
NOV
OCT
OCT
SEP
SEP
8
7.5
7.5
AGO
AGO
7
6.5
6.5
JUL
JUL
5.5
5.5
5
5
4.5
JUN
4.5
JUN
3.5
3.5
MAY
MAY
2.5
2.5
ABR
ABR
1.5
1.5
1
0.5
0.5
MAR
MAR
FEB
FEB
ENE
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
REGIN CANARIAS
DIC
NOV
OCT
SEP
8
7.5
AGO
7
6.5
6
JUL
5.5
5
4.5
JUN
4
3.5
MAY
3
2.5
2
ABR
1.5
1
0.5
MAR
FEB
ENE
1897 1907 1917 1927 1937 1947 1957 1967 1977 1987 1997
Figura 20. Evoluciones temporales de los periodos hmedos de precipitacin areal mensual para
cada una de las siete regiones.
66
REGIN NOROESTE
REGIN NORTE
2,74 aos
22 aos
0.9
0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
2,75 aos
0.4
47,6 aos
0.3
0.2
8,5 aos
0.3
3,9 aos
16,8 aos
2,17 aos
0.2
23,3 aos
0.1
0.1
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.05
0.1
0.15
0.2
frecuencia (1/aos)
REGIN NORESTE
0.3
0.35
0.4
0.45
0.5
83,3 aos
0.9
0.25
frecuencia (1/aos)
2,73 aos
0.9
37,7 aos
0.8
0.8
2,14 aos
21,3 aos
0.7
0.7
5,05 aos
2,79 aos
0.6
0.6
6,3 aos
0.5
4,07 aos
4,59 aos
0.4
0.5
2,58 aos
2,22 aos
3,24 aos
3,9 aos
2,49 aos
0.4
0.3
0.3
0.2
0.2
0.1
0.1
2,60
aos
0
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.05
0.1
0.15
0.2
frecuencia (1/aos)
0.35
0.4
0.45
0.5
0.45
0.5
REGIN LEVANTE
9,9 aos
0.9
0.8
0.8
0.7
0.7
0.6
0.6
7,1 aos
19,2 aos
4,5 aos
5,05
aos
0.4
0.3
12 aos
0.9
0.5
0.25
frecuencia (1/aos)
13,3 aos
2,52 aos
2,81 aos
0.5
4 aos
3,72 aos
0.4
2,15 aos
6,2 aos
2,72 aos
0.3
0.3
0.2
0.2
0.1
0.1
17,9
aos
6,25 aos
0
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.05
0.1
0.15
0.2
frecuencia (1/aos)
0.25
0.3
0.35
0.4
frecuencia (1/aos)
REGIN CANARIAS
2 aos
5,32 aos
0.9
0.8
0.7
4,73 aos
0.6
27 aos
0.5
14,18 aos
0.4
4,24 aos
8,8 aos
7,1 aos
2,53 aos
0.3
2,83 aos
0.2
0.1
0
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
frecuencia (1/aos)
Figura 21. Resultados de la aplicacin del MESA a la precipitacin areal de cada una de las siete
regiones.
67
http://www.cru.uea.ac.uk/ftpdata/
http://www.cru.uea.ac.uk/~timo/projpages/nao_update.htm
http://www.cgd.ucar.edu/~jhurrell/nao.html
Los valores positivos del NAOI indican una anomala de presin negativa sobre la
Baja de Islandia y una positiva en la zona del Anticicln Subtropical, mientras que los
ndices negativos reflejan un patrn de anomalas opuesto. Ambas fases de la NAO
estn asociadas a cambios en la intensidad y localizacin de la corriente en chorro (jet
stream) y de la trayectoria de los ciclones (storm track) y a variaciones en el transporte
zonal y meridional de calor y humedad (Hurrell, 1995). En las siguientes figuras (Figura
68
69
Figura 24. Evolucin anual y suavizada del ndice NAO invernal (DEFM) para el periodo 18252003. Procedente de la CRU (Climatic Research Unit, Universidad de East Anglia, Reino Unido)
(http://www.cru.uea.ac.uk/~timo/projpages/nao_update.htm).
70
71
72
Los
Mon
egr
ra
ille l
rd rs a
Co anve
Tr
Prepiri neo
os
e a
ad n
rr nta
Sie amo
Tr
oy
de
Ar
ac
en
Sierr
Sie
rr a
a de
Seg
ura
de Alc
Macizo
a
Sierr
d
ra
ier
a de
Cazo
rl a
Sierrana
de Ronda
ma
z ale
ra
eG
Ceuta (Esp)
Melilla
(Esp)
73
Figura 26. Mapa de la distribucin espacial de las isoyetas medias anuales (en mm) para el periodo
1956-1985 (Ministerio de Fomento, 1992).
Caracterizacin temporal
Para cada una de las tres grandes regiones pluviomtricas en las que se puede dividir a
la pennsula Ibrica se tiene que:
i) La precipitacin en Andaluca y en el interior de la Pennsula: suele ir asociada a
una circulacin del oeste (o sudoeste), en la cual coinciden masas de aire martimo
tropical y polar. Este rgimen permanece de Octubre a Mayo (con el mximo de
precipitacin en invierno), atenundose durante el verano debido al bloqueo provocado
por el anticicln de las Azores. Las series de precipitacin anual presentan
caractersticas muy similares a las de Europa central a partir de 1920, aproximadamente,
en especial las situadas ms hacia el sur (Brzdil et al., 1985).
74
75
76
77
78
79
80
81
82
xi x j
( 44 )
donde, xi, es el valor i-simo correspondiente al mes j-simo; x j , es el valor medio del
mes j-simo y j, es la desviacin estndar del mes j-simo. Los valores de la media y la
desviacin estndar, que se han utilizado en la normalizacin, se han calculado para el
periodo 1951-1980.
Las correlaciones encontradas, as como sus significancias estadsticas, se presentan
en las Tabla 14 y Tabla 15, respectivamente.
Regin
NO
N
NE
CN
CS
LEV
CAN
OCT
-0,32
-0,39
-0,40
-0,61
-0,64
-0,10
-0,45
NOV
-0,11
-0,21
-0,46
-0,43
-0,56
-0,40
-0,43
DIC
-0,15
-0,34
-0,60
-0,51
-0,65
-0,58
-0,46
ENE
-0,30
-0,45
-0,60
-0,59
-0,67
-0,59
-0,50
FEB
-0,31
-0,43
-0,48
-0,50
-0,58
-0,39
-0,42
MAR
-0,38
-0,44
-0,41
-0,55
-0,64
-0,47
-0,33
ABR
-0,20
-0,13
-0,31
-0,34
-0,38
-0,26
-0,20
MAY
-0,28
-0,47
-0,44
-0,54
-0,54
-0,41
-0,26
JUN
-0,24
-0,23
-0,24
-0,27
-0,17
-0,19
-0,02
JUL
-0,20
-0,16
-0,07
-0,11
-0,05
-0,09
-0,06
AGO
-0,19
-0,18
-0,09
-0,07
-0,19
-0,06
0,05
SEP
-0,15
-0,18
-0,24
-0,28
-0,33
-0,33
-0,26
Tabla 14. Coeficientes de correlacin mensuales de Pearson entre el NAOI y las series de
precipitacin areal de cada regin pluviomtrica. Sealizas de manera ms gruesa las correlaciones
apreciables.
NOTA: NO, Regin Noroeste; N, Regin Norte; NE, Regin Noreste; CN, Regin Centro Norte; CS,
Regin Centro Sur; LEV, Regin Levante y CAN, Regin Canarias.
Regin
NO
N
NE
CN
CS
LEV
CAN
OCT
0,000
0,000
0,000
0,000
0,000
0,317
0,000
NOV
0,250
0,031
0,000
0,000
0,000
0,000
0,000
DIC
0,122
0,001
0,000
0,000
0,000
0,000
0,000
ENE
0,002
0,000
0,000
0,000
0,000
0,000
0,000
FEB
0,002
0,000
0,000
0,000
0,000
0,000
0,000
MAR
0,000
0,000
0,000
0,000
0,000
0,000
0,001
ABR
0,043
0,180
0,002
0,001
0,008
0,040
0,000
MAY
0,004
0,000
0,000
0,000
0,000
0,007
0,000
JUN
0,013
0,021
0,017
0,006
0,088
0,053
0,867
JUL
0,038
0,109
0,502
0,255
0,618
0,351
0,549
AGO
0,062
0,067
0,373
0,493
0,056
0,531
0,621
SEP
0,123
0,065
0,014
0,005
0,001
0,001
0,008
Tabla 15. Significancias estadsticas de las correlaciones mensuales entre el NAOI y las series de
precipitacin areal de cada regin pluviomtrica. En negrita los valores correspondientes a las
correlaciones no significativas (nivel de confianza del 95%).
NOTA: NO, Regin Noroeste; N, Regin Norte; NE, Regin Noreste; CN, Regin Centro Norte; CS,
Regin Centro Sur; LEV, Regin Levante y CAN, Regin Canarias.
De los resultados de las tablas anteriores (Tabla 14 y Tabla 15) se puede concluir que
las correlaciones entre el NAOI y la precipitacin areal son bajas en general y negativas
83
84
85
Figura 27. Isopletas del coeficiente de Pearson entre el ndice de la NAO (Lisboa-Reykjavik) y la
precipitacin, en diciembre (Martn Vide et al., 1999 modificado por Barrera).
86
Otoo
-0,19
-0,09
-0,25
-0,31
-0,44
-0,26
-0,29
Invierno Primavera
-0,37
-0,44
-0,59
-0,58
-0,70
-0,52
-0,48
-0,07
-0,21
-0,21
-0,02
-0,09
-0,12
-0,05
Verano
-0,07
0,01
-0,11
-0,07
-0,07
0,10
-0,12
Tabla 16. Coeficientes de correlacin estacionales de Pearson entre el NAOI y las series de
precipitacin areal de cada regin pluviomtrica. Sealizas de una manera ms gruesa las
correlaciones apreciables.
NOTA: NO, Regin Noroeste; N, Regin Norte; NE, Regin Noreste; CN, Regin Centro Norte; CS,
Regin Centro Sur; LEV, Regin Levante y CAN, Regin Canarias.
Regin
NO
N
NE
CN
CS
LEV
CAN
Otoo
0,0590
0,3858
0,0100
0,0017
0,0000
0,0077
0,0029
Invierno Primavera
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,5151
0,0358
0,0363
0,8037
0,3462
0,2326
0,6103
Verano
0,5081
0,8897
0,2914
0,4667
0,5078
0,3362
0,2157
Tabla 17. Significancias estadsticas de las correlaciones estacionales entre el NAOI y las series de
precipitacin areal de cada regin pluviomtrica. En negrita los valores correspondientes a las
correlaciones no significativas (nivel de confianza del 95%).
NOTA: NO, Regin Noroeste; N, Regin Norte; NE, Regin Noreste; CN, Regin Centro Norte; CS,
Regin Centro Sur; LEV, Regin Levante y CAN, Regin Canarias.
87
Figura 28. Isopletas del coeficiente de correlacin de Pearson entre el NAOI y la precipitacin de
invierno (DEF) para el periodo 1910-1994 (Rod et al., 1997 modificado por Barrera)
88
-0,43
-0,51
-0,59
-0,62
-0,72
-0,45
-0,42
Tabla 18. Coeficientes de correlacin invernales de Pearson entre el NAOI y las series de
precipitacin areal de cada regin pluviomtrica. En negrita las correlaciones apreciables.
NOTA: NO, Regin Noroeste; N, Regin Norte; NE, Regin Noreste; CN, Regin Centro Norte; CS,
Regin Centro Sur; LEV, Regin Levante y CAN, Regin Canarias.
Regin NAOI(DEFM)
NO
N
NE
CN
CS
LEV
CAN
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
Tabla 19. Significancias estadsticas de las correlaciones invernales entre el NAOI y las series de
precipitacin areal de cada regin pluviomtrica.
NOTA: NO, Regin Noroeste; N, Regin Norte; NE, Regin Noreste; CN, Regin Centro Norte; CS,
Regin Centro Sur; LEV, Regin Levante y CAN, Regin Canarias.
Los resultados aqu encontrados concuerdan, a groso modo, con los resultados de
otros estudios realizados anteriormente, como el de Estaban-Parra et al. (1998) en que
se estudian las correlaciones entre la precipitacin invernal (DEFM) de 40 estaciones
espaolas de la Pennsula Ibrica con el NAOI (DEFM) para el periodo 1880-1992. En
este estudio se analizan las series individuales a partir del anlisis en componentes
principales, el cual permite considerar o definir tres regiones coherentes: Andaluca y
zona interior de Espaa, costa mediterrnea y costa cantbrica. La correspondencia
entre estas zonas y las regiones consideradas en el presente trabajo sern las siguientes:
La primera zona englobara las regiones CN y CS, toda la zona interior de la regin
LEV y NO y gran parte de la NE; la segunda zona englobara toda la parte costera de las
regiones LEV y NE y finalmente la tercera zona englobara la regin N y la parte
costera de la regin NO. El estudio de Esteban-Parra et al. (1998) concluye que para
invierno la zona ms sensible a la NAO es Andaluca y la zona interior de Espaa y la
89
Andaluca e Interior
-0,55
-0,67
Costa mediterrnea
-0,22
-0,31
Costa cantbrica
-0,33
-0,42
90
CONCLUSIONES
Las conclusiones del presente trabajo hay que dividirlas en tres partes, que
corresponden a los tres principales objetivos del presente estudio: la evaluacin de los
diferentes mtodos de completado (captulo 1), el anlisis climtico de la precipitacin
en Espaa durante los ltimos 100 aos (captulo 2) y la influencia de la NAO en su
distribucin (captulos 3 y 4).
1) El estudio y evaluacin de los diferentes mtodos de completado ha permitido definir
los mtodos ms idneos para cada tipo de variable y la definicin de un procedimiento,
tambin segn la variable. Estos procedimientos son de gran utilidad a la hora de
encarar estudios climticos de esas variables, en los que se requieren series temporales
continuas. El procedimiento definido para el caso de la precipitacin se ha aplicado para
completar series de esta variable que se han usado para el clculo de series areales
representativas de diferentes regiones espaolas para los ltimos 100 aos.
2) El anlisis climtico de la precipitacin areal ha permitido caracterizar regionalmente
la precipitacin en Espaa durante los ltimos 100 aos. Los resultados ms importantes
a los que se ha llegado han sido los siguientes:
Las series regionales de precipitacin anual calculadas para el periodo de aos
hidrolgicos (de octubre a septiembre) 1897/981997/98 no muestran la existencia
de tendencias importantes y tampoco la existencia de desplazamientos estacionales.
Esas mismas series regionales muestran correlaciones bastante bajas entre s,
resultado de la compleja orografa y del carcter de la pluviometra espaola.
El anlisis espectral presenta comportamientos diferentes para cada regin, debido a
las bajas correlaciones entre ellas, lo que hace difcil relacionar las seales
encontradas con fenmenos fsicos conocidos como la oscilacin casi-bianual y el
ciclo solar.
Los periodos ms secos comunes son, a groso modo, 18971907 y primera mitad del
ao para 19871997. Mientras los periodos ms hmedos comunes comprenden los
aos 20 y 30 del siglo XX y la segunda mitad del ao para 19931997. Es importante
destacar el comportamiento de la precipitacin al final del periodo de estudio (19931997) en el que en un mismo ao, la primera mitad es muy seca y la segunda, en
cambio, es muy hmeda.
Como trabajo futuro y dentro del plan de trabajo de mi tesis doctoral, la
identificacin de los periodos anmalos a partir del anlisis climtico de la precipitacin
areal va a ser muy til para analizar esos periodos a travs de modelos meteorolgicos
de mesoescala con una alta fiabilidad y resolucin como el MM5. La modelizacin se
utilizada con el fin de realizar un dowscaling dinmico de la precipitacin de esos
periodos anmalos y poder encontrar as los factores fsicos principales responsables de
tales anomalas.
91
92
BIBLIOGRAFA
Allen, R. G., L. S. Pereira, D. Raes and M. Smith (1998): Crop EvapotranspirationGuidelines for computing crop water requirements. FAO Irrigation and drainage
paper 56, Rome, 300 pp.
Barrera, A. y M.C. Llasat (2002): Estudios sobre variables meteorolgicas y
completado de series mensuales. Convenio de colaboracin entre el Centro de
Estudios y Experimentacin de Obras Pblicas y la Fundaci Bosch i Gimpera
(Universidad de Barcelona). Informe tcnico. GAMA, DAM/250999-11/0211.
Bjerknes, J. (1964): Atlantic air-sea interaction. En Advances in Geophysics,
Academic Press, pp. 1-82.
Brzdil, R., F. Samaj y S. Valovic (1985): Variation of spatial annual precipitation
sums in Central Europe in the period 1881-1980. Journal of Climatolology, 5, pp.
617-631.
Capel Molina, J. J. (1981): Los climas de Espaa. Oikos-Tau, Barcelona, 429 pp.
CEDEX (2003): Mdulo de estadstica aplicada a la Hidrologa. Apuntes del Mster de
Hidrologa Superficial. Publicacin interna, 140 pp.
Cook, E. R., R. D. DArrigo y M. E. Mann (2002): A well-verified, multiproxy
reconstruction of the winter North Atlantic Oscillation index since A.D. 1400.
Journal of Climate, 15, pp. 17541764.
Cunillera Gra, J. (1995): Ls de la teledetecci i lanlisi multivariant a la
caracteritzaci agroclimtica del territori. Aplicaci a Catalunya. Tesi Doctoral.
Universitat de Barcelona, Barcelona, 239 pp.
Deser, C. y M. L. Blackmon (1993): Surface Climate Variations over the North
Atlantic Ocean during winter: 1900-1989. Journal of Climate, 6, pp. 1743-1753.
Dickson, R. R., J. Lazier, J. Meinke, P. Rhines y J. Swift (1996): Long term
coordinated changes in the convective activity of the North Atlantic. Prog.
Oceanography, 38, pp. 241-295.
Entekhabi, D. (1999): Winter-time extratropical climate predictability: land sources of
North Atlantic Oscillation (NAO). En Centro di Recerca in Monitoraggio
Ambientale, III Workshop. Savona, Italy. March 12th, 1999.
Esteban-Parra, M. J., F. S. Rodrigo y Y. Castro-Dez (1998): Spatial and temporal
patterns of precipitation in Spain for the period 1880-1992. International Journal
of Climatology, 18, pp. 1557-1574.
Fernndez Garca, F. y E. Galn (1994): Las precipitaciones en el valle del Titar.
Aspectos Metodolgicos, en Aplicaciones en homenaje al profesor Lus Miguel
Albentosa, pp. 75-89. Tarragona.
Fernndez Garca, F. (1995): Manual de Climatologa Aplicada. Clima, Medio
Ambiente y Planificacin. Coleccin espacios y sociedades, serie mayor n 2.
Editorial Sntesis, Madrid, 288 pp.
Glueck, M. F. y C. W. Stockton, C.W. (2001): Reconstruction of the North Atlantic
Oscillation. International Journal of Climatology, 21, pp. 14531465.
93
94
95