......................................................................................................................................................

Plataforma de Informacin de cambio climtico y

biodiversidad para el fomento de polticas pblicas de
conservacin y adaptacin en la regin de los Andes
Tropicales
.........................................................................................................................................
Combinacin de Proyecciones de
Modelos de Cambio Climtico Y
ANDES QC: Control de calidad de datos
para grupos de estaciones meteorolgicas

1
Plataforma de Informacin de cambio
climtico y biodiversidad para el fomento de
polticas pblicas de conservacin y
adaptacin en la regin de los Andes
Tropicales
Combinacin de Proyecciones de Modelos
de Cambio Climtico
Y
ANDES QC: Control de calidad de datos para grupos de
estaciones meteorolgicas

Por William Cabos y Enric Aguilar

1

CENTRO INTERNACIONAL PARA LA INVESTIGACIN
DEL FENMENO DE EL NIO
Escobedo #1204 y 9 de Octubre
Edificio Fundacin El Universo, 1er piso
Telfono: + (593 4) 2514770
Fax: + (593 4) 2514771
Casilla #09014237
Guayaquil-Ecuador
Centro Internacional para la Investigacin del
Fenmeno de El Nio (2014)
Se permite reproducir y comunicar esta obra siempre y cuando se cite la fuente de
manera correcta y no se utilice para fines comerciales.
Algunos derechos reservados
http://creativecommons.org/licenses/by-nc/3.0/
Diagramacin
Beln Mendoza - Arturo Torres
Impresin
Digital Center
Para citar el documento:
CIIFEN 2014. Metodologa para la Estimacin de Vulnerabilidad en Ecuador, Per y
Bolivia, Proyecto Informacin de cambio climtico y biodiversidad para el fomento de
polticas pblicas de conservacin y adaptacin en la regin de los Andes Tropicales,
p 1-67.
Esta publicacin ha sido realizada por el Centro Internacional para la Investigacin
del Fenmeno de El Nio en el marco del proyecto ATN/OC-12439-RG Informacin
de cambio climtico y biodiversidad para el fomento de polticas pblicas de conser-
vacin y adaptacin en la regin de los Andes Tropicales, financiado por el Banco
Interamericano de Desarrollo, BID, bajo la iniciativa de Bienes Pblicos Regionales
(2012).
3
 Informacin de cambio climtico y
biodiversidad para el fomento de polticas
pblicas de conservacin y adaptacin en la
regin de los Andes Tropicales
PROYECTO ATN/OC-12439-RG

Financiado por:
Banco Interamericano de Desarrollo Los Servicios Meteorolgicos Nacionales de Bolivia,
Bienes Pblicos Regionales Ecuador y Per

Agencia Ejecutora:

Los Ministerios del Ambiente de Bolivia, Ecuador y Per

CENTRO INTERNACIONAL PARA LA INVESTIGACIN

DEL FENMENO DE EL NIO

2014
5
DIRECCIN GENERAL DIGITADORES DE DATOS CLIMTICOS:
Director Internacional Coordinador Cientfico INAMHI ECUADOR SENAHMI PER SENAHMI BOLIVIA
Dr. Jos Daniel Pabn Caicedo Oc. Rodney Martnez Gingla lvaro Moreno Gerardo Jcome Ana Mendoza
Moreno Vergaray Caldern
Dayanira Castro Lenin Suca Huallata Jos Paz Cortez
EQUIPO DE PROYECTO Zambrano

Coordinador Consultora Consultor en

Modelacin
DIGITADORES DE DATOS BIODIVERSIDAD:
Juan Jos Administrativa
Nieto Lpez Financiera y Climtica
Adquisiciones William Cabos MINISTERIO DEL MINISTERIO DEL MINISTERIO DE MEDIO
Jessica Daz Cabezas Narvez AMBIENTE DE EECUADOR AMBIENTE DE PER AMBIENTE Y AGUA DE
Mara Cristina Argudo Cynthia Snchez BOLIVIA
Consultor en Consultor en Sistemas Asistente en Sistemas Pazmio Figueroa Shiara Pereira
Climatologa de Informacin de Informacin Karina Molina Diego Guevara Torres Gutirrez
Geogrfica Tarapus Naira Durn Nogales
Enric Aguilar Anfrons Geogrfica
Alejandro Chamizo de Antonio Julin
Castro Hernndez Cotrina

Asistente en
Sistemas de
Consultor para el
Desarrollo
Coordinador
Juan Jos Nieto
PERSONAL DE CIIFEN - CONTRAPARTE
Informacin de la Plataforma Lpez DEL PROYECTO
Geogrfica Informtica
Csar Quishpe
Juan Ignacio Varela SISTEMAS DE INFORMACIN ADMINISTRACIN
Vsquez
GEOGRFICA Cinthya Garca Arias
Asistente para el Consultora para el Consultor en Pilar Icaza Olvera Evelyn Ortiz Snchez
Desarrollo de la Desarrollo Climatologa
Plataforma Informtica de Material Educativo Enric Aguilar Anfrons
Guillermo Armenta Abigail Alvarado
Porras Almeida
 ANTECEDENTES DEL PROYECTO

Esta iniciativa regional tiene como propsito la implementacin de un a aplicarse en el proyecto en los distintos componentes, su imple-
Sistema Pblico Regional de Informacin de Cambio Climtico y su mentacin a nivel nacional y el rol de cada una de las instituciones en el
potencial impacto en la conservacin de la biodiversidad para la regin mismo; (ii) 3 Talleres itinerantes para la definicin, discusin y consenso
de los Andes Tropicales. Su finalidad es contribuir en la generacin de de: escenarios e ndices climticos, vulnerabilidad de ecosistemas an-
polticas pblicas y la insercin de la conservacin de la biodiversidad dinos y bases de datos de biodiversidad-cambio climtico; (iii) compi-
en los Planes Nacionales de cambio climtico en Bolivia, Ecuador y lacin de escenarios y estimacin de ndices climticos; (iv)estimacin
Per. de la vulnerabilidad de los ecosistemas andinos; (v)fortalecimiento de
las bases regionales de biodiversidad y cambio climtico de los Andes
El proyecto incluye tres componentes, cada uno de los cuales tiene sus Tropicales (vi) implementacin de la plataforma tecnolgica que integre
propios resultados: los productos iii, iv y v.
Fruto de estas actividades se cuenta con los siguientes productos:
COMPONENTE I: IMPLEMENTACIN DEL SISTEMA RE- (i)proyecciones regionales integradas de cambio climtico en la zona
GIONAL DE INFORMACIN DE CAMBIO CLIMTICO Y BIODI- andina de los pases beneficiarios; (ii)sistema de informacin geogrfi-
ca para la estimacin de la vulnerabilidad de los ecosistemas andinos;
VERSIDAD EN LOS ANDES.
(iii) integracin de bases de datos de biodiversidad disponibles para
los Andes Tropicales; y (iv) sistema digital de informacin en lnea con
El objetivo del componente era el desarrollo de la plataforma institucio- acceso pblico.
nal, humana y tecnolgica que permita la sistematizacin, anlisis y
despliegue de los escenarios de cambio climtico en los Andes tropi-
COMPONENTE II: MDULO DE EDUCACIN Y ENTRE-
cales, la vulnerabilidad estimada de los ecosistemas andinos y los da-
NAMIENTO EN CAMBIO CLIMTICO Y BIODIVERSIDAD PARA
tos e informacin de la biodiversidad existente en dichos ecosistemas
para su uso por parte de los gestores y tomadores decisiones de los LOS ANDES TROPICALES.
pases participantes. Este Sistema Regional de Informacin comple-
mentar los esfuerzos realizados a nivel de la Comunidad Andina de El objetivo de este componente era desarrollar un mdulo de educacin
Naciones y constituir el componente (cambio climtico-biodiversidad) y entrenamiento de fcil acceso y sostenibilidad que contase con un
del Sistema Regional de Biodiversidad. Considera, adems, aspectos sistema de aprendizaje virtual sobre todos los resultados del proyecto
relevantes sobre principios de manejo de la informacin, como sober- y la provisin de todo el material educacional de soporte. Adems, se
ana nacional, derechos sobre la propiedad intelectual y conocimientos desarroll un kit educativo para impartir Talleres de Entrenamiento a
tradicionales. nivel nacional con instructores nacionales que puedan ser replicados
Para lograr ese objetivo se llevaron a cabo las siguientes actividades: conforme a las necesidades de cada pas.
(i) Taller Regional para la definicin y el consenso de la metodologa

7
Para lograr ese objetivo se realizaron las siguientes actividades: (i)de- Resultados esperados
sarrollo del sistema virtual de educacin; (ii) diseo y elaboracin de
los kits educativos; y (iii) un Taller itinerante para la discusin sobre El principal resultado esperado es la implementacin de un Sistema
el uso y la aplicacin de los nodos nacionales del sistema regional de Pblico Regional de Informacin de Cambio Climtico y su potencial
informacin. Estas actividades permitieron desarrollar los siguientes impacto en la biodiversidad para la regin de los Andes. Se espera que
productos: (i)sistema de educacin virtual en cambio climtico y bio- la operacin genere los siguientes resultados intermedios:
diversidad andina; (ii) kit educacional para capacitadores en cambio
climtico y biodiversidad andina; y (iii) esquemas de uso y aplicacin de
los nodos del sistema en cada pas.

Plataforma tecnolgica regional con nodos

COMPONENTE III. FOMENTO A LA INSERCIN DEL TEMA nacionales que provee informacin de esce-
CAMBIO CLIMTICO-BIODIVERSIDAD EN LAS POLTICAS narios de cambio climtico integrados, eco-
PBLICAS NACIONALES. sistemas andinos vulnerables definidos e
informacin de biodiversidad y clima comple-
mentaria sistematizada para cada pas.

El objetivo de este componente era fomentar el uso de los productos y

servicios de informacin generados por el proyecto como insumos para
los planes y estrategias y la generacin de polticas regionales y a nivel
nacional en cuanto al manejo y conservacin de la biodiversidad, en Plataforma institucional, humana y tecnolgica
el contexto del cambio climtico, en la regin de los Andes Tropicales. para educacin, capacitacin y entrenamien-
Para lograr ese objetivo se llevaron a cabo las siguientes actividades: to a nivel nacional en biodiversidad-cambio
(i)organizacin de foros pblicos y paneles dirigidos a autoridades polti- climtico en funcionamiento.
cas y ambientales; (ii)12 Talleres Nacionales de Trabajo para la revisin
de estrategias de insercin del tema biodiversidad en los planes de
adaptacin; y (iii)articulacin del sistema regional con otras iniciativas,
proyectos y agencias de cooperacin que los pases decidieren. Fruto El sistema contribuir en la elaboracin de es-
de estas actividades se cuenta con estos productos; (i)aplicaciones trategia regional y estrategias nacionales que
de los productos del proyecto en estrategias, planes o polticas de los incluyan la conservacin de la biodiversidad
pases en cuanto a cambio climtico y biodiversidad; (ii)documentos en los Planes, Programas o Estrategias de
resumen para polticos en materia de cambio climtico y biodiversidad adaptacin al cambio climtico.
andina; y (iii)alianzas formalizadas con otros organismos internaciona-
les y agencias de cooperacin.
 PRESENTACIN
La regin andina presenta un reto para los modelos climticos actuales,
ya sean globales o regionales, tanto por sus caractersticas climticas
como orogrficas. Su clima es afectado, tanto por forzamientos lo-
cales, como por otros remotos y regionales. La regin presenta una
considerable extensin meridional y diversos patrones de tiempo y cli-
ma, incluyendo climas de tipo tropical y subtropical. La ms importante
caracterstica geogrfica de la regin es la Cordillera de los Andes,
que se extiende paralela a la costa del ocano Pacfico. La cordillera
constituye una barrera estrecha que canaliza el flujo del aire, pero no
solo cumple el papel de barrera climtica, dando lugar a condiciones
secas en la vertiente del Pacfico y condiciones hmedas en el este sino
que tambin influye en la interaccin entre trpicos y extra-trpicos.
La migracin estacional de la zona de convergencia intertropical (ITCZ,
por sus siglas en ingls) es el factor ms importante que controla la
estacionalidad de la precipitacin en la regin andina. Durante el ver-
ano austral, la circulacin de larga escala en altura, se caracteriza por
un centro de alta presin sobre el altiplano, una zona de baja presin
que se extiende desde el noroeste de Brasil hacia el Atlntico Tropical y
vientos del este sobre las latitudes subtropicales. En los niveles bajos,
las clulas anticiclnicas subtropicales sobre los ocanos Pacfico y
Atlntico dominan la circulacin de larga escala. Los vientos del este
procedentes del Atlntico son desviados hacia el sur por la cordillera
andina hacia la baja del Chaco, que representa la principal fuente de
humedad en el sur de Brasil y las planicies del sur del continente. Uno
de los mayores componentes de la circulacin en esta estacin, en la
regin al este de los andes tropicales, es el sistema de Monzones de
Amrica del sur (Vera et al., 2006). En invierno, la clula anticiclnica
subtropical sobre el ocano Pacfico es el factor ms importante al oes-
te de los andes.
Los Andes Tropicales presentan reas crticas en cuanto a la conser-
vacin de la biodiversidad. El Cambio climtico se suma a las intensas
y variadas presiones que las especies como elementos de los ecosiste-
mas alto andinos ya estn percibiendo. Existen ingentes esfuerzos en
cuanto al tema de biodiversidad y de cambio climtico en la regin, los
cuales han avanzado en forma individual, sin la necesaria interaccin,
para generar informacin integrada que pueda convertirse en un insu-
mo para el diseo de polticas pblicas y planes de accin conducentes
a la conservacin de la biodiversidad dentro de estrategias factibles y
eficientes para la adaptacin al cambio climtico.
A inicios de 2011, se dio paso a la implementacin del proyecto region-
al No. ATN/OC-12439-RG. Informacin de Cambio Climtico y Bio-
diversidad para el Fomento de Polticas Pblicas de Conservacin y
Adaptacin en la Regin de los Andes Tropicales. bajo el programa de
Bienes Pblicos Regionales del Banco Interamericano de Desarrollo. El
proyecto fue ejecutado por CIIFEN, junto a los Ministerios de Ambiente
y Servicios Meteorolgicos e Hidrolgicos Nacionales de Bolivia, Ecua-
dor y Per.
El Objetivo del proyecto fue implementar un Sistema Pblico Region-
al de Informacin de Cambio Climtico y su potencial impacto en la
biodiversidad para la regin de los Andes Tropicales, con la finalidad
de contribuir en la generacin de polticas pblicas y la insercin de la
conservacin de la biodiversidad dentro de los Planes Nacionales de
cambio climtico en Bolivia, Ecuador y Per. La zona de estudio de
esta iniciativa regional se extiendes desde el ecuador, 2 Norte hasta
los 24 de latitud sur, en la zona de Puna de Bolivia (departamento de
Potos), la zona de Puna de Per y la zona de Pramos de Ecuador.
Esta gua tcnica presenta la Metodologa usada para la Combinacin
de Proyecciones de Modelos de Cambio Climtico en Ecuador, Per y
Bolivia y la herramienta ANDES QC (programado sobre R) para control
de calidad de datos climticos.
9
Indice
1 Cambio Climtico y Combinacin de
Proyecciones de Modelos de Cambio Climtico
..........................................................................................
12
1.1 Combinacin de Proyecciones de
Modelos de CC...............................................16
Regin de Estudio...........................................12
Datos utilizados...............................................12
Modelos Globales...........................................12
Escenarios de consensos de
cambio climtico..............................................14
Modelos Regionales........................................15
Validacin...............................................16
Correccin de Desviaciones..................16
Escenarios.......................................................18
RCP 2.6.................................................20
RCP 4.5.................................................20
RCP 6.0.................................................21
RCP 8.5.................................................21
ndices Climticos...........................................21
Resultados......................................................24
1.2 Cambio de las Variables Climticas para
el Perodo 2020-2039....................................26
Precipitacin...................................................28
Temperaturas diarias mximas y mnimas......28
 1.3 Conclusiones...................................................30
Validacin........................................................30
Temperatura.....................................................30
Precipitacin....................................................31
Proyecciones..................................................31
Recomendaciones metodolgicas.................31
2.2 Funciones Adicionales....................................40
2.3 Introduccin del Control de
Calidad Espacial..............................................41
2.4 Output Grfico y Numrico de Ayuda a la
Decisin Integrado en Ficheros HTML............42
2.5 Contenido Output por Perodos de
cinco aos.......................................................57

2
2.6 Ficheros MASTERQC......................................61
ANDES QC: Control de calidad de datos 2.7 Formas de trabajo para Ejecutar
para grupos de estaciones meteorolgicas ANDESQC.......................................................62
..........................................................................................
33 2.8 Aplicacin y Futuro de ANDESQC..................65
Introduccin..........................................................33
2.1 Tests includos en ANDES QC........................34

3
OUTLIERS POR MESESfourboxes()...........34
OUTLIERS PENTADALESpentauts()...........35
OUTLIERS GAMMAprecipouts ()................35 Anexos
OUTLIERS ESPACIALES ..........................................................................................
Funcin auxiliar percentcor()..........................35 66
Recomendaciones metodolgicas..................36
TMAX < = TMINtmaxmim().........................36
VALORES FUERA RANGOhumongous()....37

4
VALORES DUPLICADOSduplicals()............37
DIFERENCIAS INTERDIARIASjumps()........37
Bibliografa
..........................................................................................
VALORES CONSECUTIVOSflatline ()..........38
PRECIP. ACUMULADA 67
suspectacumprec().........................................38
CADENAS DE MARKOVmarkovchain().......38
CADENAS DE PRECIPITACIN
chainprecip()...................................................39
REDONDEOtableround().............................39

11
Cambio Climtico y Combinacin de
Proyecciones de Modelos de
Cambio Climtico Por William Cabos
Combinacin de Proyecciones de Modelos de
Cambio Climtico (CC)
Regin de Estudio
El rea de estudio cubre tres pases andinos: Bolivia, Ecuador y Per
y se extiende desde el ecuador, 2 Norte hasta unos 24 de latitud sur.
La orografa de la zona es accidentada, siendo la Cordillera de los An-
des, que recorre longitudinalmente la regin, el accidente geogrfico
ms importante. Los Andes, que dividen las masas de aire del Pacfico
y del Atlntico, son uno de los factores que determinan la gran varie-
dad climtica caracterstica de la regin. El otro factor importante es
el ocano Pacfico que baa las costas de Ecuador y Per e influye de
manera relevante en el clima de Bolivia. Las masas de aire Atlnticas,
tambin importantes para el clima de la regin, influyen principalmente
en las regiones al este de los Andes.
La conjuncin de estos factores: el ocano Pacfico (a travs de sus
corrientes y masas de aire), los Andes (a travs de sus gradientes alti-
tudinales y su influencia en la dinmica y termodinmica de las masas
de aire del Pacfico y Atlnticas) y el ocano Atlntico dan lugar a una
gran variedad climtica.
Datos utilizados
El estudio de diagnstico y proyeccin de cambio climtico en la regin
indicada se basa en el anlisis de tres tipos de datos claramente difer-
enciados:
a Datos de modelos globales proporcionados en el marco
del proyecto CMIP5
b Datos del modelo regional REMO generados en el marco
del proyecto CORDEX
c Datos del modelo MRI-AGCM
Modelos Globales
Las proyecciones climticas son un elemento crucial en el proceso de
toma de decisiones, que debe ser consistente con el marco general
proporcionado por el informe especial sobre escenarios de emisiones
elaborado por el IPCC y con los informes de evaluacin del IPCC
(http://www.ipcc.ch/pub/reports.htm). La herramienta bsica para re-
alizar estimaciones de proyecciones climticas son los modelos de cir-
culacin general acoplados ocano-atmsfera (AOGCM, por sus siglas
en ingls).
El principal forzamiento de los AOGCM utilizados en el Quinto Informe
es la radiacin solar, para la que se ha incluido su variacin interanual.
Todos los modelos son tambin forzados por concentraciones de gas-
es atmosfricos, de origen antropognico y natural (gases de efecto
invernadero, aerosoles provenientes de erupciones volcnicas, quema
de biomasa o contaminacin). Para este Quinto Informe, tambin, se
incluye el forzamiento por cambios de uso de suelo.
 Nombre Modelo Acrnimo Modelo Resolucin Resolucin
atmsfera
Lat. Lon.

Beijing Climate Center BCC bcc-csm1-1 128 _ 64, L40 ~2.8 2.8125
China Meteorological
Administration Pekn,
Nuestro desconocimiento de la evolucin socioeconmica se traduce China
en el uso de las vas de concentracin representativa que proporcionan Canadian Centre for CCCMA anesm2 128 _ 64, L35 ~2.7 2.8125
escenarios de emisiones de gases de efecto invernadero (principal- Climate Modelling and
mente desarrollo industrial) y cambios en el uso de suelo (desarrollo de Analysis, Victoria,
Canad
agricultura) de acuerdo a distintos escenarios plausibles de desarrollo
socioeconmico. Las concentraciones de gases de efecto invernadero Centre National de CNRM cnrm-cm5 256 _ 128, L31 ~1.4 1.40625
Recherches
se calculan con ayuda de modelos de ciclo de carbono, que se incluyen Meteorologiques,
como submodelos en algunos AOGCM; en tanto que para la mayora CNRM & CERFACS,
de los AGCM estas concentraciones son calculadas por modelos bio- Toulouse, Francia
geoqumicos externos. Commonwealth CSIRO csiro- 192 _ 96, L18 ~1.85 1.875
Scientific and Industrial mk3-6-0
En el proyecto Informacin de cambio climtico y biodiversidad para Research Organization
el fomento de polticas pblicas de conservacin y adaptacin en la Queensland Climate
regin de los Andes Tropicales se utilizaron modelos de la base de Change Centre of
Excellence
datos CMIP5 (http://pcmdi9.llnl.gov/esgfweb-fe/). Despus de un anli- (CSIRO-QCCCE),
sis previo de los modelos disponibles, usando como criterio la capaci- Australia
dad de los modelos de simular la climatologa del perodo 1961-1990
Geophysical Fluid GFDL gfdl-es- 144 _ 90, L24 1.5- 2.5
y los principales fenmenos climticos globales, se decidi reducir el Dynamics Laboratory, m2m 2.0
nmero de modelos a utilizar en el proyecto a los modelos incluidos en (NOAA-GFDL),Prince-
la Tabla 1. La resolucin de los modelos vara entre 1 - 4 grados; la ton,Estados Unidos
mayora tiene una resolucin 2,5 - 2,7 grados. NASA Goddard GISS giss-e2-r 144 _ 90, L40 1.5- 2.5
Institute 2.0
for Space Studies
(NASA-GISS),New York,
Estados Unidos
Institute of Atmospheric IAP fgoals-g2 128 _ 60, L26 2.8 2.8125
PhysicsChineseAcad- 6.13
emy ofScience, Pekn,
Tabla 1.1 (Parte 1/2) China
Modelos globales acoplados de CMIP5 utilizados.

13
Nombre Modelo Acrnimo Modelo Resolucin Resolucin Tabla 1.1 (Parte 2/2)
atmsfera Modelos globales acoplados de CMIP5 utilizados.
Lat. Lon.
Centro Euro-Mediter-
raneo sui Cambiamenti
INGV cmcc-cm 480 _ 240, L31 ~0.8 0.8
Escenarios de consensos de cambio climtico
Climatici(CMCC), Italia
Institut Pierre-Simon IPSL ipsl- 96 _ 96, L39 1.894 3.75
Laplace, Francia (IPSL), Los escenarios describen lneas evolutivas plausibles de las condiciones
cm5a-lr
Pars, Francia climticas y otros aspectos del futuro, principalmente relacionadas con
aspectos socio-econmicos y las emisiones de gases de efecto inver-
Institut Pierre-Simon IPSLm ipsl-cm5a- 144 _ 143, L39 1.894 3.75 nadero y aerosoles asociadas. Para construirlos se utiliza un nmero
Laplace, France mr
(IPSL),Pars, Francia de tcnicas, incluyendo anlogos espaciales y temporales de climas
futuros y escenarios basados en modelos de escenarios. Los primeros
Atm. and Ocean Re- MIROC miroc5 256 _ 128, L40 ~1.4 1.4 escenarios eran bastante sencillos y se basaban en modelos que eran
search Inst. (Univ. of
Tokyo), Nat. Inst. for representaciones estilizadas de incrementos en la concentracin de
Environmental Studies, CO2 en la atmsfera. Estos primeros escenarios permitan responder a
and Japan Agency for preguntas del tipo qu pasara si la concentracin CO2 aumentara en
Marine-Earth Science dos (cuatro) veces? Cmo respondera el sistema climtico?
and Technology, Japn
AORI&NIES&JAMSTEC,
Japn Los escenarios actuales representan los forzamientos ms impor-
tantes, los procesos asociados, los posibles impactos (fsicos, ecolgi-
Met Office Hadley MOHC had- 192 _ 145, L38 1.25 1.875
Centre cos y econmicos) y las posibles respuestas que ayuden a la toma
gem2-es
MOHC, Exeter, Reino de decisiones polticas. Estos escenarios son distintos de los usa-
Unido dos en el Cuarto Informe del IPCC y fueron desarrollados por la Inte-
Max Planck Institute for MPIM mpi-esm-lr 192 _ 96, L47 ~1.85 1.87 grated Assessment Modelling Community (IAMC). ste es un panel
Meteorology (MPI-M), cientfico que incluye representantes de las comunidades de de-
Hamburgo, Alemania sarrolladores de escenarios socioeconmicos, modeladores climti-
Max Planck Institute for MPIMm mpi-esm- 192 _ 96, L95 ~1.85 1.87 cos, mitigacin y adaptacin que desarrollan, conjuntamente, estos
Meteorology (MPI-M), mr nuevos escenarios.
Hamburgo, Alemania
Meteorological Re- MRI mri-cgcm3 320 _ 160, L48 1.125 1.125
search Institute (MRI),
La elaboracin de estos escenarios est basada, principalmente, en las
Tsukuba,Japn recomendaciones de los tomadores de decisiones y cientficos que tra-
NCAR Community bajan en el mbito de la mitigacin. Estos nuevos escenarios evalan,
NCAR ccsm4 288 _ 192, L26 0.943 1.25
Climate System Model, explcitamente, distintas estrategias y polticas climticas de mitigacin
Estados Unidos y de adaptacin. De esta manera, permiten asociar directamente una
NorwegianClimateCen- NCC noresm1 144 _ 96, L26 ~1.85 2.5 cierta respuesta climtica a una cierta estrategia de mitigacin y as
tre NCC, Oslo Noruega -m evaluar los costos y beneficios de distintas estrategias.
En la elaboracin de los nuevos escenarios se tuvo en cuenta la evo-
lucin de los modelos climticos, muchos de los cuales incluyen ac-
tualmente submodelos de vegetacin interactiva, ciclo de carbono e
incorporan una mejor representacin de la qumica atmosfrica. Estas
mejoras en los modelos requieren informacin sobre la distribucin,
espacial y temporal, de los GEI ms detallada de la que ofrecan los
escenarios anteriores. Tambin es necesaria la inclusin de un mayor
nmero de gases (aerosoles sobre todo) y la elaboracin de escenarios
de cambio de uso de suelos (Richard et al., 2010).
Modelos Regionales
Para las estimaciones de proyecciones regionalizadas de cambio
climtico se utiliza el downscaling dinmico. Esta metodologa de es-
timaciones de proyecciones regionalizadas de cambio climtico con-
siste en conseguir proyecciones de cambio climtico en una regin de-
terminada con resolucin espacial ms alta que los modelos globales
(descenso de las escalas grandes a las escalas pequeas) con
modelos climticos de rea limitada. Las escalas grandes vienen da-
das por los modelos globales acoplados ocano-atmsfera y el au-
mento de la resolucin, que proporciona el detalle local, se realiza con
ayuda de modelos climticos regionales. En esta tcnica se parte de
la hiptesis de que los fenmenos a escala pequea se fundamentan
en las grandes escalas que son las que realmente se predicen con los
modelos globales; y los modelos climticos regionales aaden, a esta
seal, los fenmenos relacionados con una orografa ms detallada y
una mejor representacin de las escalas sinpticas.
En el marco de esta metodologa, la aproximacin estndar a las
proyecciones regionalizadas consta normalmente de dos pasos.
Primero, la integracin del modelo global y despus, la adaptacin
regional. La informacin solamente fluye desde las escalas grandes
(modelos globales) a las escalas regionales (modelos regionales). Los
modelos regionales cubren un dominio de rea limitada con una malla
ms fina que la del modelo global y son forzados en sus fronteras late-
rales y en la superficie ocenica por los datos del modelo global.
El modelo climtico de alta resolucin, REMO, es uno de esos modelos
regionales. Desarrollado por el Instituto Max Planck de Meteorologa
de Hamburgo, REMO es un modelo de circulacin atmosfrica [10] tri-
dimensional que resuelve las ecuaciones primitivas discreteadas (con
aproximacin hidrosttica). El modelo REMO ha demostrado ser capaz
de reproducir, de forma bastante fiable, los patrones climticos re-
gionales en el continente europeo (proyecto ENSEMBLE), en frica y
Suramrica (proyecto CORDEX).
Un procedimiento alternativo de regionalizacin dinmica consiste en
llevar a cabo simulaciones con modelos atmosfricos que utilizan una
rejilla no uniforme con mayor densidad de puntos sobre la zona de
inters, forzndolos con los datos ocenicos proporcionados por la
componente ocenica del modelo acoplado global. Tambin, aunque
resulta ms costoso desde el punto de vista computacional, se puede
llevar a cabo la bajada de escala utilizando un modelo con alta reso-
lucin de malla uniforme. Este es el camino seguido en Mizuta et al.
(2012) que llevaron a cabo simulaciones globales de alta resolucin
(60 km y 20 km) con el modelo atmosfrico MRI-AGCM de la agencia
Meteorolgica Japonesa (JMA). La resolucin horizontal de este mod-
elo es comparable a las resoluciones de modelos climticos regionales
utilizados en estudios de cambio climtico recientes. Los resultados
obtenidos con MRI-AGCM han sido utilizados para investigar el cambio
climtico en diferentes regiones de Amrica Latina y el Caribe (Verga-
ra et al., 2010), Bangladesh (Rahman et al., 2011) y el Mediterrneo.
Tambin se utilizarn datos proporcionados por este modelo, a resolu-
cin de 20 km y 60 km.
15
 Validacin

Las incertidumbres procedentes de los modelos globales varan mucho Se ha realizado un nmero de anlisis con fin de evaluar la ca-
dependiendo de la variable, de la regin y de la estacin considerados. pacidad del conjunto de modelos globales en CMIP5 y los modelos
Es muy importante evaluar los distintos AOGCM, tanto en perodos regionales REMO y MRI-AGCM de simular el clima actual en los pases
instrumentales como preinstrumentales, para estimar la capacidad de andinos. Para validar los campos de precipitacin y temperatura del
los distintos modelos de simular un amplio abanico de forzamientos. aire, a dos metros, utilizamos la base de datos de la Universidad de
Delawere.
Las incertidumbres provenientes de las distintas tcnicas de re-
gionalizacin, bien sea basadas en mtodos empricos o en modelos Las temperaturas de esta base de datos se proporcionan en una malla
regionales, se han explorado ampliamente en el contexto europeo en el regular de 0,5 grados tanto en longitud como latitud. Los datos ob-
marco de proyectos del FP5 EU: STARDEX (http://www.cru.uea.ac.uk/ servados, desde los que han sido interpoladas estas temperaturas,
projects/stardex/) y PRUDENCE (http://prudence.dmi.dk/). provienen de diversas fuentes, incluyendo la Red Climatolgica Histri-
ca Global (GHCN2), la Red Global de Climatologa Sinptica (Dataset
En el contexto de PRUDENCE, se ha estudiado la dispersin de los 9290c de NCDC de EEUU y el Resumen Global Diario de Superficie
distintos GCM (modelos climticos globales) y RCM (modelos climti- (GSOD).
cos regionales) alrededor de su centroide medida por la desviacin es-
tndar intermodelos que permite explorar el grado de acuerdo de los Los promedios mensuales de temperatura y precipitacin de las esta-
diferentes modelos y, por lo tanto, explorar la incertidumbre asociada cionesse interpolan a la malla con ayuda de una combinacin de mto-
a los GCM y RCM (DEQU et al., 2005). Se ha visto que la dispersin dos de interpolacin espacial: Modelo Digital de Elevacin (DEM), inter-
de los GCM es mayor que la de los RCM (forzados por el mismo GCM) polacin asistida (Willmotty Matsuura, 1995); interpolacin tradicional
para el caso de la temperatura, tanto en verano como en invierno. Esto (Willmottet al., 1985) e interpolacin ayudada climatolgicamente (CAI)
es consistente con la ligadura adicional de los RCM por las condiciones (Willmotty Robeson, 1995).
de contorno.
En el caso de la precipitacin, el comportamiento es distinto, los RCM Para la validacin se utiliza el periodo 1980-1999. ste es el perodo de
muestran mayor dispersin que los GCM en el verano. Esto puede referencia usado en el Quinto Informe como perodo base para estudiar
explicarse por el hecho de que los GCM poseen una resolucin ms la seal de cambio climtico. Adems, del modelo MRI-AM solo se dis-
baja que los RCM y pierden algunos forzamientos orogrficos. pone del periodo 1979-2003 en las simulaciones de clima actual, lo que
En este proyecto no se analiz la dispersin, sin embargo hay que no permite el uso del otro perodo de referencia habitual 1961-1990.
tenerla en cuenta al interpretar los resultados que se obtendrn en los
anlisis. Para cuantificar las incertidumbres se utiliza algunas herra-
mientas sencillas que permiten comparar integraciones, en perodos
de control, con bases de datos observacionales y estimar la diver-
gencia entre las estimaciones de las proyecciones futuras de distintos
modelos globales.
 Correccin de Desviaciones las desviaciones de la precipitacin. Al aplicar la correccin de desvia-
ciones, suponemos que la dependencia espacial y temporal de las
variables climticas puede ser descrita por procesos aleatorios esta-
Figura 1.1 cionarios en el tiempo y, por tanto, la densidad marginal de probabili-
Esquema de la correccin de desviaciones por el mtodo de cuantiles.
dad de las variablesno cambia a lo largo del tiempo o la posicin. En
este mtodo, la correccin de las desviaciones durante el post-proceso
se aplica a la distribucin marginal de los datos del modelo, de modo
que se corrigen los errores sin que la dependencia espacio temporal
sea alterada explcitamente.

Para llevar a cabo el mapeo de cuantiles se trata de hallar una transfor-

macin de la distribucin de probabilidad de la variable modelada Pm
tal que la nueva distribucin se ajuste lo ms posible a la distribucin
de la variable observada Pm.
Esta transformacin suele ser paramtrica, habindose explorado en la
literatura distintas expresiones:

Po = f(Pm)

a Po = bPm

b Po = a + bPm
Las variables climticas simuladas por los modelos climticos con
frecuencia muestran una desviacin sistemtica con respecto a las c Po = Pmc
observaciones, limitando su utilidad para estudios de impacto (Chris- Po = b(Pm -X)
c
tensen et al., 2008). Por ello, es habitual hacer un post-proceso de la d
salida de los modelos con el objetivo de corregirlos para mejorar su e Po = (a + bPm)(1 - e-(Pm - X)/ )
correspondencia con los datos observados. Los mtodos ms sen-
cillos de correccin de estas desviaciones (bias correction) consisten
en sustraer la diferencia entre las climatologas de los modelos y las Donde Po es la mejor estimacin de Po. El escalado simple (a) es normal-
observaciones. Mtodos ms elaborados tambin corrigen la varian- mente usado para el mapeo de la precipitacin (Maraun et al., 2010).
cia, que suele ser menor en los modelos que en las observaciones. El Las expresiones (b)-(e) han sido utilizadas por otros autores (Piani et al.,
mtodo de mapeo de cuantiles (Panofsky et al., 1968) es un desarrollo 2009; Dosio and Parulo, 2011).
ms sofisticado, en el que se corrigen las desviaciones en cada cuan- Todas estos algoritmos de mapeo estn realizados en el programa
til. Themel et al. (2011) compararon varios mtodos de correccin, qmap (Gudmundsson et al., 2012), que se utilizaron para la correccin
llegando a la conclusin de que este mtodo es el que mejor corrige de las desviaciones.

17
 Escenarios
Como se indic en la seccin anterior, los escenarios describen lneas
evolutivas plausibles de las condiciones climticas y otros aspectos del
futuro, principalmente relacionadas con aspectos socio-econmicos y
las emisiones de gases de efecto invernadero y aerosoles asociadas.
Los primeros modelos eran muy sencillos y, bsicamente, consideraban
los incrementos en los contenidos de CO2. En cambio los escenarios
acturales tratan de incorporar los forzamientos ms importantes, los
procesos asociados, los posibles impactos y las posibles respuestas
que ayuden a tomar decisiones polticas.
En la siguiente figura se esquematiza el proceso de desarrollo de esce-
narios y luego se presentan los tipos de escenarios ms importantes.
Figura 1.2
Proceso de desarrollo de escenarios a partir del segundo informe IPCC
Los tipos ms importantes de escenarios son:
a) Escenarios de emisin: Describen posibles emisiones futuras de
GEI, aerosoles y usos de suelo. Incluyen tambin otros factores de cam-
bio: patrones y ritmo de crecimiento econmico, cambio demogrfico,
tecnologa, poltica y otros factores importantes para la evaluacin de
impactos. Los escenarios de emisin no son predicciones o pronsti-
cos: reflejan la opinin de expertos con respecto a posibles emisiones
en el futuro basados en las tendencias socioeconmicas, ambientales
y tecnolgicas. Estos escenarios no reflejan fluctuaciones a corto pla-
zo, tales como ciclos econmicos o ciclos de mercado; el nfasis, en
el largo plazo, es importante para evaluar la respuesta lenta del sistema
climtico.
b) Escenarios climticos: Son representaciones de posibles esta-
dos futuros del clima (temperatura, precipitacin y otros fenmenos
climatolgicos). Los escenarios climticos se pueden generar con dis-
tintas tcnicas:
- Incrementales, cuando elementos climticos son aumenta-
dos en magnitudes plausibles;
- Anlogos espaciales y temporales, en los que regmenes
climticos conocidos que pueden ser parecidos al clima futuro
son utilizados para estudiar el clima futuro;
- Extrapolacin y evaluaciones de expertos;
- Tcnicas que usan modelos fsicos y climticos, incluyendo
modelos climticos regionales.
Los modelos climticos proporcionan la mayor parte de la informacin
utilizada en estudios de impacto. Debido a la importancia de los im-
pactos regionales y locales, se presta especial inters a los escenarios
regionales.
c) Escenarios medioambientales: El estudio del impacto poten- a) Proveen informacin b) Representan c) Son compatibles
cial de un escenario climtico dado requiere escenarios ambientales detallada a las comuni- forzamientos radiativos con todo el rango de
con informacin. Los escenarios ambientales hacen hincapi en facto- dades de adaptacin y lo suficientemente escenarios de emis-
res ambientales distintos del clima que pueden ser independientes del desarrollo socio- diferentes como para iones, estabilizacin y
cambio climtico. Esos factores son la disponibilidad de agua y su cal- econmico para poder diferenciar mitigacin existente en
idad a nivel de cuencas, variaciones en el nivel del mar debido a facto- desarrollar escenarios su impacto
la literatura publicada y
basados en polticas climtico en el largo
res geolgicos, caractersticas del suelo y su uso y condiciones locales revisada por pares.
futuras. plazo.
de la atmsfera que influyen en la calidad del aire. Estos factores son
importantes, ya que si no se tienen en cuenta, no se puede entender los Estos nuevos escenarios son cuatro y son nombrados de acuerdo al
posibles impactos ni la efectividad de las medidas de mitigacin. forzamiento radiativo que producen al ao 2100: RCP 2.6 W/m2, RCP
4.5 W/m2, RCP 6.0 W/m2 y RCP 8.5 W/m2. Las caractersticas ms
d) Escenarios de vulnerabilidad: El Quinto Informe del IPCC se basa importantes de estos escenarios se ilustran en la Figura 1.3; la evo-
en escenarios que, por primera vez, exploran estrategias de mitigacin lucin temporal de las radiaciones y emisiones correspondientes se
en adicin a los escenarios tradicionales sin polticas climticas. La representan en la figura 1.4. El nuevo escenario RCP2.6 (o required
informacin primaria sobre posibles cambios climticos debido al au- by science) tiene concentraciones mucho ms bajas que cualquiera
mento de la concentracin de GEI, de origen antropognico, procede de los escenario SRES utilizados en el Cuarto Informe, y el escenario
de los diferentes AOCGM integrados con escenarios alternativos de RCP8.5 llega a fines de siglo con concentraciones de CO2 ms altas
emisin RCP (en espaol, vas de concentracin representativas). que cualquiera de los escenarios utilizados en el Cuarto Informe.

Figura 1.3
Vas de concentracin representativas definidas para el Quinto Informe

Los nuevos escenarios de emisiones presentan las siguientes

caractersticas (Moss et al., 2010, van Vuuren et al., 2011).
Figura 1.4
Evolucin temporal del forzamiento radiativo (izquierda) y emisiones (derecha) en los RCP
usados en el Quinto Informe del IPCC. En gris se representa el percentil 98 de los esce-
narios SRES utilizados en el Cuarto Informe. Las lneas grises representan los escenarios
SRES.

19
 RCP 2.6
Esta va de concentraciones es representativa de escenarios de miti-
gacin cuyo objetivo es limitar el calentamiento global a menos de 2
C a fin de siglo. Aunque existen importantes incertidumbres, se ha
determinado que este objetivo se puede alcanzar si el forzamiento ra-
diativo hacia el ao 2100 alcanza valores menores a 3W/m2. Por esto,
en este RCP se ha supuesto que, inicialmente, el forzamiento radiativo
crece hasta alcanzar un valor de 3,1W/m2 a mediados de siglo, cuando
comienza a reducirse hasta que hacia el final de siglo alcanza un valor
de 2.6W/m2.
Esto hace necesaria una reduccin bastante drstica de las emisiones,
que algunos sugieren no son posibles (van Vuuren et al., 2011b). Sin
embargo, resultados del modelo integrado de evaluacin IMAGE mues-
tra que alcanzar este objetivo es posible para valores de crecimiento de
poblacin mundial, Producto Interno Bruto (PIB) e intensidad de emis-
iones (emisiones/PIB) (ver Figura 1.4). La realizacin de este escenar-
io requiere de tecnologas de almacenamiento y captura de carbono
(Carbon Capture and Storage, CCS) y disminucin de emisiones de
bo-energas, gas natural, petrleo y carbono a partir del ao 2020. La
figura 1.5 muestra la trayectoria de la lnea base y las trayectorias re-
queridas para alcanzar los 2.6 W/m2 de forzamiento de este escenario.
Figura 1.5
Evolucin temporal de la poblacin (izquierda) y producto interior bruto (derecha) en los
RCP usados en el Quinto Informe del IPCC. En gris se representa el percentil 98 de los
escenarios SRES del cuarto informe. Las lneas grises representan los escenarios SRES
RCP 4.5
Este es un escenario de estabilizacin, en el que para el ao 2100,
el forzamiento radiativo es de 4.5 W/m2, sin haber excedido este val-
or antes (Thomson et al., 2011). Para lograr este objetivo, se suponen
polticas climticas, que en este caso incluyen la penalizacin del uso
de carbono. En este escenario, la poblacin mundial llega a nueve mil
millones en 2065 y se reduce a 8,7 mil millones en 2100. El PIB mundial
crece un orden de magnitud, y la necesidad energtica en 3 rdenes
de magnitud. Adems de imponer precios al carbn, la tecnologa de
captura y almacenamiento de carbn (CCS) se desarrolla de manera
que la industria elctrica llega a ser un sumidero neto de carbn. En
este escenario, las emisiones de GEI llegan a su mximo alrededor del
ao 2040, luego comienzan a bajar hasta el ao 2080, cuando se esta-
bilizan.
Figura 1.6
Evolucin temporal del consumo de energa (derecha), consumo de combustibes fsiles
(centro) y el uso primario de energa (izquierda) en los RCP usados en el Quinto Informe
del IPCC. En gris se representa el percentil 98 y 90 (gris claro/oscuro) de los escenarios
SRES del Cuarto Informe. Las lneas grises representan los escenarios SRES.
 RCP 6.0 ndices Climticos
En esta va representiva de concentraciones, las emisiones de gases
de efecto invernadero y cambios en el uso de suelo se traducen en un Las tendencias climticas en una regin del globo se pueden moni-
forzamiento radiativo de 6 W/m2 al ao 2100 (Masui et al, 2011). torizar mediante el seguimiento de un conjunto de indicadores climti-
cos definidos a escala internacional. Los indicadores nos permiten,
Esto requiere disminuciones significativas de emisiones a partir del ao generalmente de manera cuantitativa, ilustrar y comunicar de mane-
2060 (ver figura 1.4), que se logran a travs la imposicin de polticas ra sencilla procesos complejos que incluyen tendencias y progresin
climticas, es decir, que limiten las emisiones va precios y tecnologa a lo largo del tiempo. Para que un indicador sea vlido debe cumplir
de CCS. La poblacin mundial crece hasta 9,8 billones al ao 2100. El dos condiciones: tener una buena base conceptual (debe hacerse una
PIB per cpita global crece un 1,6% anualmente durante 20002060 descripcin de la metodologa y de las frmulas utilizadas) y ser com-
y entre 1,3 y 1,4% durante 20602100. La intensidad energtica dis- prensible y simple.
minuye a un ritmo de 1,2%/ao antes de 2060 a un ritmo de 1.5%/ao Los ndices climticos son indicadores de seguimiento del cambio
entre 2060-2100. climtico, que se basan, fundamentalmente, en las variables de tem-
peratura y precipitacin. Tal como establece la Organizacin Meteo-
RCP 8.5 rolgica Mundial (OMM), el clculo de ndices climticos es una herra-
mienta til para caracterizar el clima, presentar los patrones climticos
El escenario RCP8.5 representa una va en la que las emisiones y las histricos y detectar los cambios. Con tal objetivo, la OMM ha impul-
concertaciones son altas. Sus principales supuestos socio econmicos sado la concepcin de herramientas de deteccin del cambio climtico
incluyen alto crecimiento poblacional, relativamente bajo crecimiento y la programacin de un software especfico para calcular ndices que
de PIB, con tasas modestas de cambios tecnolgicos y de eficiencia reflejen las estimaciones ms precisas de las tendencias climticas en
energtica. Esto lleva a una importante demanda energtica y conse- todo el mundo. De hecho, expertos de distintos pases han compartido
cuente emisiones de gases de efecto invernadero. En este escenario conocimientos y esfuerzos para establecer ndices comunes aplicables
no se implementan polticas de cambio climtico. Las figuras 1.5 y 1.6 a todo el mundo y facilitar su clculo. En concreto, el Grupo de Exper-
muestran los forzamientos socio econmicos (poblacin y producto tos en Deteccin de Cambio Climtico e ndices (Expert Team on Cli-
interno bruto), usos energticos y emisiones para esta va. En cada mate Change Detection and Indices, ETCCDI) ha formulado y definido
aspecto, salvo en PIB, este escenario tiene valores mayores a los otros un conjunto de ndices para analizar situaciones climticas extremas
tres. aplicando una metodologa idntica para garantizar que los resultados
En este captulo solamente se han considerado tres escenarios de puedan analizarse globalmente. El ETCCDI depende de la Comisin
emisin: RCP2.6, RCP4.5 y RCP8.5. de Climatologa (CCl) de la OMM, parte del Programa Mundial de In-
vestigaciones Climticas (PMIC), y de la Comisin Mixta sobre Ocean-
ografa y Meteorologa Marina (Joint Comission for Oceanography and
Marine Meteorology o JCOMM).Informacin adicional sobre el ETCCDI
se puede encontrar en: http://cccma.seos.uvic.ca/ETCCDI/indices.sht-
ml. Los 27 ndices definidos por este grupo de expertos y que se utili-
zan en este proyecto se muestran en la tabla 1.2.

21
Aunque la evolucin del clima puede ser entendida a travs de los va- ndice Nombre Definicin Unidad
lores medios y la variabilidad de las variables climticas, el estudio de Castellano Ingls Castellano Ingls
los extremos climticos es importante, ya que los extremos son una de DEC GSL Duracin de Growing Nmero de das en 1 ao das
las causas ms importantes de los desastres naturales. Pero los ries- la estacin de season entre la primera racha de,
gos de desastre tambin dependen de algo ms que peligros fsicos. crecimiento length como mnimo, 6 das con
Los riesgos de desastres son el resultado de la interaccin de eventos TG > 5C y la primera
racha despus de 1 de julio
climticos o meteorolgicos, que son los factores fsicos de los riesgos
con, como mnimo, 6 das
de desastre con la exposicin y la vulnerabilidad, que son los factores con TG < 5C
con los que contribuye la sociedad. Las consecuencias de los even-
TXx TXx Mxima Maximum Valor mximo anual de C
tos extremos son el resultado de la combinacin de estos factores,
de TX TX la temperatura mxima
haciendo difcil su estudio. Sin embargo, un adecuado entendimiento diaria
de los riesgos naturales es un importante requisito para la valoracin
de los riesgos de exposicin y la vulnerabilidad de ecosistemas y co- TNx TNx Mxima de Maximum Valor mximo anual de C
TN TN la temperatura mnima
munidades a esos extremos climticos y meteorolgicos. diaria
Tabla 1.2 TXn TXn Mnima de Minimum Valor mnimo anual de C
ndices climticos definidos por el ETCCDI, donde TN es la temperatura mnima, TX la TX TX la temperatura mxima
temperatura mxima, TG la temperatura media y PPT la precipitacin; el clculo de per- diaria
centiles.
TNn TNn Mnima de Minimum Valor mnimo anual de C
ndice Nombre Definicin Unidad TN TN la temperatura mnima
Castellano Ingls Castellano Ingls diaria

DHe0 FD0 Das de Frost days Nmero de das en 1 das TN10p TN10p Noches Cold nights Porcentaje de das en %
helada ao en que TN < 0C frias que TN < percentil 10

DV25 SU25 Das de Summer Nmero de das en 1 das TX10p TX10p Das frios Cold days Porcentaje de das en %
verano days ao en que TX > 25C que TX < percentil 10
TN90p TN90p Noches Warm Porcentaje de das en %
DGa0 ID0 Da glacial Ice days Nmero de das en 1 das clidas nights que TN > percentil 90
ao en que TX < 0C
TX90p TX90p Das Warm days Porcentaje de das en %
NT20 TR20 Noches Tropical Nmero de das en 1 das clidos que TX > percentil 90
tropicales nights ao en que TN > 20C
IDRC WSDI Indicador de Warm spell Nmero de das en 1 ao das
duracin de duration que, como indicador mn-
racha clida imo, hay 6 das consecuti-
vos con TX > percentil 90
ndice Nombre Definicin Unidad ndice Nombre Definicin Unidad
Castellano Ingls Castellano Ingls Castellano Ingls Castellano Ingls
IDRF CSDI Indicador Cold spell Nmero de das en 1 das LMRS CDD Longitud Maximum Mximo nmero en 1 ao das
de duracin duration ao que, como indica- mxima length of de das consecutivos con
de racha fra dor mnimo, hay 6 das de la racha dry spell PPT < 1 mm
consecutivos con TN < seca
percentil 10
LMRH CWD Longitud Maximum Mximo nmero en 1 das
ATA DTR Amplitud Diurnal Media anual de la difer- C mxima de length of ao de das consecuti-
trmica tempera- encia entre TX y TN la racha wet spell vos con PPT 1 mm
tura anual lluviosa
range
P95pTOT R95pTOT PPT total Annual total PPT total anual (en das mm
PX1dia RX1day Mximo Maximum Valor mximo anual de mm anual en los precipitation en que 1 mm) cuando
de PPT 1-day pre- precipitacin en 1 da das muy on a wet la PPT diaria cumulada
en un da cipitation lluviosos day when es superior al percentil
amount > 95th 95
percentile
PX5dia RX5day Mximo Maximum Mxima anual de la PPT mm
de PPT 5-day registrada en 5 das P99pTOT R99pTOT PPT total Annual total PPT total anual (en das mm
en 5 das precipitation consecutivos anual en precipitation en que 1 mm) cuando
consecutivos amount los das on a wet la PPT diaria cumulada
ISID SDII ndice Simple PPT total anual dividida mm/da extrema- day when es superior al percentil
simple de daily entre el nmero de das damente > 99th 99
intensidad intensity con PPT 1 mm lluviosos percentile
diaria index PTOT PRCPTOT PPT total Annual PPT total anual precip- mm
DP10 R10 Das de Annual Nmero anual de das en das anual en total itacin en das en que
PPT count of que PPT 10 mm los das wet-day PPT 1 mm
10 mm days when lluviosos
precipitation
10 mm
DP20 R20 Das de Annual Nmero anual de das en das
PPT count of que PPT 20 mm
abundante days when
precipitation
20 mm
DP50 R50 Das de Annual Nmero anual de das en das
PPT muy count of que PPT 50 mm
abundante days when
precipitation
50 mm

23
 Resultados verano austral. Tambin cabe destacar que en invierno, en el norte de
Per y el este de Ecuador, REMO simula una precipitacin menor que la
VALIDACIN DE REMO Y MRI-AGCM observada, en tanto que en MRI_AGCM, el bias es positivo.

Para validar los campos de precipitacin y temperatura del aire, a dos

metros, se utiliza la base de datos de la Universidad de Delawere. Las
temperaturas de esta base de datos se proporcionan en una malla regu-
lar de 0.5 grados tanto en longitud como latitud. Los datos observados
desde los que han sido interpoladas estas temperaturas provienen
de diversas fuentes, incluyendo la Red Climatolgica Histrica Global
(GHCN2), la Red Global de Climatologa Sinptica (Dataset 9290c de
NCDC de EEUU) y el Resumen Global Diario de Superficie (GSOD).
Los promedios mensuales de temperatura y precipitacin de las esta-
ciones se interpolan a la malla con ayuda de una combinacin de mto-
dos de interpolacin espacial: Modelo Digital de Elevacin (DEM), inter-
polacin asistida (Willmott y Matsuura, 1995); interpolacin tradicional
(Willmott et al., 1985) e interpolacin ayudada climatolgicamente (CAI)
(Willmott y Robeson, 1995).

A continuacin se presentan los cambios de temperatura media y pre-

cipitacin para el escenario A1B para el modelo MRI-AGCM y de
temperatura media, temperatura mnima, temperatura mxima y
precipitacin para REMO en las tres vas de concentracin represen-
tativas RCP2.6, RCP4.5 y RCP8.5. Para el clculo de las climatologas
y los ndices se ha utilizado el programa Climate Data Operators (CDO,
https://code.zmaw.de/projects/cdo) y para la representacin grfica, se
ha utilizado NCL (http://www.ncl.ucar.edu/).

En la figura 1.7 se representa la climatologa de precipitaciones en la

base de datos de la Universidad de Delawere en la regin andina para
las cuatro estaciones, as como los bias de REMO y MRI-AGCM. Se
puede observar que los tres modelos muestran una buena representacin
de la precipitacin, siendo MRI-AGCM con resolucin de 20 km el ms
cercano a las observaciones. Los tres modelos, y especialmente REMO,
tienen un exceso de precipitacin sobre los Andes, sobre todo en el
Figura 1.7
Precipitacin estacional (mm/mes) en la base de datos de Delawere (fila superior: invierno
(primera columna), primavera (segunda columna), verano (tercera columna), otoo (cuarta
columna)) y los errores de los modelos. REMO con 50 km de resolucin (segunda fila),
MRI-AGCM, 50 km de resolucin (tercera fila) y MRI-AGCM, 20 km. (cuarta fila)
Las temperaturas simuladas por REMO y MRI-AGCM muestran pa-
trones de error muy semejantes, tanto en distribucin espacial como
en magnitud. Se pueden ver como todos los modelos muestran errores
positivos en la costa y negativos en las zonas montaosas. La discrep-
ancias entre modelos y observaciones en la regin costera se puede
explicar en parte por el hecho de que, en general, la estrecha franja
costera no est bien resuelta ni por las observaciones ni los modelos,
excepto MRI-AGCM a 20 km, para el cual los errores positivos en la
costa estn restringidos a una banda ms delgada.

Figura 1.8
Temperatura a 2m (grados centgrados) estacional en la base de datos Delawere (fila
superior: invierno (primera columna), primavera (segunda columna), verano (tercera co-
lumna), otoo (cuarta columna)) y los errores de los modelos. REMO con 50 km de reso-
lucin (segunda fila), MRI-AGCM, 50 km de resolucin (tercera fila) y MRI-AGCM, 20 km
(cuarta fila)

25
 Cambio de las Variables Climticas para el Temperatura media diaria
Perodo 2020-2039.

Se incorporaron a la base de datos las temperaturas medias y pre-

cipitacin diarias de todos los modelos utilizados para el perodo de
inters 2020-2039, para el cual se disponan datos de todos los mod-
elos; extendindose la base de datos para estas variables hasta 2100
sin el modelo MRI-AGCM. Adicionalmente, se aadieron las variables
de temperatura mnima y temperatura mxima diarias para los modelos
globales y el modelo regional REMO, cubrindose todo el siglo XXI.
Las proyecciones para REMO y los modelos globales corresponden a
los escenarios RCP2.6, RCP4.5 y RCP8.5 del Quinto Informe del IPCC.
En tanto que las simulaciones con el modelo MRI-AGCM, se llevaron
a cabo utilizando como forzamiento el escenario SRES A1B. De esta
manera, en la proyeccin de consenso se utilizaron dos escenarios ex-
tremos, RCP2.6 y RCP8.5 y dos intermedios, RCP4.5 y SRES A1B.

Figura 1.9
Cambios estacionales en la temperatura a 2m (grados centgrados) con respecto al
perodo 1980-1999 (fila superior: verano austral (izquierda), otoo (derecha). Fila inferior:
invierno (izquierda), primavera (derecha). Se representa el promedio de todos los modelos
utilizados en el proyecto.
En la Figura 1.9, se representan los cambios de temperatura media di-
aria del perodo 20202039 con respecto al perodo 19801999 para la
regin que cubre el proyecto. Todos los cambios son positivos y varan
entre 0,5 2,0 grados centgrados, dependiendo este cambio de la
estacin. Tambin se observa una marcada dependencia geogrfica.
En el verano austral se observa un contraste este-oeste, con la cordille-
ra andina, especialmente en los valles interandinos, experimentando los
cambios ms fuertes y las regiones amaznicas los ms dbiles para
Per y Bolivia. En Ecuador el patrn es inverso, en la regin amazni-
ca, los cambios son ms fuertes que en la regin costera, alcanzando
valores de hasta 1,5 grados. Los cambios en temperatura media ms
fuertes se observan durante el otoo, aunque se mantiene el patrn
espacial de cambios del verano. Los valores ms altos de cambio de
temperatura se observan en la regin del altiplano peruano y el este de
Bolivia, alcanzando valores de hasta 2 grados centgrados. El patrn
de cambios de temperatura media para el invierno, estacin para la
cual los cambios son menores, es muy semejante al del verano, aunque
ahora no se observa el contraste este-oeste en Ecuador. En primavera
se observa un patrn de cambio semejante a verano, aunque ahora en
el oeste de Bolivia, los cambios alcanzan su valor mximo de 1,5-2,0
grados centgrados.

Figura 1.10
Cambios estacionales en la precipitacin (mm/ao) con respecto al perodo 1980-1999
(fila superior: verano austral (izquierda), otoo (derecha). Fila inferior: invierno (izquierda),
primavera (derecha). Se representa el promedio de todos los modelos utilizados en el
proyecto.

27
 Precipitacin
En la Figura 1.10 se representan los cambios de precipitacin acumu-
lada del perodo 20202039 con respecto al perodo 19801999 para
la regin que cubre el proyecto. La tendencia es positiva en la mayor
parte de la regin y, en todas las estaciones de estudio, varan entre -30
y +50 mm/ao, observndose una fuerte dependencia estacional de
este cambio. La distribucin geogrfica del cambio, como en el caso
de la temperatura media, es tambin marcada. El verano austral es la
estacin con mayores cambios. En el norte de la regin de estudio, los
mayores cambios positivos se dan en la vertiente oriental de los Andes
con cambios negativos en la regin de valles interandinos. En Per y
Bolivia, los cambios ms fuertes se dan en la vertiente occidental de los
andes, con la costa y regin amaznica presentando los cambios posi-
tivos ms dbiles. Aparte de los valles interandinos en Ecuador, tambin
se proyectan disminuciones de precipitacin en la regin suroriental de
Bolivia y en partes de la Amazona peruana. Durante el otoo, se re-
fuerzan las tendencias negativas de la precipitacin en la regin de los
valles interandinos ecuatorianos y, aunque prcticamente se mantiene
el patrn espacial de cambios del verano, los valores ahora son ms
dbiles, apareciendo una tendencia a la disminucin de la precipitacin
en el noreste de Bolivia. El patrn de cambios de presin para el in-
vierno, estacin para la cual los cambios son menores, es muy distinto
al de las dos estaciones anteriores, especialmente en Ecuador, donde
ahora se observa un claro contraste este-oeste, con cambios negativos
al este y positivos al oeste. En Per y Bolivia tambin se observa un
contraste este-oeste en los cambios, de signo similar a los cambios en
Ecuador, aunque de valores mucho ms pequeos. En primavera, el
patrn de cambio es inverso al de verano, los cambios son ms fuertes
y se proyecta un aumento de precipitacin en la regin andina.
Temperaturas diarias mximas y mnimas
En la Figuras 1.11 y 1.12 se representan los cambios de temperatura
diaria mnima y mxima del perodo 20202039 con respecto al perodo
19801999 para la regin que cubre el proyecto. Tanto los cambios de
temperatura mnima como mxima son positivos en todo el territo-
rio estudiado y sus valores varan entre 0,5 2,0 grados centgrados,
dependiendo este cambio de la estacin. Como en el caso de la tem-
peratura media, los valores del cambio varan con la geografa, aunque
para la temperatura mnima, esta dependencia es menor. En el ver-
ano austral, tambin observamos para ambas variables un contraste
este-oeste, aunque los cambios para la temperatura mnima son ms
uniformes, especialmente en Ecuador y el sur del Per. En ambas vari-
ables, la Cordillera de los Andes experimenta los cambios ms fuertes
y las regiones amaznicas los ms dbiles. Esto es, especialmente,
cierto para la temperatura mxima en los Andes en la regin sur del
Per y es sureste de Bolivia, donde los cambios alcanzan su valor
mximo para esta estacin. Tanto para la temperatura mxima como la
mnima, los cambios mayores se producen durante el otoo y la prima-
vera, aunque los patrones espaciales de cambios son distintos para las
distintas estaciones. Los valores ms altos de cambio de temperatura
mxima en otoo se observan al este de la regin de estudio, en tan-
to que durante la primavera, los cambios ms altos se producen en el
oeste; en tanto que para las temperaturas mnimas, el patrn espacial
es ms uniforme. El patrn de cambios de temperatura media para el
invierno, estacin para la cual los cambios son menores, es muy seme-
jante al del verano, aunque ahora no se observa el contraste este-oeste
en Ecuador para las temperaturas mximas.
Figura 1.11
Cambios estacionales en la temperatura mnima diaria (grados centgrados) con respec-
to al perodo 1980-1999 (fila superior: verano austral (izquierda), otoo (derecha). Fila
inferior: invierno (izquierda), primavera (derecha). Se representa el promedio de todos los
modelos globales y REMO.
Figura 1.12
Cambios estacionales en la temperatura mxima diaria (grados centgrados) con respec-
to al perodo 1980-1999 (fila superior: verano austral (izquierda), otoo (derecha). Fila
inferior: invierno (izquierda) y primavera (derecha). Se representa el promedio de todos los
modelos globales y REMO.
29
 Conclusiones
En el presente documento se han discutido dos aspectos. Por una par-
te, se ha realizado un desarrollo de metodologas nuevas y adaptacin
de metodologas existentes y, por otro lado, se ha expuesto el aspecto
climtico de las proyecciones regionales estudiadas.
En cuanto a la metodologa, se utiliz un sistema de clculo basado
en software libre que permite la validacin de modelos regionales y
globales, el clculo de proyecciones de consenso de las variables
climticas ms importantes as como el de ndices de extremo climti-
cos para un ensemble que puede consistir tanto de modelos climticos
globales como regionales.
En el aspecto puramente climtico, se presenta los primeros resultados
de las proyecciones regionalizadas para el siglo XXI que se estudiaron
en el marco de este proyecto. La discusin se ha centrado sobre todo
en la comparacin de los valores medios obtenidos con los modelos
globales y regionales. Tambin se han considerado los comportamien-
tos de extremos a travs de los ndices climticos.
Como resultado del proyecto se ha generado una base de datos de
proyecciones regionalizadas de impactos, que se pone a disposicin de
la comunidad. Esta coleccin de proyecciones satisface la demanda de
prontitud en cuanto a disponibilidad de proyecciones. Los resultados
presentados han confirmado la relativa robustez de las proyecciones de
temperatura que, con las limitaciones ya mencionadas, establece para
la trayectoria de concentracin representativa alta RCP8.5 unas horquil-
las de variacin aproximada de 1-2 oC para el perodo 2020-2039 y para
las zonas del interior de la Regin Andina, que muestran mayores cam-
bios. La trayectoria de concentracin representativa muestra valores
aproximadamente de 0,5-1 oC ms bajos para este mismo perodo. Las
proyecciones de temperatura muestran un desigual reparto del cambio
de temperatura por estaciones, correspondiendo los valores de mayor
cambio a los meses estivales y los de menor cambio, a los invernales.
El modelado del sistema climtico est inherentemente asociado a
diversas incertidumbres. Esta incertidumbre debe ser tomada en
cuenta y cuantificada de la manera ms rigurosa posible en cualquier
estudio de impacto de cambio climtico que se quiera llevar a
cabo. Por ello, en este proyecto se utilizaron tanto modelos climticos
globales como regionales para formar un ENSEMBLE que permita ob-
tener proyecciones ms robustas. Gracias a la actividad del IPCC, se
disponen de un gran nmero de simulaciones con modelos globales
para varios escenarios. Estos modelos tienen una resolucin relati-
vamente baja por lo que la informacin climtica que proporcionan no
est suficientemente diferenciada, espacialmente, en la regin andina
que se caracteriza por accidentes geogrficos con una variacin es-
pacial muy marcada y se hace necesario contar simulaciones de ms
alta resolucin. La limitacin de recursos informticos no permite la re-
alizacin del nmero suficiente de simulaciones con modelos globales
de alta resolucin, por lo que la utilizacin de modelos climticos re-
gionales se hace imprescindible.
Validacin
En general, tanto los modelos globales, con una resolucin espa-
cial promedio de 1-3 grados, como los modelos regionales, con una
resolucin espacial de 18-50 km, simulan correctamente los ciclos
anuales de temperatura y precipitacin en la regin.
Temperatura
Los modelos globales tienen importantes sesgos sistemticos positi-
vos en las temperaturas. Esto se debe, probablemente, a que no sim-
ulan bien la disminucin de temperaturas sobre la Cordillera. Ntese
que este sesgo sistemtico desaparece al evaluar la diferencia de la
variable entre dos periodos.
Los modelos regionales representan mejor la distribucin espa-
cial de temperatura que los modelos globales

Precipitacin
Los modelos globales tienden a subestimar la precipitacin en
altura. La falta de resolucin espacial no permite diferenciar la costa
y las regiones de la cordillera en los modelos globales.
Los modelos regionales tienden a sobreestimar la precipitacin.
Este es un resultado que, en general, ocurre en todos los modelos re-
gionales y zonas con topografa compleja. No se puede cuantificar
esta sobreestimacin por no existir informacin climtica en altura.
la regin de valles interandinos. En Per y Bolivia, los cambios ms
fuertes se dan en la vertiente occidental de los Andes. Tambin se
proyectan disminuciones de precipitacin en la regin suroriental de
Bolivia y en partes de la Amazona peruana. El patrn de cambios de
precipitacin para el invierno, estacin para la cual los cambios son
menores muestra un claro contraste este-oeste, con cambios negati-
vos al este y positivos al oeste. En Per y Bolivia tambin se observa
un contraste este-oeste en los cambios, de signo similar a los cambios
en Ecuador, aunque de valores mucho ms pequeos.
Recomendaciones metodolgicas

Proyecciones Debido a la presencia de fuertes gradientes espaciales, las vari-

ables simuladas, en especial la de los modelos globales se deben som-
eter a algunos ajustes. Por ejemplo, las correcciones de las tempera-
El promedio de las simulaciones globales como regionales
turas debidas a las diferencias de altura entre la orografa del modelo y
proyectan aumento de temperaturas que vara entre 0,5 2,0 grados
la altura observada pueden llegar a ser muy importantes.
centgrados para el periodo 2020-2039, dependiendo de la estacin.
Tambin se observa una marcada dependencia geogrfica, con un
Al usar un ENSEMBLE de modelos, tanto regionales como
contraste este-oeste. La Cordillera de los Andes, especialmente en los
globales, es importante usar criterios estadsticos que permitan ob-
valles interandinos, experimentara los cambios ms fuertes y las re-
tener proyecciones robustas. Un procedimiento adecuado sera el de
giones amaznicas los ms dbiles para Per y Bolivia. En Ecuador, el
eliminar de la proyeccin de consenso, los resultados fuera de serie,
patrn es inverso: en la regin amaznica, los cambios son ms fuertes
o outliers.
que en la regin costera, alcanzando valores de hasta 1,5 grados. Los
cambios en temperatura media ms fuertes se observan durante el
Otro criterio de seleccin de modelos, a utilizar en las proyec-
otoo, aunque se mantiene el patrn espacial de cambios del verano.
ciones, sera la bondad de la representacin de la variabilidad estacio-
El patrn de cambios de temperatura media para el invierno, estacin
nal, interanual e interdecadal para la regin, en especial la represent-
para la cual los cambios son menores, es muy semejante al del verano,
acin de la Zona de Convergencia Intertropical, el Fenmeno ENSO y
aunque ahora no se observa el contraste este-oeste en Ecuador.
la Oscilacin Decadal del Pacfico.
Los cambios en precipitacin son positivos en la mayor parte de la
La necesidad de resolver las escalas espaciales tpicas de la
regin y en todas las estaciones de estudio varan entre -30 y +50 mm/
regin en las proyecciones hace necesario el uso de modelos regio-
ao, observndose una fuerte dependencia estacional y espacial de
nales. Para que esas proyecciones sean robustas, se necesita un con-
este cambio. El verano austral es la estacin con mayores cambios.
junto, suficientemente, amplio de dichos modelos. Las simulaciones
En el norte de la regin de estudio, los mayores cambios positivos se
necesarias se deben hacer en un marco de colaboracin internacion-
dan en la vertiente oriental de los Andes y con cambios negativos en

31
al debido al alto costo computacional y las necesidades de personal Las temperaturas simuladas por REMO y MRI-AGCM muestran pa-
cientfico experto en el tema. Proyectos como Cordex Sudamrica trones de error muy semejantes, tanto en distribucin espacial como
pueden proporcionar el marco adecuado, aunque simulaciones a may- en magnitud. Se pueden ver como todos los modelos muestran errores
or resolucin (alrededor de 10 km) tambin son necesarias. positivos en la costa y negativos en las zonas montaosas. La discrep-
ancias entre modelos y observaciones en la regin costera se puede
La generacin de una buena base de datos de temperatura y explicar, en parte, por el hecho de que, en general, la estrecha franja
precipitacin especialmente en altura para la regin es imprescindible, costera no est bien resuelta ni por las observaciones ni los modelos,
tanto para diagnosticar cambios como para validar modelos. excepto MRI-AGCM a 20 km, para el cual los errores positivos en la
costa estn restringidos a una banda ms delgada.

En Resumen:

Las proyecciones climticas son un elemento crucial en el proceso de

toma de decisiones, que debe ser consistente con el marco general
proporcionado por el informe especial sobre escenarios de emisiones
elaborado por el IPCC y sus informes de evaluacin.La herramienta
bsica para realizar estimaciones de proyecciones climticas son los
modelos de circulacin general acoplados ocano-atmsfera.
Estos modelos proporcionan las caractersticas de gran escala de las
proyecciones climticas, pero la escasa resolucin espacial de las
proyecciones limita su utilidad para los distintos tipos de modelos de
impacto, que habitualmente necesitan informacin climtica que re-
suelva los detalles regionales. Es por ello que los estudios de impacto,
a escala regional, hacen ineludible el estudio de escenarios regionaliza-
dos de cambio climtico, con la mayor resolucin espacial posible. La
regin andina presenta un reto para los modelos climticos actuales,
tanto globales como regionales, tanto por sus caractersticas climticas
como orogrficas.

Los tres modelos utilizados muestran una buena representacin de la

precipitacin, siendo MRI-AGCM con resolucin de 20 km el ms cer-
cano a las observaciones. Los tres modelos, y especialmente REMO,
tienen un exceso de precipitacin sobre los Andes, sobre todo en el
verano austral. Tambin cabe destacar que en invierno, en el norte de
Per y el este de Ecuador, REMO simula una precipitacin menor que la
observada, en tanto que en MRI_AGCM el bias es positivo.
 El enfoque de ANDESQC est previsto para el control de calidad si-

ANDES QC: Control de calidad de multneo de una red de estaciones, en la cual la agilidad del proceso
es de vital importancia, como tambin lo es la reduccin del cdigo
datos para grupos de estaciones (esto facilita su documentacin y su posterior mantenimiento). Por ello,
se ha realizado una mejora, simplificacin y documentacin de algunas
meteorolgicas Por Enric Aguilar
rutinas. Abajo se muestra la rutina jumps.

Ejemplo de rutina simplificada y documentada.

(sustituye jumps_tx y jumps_tn)
####################################################
Introduccin jumps = function(station,mister,maxjump,element=6) {
# OBJETIVO: etiquetar diferencias interdiarias excesivas
# INPUT:
ANDESQC se ha programado sobre R, a partir de RClimdex-extraqc y # station: nombre de la estacion. No usado.
ha sido realizado bajo el # mister: fichero que contiene datos + columnas de qc 0/1 ya
contrato CCI-009-ATN/OC-12439-RG-2012 para CIIFEN. Se distribuye utilizadas
bajo licencia GNU Lesser GPL 3.0 # maxjump: diferencia mxima entre valores diarios
# element: columna del elemento sobre el que se trabaja (5 =
La importancia del desarrollo de esta herramienta para control de cal- temperatura mxima; 6 = temperatura mnima)
idad en los datos climticos, radica que, durante el proceso de obser- # RETORNA:
vacin y recoleccin de series de datos, se producen inevitablemente # mister: datos + columnas de qc, con el qc correspondiente
errores de distinta naturaleza. Adems, el control de calidad pretende actualizado.
detectar principalmente errores de carcter no sistemtico, distintos a hay<-length(which(!is.na(mister[,element])))
los usados con los procesos de homogeneizacin. if(hay > 0) {
diffy<-diff(mister[,element])
Los problemas que se intenta detectar con Andes QC son (entre otros) chungo<-which(abs(diffy)>maxjump)
errores relacionados a la digitalizacin: 53 fue digitalizado en lugar de chungo<-unique(sort(c(chungo,chungo+1)))
35 en la columna de temperatura mxima. Aquellos errores que se in- donde<-ncol(mister)+1
tentan detectar y ajustar mediante los procesos de homogeneizacin mister[,donde]<-0
son siempre de carcter sistemtico y responden a fenmenos como el if(length(chungo)!=0){mister[chungo,donde]<-1}
cambio de emplazamiento, entorno o instrumentacin de los observa- rm(list=ls(pattern=[^mister]))
torios meteorolgicos. nyunyu<-gc()
return(mister)
}
}
####################################################

33
Tesis Incluidas en ANDES QC
TEST FECHA PRECIP TX TN DTR
Outliers por meses X X X X
Outliers Pentadales X X
Outliers Gamma X
Outliers Espaciales X X X
Tmax < Tmin X X
Valores fuera de rango X X X
Valores Duplicados X ! ! ! !
Diferencias Interdiarios X X
Valores Consecutivos X X X
Precip. Acumulada X
Cadenas de Markov X X X
Cadena Precip. X
Redondeo X X X

OUTLIERS POR MESES - fourboxes() Parmetros Caractersticas Ejemplo de

Configurables parametrizacin

Estratifica cada una de las variables TX, TN y precipitacin distinta de 0 Numrico,

por meses y produce diagramas de caja (boxplot) de las mismas. Iden- Outrange nmero de RIC 4
tifica como outliers aquellos valores que para outiliers de
temperatura
Se encuentren por encima del percentil 75 + n rangos
intercuartlicos (RIC). Numrico,
nmero de RIC
Outrangeprec 7
Se encuentren por debajo del percentil 25 - n RIC para outiliers de
precipitacin
 Entendemos que para la finalidad de este test (etiquetar posibles outli-
OUTLIERS PENTADALES - pentauts() ers cuyos valores superan el cuantil especificado en la parametrizacin)
el enfoque utilizado es suficiente.
Test de nueva implementacin el cual estratifica cada una de las vari-
ables TX, TN por ventanas mviles de 5 das. Identifica como outliers
para el da central de cada ventana, aquellos valores que Parmetros Caractersticas Ejemplo de
Configurables parametrizacin
Se encuentren por encima del percentil 75 + n RIC
Numrico,
Se encuentren por debajo del percentil 25 - n RIC gaquant 0.99
cuantil de la
distribucin gamma
Los valores de referencia para cada uno de los 365 das julianos, se que acta como
encentran suavizados mediante una media mvil de 11 puntos. Existe lmite a valores
la posibilidad de modificar la parametrizacin de la funcin para realizar cutliers.
dicho filtro mediante LOESS.

OUTLIERS ESPACIALES - Funcin auxiliar percentcor()

Parmetros Caractersticas Ejemplo de
Configurables parametrizacin Posiblemente, sea el test ms complejo incluido en este paquete. Utili-
za una funcin previa configurable, percentcor(). Dicha funcin:
Numrico, Calcula la matriz de correlacin para todas las series dis
rangepent 4
nmero de RIC
ponibles de temperatura y precipitacin. Se utiliza un periodo
para outiliers de
temperatura de referencia (a ser posible, 30 aos) y la primera diferencia
para evitar el impacto de posibles inhomogeneidades y del cic
lo anual.
OUTLIERS GAMMA - precipouts ()
Utilizando los datos del periodo de referencia Estratifica los
datos en pntadas mviles. Para cada una de ellas
Funcin precipouts para deteccin de outliers de precipitacin: (5 x 30 valores), se extrae la distribucin emprica de
esta funcin ajusta, separadamente a cada mes, una distribucin de probabilidad.
probabilidad gamma, considerada la ms generalizada para describir
paramtricamente las distribuciones de precipitacin acumulada diaria. El valor de cada da de toda la serie es transformado en el
No se ha incluido en la presente versin la posibilidad de ajustar percentil que representa en la ECDF correspondiente.
otras distribuciones y valorar la bondad del ajuste mediante criterios
objetivos como el habitual AIC.

35
Se seleccionan series bien correlacionadas (referencias) y se compara
el percentil de la estacin candidata con la mediana de los percentiles spatialouts ()
de las referencias. De no existir suficientes datos en el periodo de ref-
erencia o menos de dos estaciones con r > 0.4, los outliers espaciales Parmetros Caractersticas Ejemplo de
no son computados. Configurables parametrizacin
Si la diferencia supera el valor configurado, la observacin queda mar-
cada como un outlier. Dada la complejidad en la configuracin de es- Numrico,
perdiff 0.50
tos outliers, solamente se retienen aquellos outliers espaciales que han diferencia mxima
fallado otro test. entre los cuantiles
entre la estacin
candidata y sus
referencias

percentcor ()

Parmetros Caractersticas Ejemplo de TMAX < = TMIN - tmaxmim()

Configurables parametrizacin
Dada la definicin OMM de temperatura mxima diaria y temperatura
mnima diaria, la primera debe ser mayor a la segunda Se identifican
Numrico, primer como errneos aquellos valores para los que la anterior afirmacin no
ref1 1961
ao periodo se cumple.
referencia para
cmputo de
correlaciones
Parmetros Caractersticas Ejemplo de
Numrico, ao Configurables parametrizacin
ref2 1990
final del periodo de
referencia para el
cmputo de
correlaciones Carece de - -
parmetros
configurables
VALORES FUERA RANGO - humongous()
Parmetros Caractersticas Ejemplo de
Identifica valores que se consideran imposibles, como la precipitacin Configurables parametrizacin
negativa o temperaturas de 100C. Los valores etiquetados por este
test no son considerados outliers o valores sospechosos sino ER- carece de
RORES. - -
parmetros
configurables
Parmetros Caractersticas Ejemplo de
Configurables parametrizacin
DIFERENCIAS INTERDIARIAS - jumps()
smalltx Valor demasiado bajo de -60
TX
Test que identifica valores de TX y TN cuya diferencia con la siguiente
smalltn Valor demasiado bajo de -80 observacin es considerada excesiva, segn valor parametrizado por
TN el usuario.

bigtx Valor demasiado alto de 60

TX
Parmetros Caractersticas Ejemplo de
bigtn Valor demasiado alto de 40 Configurables parametrizacin
TN

bigprecip Valor demasiado alto de 800 maxjump Mxima

20
PREC diferencia
permitida entre
observaciones
VALORES DUPLICADOS - duplicals() consecutivas

Identifica fechas repetidas. Los valores etiquetados por este test no

son considerados outliers o valores sospechosos sino ERRORES.

37
 Parmetros Caractersticas Ejemplo de
VALORES CONSECUTIVOS - flatline () Configurables parametrizacin

Identifica rachas consideradas demasiado largas de valores consecuti- limit Valor de

100
vos iguales para TX, TN y precipitacin distinta de 0. precipitacin a
partir del cual
se empieza a
inspeccionar
Parmetros Caractersticas Ejemplo de
Configurables parametrizacin tolerance Nm. das
10
previos a
maxflat Mxima ocurrencia del
10 valor definido
racha permitida
de valores por limit iguales
idnticos a 0 o no
consecutivos disponibles

CADENAS DE MARKOV - markovchain()

PRECIP. ACUMULADA - suspectacumprec()
Se trata de un test de notable complejidad estadstica. Se basa en ca-
Identifica valores de precipitacin elevados precedidos de una racha de denas de Markov de dos estados
valores 0 o en ausencia de valores previos. (Seco = 0; hmedo = distinto de cero) y rango 1

Las series de precipitacin se estratifican por ventanas mviles de 11

das. Se evalan las probabilidades transicionales de una observacin
a la siguiente:

P0 = probabilidad de da lluvioso; P1 = probabilidad de da seco

P00 = probabilidad da seco tras da seco; P01 probabilidad da

lluvioso tras da seco
Con las probabilidades obtenidas, se utiliza la distribucin geomtrica
para extraer de la misma la racha que representa un determinado cuan- Parmetros Caractersticas Ejemplo de
til (configurable por el usuario). De encontrarse una racha que exceda Configurables parametrizacin
la determinada anteriormente, se etiquetarn como sospechosos todos
los das que la componen ms el anterior y el posterior.
chapa Nmero
275
mximo de
observaciones
idnticas (pre-
Parmetros Caractersticas Ejemplo de sumiblemente 0)
Configurables parametrizacin permitidas

targetquant Valor para el

0,025
cuantil de la REDONDEO - tableround()
distribucin
geomtrica a uti-
lizar. Se expresa Adicionalmente a la salida grfica para evaluacin cualitativa ya pre-
como 1-q sente en extraqc, se ofrece un test que etiqueta valores sospechosos.
Se basa en determinar el nmero mximo de observaciones que se
permiten con el mismo valor tras el punto decimal (.0 a .9).
Se aplica a TX, TN y precipitacin distinta de 0.0 Todos los valores im-
CADENAS DE PRECIPITACIN - chainprecip() plicados en dicha racha son etiquetados.

Se trata de una versin simplificada del anterior test, que simplemente

analiza la existencia de rachas superiores a n valores idnticos (presu- Parmetros Caractersticas Ejemplo de
miblemente, 0), siendo n configurable. Configurables parametrizacin

La parametrizacin de esta funcin debe tener en cuenta la existencia

maxround Nmero
de una estacin seca. 7
mximo de
observaciones

39
 Funciones Adicionales
Parmetros Caractersticas Ejemplo de
Dadas las caractersticas inherentes a la variable precipitacin (distribu- Configurables parametrizacin
cin no gaussiana, limitada por la izquierda y con claro sesgo positivo;
gran variabilidad interdiaria e interanual; rpida de correlacin espacial)
fudd elemento sobre el que actuar c(4,4,5,5)
su control de calidad es ms complejo y en ocasiones se reduce a rep- (4=pc; 5=tx; 6=tn),vectorial
resentaciones de la informacin. La versin 3.0 de ANDESQC incluye
tres novedades importantes, las cuales amplan sus capacidades y fa- bunny valores a ser sustitudos c(-1,-4,-999.9,-999.9)
cilitan su conexin con otras herramientas como HOMER o RClimdex .
duck valores que les c(0,0,-99.9,-99.9)
reemplazarn
Funcin preclean para sustitucin de cdigos especficos:

Funcin smartcorrection
es frecuente que muchos bancos de datos incorporen cdigos espe-
ciales para indicar determinadas circunstancias asociadas con la me-
dida de precipitacin. Los ms comunes son, sin duda, la marca de para generar un nuevo fichero de datos para cada serie etiquetando a
traza de precipitacin o valor inferior a 0.1 mm y la indicacin de valor -88.8 aquellas valores que no hayan pasado determinados test (config-
acumulado. De forma similar a los valores perdidos, esta consigna uti- urable)
liza valores imposibles de la variable en cuestin (por ejemplo, -1 para
indicar traza), los cuales no deben ser ledos como un valor regular ya Parmetros Caractersticas Ejemplo de
que induciran a error o en el caso de ser alfabticos a errores en
Configurables parametrizacin
aquellas rutinas que requieran cmputos matemticos. Contrariamente
a lo que sucede con los valores perdidos, la solucin ptima no es
siempre determinar la inexistencia del valor y la respuesta adecuada levcorr nivel de correccin 1. Corrige a -88.8 slo
vara caso a caso y en funcin del banco de datos que se est contro- errores
lando. Por ejemplo, los valores traza de un banco de datos destinado 2. Corrige a -88.8 lo an-
a ser analizado con RClimdex deben ser igualados a cero, puesto que terior ms aquellos que
dicho software no utiliza valores de precipitacin inferioes a 1 mm. La fallan algn test y tienen
rutina preclean permite al usuario indicar aquellos cdigos que conoce confirmacin espacial
3. Corrige a -88.8 todo lo
y el valor por los que desea sustituirlo. Dado que tambin consigna de
anterior ms los outliers
forma vectorial la columna del elemento al que se refiere, puede ser y saltos interdiarios
tambin utilizado para las variables de temperatura. 4. Corrige a -88.8 cual-
quier valor etiquetado
 Funcin makemonthly
que genera, a partir de los datos controlados de calidad, series de va-
lores mensuales y ficheros de estacin en el formato requerido por HO-
MER.
Parmetros Caractersticas
Configurables
dailystats nombre del fichero de
estaciones diarias
percent mximo porcentaje de valores
faltantes en un mes permitido
para calcular el valor mensual
minyear primer ao sobre el que se
computarn los valores
mensuales
maxyear ltimo ao sobre el que se
computarn los valores
mensuales
realiza al final del proceso de control de calidad, ya que se apoyar
en los valores de los tests anteriores y aborda el problema a travs de
distintos pasos, realizados por funciones subsidiarias:
Generacin de una matriz de correlacin entre las primeras
diferencias de los datos diarios. La primera diferencia se utiliza al
objeto de desestacionalizar los valores y evitar las correlaciones fictici-
Ejemplo de amente elevadas introducidas por el ciclo anual.
parametrizacin
Clculo de la distribucin emprica de densidad acumulada
stations.txt (ECDF) estratificada por pntadas mviles (es decir, se computa in-
dependientemente para cada da juliano incluyendo el mismo da y los
dos das adyacentes anteriores y posteriores).
5
Generacin de series temporales en las que el valor de cada
da es sustituido por el cuantil que representa en la ECDF que le corre-
sponde.
1901
Determinacin para cada serie de estaciones suficiente-
mente correlacionadas. Si existen al menos tres series que cumplan
2014
con la correlacin mnima exigida (configurable) se procede a los sigui-
entes pasos. De lo contrario, el control de calidad espacial no puede (ni
debe) realizarse.

Cmputo de cuantiles de referencia para cada da a partir de

Introduccin del Control de Calidad Espacial
Dada la naturaleza de las series temporales diarias de temperatura y
precipitacin, la comparacin con valores de estaciones adyacentes se
demuestra vital para insistir en discernir entre outliers que se correspon-
den con valores extremos pero legtimos de una estacin y aquellos
que se producen por distintos errores. Si bien estos contrastes pueden
realizarse a travs de la inspeccin visual de valores o mediante con-
trastes climatogrficos, la funcin que se introduce, spatialouts, se
las series correlacionadas. Se han explorado tres opciones para este
clculo: ponderacin por coeficiente de correlacin, diferencia mnima,
diferencia mediana. Finalmente se ha optado por la ltima.
Generacin de series de diferencia entre los cuantiles de la
serie sometida al control de calidad y sus cuantiles de referencia.
De superar el lmite configurado por el usuario, se determina provi-
sionalmente que se trata de un outlier espacial .

41
 Se estudia el resto de tests aplicados a las observaciones
que han sido marcadas como outliers espaciales provisionales. De
haber fallado otro tests, se registra como outlier espacial definitivo.

El enfoque utilizado es muy conservador e intenta evitar el etiquetado

de un excesivo nmero de valores. Ofrece una confirmacin adicional
de que el valor que se haba identificado previamente con otro test
es, efectivamente errneo. Este razonamiento es el mismo que se ha
utilizado en los procesos de control de calidad de Rclimdex y extraqc,
aunque las comparaciones se hacan de forma enteramente manual.
Sin descartar la necesidad de una decisin experta al final de proce-
so, la automatizacin ofrecida por esta funcin acelera notablemente el
proceso de control de calidad.

Output Grfico y Numrico de Ayuda a la Decisin

Integrado en Ficheros HTML

ANDESQC incluye una rutina que genera automticamente series en

formato RClimdex con aquellos valores que no han pasado el control
de calidad convenientemente sustituidos por el cdigo de valor perdi-
do. No obstante, dado que difcilmente ningn proceso de control de
calidad ser perfecto, se ofrece una output grfico integrado en un solo
fichero por estacin que nos permite, de forma visual, inspeccionar los
valores etiquetados. La Figura muestra un ejemplo de la informacin
grfica que se ofrece en los ficheros de salida en formato html.
Salida grfica y texto en formato html:
Un fichero por estacin que se ubica en el mismo directorio de datos y
cuyo nombre es el mismo del fichero de datos, cambiando su extensin
a html:
ra00000001.txt ==> ra00000001.html

Visin de Conjunto del Output General

VISIN GENERAL DE LA SERIE: TX

43
VISIN GENERAL DE LA SERIE: TN
VISIN GENERAL DE LA SERIE: DTR

45
VISIN GENERAL DE LA SERIE: PRECIP
GRFICO OUTLIERS MENSUALES: PRECIP

47
GRFICO OUTLIERS MENSUALES: TX
GRFICO OUTLIERS MENSUALES: TN

49
GRFICO OUTLIERS MENSUALES: DTR
GRFICO VALORES AUSENTES PRECIPITACIN

51
GRFICO VALORES AUSENTES TX
GRFICO VALORES AUSENTES TN

53
GRFICO CONTROL DE REDONDEO: TX
GRFICO CONTROL DE REDONDEO: TN

55
GRAFICO CONTROL DE REDONDEO: PRECIP
 Contenido Output por Perodos de cinco aos

Para cada perodo de 5 aos, se grafican los datos de la estacin en

cuestin. Los outliers estn identificados en forma de puntos de col-
ores. Los colores estn escogidos de forma que aquellas observaciones
que han sido tan solo identificadas por un nico test aparecen en verde,
mientras que las que han fallado ms de un control de calidad, y por
tanto, presentan una mayor probabilidad cualitativa de ser errneas, se
representan progresivamente en amarillo, naranja, rojo y prpura.

Finalmente, aquellos valores detectados en cualquier test y que no han
pasado el control de calidad espacial descrito en el apartado anterior,
se inscriben en un circulo negro. El output ofrece igualmente los valores
involucrados para su inspeccin. Tcnicamente, el fichero se genera en
html a travs del lenguaje Markdown y su implementacin en R R-mark-
down. Se ha seleccionado este formato por su facilidad y su univer-
salidad, en comparacin con otros que tambin han sido explorados y
que quizs permiten un mejor formato del output, como laTeX, pero de
mayor complejidad y que requieren la instalacin de lectores expresos.
En cambio, html puede ser visionado por cualquier navegador a modo
de pgina web en modo local.
El output por perodos de cinco aos presenta en detalle la informacin
extrada por el control de calidad y ayuda tomar decisiones respecto a
los valores etiquetados.
Para cada uno de los parmetros TX, TN y precipitacin, se incluyen:
Grficos de redondeo
Grficos de secuencia de datos con valores etiquetados
mediante cdigos de colores
Listado de valores etiquetados

57
GRFICO REDONDEO POR PERIODOS
GRFICO-RESUMEN QC POR PERIODOS DE 5 AOS

59
 Listado de Valores Etiquetados por el Control de Calidad por Periodos
Control de Calidad
QC OUTPUT FOR 1895 - 1899 ra00047407.txt
TX
Pentadal-based Outliers. Upper Threshold Outpassed
year month day pc tx tn
1898 12 16 2.1 18.6 -10.0
1899 1 29 1.9 24.0 -9.6
Monthly-based Outliers. Upper Threshold Outpassed
year month day pc tx tn
1898 12 16 2.1 18.6 -10.0
1899 1 29 1.9 24.0 -9.6
TX smaller or equal than TN
year month day pc tx tn
1896 1 8 0.4 -4.3 0
1896 2 7 0.0 -3.4 0
1896 3 6 1.0 -3.1 0
1896 12 5 0.0 -1.4 0 Nmero de Test Fallados
1897 2 8 0.0 -1.9 0
Difference between consecutive days is too large
year month day pc tx tn
1899 1 28 0.0 -3.0 -14.6
1899 1 29 1.9 24.0 -9.6
1899 1 30 2.7 2.2 -9.6
Spatial Outlier
year month day pc tx tn
1898 12 16 2.1 18.6 -10
DTR Monthly-based Outliers. Upper Threshold Outpassed
year month day pc tx tn
1895 12 26 0.3 -2.0 -27.9
1895 12 28 27.4 5.5 -23.3
1895 12 30 0.5 -1.0 -29.3
1896 7 17 0.0 27.9 0.0
1896 8 7 1.3 28.3 0.0
1898 12 16 2.1 18.6 -10.0
1899 1 29 1.9 24.0 -9.6
 Ficheros MASTERQC
Formato

El fichero masterqc contiene un las siguientes columnas: nombre fiche-

ro, ao, mes, da, precip, tx, tn + una columna para cada uno de los
controles de calidad realizados, que se abrevian con un cdigo de cu-
atro letras, que se detalla en la figura siguiente.
Las celdas correspondientes a los distintos tests pueden albergar slo
dos valores:
0 : el valor ha pasado dicho test
1: el valor no ha pasado dicho test

Mediante el uso de funciones de filtrado de cualquier hoja de clculo,

se pueden inspeccionar y comparar los valores etiquetados. Dado que
cada registro (fila) es nico no solo en el fichero, sino en el conjunto de
las estaciones analizadas, por estar etiquetado por estacin, ao, mes
y da, los ficheros pueden combinarse y/o integrarse en una base de
datos.

61
 Interaccin con la Funcin QC()
Formas de trabajo para Ejecutar ANDESQC PREGUNTA RESPUESTA
Opcin de Lenguaje / Language Introduciendo 2, las siguientes
Cargando R y ANDESQC option: 1-English; 2-Spanish preguntas y opciones parecern
en espaol
1 Preparar los datos y el fichero de estaciones en el formato Introduce el nmero del fichero Se nos requieres el nombre del
indicado de estaciones. Este fichero y fichero que contiene el listado
los de datos deben estar en el de estaciones como
2 Cargar R directorio del trabajo estaciones.txt
Indica si queremos usar la
Quieres reemplazar cdigos funcin preclean(1) o no(2).
3 Establecer como directorio de trabajo aqul en el que tenemos especiales conocidos y De elegir 1, entraremos en un
los datos distintos a -99.9? submen de introduccin de
1 = SI; 2 = NO valores
4 Cargar el cdigo fuente de andesqc_vx.x.R
Computar correlaciones? Indicar si se desea computar
Tomar 5 minutos adicionales las correlaciones. Debe ele-
5 El cdigo se ofrece bajo licencia GNU Lesser General Public por elemento. Solo puedes girse 1 si estas no existen o si
License 3.0 saltarte el paso si ya las has quieren renovarse. Se entra al
calculado submen si se elige 1
Caractersticas QC() qclist() Selecciona nivel QC: Esta opcin correr uno de los
1.-Duro(reduce falsos positivos); tres conjuntos de parmetros
Interactiva X 2.-Medio; 3.- Suave(reduce pre-configurados.
Configurable en falsos negativos)
X
Pantalla Seleecionar que valores sern
Configurable desde convertidos en -88.8 en los
X X Entra nivel correccin: 1.- Solo ficheros de salida. La opcin
Cdigo 1 slo eliminar errores y es la
errores; 2.-Ms espacialmente
Configurable en confirmados; 3.- Ms saltos y ms recomendable para QC
X automtico; la 4 etiquetar una
Llamada outliers; 4.- Todo lo etiquetado
gran cantidad de valores y es la
FUNCIN QC() ms recomendable si queremos
revisar manualmente el QC
Para cargar la funcin QC(), simplemente, teclear QC() desde Si indicamos 1, se producirn
el prompt de R, siempre despus de establecer el directorio de datos Quieres calcular valores men- ficheros medias mensuales de
como directorio de trabajo y cargar el cdigo fuente. suales y preparar ficheros de TX, TN, TM, DTR y acumula-
Inmediatamente, aparecern una serie de mensajes en pantalla, estacin en formato HOMER? ciones mensuales de PC, as
a los que deberemos responder segn las opciones que se nos ofrez- 1 =SI ; 2 = NO como ficheros de estacin
can. utilizables por HOMER
Modificando los Valores Predefinidos

1 Localizar en el cdigo la funcin QC()

if(nivelqc==1){
allqc(master=phil[i,1],outrange=5,outrangeprec=9,bigtx=60,-
2 Localizar la siguiente seccin bigtn=40,smalltx=-40,smalltn=-70,bigprecip=1000,maxjump=30,maxf-
lat=15,limit=300,tolerance=7,
3 Cada valor de la variable nivelqc(), se corresponde con uno de maxround=20,rangpent=4,kapar=11,mode=1,gaquant=0.999,per-
los niveles predeterminados (1,2,3) diff=0.75,targetquant=0.01,codelist=NA,levcorr=levcorr,sumvalpc=4,-
sumvaltx=4,sumvaltn=4,chapa=365)
}
4 Modificar en el nivel deseado los parmetros que figuran en la ! if(nivelqc==2){
misma y que han sido descritos en allqc(master=phil[i,1],outrange=4,outrangeprec=7,bigtx=55,-
bigtn=35,smalltx=-30,smalltn=-50,bigprecip=800,maxjump=20,max-
5 La primera parte de esta presentacin flat=7,limit=150,tolerance=5,
maxround=10,rangpent=3.5,kapar=11,mode=1,gaquant=0.995,per-
Cargar de nuevo el cdigo fuente y ejecutar QC() diff=0.50,targetquant=0.02,codelist=NA,levcorr=levcorr,sumvalpc=3,-
6 sumvaltx=3,sumvaltn=3,chapa=275)
}
! if(nivelqc==3){
allqc(master=phil[i,1],outrange=3,outrangeprec=5,bigtx=45,-
bigtn=30,smalltx=-20,smalltn=-30,bigprecip=500,maxjump=15,max-
flat=3,limit=75,tolerance=3,
maxround=5,rangpent=3,kapar=11,mode=1,gaquant=0.990,perdif-
f=0.25,targetquant=0.03,codelist=NA,levcorr=levcorr,sumvalpc=2,-
sumvaltx=2,sumvaltn=2,chapa=180)}

Este smbolo implica modificar el cdigo, y

en este caso se recomienda guardar la copia
original.

63
Uso de qclist()
La funcin qclist() ejecuta el control de calidad de forma automtica
sin interaccin, bien mediante el uso de valores predeterminados, bien
mediante la parametrizacin en tiempo de ejecucin
Opcin 1: simple ejecucin de qclist() desde el prompt de R
Utilizar los valores por defecto que contiene la funcin en su aberrant dat. (humongous functions)
cdigo y que figuran en la siguiente diapositiva
Los mismos pueden ser modificados y usados tras cargar de value in temp and non zeor precip.(flatline function)
nuevo el cdigo fuente
Opcin 2: uno o varios parmetros pueden modificarse al llamar la
funcin
qclist(station=nombredelarchivo.txt,bigtx=50,percent=3)
qclist=function(filename=stations.txt,path=getwd(),outputpath=/extraqc/,
! # THIS IS THE PARAMETRIZATION SECTION FOR QCLIST. Values can be changed
here or when calling qclist(). If changed here, dont
# forget to re-source the code.
outrange=3, outrangeprec=7, # IQR for monthly based outliers. Outrange is temp;
outrangeprec is precip (fourboxes function)
bigtx=60,smalltx=-40,bigtn=40,smalltn=-60,bigprecip=800,codelist=NA, # values for
maxjump=20, # cut value for interdiurnal differences (jumps function)
maxflat = 7, # Value for the number of maximum consecutive days with the same
limit= 100, tolerance = 10, # Suspected acumm. prec: limit is the value to start look-
ing; tolerance the max number of leading 0 or NA (function suspectacumprec)
maxround = 10, # Limit for values with the same 1/10th of degree or mm. (execpt 0.0
precip) (rounded function)
rangpent = 3, kapar = 5, mode=0, # rangpent is the IQR for pentadal based outliers
of temperature; kapar is the window for smoothing (pentaouts function)
gaquant=0.999, # quantile for of the gamma distributtion to flag outliers of precip
(function precipouts)
perdiff=0.30, # difference in percentiles for between candidate and refernce stations
for the spatial outliers (spatialouts)
targetquant=0.01, # 1-target quantile in of the geometric distribution for markovian
chains (function markovprecip)
levcorr=3, # level of correction for smartcorrection
precy=1, # precleans the series (0 no, yes 1)
fudd=c(4), # fudd is list of elements for preclean, 4 for precip, 5 for tx and 6 for tn
bunny=c(-1), # bunny is codes for preclean, must have the same length than fudd
and applies to the element defined by fudd which is in the same position
duck=c(0), # duck is the values which replace the codes. Same conditions apply
sicorr=1, # computes correlations
ref1=1961, # first year of the reference period for the correlations
ref2=1990, # last year of the reference period for the correlations
dailystats=stations.txt, # for makemonthly
percent=5, # for makemonthly
maxyear=2014, # for makemonthly
minyear=1880, # for makemonthly
sumvaltx=3,sumvaltn=3,sumvalpc=3, # values for smartocorrection = 5, based on
correcting errors + multiple fails.
hazmes=1,
chapa=275,
colnum=1,pattern=^[0-9]{6}.txt,modo=0){
! #### END########################################
! # ASSIGNATION OF GLOBAL VARIABLES
####################################################################
##########################
assign(lang,1,envir=globalenv())
############################################
 Aplicacin y Futuro de ANDESQC
Esta herramienta no debe slo constituir una solucin de control de
calidad para las series involucradas en este proyecto, sino que tam-
bin una aportacin del mismo a la comunidad cientfica en general.
ANDESQC puede ser utilizado en muchos otros procesos de control de
calidad, especialmente los ligados a los Talleres para ndices ETCCDI,
a los cuales debe las ideas iniciales. Como se menciona en el prrafo
anterior, la experimentacin es clave en los procesos de QC y, por ello,
el ajuste fino de ANDESQC y su evolucin debe basarse en utilizar sus
primeras aplicaciones para el ajuste fino de los parmetros de entrada y
la reduccin de falsos positivos. Se espera que este producto contine
evolucionando.
En resumen:
ANDESQC est pensado para automatizar las tareas de QC inclu-
das en RClimdex y RClimdex-extraqc. Reconoce la importancia en
su elaboracin de la famlia Climdex para QC y reconoce la necesi-
dad de inspeccin humana de los procesos de QC, a pesar de las
opciones automticas ofrecidas.

ANDESQC es un cdigo complejo que ha requerido muchas horas

de programacin. Contiene, en su ltima versin, ms de 2000 lneas
de cdigo. Durante el proceso de elaboracin se ha testado inten-
sivamente con distintos bancos de datos y eliminado errores.

La diversidad climtica hace difcil la parametrizacin universal de

ANDESQC. Se ha parametrizado pensando en la regin en la que se
va aplicar inicialmente. No obstante, se sugiere una ejecucin inicial
beta para ajustar los mismos.

El cdigo es plenamente funcional y ha sido probado con redes con

distinto nmero de series (15 a 60) y con longitudes muy distintas
(de 40 a 120 aos). A mayor nmero de series y datos, ms fiables
son algunos procesos, especialmente el control de calidad espacial.

Lamentablemente, debido a los mltiples procesos que se realizan

para cada estacin, el cdigo requiere un elevado tiempo de com-
putacin. Se espera una evolucin que lo reduzca.

65
Anexos

Abreviaciones y Acrnimos

AOGCM Atmosphere-Ocean General Circulation Model

BID Banco Interamericano de Desarrollo

CC Cambio Climtico

CIIFEN Centro Internacional para la Investigacin del Fenmeno de El Nio

FAO Food and Agriculture Organization of the United Nations

GEI Gases de Efecto Invernadero

IPCC Panel Intergubernamental de Cambio Climtico (por sus siglas en ingls)

Bibliografa
J. P. Boulanger, S. Schlindwein, and E. Gentile, CLARIS LPB WP1:
metamorphosis of the CLARIS LPB European project: from a mech-
anistic to a systemic approach, CLIVAR Exchanges, vol. 16, no. 57,
pp. 710, 2011.
A. A. Srensson, C. G. Menndez, R. Ruscica, P. Alexander, P. Sam-
uelsson, and U. Willn, Projected precipitation changes in South
America: a dynamical downscaling within CLARIS, Meteorologische
Zeitschrift, vol. 19, no. 4, pp. 347355, 2010
Christensen, J. H., F. Boberg, O. B.Christensen, and P. Lucas-Pich-
er, 2008: On the need for bias correction of regional climate
change projections of temperature and precipitation. Geophys. Res.
Lett.,35,L20709, doi:10.1029/2008GL035694.
Dosio, A. and Paruolo, P.: Bias correction of the ENSEMBLES
high-resolution climate change projections for use by impact mod-
els: Evaluation on the present climate, J. Geophys. Res., 25 116,
D16106, doi:10.1029/2011JD015934, 2011. 6186, 6187, 6189, 6190
F. Giorgi and L. O. Mearns, Approaches to the simulation of regional
climate change: a review,Reviews of Geophysics, vol. 29, no. 2, pp.
191216, 1991.
F. Giorgi, C. Jones, and G. Asrar, Addressing climate information
needs at the regional level: the CORDEX framework, World Meteo-
rological Organization Buletin, vol. 58, no. 3, pp. 175183, 2009.
Gudmundsson, L.; Bremnes, J. B.; Haugen, J. E. & Engen-Skau-
gen, T. Technical Note: Downscaling RCM precipitation to the sta-
tion scale using statistical transformations - a comparison of meth-
ods. Hydrology and Earth System Sciences, 2012, 16, 3383-3390,
doi:10.5194/hess-16-3383-2012.
J. A. Marengo, R. Jones, L. M. Alves, and M. C. Valverde, Future
change of temperature and precipitation extremes in south ameri-
ca as derived from the precis regional climate modeling system,In-
ternational Journal of Climatology, vol. 29, no. 15, pp. 22412255,
2009.
J. A. Marengo, S. C. Chou, G. Kay et al., Development of region-
al future climate change scenarios in South America using the Eta
CPTEC/HadCM3 climate change projections: climatology and re-
gional analyses for the Amazon, So Francisco and the Paran River
basins, Climate Dynamics, vol. 38, no. 9-10, pp. 18291848, 2012.
M. Nuez, S. A. Solman, and M. F. Cabr, Regional climate change
experiments over southern South America. II: climate change sce-
narios in the late twenty-first century, Climate Dynamics, vol. 32,
no. 7-8, pp. 10811095, 2009.
M., Jones, R. G., Onof, C., Vrac, M., and Thiele-Eich, I.: Precipitation
downscaling under climate change: Recent developments to bridge
the gap between dynamical models and the end user, Rev. Geo-
phys., 48, RG3003, doi:10.1029/2009RG000314, 2010. 6186, 6189
Maraun, D., Wetterhall, F., Ireson, A. M., Chandler, R. E., Kendon, E.
J., Widmann, M., Brienen,S., Rust, H. W., Sauter, T., Themel, M.,
Venema, V. K. C., Chun, K. P., Goodess, C.
Panofsky, H. W. and Brier, G. W.: Some Applications of Statistics to
Meteorology, The Pennsylvania State University Press, Philadelphia,
1968. 6186
Piani, C., J. O. Haerter, and E. Coppola (2009), Statistical bias cor-
rection for daily precipitation in regional climate models over Europe,
Theor. Appl. Climatol., 99, 187192.
R. D. Garreaud, M. Vuille, R. Compagnucci, and J. Marengo, Pe-
sent-day South American climate,Palaeogeography Palaeoclima-
tology, Palaeoecology, vol. 281, no. 3-4, pp. 180195, 2009
67
http://geoportal.ciifen.org/

info-ciifen@ciifen.org

(593) 4 2514770 - Fax: (593) 4 2514771

Guayaquil - Ecuador