Homogeneización de datos Climáticos. Cuando el pasado te condena.

Las observaciones meteorológicas pueden verse afectadas por diferentes factores no asociados al clima, los cuales suelen alterar aspectos de largo plazo como la media, tendencia o variabilidad observada. En esta publicación les mostraremos como se detectan estos casos y de qué forma se pueden solucionar, para así tener series confiables en los análisis del clima.

Una parte fundamental de la meteorología y climatología son las observaciones. Estas nos proveen tanto de información instantánea en un momento y lugar determinado, así como también de información de largo plazo que nos permite caracterizar el clima de un lugar a través de la estadística. La continuidad y la calidad en las observaciones meteorológicas y la sistematización en su obtención, registro y transmisión de los datos han permitido a los meteorólogos y científicos desarrollar y contar con mejores herramientas para el monitoreo y pronóstico de fenómenos meteorológicos, además de la comparación de situaciones del presente con el pasado.

Es gracias a estos registros que podemos saber, por ejemplo, que existe un calentamiento global, ya que, al observar la serie de temperatura global del último siglo, vemos que esta ha ido aumentando con el transcurso de los años y que este aumento ha sido mayor durante las últimas décadas.

Metadatos: La historia de las estaciones meteorológicas

En las series de datos climáticos es común encontrar algunas que presentan errores, lagunas o cambios bruscos, lo que complica cualquier tipo de análisis. Los errores más frecuentes están relacionados con valores atípicos en cuanto a lo que uno podría considerar como normal en un lugar determinado, muchos de ellos se asocian a errores de transcripción del dato, fallas en el registro o falla en la transmisión, y generalmente son posibles de chequear a través de los datos almacenados en bases o archivos.

Sin embargo, hay otros problemas de medición que se prologan en el tiempo, para los cuales es necesario aplicar test estadísticos para encontrar su origen y saber si estos son significativos, donde en muchos casos, deberemos dar una mirada al pasado de la estación. Esto, porque las estaciones meteorológicas no siempre permanecen inalteradas en su forma y lugar de medición, quedando muchas veces expuestas a modificaciones que generan cambios ligeros en la observación.

Los casos más frecuentes de esto son la renovación de instrumental debido al paso de estaciones convencionales a automáticas, reemplazo de instrumentos por fallas, traslado de la estación a una nueva ubicación o cambios en el entorno del lugar de observación.

Tener registro de estos hechos permite construir una historia de la estación, y con ello tener certeza de los posibles momentos en donde se podrían producir alteraciones en las observaciones. A estos registros comúnmente se les denomina metadatos, y son las características que complementan a una observación meteorológica como, por ejemplo, la ubicación geográfica de la estación, tipo y precisión del instrumento, periodicidad de la observación, unidad de medida, entre otros.

Los metadatos son fundamentales en el proceso de homogeneización de datos, ya que nos permiten comparar los momentos de cambio que nos entregan los test estadísticos, con la historia de la estación y así poder tomar una decisión más robusta para la corrección de una serie climática.

No todo cambio es climático

Una serie climática se considera homogénea si sus cambios (tendencia, media o variabilidad) están relacionados con la variabilidad del clima propiamente tal, en tanto que, no es homogénea si otro factor es el que genera dicho cambio.

Como mencionamos anteriormente estos cambios muchas veces no se aprecian directamente, por lo que debemos echar mano a la estadística. En este caso, se utilizan los test de homogeneidad de series, los cuales buscan puntos de cambio o saltos, es decir una fecha, donde la media, tendencia o variabilidad de una serie de tiempo presenta un cambio brusco, para ello se utilizan diferentes pruebas estadísticas y se determina si estos cambios son significativos o no.

Los métodos más comunes suelen utilizar un grupo de estaciones vecinas, con la finalidad de evaluar si el salto observado en una estación particular se refleja en las otras, ya que los cambios en el clima suelen observarse a escala regional y no particular. En la figura 1 se muestran tres series de tiempo de alguna variable meteorológica para tres estaciones vecinas que pertenecen a una región climática común. Aquí, las tres estaciones varían de forma similar en el tiempo, por lo tanto, podríamos decir que las series son homogéneas en esas estaciones. Mientras que, en la figura 2 se puede observar que solo la estación 3 presenta un cambio brusco en la media (salto en la media) por lo que no sería homogénea. Algo parecido ocurre en la estación 1 donde se produce un cambio brusco en la variabilidad, el cual no se refleja en las otras estaciones, por lo que tampoco sería homogénea.

Otra forma de evaluar esto también es crear una serie de referencia, la cual se construye a partir de las series vecinas a una estación “sospechosa” de no ser homogénea, reflejando el comportamiento “promedio” de la variable en la región. Luego, esta serie de referencia se compara con la estación sospechosa permitiendo evaluar si el salto observado se presenta en ambas o sólo en la segunda.

Es en este punto donde entran en juego los metadatos que nos ayudan a confirmar si las fechas de los cambios detectados por los test coinciden con alguna modificación en la estación meteorológica y con ello robustecer la decisión de corregir esa serie. Obviamente lo mas favorable es que ambas fechas coincidan, situación que no siempre ocurre. Además, no todas las estaciones meteorológicas cuentan con un registro detallado de sus traslados, mantenciones, etcétera; por lo que, en algunos casos se debe confiar en el test estadístico y/o aplicar criterio (subjetivo) de experto para decidir la corrección.

Una vez confirmado el punto de cambio o fecha del salto, se procede a corregir la serie, ya sea sumando o restando algún factor de corrección como en el caso de la temperatura, por ejemplo, o multiplicando como en el caso de la precipitación. 

Ya corregida la serie desaparece el salto, como se muestra en la figura 4, con ello se corrige también la tendencia errónea o falsa que aparecía producto de ese salto, y que de no ser corregida podría llevar a malas decisiones en estimaciones de largo plazo. Lo mismo puede ocurrir con el cambio en la variabilidad, donde una observación con mayores o menores valores extremos no asociadas al clima, puede llevar a sub o sobre estimar sus tendencias y con ello disminuir la eficacia de las medidas de mitigación o  de adaptación a ellos.

Entonces, cada vez que observemos una serie de tiempo de alguna variable meteorológica o escuchemos sobre sus tendencias, vale la pena preguntarse si los datos estarán homogeneizados o no, puesto que el pasado de las estaciones meteorológicas las condenan a una constante evaluación de sus cambios.

 

Escrito por: Ricardo Vásquez. Editor: Juan Crespo. Periodista: Paz Galindo

Información de esta publicación:

• https://community.wmo.int/climate-data-homogenization
• https://rmets.onlinelibrary.wiley.com/doi/full/10.1002/joc.5114