Análisis Estadístico

de
Datos Climáticos

Álvaro Díaz- Rafael Terra- Sebastián Solari-Claudio Porrini

2015
 Objetivo del curso

Desarrollar habilidades para identificar y

describir estructuras de datos climáticos,
tanto en sus valores medios como en su
variabilidad espacial y/o temporal.
Realizar aplicaciones al diagnóstico de
relaciones entre distintas variables
climáticas, y eventualmente al pronóstico.
 Temario (1)
• Introducción
 Clima, Climatología y variabilidad climática (espacial y temporal).
Escalas
 Datos climáticos. Revisión sobre el concepto de probabilidad.

• Datos univariados

 Análisis exploratorio aplicado a datos climáticos.

 Descripción de poblaciones por medio de distribuciones empíricas.
Histogramas. Datos apareados. Diagramas de dispersión. Coeficientes
de correlación. Aplicaciones al diagnóstico y pronóstico.
 Distribuciones paramétricas. Distribuciones discretas y continuas.
Distribuciones de probabilidad frecuentes en variables climáticas.
Estimación de parámetros.
 Pruebas de hipótesis. Aplicaciones.
 Análisis de extremos
 Modelos paramétricos de relaciones entre variables climáticas.
Regresión lineal simple y múltiple. Regresión no lineal. Análisis de
estratificación y composición. Aplicaciones en diagnóstico y en
pronóstico.
 Series temporales o cronológicas.
 Temario (2)

• Datos multivariados

 Revisión de conceptos fundamentales sobre estadística

multivariada.
 Algebra de matrices. Distribución normal multivariada.
 Análisis de componentes principales. Ejemplos y aplicaciones.
 Análisis de correlación canónica. Aplicaciones a diagnóstico y
pronóstico.
 Análisis de agrupaciones (cluster analysis).

• Verificación y valor de los pronósticos

 Bibliografía
• Wilks, D., 2006: Statistical Methods in
the Atmospheric Sciences, Academic
Press, 627 pp.

• Von Storch and F.W. Zwiers. 1999.

Statistical Analysis in Climate Research.
Cambridge University Press, 484 pp.
 Introducción

• Clima

• Climatología

• ¿Por qué los métodos estadísticos?

• Variabilidad climática
 Clima (según la RAE)
(Del lat. clima, y este del gr. κλίμα).

1. m. Conjunto de condiciones atmosféricas

que caracterizan una región.
2. m. Temperatura particular y demás
condiciones atmosféricas y telúricas de
cada país.
 Clima...
Es el conjunto de estados de tiempo
atmosférico que se producen en una
determinada región y que otorgan a ésta
una particular idiosincrasia. El concepto de
clima incluye no sólo los valores medios de
las variables meteorológicas, sino también
sus extremos.

Prof. Gustavo Necco

 Clima…
(según la American Meteorological Society)

•AMS Glossary: climate—The slowly varying aspects of

the atmosphere–hydrosphere–land surface system.

Está caracterizado típicamente en términos de promedios

adecuados del sistema climático en períodos de un mes o más,
tomando en consideración la variabilidad temporal de los valores
promediados. La clasificación climática incluye la variación
espacial de estas variables promediadas en el tiempo. En un
principio, se consideraba el clima local como poco más que el
transcurso anual de promedios de largo plazo de la temperatura en
superficie y la precipitación. Actualmente, el concepto de clima se
ha ampliado y evolucionado en décadas recientes en respuesta a la
comprensión creciente de los procesos subyacentes que
determinan el clima y su variabilidad. See also climate system,
climatology, climate change, climatic classification.
Clasificación de Climas según Köppen
(basada en temperatura y precipitación)
 Clima…

• Climate may be defined as the multivariate,

multiple-time probability distribution of status of
the ocean-ice-atmosphere system. (North et al.
1982)

• “El clima puede definirse como la distribución

de probabilidad multivariada y multi-temporal
del estado del sistema océano-hielo-atmósfera”
 Climatología

• Descripción y estudio científico del clima

(según la AMS)

• Según la RAE:

1. f. Tratado del clima.

2. f. Conjunto de las condiciones propias de un
determinado clima.
 Climatología
Hay otro uso bastante frecuente de esta
palabra, que refiere a valores estadísticos
descriptivos de alguna variable.

P. ej. medias mensuales de temperaturas en

un cierto lugar
¿Por qué los métodos estadísticos
para analizar datos climáticos?
Los procesos climáticos presentan irregularidades
que son fuente de incertidumbre.

La estadística permite:

• describir los datos

• cuantificar la incertidumbre
• realizar inferencias.
 Aplicación de métodos estadísticos

• La aplicación de métodos estadísticos adecuados debe

ayudar a la comprensión de los complejos fenómenos
físicos subyacentes

• Valoración de hipótesis

• El análisis estadístico de los datos puede sugerir la

existencia (o no) de relaciones entre variables

• Pero…¡¡no confundir relaciones estadísticas con

relaciones causa-efecto!!

• La descripción de los datos observados puede ayudar a

la predicción
 Pero, ¿y los modelos numéricos
determinísticos…?

Los modelos numéricos son modelos matemáticos,

que se corren en computadoras y se basan en las
ecuaciones de los fluidos, la termodinámica y la
química, aplicadas a la atmósfera y/o los océanos.

En primer lugar, no son perfectos, aunque

siguen mejorando.
Y además…
 1963: La atmósfera como sistema
caótico (Ed. Lorenz)

Deterministic Non-Periodic Flow

Sistema de Lorenz

Modelo simplificado
de convección
Sensibilidad a las condiciones iniciales
 El “Efecto Mariposa”
• Luego de tener éxito en escribir ecuaciones
determinísticas para el flujo atmosférico y
logrado integrarlas numéricamente, surgió un
obstáculo no previsto: La predictibilidad del
sistema es de solamente 2 a 3 semanas
 El mundo después de Lorenz
• Consecuencias del caos determinístico:

– El pronóstico del tiempo (determinístico y limitado en su horizonte

temporal) se separa conceptualmente del pronóstico del clima
(necesariamente probabilístico).

– Entendemos por pronóstico del clima, la predicción de

de valores medios, dispersión, y valores extremos de variables
meteorológicas, en escalas de tiempo mayores (meses,
estaciones, años, etc)

– Se abandona el objetivo de “controlar el tiempo”.

La predictibilidad del clima debe tener otros orígenes
que el atmosférico:

– otros subsistemas del sistema climático, con mayor

“memoria”, como la temperatura de la superficie del
mar y la humedad del suelo.

– forzantes externos como, la variabilidad solar, las

concentraciones de gases de invernadero y
aerosoles, el uso de la tierra y las erupciones
volcánicas.
Se puede mejorar la performance de los
modelos numéricos, post-procesando sus
salidas, utilizando “ensembles”.
simulación con la “mejor”
condición inicial

evolución real
Pero también hay que tener en cuenta
que…

– Las series de datos no son

suficientemente largas.

– El clima puede cambiar y las series largas

pueden no representar adecuadamente el
clima presente.

Los modelos numéricos y los modelos estadísticos

son complementarios.
Ejemplo de Pronósticos (Niño 3.4)
 Variabilidad climática (espacial)

Temperatura media anual (ºC) Precipitación media anual (mm)

Los valores dependen del período! Aquí es 1961-1990

Variabilidad climática (temporal)

Pluviómetro Rivera (1914-1997)

Precipitación agosto

La variabilidad interanual es muy relevante

 Variabilidad interanual

Temperatura media anual en Paysandú: 1951-2002

 Análisis de Extremos

• Se refiere al análisis de los datos más

grandes (o más chicos) de una serie.

• El objetivo es “extrapolar” la información

registrada; i.e. estimar la probabilidad de
ocurrencia de valores más altos (o más
bajos) que los registrados en la serie.

• Necesario para estimar la fiabilidad de un

sistema en un sentido amplio …
 Análisis de Extremos

… por ejemplo:
Inundaciones (diques, represas,
sistemas de desagüe)

Sequías (riego, generación

eléctrica, navegación)

Vientos (puentes, edificios,

antenas, grúas)
 Análisis espectral

A veces interesa determinar frecuencias (o perìodos) dominantes en una serie

temporal. Para eso, se aplican técnicas de análisis espectral.

Pasamos del dominio del tiempo al dominio de las frecuencias

 Método de componentes principales

En el curso presentaremos este

método multivariado, útil para
analizar simultáneamente la
variabilidad espacio-temporal de
variables climáticas.
El método sirve también para
“comprimir” los datos, es decir,
para detectar unos pocos
patrones que describan una gran
fracción de la variabilidad.
Ciclo anual de temperaturas (Paysandú)
Ciclos anuales de precipitaciones en
Salto, Melo, Montevideo

Pisciottano et al
1994
Regionalización de la precipitación en Uruguay según su ciclo anual

Terra y
Pisciottano
1994
• Como ya dijimos, la variabilidad
climática en una región puede estar
influida por fenómenos climáticos
(“forzantes”) que ocurren en otras
regiones.

• Un forzante del clima del sudeste de

América del Sur, al que pertenece
Uruguay, es el fenómeno de El Niño –
Oscilación Sur (ENOS).
 El Niño – Oscilación Sur (ENOS)
Modo de variabilidad cuasi-periódica del sistema
acoplado atmósfera-océano en el Pacífico ecuatorial

Temperaturas de
Superficie del Mar (TSM)

Presión atmosférica
en superficie
Índices de ENOS

Indice de Oscilación Sur (1996-2014)

Indice Niño 3.4 (1996-2014)

ENOS -> Salto Grande (OND)
(años de 1909 a 2007)

En verde están los años “neutros”

 Tendencias en precipitaciones

1901-2005

% por siglo

1979-2005 IPCC 2008

% por década
 “Tendencias” en caudales de ríos
5
Paraná
4
Paraguay
Val./Desv.Tip.

3
Uruguay
2 Negro
1

0 TSM Pacífico
-1
1880 1900 1920 1940 1960 1980 2000

0 .4
Normalizados

0 .3
0 .2 Caudal Medio
0 .1
0
TSM Pacífico
- 0 .1
- 0 .2
- 0 .3
- 0 .4
1880 1900 1920 1940 1960 1980 2000
Medias Móviles Centradas de 30 años Genta et al, 1998
Concentración del CO2 atmosférico
en Mauna Loa, Hawai
Anomalías anuales de temperaturas globales (1995 a 2014)
(con respecto al período 1961-1990)
(Fuente: OMM)

El margen
de error es
+- 0.1ºC

La media global de 1961-1990 es de 14 ºC