FClim Dex

Anlisis Estadstico con FClimdex para Ecuador (2010) . G. Muoz et al.
Asistencia Tcnica para la Generacin de Escenarios de Cambio Climtico 1

INAMHI-MAE

ANLISIS ESTADSTICO CON FCLIMDEX PARA ECUADOR
INFORME FINAL

ngel G. Muoz S.
1
, Cristina Recalde
2
, Jaime Cadena
2
,
Alfredo Nez
1
, Joaqun Daz
1
, Raul Meja
2

1
Centro de Modelado Cientfico (CMC) de La Universidad del Zulia. Maracaibo, 4004. Venezuela
2
Instituto Nacional de Meteorologa e Hidrologa (INAMHI) del Ecuador. Quito, Ecuador.

Junio 2010



Resumen

Se presentan los aspectos metodolgicos y resultados de un anlisis estadstico que
considera los 27 indicadores bsicos del Expert Team on Climate Change Detection and
Indices (ETCCDI/CRD), calculados por la herramienta FClimdex, para la caracterizacin,
vigilancia y deteccin de Cambio Climtico en Ecuador.
Debido a la insuficiencia en el territorio nacional de datos homogeneizados y rellenos
a resolucin temporal diaria, se procedi a emplear datos del NCEP-NCAR Reanalysis
Project (NNRP), interpolados a 1
o
de resolucin espacial, e integrados a resolucin diaria.
Aunque este procedimiento posee sus limitaciones y caveats, y no pretende en modo
alguno suplantar el uso de los propios datos de las estaciones, la metodologa permite -
con las debidas precauciones- tener una primera aproximacin del comportamiento de los
ndices para todo el territorio ecuatoriano, con una base homognea y sin dato faltante.
De este modo, a una resolucin final de 1
o
, para 57 celdas en total (de manera de
cubrir el territorio con 7x7 celdas continentales y costeras, y 4x2 celdas para el territorio
insular de Galpagos) se obtuvieron los 27 ndices empleando una automatizacin del
proceso que hace uso de FClimdex para el cmputo de los indicadores (y del control de
calidad estadstico) y de scripts en NCAR Command Language (NCL) para la
determinacin de estadsticas, tendencias y graficacin. El nmero total de figuras
asciende a 741, que comprende las variables originales a resolucin diaria e ndices
calculados a escala mensual y anual, para cada celdilla. Estos productos, que
representan en principio un comportamiento consistente con las observaciones y
experiencia general en la mayora de los casos, son empleados para generar mapas
espacio-temporales de los mencionados ndices, as como los mapas de tendencia para
los prximos 5 aos (aproximadamente).
En general, se aprecia un incremento de la precipitacin total anual para la mayor
parte del territorio continental ecuatoriano, as como el mismo comportamiento para la
intensidad simple anual de precipitacin. El litoral noroccidental ecuatoriano evidencia un
decremento de precipitaciones mayores o iguales a 10 mm por da, sin embargo cuando
stas ocurren tienden a hacerlo con mayor carcter de extremas (mayores o iguales a 50
mm por da).


Las tendencias apuntan a un incremento de perodos fros en el noroccidente del
pas, pero de noches ms clidas en la costa sur. Esta interesante diferencia debe
estudiarse ms a profundidad prximamente para esclarecer sus posibles mecanismos
fsicos. Para una regin meridional bien definida del Oriente, se aprecian incrementos de
los extremos superiores de temperatura, tanto para el da como para la noche.
En cuanto a Islas Galpagos, especial cuidado debe prestarse al uso de los
productos, dado que aqu especialmente la resolucin escogida plantea una
mezcla de informacin correspondiente a ocano y a territorio insular en la
misma celda. Sin embargo, el anlisis de tendencias evidencia un incremento de
las precipitaciones extremas para las celdas que albergan a San Cristbal,
Espaola, Santa Cruz, Santa F, Floreana y en el caso del ndice R50 (ver anexo
A), Pinzn y el sur de Isabela. En cuanto a los ndices de temperatura, stos
presentan un incremento en los percentiles superiores de las temperaturas tanto
de los das como de las noches para la celda ms suroccidental, mientras que se
muestra un decremento en los mismos percentiles para las celdas que involucran
el norte de Isabela y Santiago, Rabida, Pinta, Marchena y Tower (Genovesa).
Finalmente, se ha prestado especial atencin a los caveats y limitaciones que
la presente aproximacin posee, toda vez que se conoce que no se trata de un
producto libre de incertidumbres y que por el contrario merece, debido a la data
NNRP y a la aproximacin en trminos de celdas en lugar de las propias
estaciones, mltiples atenciones y un oportuno post-procesamiento. En todo caso,
se reconoce que se trata de un producto muy til como una primera aproximacin
para detectar y reconocer tendencias climticas en el territorio ecuatoriano, sobre
todo a falta de datos diarios adecuados a nivel de estaciones nacionales.



NDICE GENERAL
ANTECEDENTES ................................................................................................... 9
I. INTRODUCCIN ........................................................................................... 11
II. OBJETIVOS ................................................................................................... 15
III. DATOS ........................................................................................................... 15
IV. METODOLOGA ............................................................................................ 17
a) Adquisicin y Revisin de la Data ......................................................... 18
b) Determinacin de Resolucin ptima ................................................... 19
c) Interpolacin ............................................................................................. 20
d) Preparacin del Dominio y Transformacin a ASCII ........................... 23
e) Ejecucin de FClimdex ............................................................................ 25
f) Clculo de Estadsticas y Graficacin ................................................... 26
g) Mapas Espacio-Temporales y Mapas de Tendencias ......................... 30
V. RESULTADOS ............................................................................................... 32
VI. LIMITACIONES, CAVEATS E INCERTIDUMBRES .................................... 51
VII. CONCLUSIONES Y RECOMENDACIONES ............................................ 54
VIII. BIBLIOGRAFA .......................................................................................... 57
IX. ANEXOS......................................................................................................... 59



NDICE DE FIGURAS
Figura 1. Fotografa Satelital representando la distribucin de fenmenos
geogrficos en el Ecuador. A grosso modo el territorio puede dividirse en tres
regiones: Litoral (Oeste), Cordillera (Centro) y Selva Tropical (Oriente). Fuente
National Geographic/NASA. ................................................................................. 13
Figura 2. Intercomparacin de la precipitacin media EFM de reanlisis NNRP y
ERA15 contra anlisis de observaciones (CMAP), para el perodo Enero 1979-
Febrero 1994. Se aprecia para Sudamrica mayor concordancia entre
observaciones y NNRP. (Figura 18 de Kistler et al. [2001]) ................................ 17
Figura 3. Interpolacin del campo de precipitacin del NNRP para 4 diferentes
resoluciones. ......................................................................................................... 24
Figura 4a (arriba) y 4b (abajo), mostrando la correlacin espacial entre NNRP y
CRU (4a) y NNRP y data INAMHI (4b) para el perodo 1971-2000, a la
resolucin escogida de 1
o
..........24
Figura 5. Divisin del dominio de estudio en celdas de 1
o
x1
o
, Ecuador
continental y marino-costero. ............................................................................... 24
Figura 6. Designacin de las celdas de estudio para Islas Galpagos. ............ 25
Figura 7. ndices FClimdex asociados a la celda 4-3 (Guayas), correspondiendo
a la Figura 4 reportada en la Tabla No. 1. Se aprecia que slo SDII posee nivel
de significancia estadstica (ver parmetros en verde) en este grupo de ndices.
............................................................................................................................... 28
Figura 8. Representacin grfica del proceso de construccin de los mapas
espaciales para distintos folios temporales a partir de los productos calculados
por FClimdex. El ejemplo se refiere a la celda 4-3 (resaltada en negro en el
mapa superior) para el SDII. ................................................................................ 31
Figura 9. Representacin grfica del proceso de construccin de los mapas de
tendencia (leer texto principal). Si el nivel de significancia estadstica supera al


lmite de confianza establecido, la informacin de la pendiente se emplea en el
mapa de tendencia. .............................................................................................. 32
Figura 10a. Series de tiempo diarias de precipitacin para celda en el vecindario
de Quito. ................................................................................................................ 34
Figura 10b. Series de tiempo diarias de precipitacin para celda en el vecindario
de Guayaquil. ........................................................................................................ 34
Figura 11. Mapa de tendencia de CDD................................................................ 37
Figura 12. Mapa de tendencia de CWD. .............................................................. 37
Figura 13. Mapa de tendencia de CSDI. .............................................................. 38
Figura 14. Mapa de tendencia de PRCPT. .......................................................... 39
Figura 15. Mapa de tendencia de R10. ................................................................ 41
Figura 16. Mapa de tendencia de R20. ................................................................ 41
Figura 17. Mapa de tendencia de R50 (Rnn)....................................................... 42
Figura 18. Mapa de tendencia de R95p. .............................................................. 42
Figura 19. Mapa de tendencia de R99p. .............................................................. 43
Figura 20. Mapa de tendencia de SDII. ............................................................... 44
Figura 21. Mapa de tendencia de TN10p. ........................................................... 45
Figura 22. Mapa de tendencia de TN90p. ........................................................... 45
Figura 23. Mapa de tendencia de TX90p. ............................................................ 46
Figura 24. Galpagos: Mapa de tendencia para R95p..47
Figura 25. Galpagos: Mapa de tendencia para R50...47
Figura 26. Galpagos: Mapa de tendencia para TX90p..49


Figura 25. Galpagos: Mapa de tendencia para TN90p...49
Figura 25. Galpagos: Mapa de tendencia para TR.50



NDICE DE TABLAS
Tabla No. 1. Identificacin de los ndices por figura de los anexos. ........... 29
Tabla No. 2. ndices de los mapas de tendencias discutidos en este
informe. ................................................................................................................ 35



ANTECEDENTES

Existe consenso general en la Comunidad Cientfica de que cualquier cambio
en la frecuencia o intensidad de los eventos climticos extremos tendra profundos
impactos en la naturaleza y la sociedad. Por lo tanto, es muy importante analizar
los eventos extremos. La vigilancia, deteccin y atribucin de los cambios en los
extremos climticos generalmente requiere datos con resolucin diaria. Sin
embargo, la compilacin, provisin y actualizacin de una base de datos diaria
completa y disponible a escala global es una tarea muy complicada. Esto se debe,
en parte, a que no todos los Servicios Meteorolgicos e Hidrolgicos Nacionales
(SMHN) cuentan con la capacidad o autoridad de distribuir gratuitamente la
informacin diaria que obtienen. En consecuencia, el ETCCDI (Expert Team on
Climate Change Detection and Indices) y su predecesor, el Grupo de Trabajo
CCl/CLIVAR en Deteccin de Cambio Climtico ha venido coordinando un
esfuerzo internacional para desarrollar, calcular y analizar un conjunto de ndices
de tal modo que los individuos, pases y regiones puedan calcularlos exactamente
de la misma manera, y que sus anlisis puedan compaginarse en un panorama
global [Karl et al., 1999, Peterson et al., 2001].
Reconociendo objetivos comunes en el rea de estudios de Variabilidad y
Cambio Climtico para el Ecuador, en 2009 el Ministerio del Ambiente del Ecuador
(MAE) y el Instituto Nacional de Meteorologa e Hidrologa (INAMHI) suscriben un
acuerdo de colaboracin especficamente orientado a la realizacin de una serie
de proyectos con el objetivo de generar informacin e ndices climticos que
promuevan y apoyen los esfuerzos nacionales para reducir los impactos de la
Variabilidad y Cambio Climtico en reas y sectores especficos del pas.
El presente estudio es ejecutado dentro de dicho marco de referencia por el
INAMHI y el Ministerio del Ambiente, Proyecto de Adaptacin al Impacto del
Retroceso Acelerado de Glaciares en los Andes Tropicales (PRAA), Proyecto de


Adaptacin al Cambio Climtico a travs de una Efectiva Gobernabilidad del Agua
en el Ecuador (PACC), y Proyecto GEF/PNUD/MAE Segunda Comunicacin
Nacional sobre Cambio Climtico.



I. INTRODUCCIN
El Grupo de Expertos en Deteccin de Cambio Climtico e ndices (ETCCDI por
sus siglas en ingls) de CCl/CLIVAR/JCOMM tiene el mandato de solventar las
necesidades en la medicin y caracterizacin objetivas de la variabilidad y el
cambio climticos, mediante la provisin de coordinaciones internacionales que
ayuden a organizar colaboraciones sobre deteccin, vigilancia y particularmente
estandarizacin de metodologas e ndices relevantes, fomentando la
comparacin entre datos modelados y observaciones. Lo anterior incluye los
aspectos prcticos del desarrollo de materiales y guas para los Servicios
Meteorolgicos, herramientas que incluyen software, documentacin y otros
materiales para guiar el clculo y uso de los ndices de deteccin de Cambio
Climtico y la homogeneizacin de datos climticos, el mejoramiento de la
cobertura global y la evaluacin de los ndices [Zhang, 2008].
El Grupo de Trabajo CCl/CLIVAR en Deteccin de Cambio Climtico aprob
una lista de 40 ndices. Algunos de ellos son utilizados ms frecuentemente que
otros. Diferentes grupos de investigacin pueden definir diferentes ndices para
sus propsitos particulares. Por ejemplo, los ndices de temperatura basados en
percentiles (e.g. el nmero de das en que la temperatura diaria es mayor al
percentil 90) definidos por el proyecto STARDEX (http://www.ist-
world.org/ProjectDetails.aspx?ProjectId=732460bb44d34626a495d23203c7e9d4)
son muy distintos de los definidos por el ETCCDI. Albert Klein Tank compil una
lista de los ndices utilizados por diversos investigadores. [Zhang, 2008]
El ETCCDI revis recientemente sus definiciones de ndices. Un total de 27
ndices fueron considerados los ndices bsicos. stos estn basados en los
valores de temperatura diaria o en la cantidad diaria de precipitacin. Algunos
ndices estn basados en umbrales fijos que son de relevancia para aplicaciones
particulares. En tales casos, los umbrales son los mismos para todas las
estaciones. Otros ndices estn basados en umbrales que varan de una localidad
a otra. En este caso, los umbrales son tpicamente definidos como un percentil de


las series de tiempo relevantes [Zhang, 2008]. Detalles sobre los 27 ndices
mencionados se encuentran en el Anexo A.
Entre las herramientas disponibles por el Grupo, un paquete de software
basado originalmente en Excel (Climdex), que luego fue migrado a lenguaje R
(RClimdex) y a FORTRAN (FClimdex) han sido desarrollados para el clculo de
estos ndices [Zhang, 2008]. El FClimdex es el ms adecuado cuando ha de
trabajarse con un gran nmero de estaciones, si bien no posee acoplado ningn
graficador o subrutinas que se encarguen del anlisis estadstico, deteccin de
tendencias, etc.
Por otra parte, debido a su ubicacin geogrfica y variada topografa (ver
Figura 1), el Ecuador es un pas altamente vulnerable a los impactos del Cambio
Climtico [Primera Comunicacin Nacional, Quito, 2000]. Los eventos peridicos
de El Nio, especialmente aquellos ocurridos en 1982-1983 y 1997-1998, han
demostrado la vulnerabilidad ante fenmenos extremos en el pas. Se espera que
el aumento de temperatura, sequas e inundaciones recurrentes, derretimiento de
glaciares y una intensificacin y variacin de los patrones de precipitacin, tengan
un amplio espectro de impactos en el pas.
Es natural, pues, pensar en la necesidad de realizar estudios que conlleven a
una deteccin, caracterizacin y vigilancia de Variabilidad y Cambio Climtico en
Ecuador, y salta a la vista la utilidad de las metodologas y herramientas sugeridas
por el ETCCDI. El inconveniente al respecto consiste en la escasez de datos de
estaciones con las especificaciones requeridas (i.e.: resolucin, calidad,
homogeneidad, relleno).
Estudios semejantes se han llevado a cabo en otras partes del planeta. Entre
los ms citados se encuentran los trabajos de Frich et al. [2002] y Kiktev et al.
[2003], sin embargo en los mismos no se considera Latinoamrica. Esto pone en
perspectiva de modo adicional la importancia de este tipo de estudios para la
Regin, como se indica tambin en las conclusiones de Kiktev et al.



Figura 1. Fotografa Satelital representando la distribucin de fenmenos geogrficos en el
Ecuador. A grosso modo el territorio puede dividirse en tres regiones: Litoral (Oeste), Cordillera
(Centro) y Selva Tropical (Oriente). Fuente National Geographic/NASA.

Un primer esfuerzo al respecto se llev a cabo para el litoral ecuatoriano en
2007 [CIIFEN-INAMHI-INOCAR, 2007], para el perodo 1963-2004. El reporte final
indica que se consider una poblacin original de 305 estaciones y que tras
efectuar los controles de calidad correspondientes se logr trabajar, en el mejor de
los casos (algunos ndices se trabajan con menos de la mitad de este nmero),
con apenas unas 16 estaciones que presentaban menos del 15% de datos
faltantes. El nmero de estaciones final representa el 5,24% de las estaciones
originales, y slo pudieron determinarse 11 ndices (ver Tabla No. 1 en [CIIFEN-
INAMHI-INOCAR, 2007]), todos relacionados nicamente con precipitacin.
No resulta fcil, pues, disponer de los datos a la resolucin y calidad
necesarios. En el INAMHI, para el caso de datos mensuales, el escenario es
ligeramente distinto [Muoz, 2009], sin embargo para la gran mayora de los


ndices en cuestin (pero no para todos) es menester poseer datos de calidad y
resolucin temporal diaria.
Debido a estos motivos, se ha considerado para el presente estudio emplear
datos provenientes del proyecto NNRP [Kalnay et al., 1996]. Si bien la Comunidad
Cientfica considera los reanlisis atmosfricos como una representacin muy
atinada del estado medio de la atmsfera (que considera, por cierto, los propios
datos de los Servicios Meteorolgicos Nacionales de todo el planeta),
naturalmente existen limitaciones, incertidumbres y caveats [Kistler et al., 2001]
que son importantes tener muy presentes a la hora del anlisis climatolgico y uso
para la toma de decisin. Los resultados de este estudio han de considerarse
como una primera aproximacin en la deteccin de seales y tendencias
climticas, informacin til toda vez que el Ecuador carece de un estudio de esta
especie para todo el territorio nacional de modo simultneo.
Una ventaja de la presente metodologa es que se estn proveyendo a las
instituciones los cdigos automatizados ya para la ejecucin de todo el proceso,
sea ste aplicado a datos de estaciones o, como en el presente caso, datos en
malla.
El objetivo general del presente trabajo es el de realizar un anlisis estadstico
del comportamiento de la precipitacin y temperaturas mxima y mnima en el
Ecuador en trminos de los mencionados ndices climticos, y proveer mapas
espacio-temporales de la evolucin de los mismos y sus tendencias
estadsticamente significativas a un lmite de confianza del 95% (p=0.05).
En la siguiente seccin se discuten los datos empleados, con especial atencin
a los cuidados (caveats) que hay que tener para su anlisis y considerndolos
como una primera aproximacin debido a la carencia de suficientes datos locales
a resolucin diaria. En la Seccin III se presenta la metodologa general llevada a
cabo para la obtencin de los resultados, los cuales se tratan en la Seccin IV. La
Seccin V discute las limitaciones, atenciones e incertidumbres del trabajo, y
finalmente la Seccin VI presenta las principales conclusiones.


II. OBJETIVOS
Los objetivos establecidos para el presente estudio son:
Objetivo general:
Generar informacin e ndices climticos que promuevan y apoyen los
esfuerzos nacionales para reducir los impactos de la variabilidad y Cambio
Climtico en reas y sectores especficos del pas.
Objetivos especficos:
1. Realizar un anlisis estadstico del comportamiento de la precipitacin y
temperaturas mxima y mnima en el Ecuador en trminos de determinados
ndices climticos.
2. Presentar un Reporte Tcnico con los resultados del anlisis estadstico
Climdex, que rena las caractersticas estndar de un artculo cientfico
para publicacin.

III. DATOS
Las variables necesarias para la ejecucin del cdigo son temperatura mxima
(TX), temperatura mnima (TN) y precipitacin (R), todas a escala diaria. Sin
embargo, con fines que sern esclarecidos en la seccin IV, se han empleado
bases de datos a otras resoluciones temporales.
Para el presente estudio se han empleado datos mensuales de estaciones
(datos discretos) pertenecientes al Instituto Nacional de Meteorologa e Hidrologa
(INAMHI) del Ecuador [INAMHI, 2009] con fines de comparacin con los campos
de reanlisis para determinar el umbral adecuado de interpolacin (ver Seccin
III). El perodo disponible para esta data es 1971-2008. El formato es ASCII. El
nmero de estaciones, tras depuracin y controles de calidad, es de 169,
distribuidas en todo el territorio nacional.


Se ha hecho tambin uso en el estudio, por las razones expuestas en la
Introduccin, de informacin disponible en bases de datos internacionales (en
malla). Especficamente y por la calidad y resolucin de las mismas, se escogi la
East Anglia University CRU TSv2.1 [Mitchell & Jones, 2005] para la descripcin de
la temperatura (mnima y mxima) y precipitacin.
La data CRU se emple para estudios de consistencia para la data de INAMHI
y como referencial tambin para la determinacin del umbral para la interpolacin
realizada a la data de NNRP. El perodo escogido para este estudio es 1971-2000.
La resolucin espacial es de 0.5
o
y la resolucin temporal es mensual. El formato
en que se trabaj la data es netCDF.
Finalmente, se utiliz informacin del Proyecto de Reanlisis NCEP-NCAR
[Kalnay et al., 1996], mencionado anteriormente. Hay ms de 80 variables
diferentes disponibles en el NNRP, que posee una resolucin espacial de 2.5x2.5
grados cuadrados disponible en intervalos de 6 horas y en varios sistemas de
coordenadas diferentes: 17 niveles de presin sobre la celda de 2.5
o
x2.5
o
, 28
niveles sigma para una malla de 192x94 rejillas (en coordenadas gaussianas), y
11 niveles isoentrpicos para una malla de 2.5
o
x2.5
o
. Los resultados del
proyecto se almacenan en formato GRIB. [Kalnay et al.,1996]. El perodo escogido
fue desde Enero 1971 hasta Diciembre 2009. Entre las ventajas del uso de este
tipo de datos resaltan: la extensin temporal empleando los mismos esquemas de
fsica y asimilacin, cobertura homognea del territorio, resolucin temporal
subdiaria y carencia de datos faltantes. En la Figura 2 se presenta una
comparacin de los datos NNRP con respecto un reanlisis europeo (ERA15) y
observaciones. Se aprecia concordancia para el caso de Sudamrica entre NNRP
y las observaciones, no siendo tan bueno el caso para el ERA15.
En el caso de la librera de datos CRU, los mismos se descargaron de la IRIDL
(http://iridl.columbia.edu). Por otra parte, los datos del NNRP se descargaron
directamente de UCAR (http://dss.ucar.edu/datasets/ds090.0/) por medio de
autmatas hechos para tal fin. Cada ao, comprimido, ocupa unos 600 Mb de
espacio.


Figura 2. Intercomparacin de la precipitacin media EFM de reanlisis NNRP y ERA15 contra
anlisis de observaciones (CMAP), para el perodo Enero 1979-Febrero 1994. Se aprecia para
Sudamrica mayor concordancia entre observaciones y NNRP. (Figura 18 de Kistler et al. [2001])

IV. METODOLOGA

Est claro hasta este punto que es necesario recurrir a bases de datos a
resolucin temporal diaria o subdiaria para las variables en estudio (TX,TN y R),
en aras de poder calcular a cabalidad los distintos ndices climticos. Est tambin
claro que los datos con las condiciones requeridas, y para todo el territorio
ecuatoriano, no estn por el momento disponibles por el INAMHI. De modo que,
bien conscientes de las distintas limitaciones e incertidumbres, se emplear data


del NNRP para obtener una primera aproximacin del comportamiento de los
mencionados ndices.
Un aspecto importante consiste en que se considera el dominio conformado
por celdas en lugar de estaciones. Puede pensarse que cada celda corresponde
a una estacin virtual ubicada en cada una, pero debe siempre tenerse sumo
cuidado con esta interpretacin toda vez que no es posible, como se ha
mencionado ms arriba, comparar directamente celdas y estaciones reales.
Asimismo, debido a la resolucin final de las celdas, no ser en modo alguno
perfecta la descripcin del relieve presente, o de los propios procesos fsicos
involucrados. Sin embargo, a falta de datos con las cualidades necesarias, se ha
escogido proceder usando el reanlisis para obtener un primer producto, que
luego con la venida de mejores grupos de datos pueda irse afinando, toda vez que
los procedimientos implementados son independientes de los datos en s mismos.
La metodologa general, pues, consiste en los siguientes pasos: (a) adquisicin
y revisin de la data, (b) determinacin de la resolucin ptima para interpolacin,
(c) interpolacin, (d) preparacin del dominio y transformacin a ASCII de las
variables para cada celda, (e) ejecucin de FClimdex para cada celda, (f) clculo
de estadsticas y elaboracin de grficas con NCL para cada celda, y (g)
elaboracin de mapas espaciales para distintos folios temporales y de tendencia.
Los pasos se explican en detalle a continuacin:

a) Adquisicin y Revisin de la Data

Como se ha expuesto, se elaboraron los autmatas en BASH para la descarga
de la data del portal de UCAR para el caso del NNRP. Los datos netCDF de CRU
se descargaron manualmente de la IRIDL. Y los datos en ASCII del INAMHI se
recibieron oportunamente va correo electrnico.


Se llev a cabo una revisin minuciosa de todos los grupos de datos por igual.
No se encontraron problemas para la data CRU, y problemas menores con la
NNRP fueron solventados descargando de nuevo los meses necesarios (haba
errores asociados a interrupciones del servicio de internet).
El control de calidad preliminar permiti verificar para el caso de la data
INAMHI, que determinadas estaciones (siendo la ms notoria Muisne) deban ser
eliminadas por presentar comportamientos anmalos. El nmero final de
estaciones con las que se trabaj fue de 169, distribuidas entre el Litoral y la
Sierra ecuatoriana, y algunas pocas en el Oriente. Vale mencionar que el dficit de
estaciones en esta ltima regin es muy marcado, e imposibilita el poder trabajar
adecuadamente en cualquier tipo de anlisis climtico riguroso.
La data (mensual) del INAMHI, revisada, se someti a un anl isis objetivo
siguiendo la metodologa de Cressman [Cressman, 1959] y se resolvi la ecuacin
de Poisson (va relajacin) para el relleno final de datos faltantes en zonas en
donde el Cressman, por la densidad de estaciones, no pudo proveer valores. La
resolucin del anlisis final es de 30 km de resolucin. La metodologa detallada
llevada a cabo est fuera del alcance del presente documento y ser explicada en
otra parte [Muoz et al., 2010].
Como resultado del anlisis objetivo, se tienen campos en mall a para
temperatura mxima, mnima y precipitacin a partir de la data del INAMHI. Estos
datos en malla pueden compararse y operarse aritmticamente con los datos CRU
y NNRP, a las resoluciones correspondientes. Para dicha comparacin, el
presente estudio asume como referencia los campos en malla del INAMHI y CRU.

b) Determinacin de Resolucin ptima

Los datos NNRP poseen ventajas importantes, pero la resoluci n de los
mismos es de unos 2.5 x 2.5
o
, la cual es demasiado baja como para llevar a cabo
un estudio como el deseado para el territorio ecuatoriano.


Como es bien sabido, no es posible interpolar a una resolucin arbitraria sin
que se genere ruido tal que la seal presente en los datos quede opacada por el
mismo. De modo que la pregunta que surge es, hasta qu resolucin se podrn
interpolar los datos NNRP sin que la relacin seal/ruido se vea afectada? La
respuesta no es, en definitiva, simple, e involucra en buena medida experiencia y
conocimientos de la climatologa de la regin, as como de los procesos numricos
asociados con la interpolacin misma.
En la Figura 3 se aprecia un ejemplo del peligro que se corre al interpolar. En
general, los campos tienden a suavizarse, cambiando as las magnitudes de las
variables en cuestin. En el caso de la Figura 3 se muestra el comportamiento de
la precipitacin para 4 resoluciones diferentes de data NNRP: 2.0
o
, 1.5
o
, 1.0
o
y
0.5
o
. Como se aprecia, al incrementar la resolucin espacial tiende a perderse el
campo original. Luego de varias experiencias llevadas a cabo para las variables en
cuestin para distintos perodos, se escogi 1
o
x 1
o
como resolucin espacial para
trabajar homogneamente todo el dominio computacional.
Para esta resolucin, el cmputo de correlacin espacial para todo el perodo
1971-2000 entre NNRP y la data CRU, y entre NNRP y la data INAMHI en la
Figura 4a y Figura 4b, respectivamente. Estas figuras permiten cuantificar el nivel
de similaridad entre el reanlisis y los datos de observacin seleccionados. Se
aprecia una mayor correlacin hacia la Costa y Sierra que hacia el Oriente,
pudiendo deberse a la escasez de datos general en esa zona.

c) Interpolacin

Una vez preparados los datos y escogida la resolucin de trabajo, el siguiente
paso consiste en efectuar la interpolacin sobre NNRP. Dado que el sistema de
coordenadas de las variables escogidas es gaussiano, se llev a cabo una
interpolacin con el mismo tipo de sistema de coordenadas a una resolucin de 1o
(tcnicamente corresponde a una resolucin T159) empleando armnicos


esfricos con la ayuda de NCAR Command Language (NCL) y Spherepack
(http://www.cisl.ucar.edu/css/software/spherepack/). Especial cuidado se tuvo al
revisar los resultados de la interpolacin en trminos de ocurrencias de spectral
ringings.

Figura 3. Interpolacin del campo de precipitacin del NNRP para 4 diferentes resoluciones.



Figura 4a (arriba) y 4b (abajo), mostrando la correlacin espacial entre NNRP y CRU (4a) y NNRP y
data INAMHI (4b) para el perodo 1971-2000, a la resolucin escogida de 1
o
.


Para ello, se realiz un autmata que de toda la data descargada (cada 6 horas,
desde 1971 hasta 2009 completo) slo extrajo las 3 variables necesarias y a las
mismas le realiz, paso de tiempo por paso de tiempo, la interpolacin gaussiana.
El resultado final consiste en una serie de archivos en formato netCDF con slo
las tres variables a una resolucin de 1
o
. Bsicamente se cre un archivo por
semestre, salvo algunas excepciones en las que hay 3 archivos por ao,
relacionadas con los errores de descarga por interrupcin de internet que se
mencionaron anteriormente.
La data interpolada y los autmatas correspondientes estn disponibles en las
instalaciones del INAMHI en uno de los discos duros externos de 1 Tb provistos
para el estudio.

d) Preparacin del Dominio y Transformacin a ASCII

En esta etapa se escribieron scripts y autmatas para definir los bordes del
dominio final a trabajar, nmero de celdas (estaciones virtuales), y la
transformacin del formato al requerido por el FClimdex. El autmata principal slo
necesita informacin sobre la ubicacin (fronteras geogrficas) del dominio.
La Figura 5 muestra el dominio escogido tras el proceso de interpolacin. Es
posible generar dominios menores o ligeramente mayores.
Como puede apreciarse, el nmero total de celdas a trabajar es de 49 para el
Ecuador continental y martimo-costero. Si bien las celdas designadas como 6-5,
6-6, 6-7, 7-5, 7-6, 7-7, 7-1 y 6-1 pueden no ser de inters directo desde el punto de
vista poltico-territorial, s que podran serlo desde el punto de vista de influencia
climtica o como marco de referencia, por lo que no se omiten.



Figura 5. Divisin del dominio de estudio en celdas de 1
o
x1
o
, casi Ecuador continental y marino-
costero.

La Figura 6 presenta el caso anlogo para las Islas Galpagos. El nmero total
de celdas asciende a 57.
La designacin de las Figuras 5 y 6 es importante a la hora de hacer referencia
a las correspondientes celdas y figuras en los resultados del presente estudio.
Una vez preparado el dominio, se escribi un autmata que hace uso de una
serie de scripts escritos en NCL y GrADS para determinar los valores diarios de
cada una de las 3 variables necesarias a partir de la informacin de 6 horas.
Adicionalmente, transforma la informacin del formato binario original al ASCII que
necesita el FClimdex. El autmata se encarga de hacer estos procesos para cada


una de las celdas. Crea una carpeta con el nombre correspondiente e incluye los
archivos en el formato requerido.

Figura 6. Designacin de las celdas de estudio para Islas Galpagos.

e) Ejecucin de FClimdex

Por su versatilidad a la hora de automatizar el proceso, en este trabajo se ha
escogido el uso del FClimdex en lugar de sus homlogos.
El paquete se encarga, para cada estacin virtual, de llevar a cabo el control
de calidad, los anlisis estadsticos correspondientes, obtencin de ndices
climticos y calcular las tendencias.


La ejecucin provee un archivo por cada ndice, as como archivos de control
de calidad (prcpQC y tempQC) y un log. Para el control de calidad y el
reconocimiento de datos extremos, se emple como valor crtico 3 desviaciones
estndard. Asimismo vale mencionar que para el ndice Rnn se escogi para todas
las celdas, en aras de poder compararlas con el mismo cnon, un nn=50 mm, de
modo que aparecer en los resultados como R50.
FClimdex, sin embargo, no realiza el clculo de tendencias o de las
estadsticas asociadas a cada ndice, ni los niveles de significancia
correspondientes. Para ello se desarrollaron scripts y autmatas especiales, que
se describen en la siguiente subseccin.

f) Clculo de Estadsticas y Graficacin

Una vez producidos los archivos cuyo contenido corresponde a cada uno de
los ndices climticos requeridos, es til intentar reconocer tendencias a partir de
los mismos. Son estas tendencias las que pueden ayudar a definir una seal de
ocurrencia de Cambio Climtico si el nmero de aos es representativo.
Para la deteccin de tendencias es usual el empleo de regresiones lineales, las
que si bien deben usarse con la debida atencin- por su simplicidad permiten
rpidamente reportar si un ndice en particular evidencia incrementos,
decrementos o por el contrario no presenta cambios significativos en el tiempo. El
parmetro clave es, pues, la pendiente de la regresin lineal ajustada, que
nosotros denotamos por m.
Sin embargo, est claro que, dado un conjunto de puntos, es posible llevar a
cabo una regresin lineal sin que necesariamente sta posea una significancia
estadstica que garantice que efectivamente la tendencia reconocida no sea
causada por el azar. Es por ello que el clculo del nivel de significancia es tan


importante, toda vez que provee una garanta al analista de qu tan confiable es la
tendencia detectada.
Estos niveles de significancia, usualmente dados por medio del parmetro
p el p-valor (p-value, en ingls)-, estn asociados a la estadstica particular de la
distribucin, siendo una de las ms frecuentes la estadstica t-Studentis (o t de
Student), normalmente de dos colas [Brownlee, 1965]. Es comn, en este caso,
referirse ms al t-valor (tval, en nuestro anlisis), el cual, en conjunto con el
nmero de grados de libertad, define el nivel de significancia estadstica, NS. Por
prueba de hiptesis es entonces posible rechazar o no una tendencia significativa
para el analista. Para mayores detalles, ver por ejemplo [Zwiers & von Storch,
1995].
Naturalmente, lo que se busca es que NS en cada uno de los anlisis de
tendencias sea mayor que un cierto umbral de confianza, que es escogido, como
se ha dicho, por el analista. En el presente documento se sugiere un valor crtico
de p=0.05, o NS=0.95 (o 95%) como mnimo para confiar en que la tendencia no
pueda asociarse al azar, sino a una seal real. De alcanzarse el nivel requerido,
en la figura se evidencia el hecho resaltando los parmetros en color verde para el
ndice correspondiente (ver Figura 7).
Vale destacar que el hecho de que una determinada seal no alcance el
mnimo estipulado del nivel de significancia NS, no implica en modo alguno que
los valores reportados por un ndice determinado no coincidan con lo observado.
Lo que implica es que el analista no puede confiar, por sus propios cnones
establecidos, en que la seal detectada sea significativa desde un punto de vista
estadstico, y que por ende una hiptesis nula deba ser o no rechazada. De
manera que el clculo de los 27 ndices, de por s, es ya un producto, un resultado
de este estudio, y otro es la tendencia o seal detectada.
En resumen, al analizar un ndice en particular, lo bsico que hay que estudiar
es, aparte de si el perfil que presenta tiene o no sentido fsico, su nivel de
significancia, NS. Si el mismo est por encima del umbral que se ha escogido,


entonces se tiene suficiente confianza como para asumir que hay una tendencia
lineal, cuya pendiente, m, indicar si el perfil es creciente, decreciente (o sin
crecimiento) y en qu magnitud.

Figura 7. ndices FClimdex asociados a la celda 4-3 (Guayas), correspondiendo a la Figura 4
reportada en la Tabla No. 1 (ver texto principal, ms adelante). Se aprecia que slo SDII posee
nivel de significancia estadstica (ver parmetros en verde) en este grupo de ndices.

Existen, por supuesto, otras maneras de detectar seal, que no tienen por qu
involucrar regresiones lineales, sino no-lineales por ejemplo. Sin embargo,
seguiremos la prctica normal de hacer uso de regresiones lineales, sin descartar
generalizar el estudio ms adelante de ser necesario.


Se han elaborado los scripts en NCAR Command Language (NCL) y los
autmatas en BASH para que de modo eficiente se pudieran hacer todos los
clculos de las estadsticas, grados de libertad, nivel de significancia, regresiones
lineales y grficos correspondientes, para cada una de los 27 ndices de cada una
de las 57 celdas.
Los grficos de variables e ndices se agruparon finalmente en un total de 13
figuras por celda, que se almacenan automticamente dentro de la
correspondiente carpeta. Para detalles, ver Tabla No. 1.
1 Precipitacin (R) Diaria
2 Temperatura Mxima (TX) Diaria
3 Temperatura Mnima (TN) Diaria
4 CSDI, WSDI, CWD, CDD, GSL, SDII Anual
5 TN90p, TX90p, TN10p, TX10p Anual
6 R95p, R99p, R10, R20, R50, PRCPTOT Anual
7 DTR, TR20, SU25, FD0, ID0 Anual
8 TXx Mensual
9 TNx Mensual
10 TXn Mensual
11 TNn Mensual
12 RX1d Mensual
13 RX5d Mensual
Tabla No. 1. Identificacin de los ndices por figura de los anexos.


En la Tabla 1 se presenta el contenido de los distintos ndices calculados. La
nomenclatura de cada figura corresponde a: CELDA A-B. FIGURA N. A y B son
los identificadores de celda, mientras que N corresponde al nmero de figura.
Por otra parte, un ejemplo del tipo de figuras generadas se presenta en la
Figura 7. En la misma se pone en evidencia un incremento con significancia
estadstica del ndice simple de intensidad diaria de precipitacin (SDII) para la
celda en cuestin, ubicada en la provincia del Guayas. El resto de los ndices no
posee significancia estadstica como para reportar l as tendencias
correspondientes.

g) Mapas Espacio-Temporales y Mapas de Tendencias

Si bien es cierto las series de tiempo corresponden al producto tpico de
FClimdex (o de RClimdex, si viene al caso), pero(Agregue este pero) para la toma
de decisiones y el anlisis general de los productos puede resultar ms til la
visualizacin en trminos de mapas espaciales para distintos tiempos. A estos
mapas se les denomina en este estudio mapas espacio-temporales.
Para la confeccin de estos mapas se hace uso directamente de la informacin
provista por FClimdex para cada ndice y cada celda. La Figura 8 ilustra el
procedimiento:
Dada la serie de tiempo del ndice en cuestin, se ubica el valor
correspondiente en un mapa espacial. El valor se reporta directamente par a la
celda, sin llevar a cabo ningn tipo de interpolacin para evitar las incertidumbres
asociadas. Dado que la serie de tiempo posee informacin de mltiples aos, es
posible generar los mapas para el perodo en consideracin. Al repetir este
procedimiento para todas las celdas, se construyen los mapas visibles en la Figura
8.



Figura 8. Representacin grfica del proceso de construccin de los mapas espaciales para
distintos folios temporales a partir de los productos calculados por FClimdex. El ejemplo se refiere
a la celda 4-3 (resaltada en negro en el mapa superior) para el SDII.

Un procedimiento similar se sigue para la elaboracin de los mapas de
tendencia (ver Figura 9). Estos mapas, naturalmente, slo reportan aquellas
celdas que posean un nivel de significancia estadstico (recordar que el lmite de
confianza se estableci en 95%). En pocas palabras, si una celda particular, para
un ndice dado, posee significancia estadstica, se representa en un mapa espacial
el valor de la pendiente de la regresin lineal calculada. En los casos en que no se
alcanza el nivel de significancia, el mapa reporta un valor faltante (blanco) para
dicha celda. Los valores asociados a incremento en la pendiente corresponden a
tonos rojos, mientras que los de decrecimiento a tonos azules.



Figura 9. Representacin grfica del proceso de construccin de los mapas de tendencia (leer texto
principal). Si el nivel de significancia estadstica supera al lmite de confianza establecido, la
informacin de la pendiente se emplea en el mapa de tendencia.



V. RESULTADOS
Los resultados en trminos de figuras pueden apreciarse en los anexos de
este documento. Corresponden a un total de 741 (= 57 celdas x 13 figuras)
figuras, cada una presentando, en general, mltiples ndices climticos (ver Tabla
1). Las mismas pueden ser analizadas una a una o, ms prcticamente, puestas
en mapas, ndice a ndice, como se ha explicado ms arriba.
Vale mencionar, sin embargo, que el comportamiento general de las variables
e ndices va acorde a lo esperado y concuerda en gran medida con las
observaciones disponibles de incrementos/decrementos de las variables en aos
extremos y neutrales, a pesar de las limitaciones (ver seccin siguiente) de la data
del NNRP. Esto indica que pareciera estar fundada la presuncin original, segn la
que a pesar de las deficiencias presentes en el reanlisis, ste pudiera ser de
utilidad para describir el estado medio atmosfrico y a partir del mismo reconocer
siempre con la debida atencin- patrones y tendencias climticas, sobre todo
cuando no se poseen datos de estaciones con los requisitos correspondientes
para hacer un estudio a nivel nacional.
En primera instancia, si bien las magnitudes asociadas a las precipitaciones (y
temperaturas) puedan no representar exactamente los valores de las estaciones
ubicadas en una celda en particular (no tienen por qu hacerlo, porque la
aproximacin de celdas no est diseada para representar exactamente el valor
de las estaciones locales), se aprecia concordancia general entre el
comportamiento de las variables del NNRP y las observaciones. Incluso se aprecia
consistencia entre la representacin de las variables en distintas celdas. Por
ejemplo, en las Figuras 10a y 10b se consideran celdas ubicadas en la Sierra y la
Costa ecuatorianas.


Figura 10a. Series de tiempo diarias de precipitacin para celda en el vecindario de Quito.

Figura 10b. Series de tiempo diarias de precipitacin para celda en el vecindario de Guayaquil.


ID Nombre del Indicador Definicin UNIDAD
TN10p Cool nights (Noches fras) Porcentaje de das cuando TN<10mo percentil %
TN90p
Warm nights
(Noches calientes)
Porcentaje de das cuando TN>90mo percentil %
TX90p
Warm days
(Das calientes)
Porcentaje de das cuando TX>90mo percentil %
CSDI
Cold spell duration indicator
(indicador de la duracin de
periodos fros)
Contaje anual de das con por lo menos 6 das
consecutivos en que TN<10mo percentil
Das
SDII
Simple daily intensity index
(ndice simple de intensidad
diaria)
Precipitacin anual total dividida para el
nmero de das hmedos (definidos por
PRCP>=1.0mm) en un ao
mm/da
R10
Number of heavy precipitation
days (Nmero de das con
precipitacin intensa)
Nmero de das en un ao en que
PRCP>=10mm
Das
R20
Number of very heavy
precipitation days
(Nmero de das con
precipitacin muy intensa)
PRCP>=20mm
Das
R50
Number of days above nnmm
(Nmero de das sobre nn mm)
Nmero de das en un ao en que PRCP>=50
mm
Das
CDD
Consecutive dry days
(Das secos consecutivos)
Nmero mximo de das consecutivos con
RR<1mm
Das
CWD
Consecutive wet days
(Das hmedos consecutivos)
RR>=1mm
Das
R95p
Very wet days
(Das muy hmedos)
Precipitacin anual total en que RR>95 percentil mm
R99p
Extremely wet days
(Das extremadamente
hmedos)
PRCPTOT
Annual total wet-day
precipitation
(Precipitacin total anual en los
das hmedos)
Precipitacin anual total en los das hmedos
(RR>=1mm)
mm
Tabla No. 2. ndices de los mapas de tendencias discutidos en este informe (ver texto principal).



La representacin de eventos ENOS, aunque pueda no ser perfecta, est
presente, notndose las diferencias entre los valores esperados para las distintas
regiones. Asimismo, la variabilidad estacional no deja de estar representada, de
acuerdo esto tambin con los reportes similares para otras partes del mundo
[Kistler et al, 2001]. Lo mismo ocurre para las figuras asociadas a temperaturas
mxima y mnima de cada celda.
Como se ha mencionado, los mapas espacio-temporales presentados en este
estudio (ver Anexos) forman un producto muy importante per se. Sin embargo
probablemente de mayor inters son los mapas de tendencias obtenidos. Se
incluyen aqu aquellos con una seal clara para el territorio ecuatoriano (ver Tabla
No. 2). En todo caso, absolutamente todos por igual se incluyen en los anexos.

Ecuador Continental y Costero
En general, se obtiene seal de un incremento en el nmero de das secos
consecutivos para una la regin central ecuatoriana (ver Figura 11), con una
magnitud de entre 0.03 y 0.06 das/ao. Un muy ligero decremento para el nmero
de das secos consecutivos se aprecia para el nororiente ecuatoriano. Para una
regin en la que hay mucho inters con respecto a este ndice, la Costa
Ecuatoriana, no se obtuvo significancia estadstica y por ende no puede decirse
nada concluyente al respecto. Sin embargo (Figura 12) el ndice de das hmedos
consecutivos indica un decremento de los mismos del orden de medio da por ao
en celdas asociadas a las costas ecuatorianas, mientras que muestra un
incremento en la zona sur del orden de 2 das/ao. En la celda 4-5 se evidencia
tambin un claro incremento del nmero de das hmedos consecutivos.



Figura 11. Mapa de tendencia de CDD.

Figura 12. Mapa de tendencia de CWD.


Para el ndice de duracin de perodos clidos, no se encontr significancia
para el territorio ecuatoriano. Pero en cuanto a la duracin de perodos fros
(Figura 13), se aprecia claramente un incremento del orden de 1 da/ao para las
celdas martimas del noroeste del territorio continental ecuatoriano, lo que
pareciera estar en acuerdo con las observaciones generales de la ocurrencia de
un enfriamiento a lo largo de la costa pacfica de Sudamrica. Esta figura no
muestra, sin embargo, algo similar para la regin martima litoral por debajo de los
2.5S.

Figura 13. Mapa de tendencia de CSDI.

El ndice de precipitacin total de la celda (Figura 14) debe manejarse con
cuidado igual que todos los otros que posean mm como unidades- dado que su
interpretacin en trminos de cantidad de precipitacin no puede asociarse
trivialmente con la lluvia ocurrida en una estacin, sino que se asocia a la
precipitacin de la celda como una superficie homognea, que posee la misma


altura sobre el nivel del mar y caractersticas. Por ello en este caso, ms que la
magnitud de las tendencias (medidas en unidades de mm/da), la atencin se
concentrar en el hecho de que para prcticamente todo el territorio ecuatoriano
se indica un incremento de la precipitacin total anual. Llama la atencin, de
nuevo, la falta de significancia estadstica para el litoral ecuatoriano, esta vez por
encima de los 2.5S.

Figura 12. Mapa de tendencia de PRCPT.

Las siguientes 3 figuras (Figura 15, 16 y 17) son muy tiles si se analizan en
conjunto, dado que hay que entender que los ndices R20 y R50 representan, en
ltima instancia, subconjuntos del ndice R10 (ver definiciones en Tabla No.2). En
la Figura 15 se aprecia que el nmero total de das con precipitaciones mayores o
iguales a 10 mm est incrementando en los extremos nororiental y sudoccidental
del pas. Sin embargo, para el litoral noroccidental se aprecia un decremento
notorio de alrededor de 1 da/ao. El ndice R20 (Figura 16) evidencia que tales


incrementos mostrados en la Figura 15 tienen asociados tambin incrementos de
precipitaciones muy intensas (siguiendo la definicin del ndice del ETCCDMI).
En el litoral ecuatoriano, por encima de los 2.5S, no se tiene una seal significativa
con respecto a este ndice. Sin embargo, el escenario es bastante claro en la
Figura 17 (R50). Queda claro prcticamente para todo el territorio que existe un
aumento de precipitaciones extraordinarias, en trminos del nmero de das de
un ao con precipitaciones iguales o superiores a 50 mm, incluso para el litoral.
Esto significa que aunque (ver Figura 15) un sector de la costa est evidenciando
decrementos de precipitaciones intensas, stas estn tendiendo a ocurrir de modo
ms extremo (medidas por R50 y no por R20).
Continuando con ndices extremos de precipitacin, las Figuras 18 y 19
presentan las tendencias de R95p y R99p. En general se aprecia que los mximos
(al percentil 95 y 99) de precipitacin se estn claramente incrementando para
prcticamente todo el territorio (no se evidencia ningn decremento en las celdas
con significancia estadstica para ninguno de los ndices). Queda claro entonces
que las precipitaciones extremas estn aumentando.
Un aspecto interesante que revelan las Figuras 11, 18 y 19, es que muestran
que para la regin central ecuatoriana (regiones vecinas o directamente en la
Sierra) simultneamente el nmero de das secos consecutivos se incrementa, y a
la vez esto ocurre con las lluvias extremas. Esto puede apuntar a conclusiones
como las que se aprecian en general en otras partes del planeta, en la que se
tiende a una disminucin del nmero de das con precipitacin, pero que cuando
stas ocurren, lo hacen en mayor cantidad.



Figura 15. Mapa de tendencia de R10.

Figura 16. Mapa de tendencia de R20.



Figura 17. Mapa de tendencia de R50 (Rnn).

Figura 18. Mapa de tendencia de R95p.


Figura 19. Mapa de tendencia de R99p.

Este incremento en la intensidad de precipitacin es cnsono con lo expuesto
en la Figura 20, con el ndice SDII. Se muestra que en general el territorio
ecuatoriano est evidenciando un incremento en la intensidad (al menos la simple
anual) de precipitaciones, siendo ms notorio el incremento hacia el sur y el
noreste. Algunas regiones de la costa ecuatoriana no poseen significancia
estadstica para la tendencia en cuestin.


Figura 20. Mapa de tendencia de SDII.

Las tres figuras finales (Figuras 21, 22 y 23) exponen un panorama interesante
para distintas regiones de Ecuador. Primeramente el ndice TN10p (Figura 21)
indica que hay tendencia a noches menos fras hacia la costa sur ecuatoriana y al
sureste amaznico ecuatoriano, mientras que un incremento de noches fras en el
sur. Esto es consistente con lo presentado en la Figura 22 para la costa y sureste
amaznico ecuatorianos: incremento de noches clidas. Hay un decremento de
noches clidas notorio en la costa norte del Ecuador, segn la Figura 22, que en
conjunto con lo expuesto anteriormente en el anlisis de la Figura 13, podra
indicar consistencia en el enfriamiento de ese sector del dominio. Definitivamente
se consolida con la evidencia para ese sector de la Figura 23, que indica un
decremento de das clidos


Figura 21. Mapa de tendencia de TN10p.

Figura 22. Mapa de tendencia de TN90p.
Das y noches ms clidos estn en incremento tambin para una regin
meridional del Amazonas Ecuatoriano, en funcin de lo expuesto en las Figuras 22
y 23.


Figura 23. Mapa de tendencia de TX90p.

Islas Galpagos
En cuanto al dominio escogido para Islas Galpagos, de nuevo los productos
estn incluidos en los anexos, sin embargo pocos mapas de tendencias
evidencian seales claras. Adicionalmente, es menester en este dominio prestar
atencin extra a los productos debido a la resolucin de las celdas en
comparacin con la superficie insular de inters. En efecto, a la resolucin de 1
o
,
las celdas mezclan la informacin de las islas con la del ocano circundante.



Figura 24. Galpagos: Mapa de tendencia para R95p.

Figura 25. Galpagos: Mapa de tendencia para R50.


Entre los mapas de tendencia que evidencian significancia estadstica
destacan los de Das Muy Hmedos (Figura 24) y Precipitacin Extraordinaria
(Figura 25). Ambos ndices, mtricas de extremos de precipitacin, muestran un
incremento para los prximos pocos aos en el sureste (y sur) del dominio en
consideracin, esto es, las celdas que albergan a San Cristbal, Espaola, Santa
Cruz, Santa F, Floreana y en el caso del ndice R50, Pinzn y el sur de Isabela
tambin. Si bien el incremento no es muy marcado, est claramente definido en
ambos ndices para las mismas celdas.
Los otros ndices anuales con significancia corresponden a Das Clidos
(Figura 26), Noches Clidas (Figura 27) y Noches Tropicales (Figura 28). De
nuevo hay una clara consistencia entre los ndices: mientras la celda ms
suroccidental evidencia un incremento en los percentiles superiores de las
temperaturas tanto de los das como de las noches, se evidencia un decremento
en los mismos percentiles para las celdas que involucran el norte de Isabela y
Santiago, Rabida, Pinta, Marchena y Tower (Genovesa).
El ndice de Noches Tropicales (Figura 28), que indica el nmero de das al
ao en que la temperatura mnima supera o iguala los 20
o
C, evidencia un
incremento para Floreana, Espaola, Santa Cruz, Santa F y el noreste del
dominio. Lo contrario ocurre para Santiago, Rabida y el norte de Isabela, en
acuerdo esto ltimo a lo presentado por TX90p y TN90p.



Figura 26. Galpagos: Mapa de tendencia para TX90p.

Figura 27. Galpagos: Mapa de tendencia para TN90p.


Figura 28. Galpagos: Mapa de tendencia para TR.


VI. LIMITACIONES, CAVEATS E INCERTIDUMBRES
Especial cuidado ha de tenerse al manejar las magnitudes de las variables del
NNRP (y por ende de los ndices calculados), pues primeramente no pueden ser
contrastadas de modo directo con valores puntuales (estaciones) por tratarse de
datos en malla.
El quid fundamental al respecto es, por un lado, que al trabajar con celdas el
significado de la variable que se representa es distinto al de la propia estacin.
Existen muchas aproximaciones para poder comparar celdas con datos
puntuales, pero invariablemente hacen referencia a colocarlos ambos al mismo
nivel (o los datos llevarlos a malla, o las mallas desagregarlas para poder
discretizarlas). Por otra parte, como se ha mencionado arriba, es necesario
primero detectar el error sistemtico y corregirlo para que las magnitudes posean
una cercana a la realidad (hay que hacer, por ejemplo, correccin del sesgo o
bias). Para esto ltimo, es necesario poseer datos de calidad y lo suficientemente
extensos.
Entre las limitaciones ms importantes del presente estudio se cuentan
tambin:
- Incremento de incertidumbres debido al proceso de interpolacin. Se
est claro que al incrementar la resolucin con mtodos interpolantes,
se incrementa el ruido asociado al campo (variable). Sin embargo,
como se ha explicado, se estableci una metodologa para llevar a cabo
este cometido tratando de no perder la seal en los datos finales.
- Como seala Kistler et al. [2001], es importante prestar atencin y
manejar con cuidado la data de NNRP para este tipo de estudio. Por
citar un ejemplo, en la referencia se hace advertencia especial al uso de
variables tipo C (precipitacin, en nuestro caso); se indica, sin embargo,
que hay indicaciones de que a pesar de que puedan existir sesgos


(bias), la variabilidad interanual tiende a estar correlacionada con
observaciones independientes Se han estudiado las recomendaciones
expuestas en Kistler et al. [2001] y se considera que el estudio llevado a
cabo est dentro de los mrgenes de aceptabilidad.
- Otro aspecto importante consiste en la extensin del perodo del
estudio. Aunque el reanlisis garantiza que se ha empleado el mismo
modelo y tipo de asimilacin, est claro que desde el inicio de la
llamada Era Satelital (1979 al presente) existe una mayor cantidad de
informacin, y de tipo distinto de la que originalmente se posea para
asimilacin en el modelo del NNRP. La recomendacin indica que las
anomalas para perodos anteriores a la Era Satelital se calculen en
base a una climatologa anterior al mismo. En este estudio en particular,
se hace nfasis, ms que en climatologa (como valores medios), en
tendencias y deteccin de seales de climticas. Es por ello que se han
considerado 30 aos en el presente estudio que corresponden a datos
dentro de la Era Satelital y unos 9 aos anteriores.
En resumen, el empleo de reanlisis para este tipo de estudios debe realizarse
con el cuidado correspondiente debido a los distintos aspectos mencionados,
especialmente los referentes al uso de datos de eras pre-satelital y satelital. Los
resultados de este estudio deben, como se ha sealado ya mlt iples veces
considerarse como una primera aproximacin, til en la medida en que se
carece por el momento de los datos con la calidad y resolucin necesarios.
Vale resaltar que en las variables de superficie (ver al respecto Kistler et al.
[2001]) no se aprecia ninguna discontinuidad importante para ninguna de las
celdas en los aos 1979-1981, lo que corresponde al paso a la Era Satelital. Este
hecho, para las variables en cuestin, es importante.
La incertidumbre asociada a las proyecciones a los prxi mos pocos aos
depende del perfil de la curva correspondiente a la serie de tiempo de cada ndice,
para cada celda en cuestin. En promedio podra decirse que son vlidas para los


prximos 5 aos, aunque en series con una tendencia mucho ms clara podran
stas ser vlidas a escalas temporales mayores, o en algunos casos podran tener
una validez temporal menor.


VII. CONCLUSIONES Y RECOMENDACIONES
En el presente documento se han provisto los resultados del anlisis
estadstico efectuado por medio de FClimdex y un conjunto de autmatas y scripts
diseados para facilitar el procesamiento de todas las celdas. Asimismo se ha
llevado a cabo un anlisis en trminos de los mapas espacio temporales
producidos a partir de los productos FClimdex y sobre todo se ha provisto un
anlisis de las tendencias puestas en evidencia en los productos anteriores.
En breve, se ha llevado a cabo un estudio para determinar la resolucin
adecuada de trabajo, a partir de datos NNRP y mediante el uso de datos CRU y
del INAMHI. Siguiendo la metodologa expuesta, se ha ejecutado el FClimdex para
un total de 57 celdas, 49 celdas para Ecuador Continental y Marino-Costero, y 8
celdas para Islas Galpagos. Para cada celda se calcularon los 27 ndices
disponibles, luego de efectuar un control de calidad de la data. Se produjeron,
para cada celda, 13 figuras, con el contenido que se evidencia en la Tabla 1 ms
arriba. Esto proporciona un total de 741 figuras, que constituyen un primer
producto fundamental de este trabajo, en conjunto con la metodologa y los
scripts/autmatas generados para el Proyecto y Entrenamientos. El segundo
producto corresponde a los mapas espaciales del comportamiento de los ndices,
que quedan disponibles para consulta de los usuarios por primera vez en el
Ecuador para todo el territorio. Asimismo, se proveen los mapas de tendencias y
un anlisis de los mismos.
En general, para el Ecuador continental y costero, se aprecia un incremento
de la precipitacin total para la mayor parte del territorio, as como el mismo
comportamiento para la intensidad simple anual de precipitacin. El litoral
noroccidental evidencia, de modo interesante, un decremento de precipitaciones
mayores o iguales a 10 mm por da, sin embargo cuanto stas ocurren lo hacen
con mayor carcter de extremas (mayores o iguales a 50 mm por da).


Las tendencias apuntan a un incremento de perodos fros en el noroccidente
del pas, pero de, por lo menos, noches ms clidas en la costa sur. Esta
interesante diferencia debe estudiarse ms a profundidad prximament e para
esclarecer sus posibles mecanismos fsicos. Para una regin meridional bien
definida del Oriente, se aprecian incrementos de los extremos superiores de
temperatura, tanto para el da como para la noche.
Para el dominio de Islas Galpagos, especial cuidado debe prestarse al uso
de los productos, dado que aqu especialmente la resolucin escogida y la
aproximacin usada plantea una mezcla de informacin correspondiente a
ocano y a territorio insular en la misma celda. Sin embargo, el anlisis de
tendencias evidencia un incremento de las precipitaciones extremas para las
celdas que albergan a San Cristbal, Espaola, Santa Cruz, Santa F, Floreana y
en el caso del ndice R50, Pinzn y el sur de Isabela. En cuanto a los ndices de
temperatura, stos presentan un incremento en los percentiles superiores de las
temperaturas tanto de los das como de las noches para la celda ms
suroccidental, mientras que se muestra un decremento en los mismos percentiles
para las celdas que involucran el norte de Isabela y Santiago, Rabida, Pinta,
Marchena y Tower (Genovesa).
En cuanto a las recomendaciones, un aspecto importante a considerar consiste
en que algunos ndices, como el GSL (duracin de la estacin de cultivo), FD0
(frost days) e ID0 (ice days) no aportan informacin de gran relevancia para la
mayora de las celdas del Ecuador, siendo ste un pas tropical. Esto se debe a la
manera como se han definido los ndices. Una recomendacin a futuro es cambiar
estos ndices (o sus definiciones) para que puedan tener mayor utilidad. Se han
calculado, sin embargo, dado que son parte de los 27 ndices estndar (ncleos)
del ETCCDMI.
La recomendacin ms importante consiste en emplear mejores datos
(resolucin, sobre todo) para llevar a cabo un estudio similar al presente, pero que
pueda dar mejor cuenta de lo que ocurre a un nivel ms local. Si bien el objetivo
ltimo es el empleo de datos propios del INAMHI con la calidad, densidad,


homogeneidad y dems caractersticas de modo adecuado, un siguiente paso
interesante podra ser hacer uso del nuevo reanlisis CFSR de NOAA, que recin
acaba de ponerse en Mayo 2010 a disposicin del pblico.
Finalmente, se ha prestado especial atencin a los caveats y limitaciones que
la presente aproximacin posee, toda vez que se conoce que no se trata de un
producto libre de incertidumbres y que por el contrario merece, debido a la data
NNRP y a la aproximacin en trminos de celdas en lugar de las propias
estaciones, mltiples atenciones y un oportuno post-procesamiento. En todo caso,
se reconoce que se trata de un producto muy til como una primera aproximacin
para detectar y reconocer tendencias climticas en el territorio ecuatoriano.


VIII. BIBLIOGRAFA

Brownlee, K.A., 1965: Statistical Theory and Methodoly, Jon Wiley and Sons, pp.
342-346.
CIIFEN-INAMHI-INOCAR, 2007: Informacin climtica de amenazas
hidrometeorolgicas en las provincias costeras del Ecuador. Guayaquil. Proyecto
SARE-CAM. Reporte Final.
Cressman, G. P., 1959: An operational objective analysis system, Mon. Weather
Rev. 87, 367-374
Frich, P., Alexander, L., Della-Marta, P., et al., 2002: Observed coherent changes
in climatic extremes during the second half of the twentieth century, Clim Res, 19,
192-212.
Hyndman, R.J., y Y. Fan, 1996: Sample quantiles in statistical packages. The
American Statistician, 50, 361-367.
INAMHI, 2009: Anuarios Meteorolgicos. Instituto Nacional de Meteorologa e
Hidrologa del Ecuador. Quito.
Kalnay, E., et al., 1996: The NCEP/NCAR 40-year reanalysis project. Bull. Amer.
Meteor. Soc., 77, 437-471.
Karl, T.R., N. Nicholls, and A. Ghazi, 1999: CLIVAR/GCOS/WMO workshop on
indices and indicators for climate extremes: Workshop summary. Climatic Change,
42, 3-7.
Kiktev, D., Sexton, D., Alexander, L. and Folland, C., 2003: Comparison of
Modeled and Observed Trends in Indices of Daily Climate Extremes, J. Climate,
16, 3560-3571.
Kistler, R., et al., 2001: The NCEP-NCAR 50-Year Reanalysis: Monthly Means CD-
ROM and Documentation, Bull. Amer. Meteor. Soc., 82, 247-267.


Mitchell, T.D, Jones, 2005: An improved method of constructing a database of
monthly climate observations and associated high-resolution grids, International
Journal of Climatology vol 25,DOI:10.1002/joc.1181 693 - 712
Muoz, .G., 2009: Diagnstico General del rea de Modelacin del INAMHI.
Reporte Interno Consultora CDC-INAMHI-004-2009. Quito.
Muoz, .G., Erazo, B., Recalde, C., Cadena, J., Meja, R., 2010: A Gridded
Climatological Dataset using Cressman Objective Analysis for INAMHI in Ecuador.
En preparacin.
Peterson, T.C., 2005: Climate Change Indices. WMO Bulletin, 54 (2), 83-86.
Santos, J., et al, 2004: User Manual RClimDex (1.0) Versin Espaol
Zhang, X., et al, 2004: User Manual RClimDex (1.0)
Zhang, X., G. Hegerl, F.W. Zwiers, y J. Kenyon, 2004: Avoiding inhomogeneity in
percentile-based indices of temperature extremes. J. Climate, submitted.
Zwiers, F.W., von Storch, H., 1995: Taking Serial Correlation into Account in Test
of the Mean, J. Climate, pp336-.



IX. ANEXOS





ANEXO A: Lista de Los ndices Climticos bsicos de ETCCDMI
ID Nombre del Indicador Definicin UNIDAD
FD0
Frost days
(Das de heladas)
Nmero de das en un ao cuando TN(mnimo
diario)<0C
Das
SU25
Summer days (Das de
verano)
Nmero de das en un ao cuando TX(mximo
diario)>25C
Das
ID0
Ice days
(Das de hielo)
Nmero de das en un ao cuando TX(mximo
diario)<0C
Das
TR20
Tropical nights (Noches
tropicales)
Nmero de das en un ao cuando TN(mnimo
diario)>20C
Das
GSL
Growing season Length
(Duracin de la estacin de
cultivo)
Anual (1st Ene a 31
st
Dic en HN, 1
st
Julio a 30
th

Junio en HS) cuenta entre el primer periodo de
por lo menos 6 das con TG>5C y primer
periodo despus de Julio 1 (Enero 1 en HS) de 6
das con TG<5C
Das
TXx Max Tmax
Valor mensual mximo de temperatura mxima
diaria
C
TNx Max Tmin
Valor mensual mximo de temperatura mnima
diaria
C
TXn Min Tmax
Valor mensual mnimo de temperatura mxima
diaria
C
TNn Min Tmin
Valor mensual mnimo de temperatura mnima
diaria
C
TN10p Cool nights (Noches fras) Porcentaje de das cuando TN<10th percentil %
TX10p Cool days (Das fros) Porcentaje de das cuando TX<10th percentil %
TN90p
Warm nights
(Noches calientes)
Porcentaje de das cuando TN>90th percentil %
TX90p
Warm days
(Das calientes)
Porcentaje de das cuando TX>90th percentil %
WSDI
Warm spell duration indicador
(Indicador de la duracin de
periodos calientes)
consecutivos en que TX>90th percentil
Das
CSDI
Cold spell duration indicator
(indicador de la duracin de
periodos fros)
consecutivos en que TN<10th percentil
Das


DTR
Diurnal temperature range
(rango diurno de temperatura)
Diferencia media mensual entre TX y TN C
RX1day
Max 1-day precipitation
amount
(Cantidad Mxima de
precipitacin en un da)
Mximo mensual de precipitacin en 1 da Mm
Rx5day
Max 5-day precipitation
amount
(Cantidad Mxima de
precipitacin en 5 das)
Mximo mensual de precipitacin en 5 das
consecutivos
Mm
SDII
Simple daily intensity index
(ndice simple de intensidad
diaria)
Precipitacin anual total dividida para el
nmero de das hmedos (definidos por
PRCP>=1.0mm) en un ao
Mm/da
R10
Number of heavy precipitation
days (Nmero de das con
precipitacin intensa)
PRCP>=10mm
Das
R20
Number of very heavy
precipitation days
(Nmero de das con
precipitacin muy intensa)
PRCP>=20mm
Das
Rnn
Number of days above nnmm
(Nmero de das sobre nn mm)
Nmero de das en un ao en que PRCP>=nn
mm, nn es un parmetro definido por el usuario
Das
CDD
Consecutive dry days
(Das secos consecutivos)
RR<1mm
Das
CWD
Consecutive wet days
(Das hmedos consecutivos)
RR>=1mm
Das
R95p
Very wet days
(Das muy hmedos)
Precipitacin anual total en que RR>95 percentil Mm
R99p
Extremely wet days
(Das extremadamente
hmedos)
PRCPTOT
Annual total wet-day
precipitation
(Precipitacin total anual en los
das hmedos)
Precipitacin anual total en los das hmedos
(RR>=1mm)
mm


ANEXO B: Formato de entrada de datos

Todos los archivos de datos que son ledos o escritos estn en formato de list formatted. La
nica excepcin es el primer archivo de datos que es procesado en el paso de Quality Control.
Este archivo de entrada de datos tiene varios requerimientos:

1. Archivo de texto ASCII
2. Columnas en las siguientes secuencias: Ao, Mes, Da, PRCP, TMAX, TMIN. (NOTA:
unidades de PRCP= milmetros y unidades de Temperatura= grados Celsius)
3. El formato descrito arriba debe ser delimitado por espacios (e.g. cada elemento separado
por uno o ms espacios).
4. Para los registros de datos, los datos faltantes deben se codificados como -99.9; los
registros de datos deben estar en orden cronolgico. Se permite fechas faltantes.

Ejemplo de formato de datos para el archivo de datos inicial (e.g. usados en el paso de Quality
Control):

1901 1 1 -99.9 -3.1 -6.8
1901 1 2 -99.9 -1.3 -3.6
1901 1 3 -99.9 -0.5 -7.9
1901 1 4 -99.9 -1 -9.1
1901 1 7 -99.9 -1.8 -8.4



ANEXO C: Definicin de los ndices

A continuacin se incluyen definiciones para los indicadores enumerados en el Apndice A. Por
razones prcticas, en esta versin del software, no todos los ndices son calculados en una base
mensual. ndices mensuales son calculados si en un mes hay no ms de 3 das faltantes, mientras
que los valores anuales son calculados si en un ao no hay ms de 15 das faltantes. No se
calcular un valor anual si cualquier mes de datos est faltando. Para ndices con umbral, el
umbral se calcula si por lo menos el 70% de los datos estn presentes. Para indicadores de
duracin de temporada (marcados con un *), una temporada puede continuar en el ao siguiente
y se la cuenta en el ao en que la temporada termina e.g. una temporada fra (CSDI) en el
Hemisferio Norte comenzando el 31
st
Diciembre 2000 y terminando el 6
th
Enero 2001 se cuenta
dentro del nmero total de temporadas fras en el 2001.

- FD0
Sea
ij Tn
la temperatura mnima diaria en el da
i
en el periodo
j
. Cuente el nmero de das
cuando:
0 ij Tn C <

- SU25
Sea
ij Tx
la temperatura mxima diaria en el da
i
periodo
j
. Cuente el nmero de das cuando:
25 ij Tx C >

- ID0
Sea
ij Tx
i
en el periodo
j
cuando:
0 ij Tx C <

- TR20
Sea
ij Tn
i
en el periodo
j
cuando:
20 ij Tn C >



- GSL
Sea
ij T
la temperatura media en el da
i
en el periodo
j
. Cuente el nmero de das entre la
primera ocurrencia de por lo menos 6 das consecutivos con:
5
o
ij T C >

Y la primera ocurrencia despus de 1
st
Julio (1
st
Enero en HS) de por lo menos 6 das consecutivos
con:
5
o
ij T C <

- TXx
Sea
kj Tx
la temperatura mxima diaria en el mes
k
, periodo
j
. La mxima temperatura mxima
diaria cada mes es entonces:-
max( ) kj kj TXx Tx =

- TNx
Sea
kj Tn
la temperatura mnima diaria en el mes
k
, periodo
j
. La mxima temperatura mnima
max( ) kj kj TNx Tn =

- TXn
Sea
kj Tx
la temperatura mxima diaria en el mes
k
, periodo
j
. La mnima temperatura mxima
min( ) kj kj TXn Tx =

- TNn
Sea
kj Tn
la temperatura mnima diaria en el mes
k
, periodo
j
. La mnima temperatura mnima
diaria en cada mes es entonces:-
min( ) kj kj TNn Tn =

- Tn10p
Sea
ij Tn
i
en el periodo
j
y sea
10 in Tn
el da calendario del
percentil 10
th
centrado en una ventana de 5-das (calculado usando el mtodo del Anexo D). El
porcentaje del tiempo es determinado, donde:


10 ij in Tn Tn <

- Tx10p
Sea
ij Tx
i
en el periodo
j
y sea
10 in Tx
el da calendario
del percentil 10
th
centrado en una ventana de 5-das (calculado usando el mtodo del Anexo D).
El porcentaje del tiempo es determinado, donde:
10 ij in Tx Tx <

- Tn90p
Sea
ij Tn
i
en el periodo
j
y sea
90 in Tn
el da calendario
del percentil 90
th
90 ij in Tn Tn >

- Tx90p
Sea
ij Tx
i
en el periodo
j
y sea
90 in Tx
el da calendario
del percentil 90
th
90 ij in Tx Tx >

- WSDI*
Sea
ij Tx
i
en el periodo
j
y sea
90 in Tx
el da calendario
del percentil 90
th
Entonces el nmero de das por periodo es sumado donde, en intervalos de por lo menos 6 das
consecutivos:-
90 ij in Tx Tx >

- CSDI*
Sea
ij Tn
i
en el periodo
j
y sea
10 in Tx
el da calendario
del percentil 10
th
Entonces el nmero de das por periodo es sumado donde, en intervalos de por lo menos 6 das
consecutivos:-


10 ij in Tn Tn <

- DTR
Sean
ij Tx
y
ij Tn
las temperaturas diarias mximas y mnimas respectivamente en el da
i
en el
periodo
j
. Si I representa el nmero de das en
j
, entonces:
( )
1
I
ij ij
i
j
Tx Tn
DTR
I
=

=

- RX1day
Sea
ij RR
el total diario de precipitacin en el da
i
en el periodo
j
. Entonces los valores mximos
de 1-da para el periodo
j
son:
1 max( ) j ij Rxday RR =

- Rx5day
Sea
kj RR
la cantidad de precipitacin para el intervalo de cinco das terminando en
k
, periodo
j
.
Entonces los valores mximos de 5-das para el periodo
j
son:
5 max( ) j kj Rxday RR =

- SDII
Sea
wj RR
la cantidad diaria de precipitacin en das hmedos,
( 1 ) wRR mm >
en el periodo
j
. Si
W
representa el nmero de das hmedos en
j
, entonces:
1
W
w
wj
j
RR
SDII
W
=
=

- R10
Sea
ij RR
la cantidad diaria de precipitacin en el da
i
en el periodo
j
donde:
10 ij RR mm >



- R20
Sea
ij RR
i
en el periodo
j
donde:
20 ij RR mm >

- Rnn
Sea
ij RR
i
en el periodo
j
. Si
nn
representa cualquier
valor razonable de precipitacin diaria entonces, cuente el nmero de das donde:
ij RR nnmm >

- CDD*
Sea
ij RR
i
en el periodo
j
. Cuente el ms grande
nmero de das consecutivos donde:
1 ij RR mm <

- CWD*
Sea
ij RR
i
en el periodo
j
. Cuente el ms grande
nmero de das consecutivos donde:
1 ij RR mm >

- R95pTOT
Sea
wj RR
la cantidad diaria de precipitacin en un da hmedo
( 1.0 ) wRR mm >
en el periodo
j
y
sea
95 wn RR
el percentil 95
th
de precipitacin en los das hmedos en el periodo 1961-1990. Si
W
representa el nmero de das hmedos en el periodo, entonces:
W
w=1
95 where 95 j wj wj wn RpRR RRRR = >

- R99p
Sea
wj RR
la cantidad diaria de precipitacin en un da hmedo
( 1.0 ) wRR mm >
en el periodo
j
y
sea
99 wn RR
el percentil 99
th
de precipitacin en los das hmedos en el periodo 1961-1990. Si
W

representa el nmero de das hmedos en el periodo, entonces:


W
w=1
99 where 99 j wj wj wn RpRR RRRR = >

- PRCPTOT
Sea
ij RR
i
en el periodo
j
. Si I representa el nmero
de das en
j
, entonces
1
I
j ij
i
PRCPTOT RR
=
=



ANEXO D: Estimacin de umbrales y clculo del periodo base para los ndices de
temperatura

Estimacin emprica de cuantil:

El cuantil de una distribucin se define como
} ) ( : inf{ ) ( ) (
1
p x F x p F p Q > = =
, 1<p<1,
Donde F(x) es la funcin de distribucin. Sea
} ,..., {
) ( ) ( n a
X X
la estadstica de orden de
} ,..., {
1 n
X X
(i.e. valores ordenados de {X}), y sea
) (
p Q
i
la definicin del cuantil ith. Los cuantiles
muestrales pueden ser generalmente escritos como
) 1 ( ) (
) 1 ( ) (
+
+ =
j j i
X X p Q
.

Hyndman y Fan (1996) sugieren una frmula para obtener estimados medios un-biased del cuantil
haciendo
)) 3 / ) 1 ( * int( p n p j + + =
y haciendo
j p n p + + = 3 / ) 1 ( *
, donde int(u) es el
entero ms grande que no sea mayor que u. El cuantil emprico es igual al valor en la muestra ms
grande o al ms pequeo cuando j<1 o j> n respectivamente. Esto es, estimados de cuantiles
correspondientes a p<1/(n+1) son fijados al valor ms pequeo de la muestra, y aquellos
correspondientes a p>n/(n+1) son igualados al valor ms grande de la muestra.

Procedimiento Bootstrap para la estimacin de la tasa de excedencia para el periodo base:

No es posible hacer una estimacin exacta de los umbrales debido a incertidumbres en el
muestreo. Para proporcionar estimados temporalmente consistentes de la tasa de excedencia a lo
largo del periodo base y fuera del periodo base, adaptamos el siguiente procedimiento (Zhang et
al. 2004) para estimar la tasa de excedencia para el periodo base.
(a) El periodo base de 30-aos se divide en un ao fuera-de-base, el ao para el cual la
excedencia se va a estimar, y un periodo-base que consiste en los restantes 29 aos a
partir de los cuales se estimarn los umbrales.
(b) Se construye un bloque de datos de 30-aos usando el set de datos del periodo-base de 29
aos y aadiendo un ao adicional de datos a partir del periodo-base (i.e., uno de los aos


en el periodo-base es repetido). Este bloque de 30-aos construido es usado para estimar
los umbrales.
(c) El ao fuera-de-base es entonces comparado con los umbrales y se obtiene la tasa de
excedencia para el ao fuera-de-base.
(d) Pasos (b) y (c) se repiten 28 veces, repitiendo cada uno de los 28 aos en-base para as
construir el bloque de 30-aos.
(e) El ndice final para el ao fuera-de-base es obtenido promediando los 29 estimados
obtenidos en los pasos (b), (c) y (d).


ANEXO E: Figuras del Anlisis Estadstico con FClimdex

Instrucciones:
1.- Buscar la o las celdas de inters en las figuras anexas.
2.- Buscar el grupo de figuras correspondientes a la(s) celda(s) en cuestin.
3.- Cada figura corresponde, para cada celda, a:

Figura No. (N) ndices/Variables Resolucin
1 Precipitacin (R) Diaria
2 Temperatura Mxima (TX) Diaria
3 Temperatura Mnima (TN) Diaria
4 CSDI, WSDI, CWD, CDD, GSL, SDII Anual
5 TN90p, TX90p, TN10p, TX10p Anual
6 R95p, R99p, R10, R20, R50, PRCPTOT Anual
7 DTR, TR20, SU25, FD0, ID0 Anual
8 TXx Mensual
9 TNx Mensual
10 TXn Mensual
11 TNn Mensual
12 RX1d Mensual
13 RX5d Mensual
ndices/Variables reportados en cada figura de este Reporte.



Figura de Gua para designacin de celdas para Ecuador Continental



Figura de Gua para designacin de celdas para Islas Galpagos



ANEXO F: Gua de Ejecucin de Scripts

La carpeta principal donde se ubican los scripts para todos los procesos se llama Climdex. En su
interior se encuentran los siguientes directorios:
# ls
FClimdexGAL directorio de clculo FClimdex para Galpagos
GRAF directorio de graficacin para Ecuador Continental
MAPAS_GAL directorio de mapas espaciales para Galpagos
D_NNRP directorio de datos NNRP
GRAF_GAL directorio de graficacin para Galpagos
NCL directorio de scripts base NCL
FClimdex directorio de clculo FClimdex para Ecuador Continental
GRADS2CLIM directorio de conversin a formato Climdex
MAPAS directorio de mapas espaciales para Ecuador Continental
RCLIM directorio de respaldo RClimdex

1.- Una vez se tienen todos los aos descomprimidos en la carpeta D_NNRP se procede al
directorio GRADS2CLIM. Ah basta ejecutar
proc_celdas.bash para procesar Ecuador Continental
proc_celdas_GAL.bash para procesar Galpagos

Este proceso tarda algn tiempo. El avance se puede apreciar en el monitor.

2.- Ir a la carpeta FClimdex (o FClimdexGAL, segn el caso) y ejecutar:
procfclim.bash procesa todas las celdas en FClimdex


3.- Ir a la carpeta GRAF (o GRAF_GAL, segn el caso) y ejecutar:
proc_graf.bash procesa las grficas 2D y los clculos estadsticos y de tendencias



Una vez concluido, el directorio contiene lo siguiente (ejemplo vlido para Ecuador Continental,
para Galpagos, la numeracin va precedida por una G-):
1-1 1-6 2-4 3-2 3-7 4-5 5-3 6-1 6-6 7-4 proc_graf.bash
1-2 1-7 2-5 3-3 4-1 4-6 5-4 6-2 6-7 7-5 respaldos
1-3 2-1 2-6 3-4 4-2 4-7 5-5 6-3 7-1 7-6 series_anual.ncl
1-4 2-2 2-7 3-5 4-3 5-1 5-6 6-4 7-2 7-7 series_diaria.ncl
1-5 2-3 3-1 3-6 4-4 5-2 5-7 6-5 7-3 enlaza.bash series_mensual.ncl

Cada directorio, que indica la correspondiente celda, tiene tpicamente un contenido como el que
sigue:
1-1.clx 1-1.clx_SU figura10.png figura7.png series_anual.ncl
1-1.clx_CDD 1-1.clx_tempQC figura10.ps figura7.ps series_diaria.ncl
1-1.clx_CSDI 1-1.clx_TN10p figura11.png figura8.png series_mensual.ncl
1-1.clx_CWD 1-1.clx_TN50p figura11.ps figura8.ps SU.data
1-1.clx_DTR 1-1.clx_TN90p figura12.png figura9.png tempQC.data
1-1.clx_FD 1-1.clx_TNn figura12.ps figura9.ps TN10p.data
1-1.clx_GSL 1-1.clx_TNx figura13.png GSL.data TN50p.data
1-1.clx_ID 1-1.clx_TR figura13.ps ID.data TN90p.data
1-1.clx_log 1-1.clx_TX10p figura1.png log.data TNn.data
1-1.clx_NASTAT 1-1.clx_TX50p figura1.ps NASTAT.data TNx.data
1-1.clx_prcpQC 1-1.clx_TX90p figura2.png prcpQC.data TR.data
1-1.clx_PRCPTOT 1-1.clx_TXn figura2.ps PRCPTOT.data TX10p.data
1-1.clx_R10mm 1-1.clx_TXx figura3.png R10mm.data TX50p.data
1-1.clx_R20mm 1-1.clx_WSDI figura3.ps R20mm.data TX90p.data
1-1.clx_R95p CDD.data figura4.png R95p.data TXn.data
1-1.clx_R99p CSDI.data figura4.ps R99p.data TXx.data
1-1.clx_Rnnmm CWD.data figura5.png Rnnmm.data WSDI.data
1-1.clx_RX1day data.dat figura5.ps RX1day.data
1-1.clx_RX5day DTR.data figura6.png RX5day.data
1-1.clx_SDII FD.data figura6.ps SDII.data



Las figuras *.ps estn en format Postscript para publicacin cientfica. Las figuras *.png son las
mismas que aparecen en los anexos del Informe. El resto de los archivos contienen los datos
correspondientes en ASCII.

4.- Ir a la carpeta MAPAS (o MAPAS_GAL, segn el caso) y ejecutar:
proc_mapas.bash prepara el postprocesamiento de mapas.
postproc.bash crea los mapas 2D de ndices, y los de tendencias.

Una vez terminado este paso, el directorio muestra la siguiente estructura:
# ls
CDD GSL.data R20 SDII.data TR
CDD.data ID R20mm.data SU TR.data
CSDI ID.data R50 SU.data TX10p
CSDI.data lista.ls R95p tend TX10p.data
CWD map_anual.ncl R95p.data TN10p TX90p
CWD_1971.png MAPAS.tgz R99p TN10p.data TX90p.data
CWD.data map_mensual.ncl R99p.data TN90p TXn
dir_anual.ls postproc.bash Rnnmm.data TN90p.data TXn.data
DTR PRCPT RX1d TNn TXx
DTR.data PRCPTOT.data RX1day.data TNn.data TXx.data
FD proc_mapas.bash RX5d TNx WSDI
FD.data R10 RX5day.data TNx.data WSDI.data
GSL R10mm.data SDII topoECU.nc

Los archivos *.data contienen los datos en ASCII. Los directorios contienen los mapas
correspondientes. El archivo *.tgz contiene los directorios comprimidos, listos para subir al portal
o almacenar en un pendrive.


FIGURAS
(http://cmc.org.ve/descargas/FClimdex/Ecuador/)

FClim Dex

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

FClim Dex

Загружено:

Авторское право:

Доступные форматы

Anlisis Estadstico con FClimdex para Ecuador (2010) . G. Muoz et al.

Asistencia Tcnica para la Generacin de Escenarios de Cambio Climtico 1

Вам также может понравиться