Вы находитесь на странице: 1из 36

Rafael Ancell Trueba

Instituto Nacional de Meteorologa


Centro Meteorolgico Regional de
Cantabria y Asturias
rct@inm.es
http://www.meteo.unican.es/ 1
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
Grupo de Meteorologa Aplicada
http://www.meteo.unican.es/ 2
Grupo de Meteorologa Aplicada
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
En este documento se pretende dar una En este documento se pretende dar una En este documento se pretende dar una En este documento se pretende dar una s ss s ntesis cualitativa ntesis cualitativa ntesis cualitativa ntesis cualitativa de los principales de los principales de los principales de los principales
m mm m todos estad todos estad todos estad todos estad sticos de regionalizaci sticos de regionalizaci sticos de regionalizaci sticos de regionalizaci n que se utilizan en el estudio del n que se utilizan en el estudio del n que se utilizan en el estudio del n que se utilizan en el estudio del
cambio clim cambio clim cambio clim cambio clim tico (CC). Primero se explica el problema de la regionalizaci tico (CC). Primero se explica el problema de la regionalizaci tico (CC). Primero se explica el problema de la regionalizaci tico (CC). Primero se explica el problema de la regionalizaci n n n n
posicion posicion posicion posicion ndolo en el marco general del estudio del CC, despu ndolo en el marco general del estudio del CC, despu ndolo en el marco general del estudio del CC, despu ndolo en el marco general del estudio del CC, despu s se muestra s se muestra s se muestra s se muestra
una una una una clasificaci clasificaci clasificaci clasificaci n descriptiva n descriptiva n descriptiva n descriptiva donde se delimitan los diferentes donde se delimitan los diferentes donde se delimitan los diferentes donde se delimitan los diferentes mbitos de mbitos de mbitos de mbitos de
aplicaci aplicaci aplicaci aplicaci n nn n, con sus ventajas e inconvenientes para finalizar con un intere , con sus ventajas e inconvenientes para finalizar con un intere , con sus ventajas e inconvenientes para finalizar con un intere , con sus ventajas e inconvenientes para finalizar con un interesante sante sante sante
apunte acerca del manejo de las apunte acerca del manejo de las apunte acerca del manejo de las apunte acerca del manejo de las incertidumbres en la declaraci incertidumbres en la declaraci incertidumbres en la declaraci incertidumbres en la declaraci n nn n de de de de
resultados. resultados. resultados. resultados.
http://www.meteo.unican.es/ 3
Grupo de Meteorologa Aplicada
1. 1. 1. 1. Introducci Introducci Introducci Introducci n nn n
2. 2. 2. 2. Justificaci Justificaci Justificaci Justificaci n de los m n de los m n de los m n de los m todos de regionalizaci todos de regionalizaci todos de regionalizaci todos de regionalizaci n nn n
3. 3. 3. 3. Downscaling Downscaling Downscaling Downscaling estad estad estad estad stico en CC stico en CC stico en CC stico en CC
4. 4. 4. 4. Hip Hip Hip Hip tesis de la regionalizaci tesis de la regionalizaci tesis de la regionalizaci tesis de la regionalizaci n estad n estad n estad n estad stica stica stica stica
5. 5. 5. 5. M MM M todos de regionalizaci todos de regionalizaci todos de regionalizaci todos de regionalizaci n estad n estad n estad n estad stica stica stica stica
6. 6. 6. 6. Regionalizaci Regionalizaci Regionalizaci Regionalizaci n estad n estad n estad n estad stica versus din stica versus din stica versus din stica versus din mica mica mica mica
7. 7. 7. 7. Incertidumbre del m Incertidumbre del m Incertidumbre del m Incertidumbre del m todo estad todo estad todo estad todo estad stico stico stico stico
8. 8. 8. 8. Bibliograf Bibliograf Bibliograf Bibliograf a y enlaces a y enlaces a y enlaces a y enlaces
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
vigilancia
inmediata
corto plazo
medio plazo
mensual
estacional
climtica
H+0 H+3 H+6 D+1 D+3 D+10 M+1 M+3 A+1 A+100
1km
10km
100km
1000km
5000km
probabilstico
local
regional
atmosfricos
acoplados
determinista
Modelos y predicciones
En el corto y medio plazo, se analiza y predice la din En el corto y medio plazo, se analiza y predice la din En el corto y medio plazo, se analiza y predice la din En el corto y medio plazo, se analiza y predice la din mica mica mica mica r rr r pida pida pida pida del sistema (atm del sistema (atm del sistema (atm del sistema (atm sfera); para horizontes m sfera); para horizontes m sfera); para horizontes m sfera); para horizontes m s s s s
lejanos hay que a lejanos hay que a lejanos hay que a lejanos hay que a adir los procesos adir los procesos adir los procesos adir los procesos lentos lentos lentos lentos (suelo y oc (suelo y oc (suelo y oc (suelo y oc ano), por lo que la incertidumbre es muy superior: ano), por lo que la incertidumbre es muy superior: ano), por lo que la incertidumbre es muy superior: ano), por lo que la incertidumbre es muy superior: los los los los
predictandos predictandos predictandos predictandos son son son son muestrales muestrales muestrales muestrales (media, percentil, (media, percentil, (media, percentil, (media, percentil, etc etc etc etc) y se predice en t ) y se predice en t ) y se predice en t ) y se predice en t rminos rminos rminos rminos probabil probabil probabil probabil sticos sticos sticos sticos. .. .
Actualmente, los supercomputadores
paralelos permiten simular con gran
realismo los fenmenos ms significativos
de la circulacin atmosfrica.
ECMWF. Thunderstorm (>2000 procesadores)
Modelos y predicciones
1. Escenarios de Emisin (SRES SRES SRES SRES: A2, B2, etc.)
2. Modelos Globales (GCM GCM GCM GCMs);
3. Modelos Regionales (RCM RCM RCM RCMs);
4. Series de datos (observaciones, proxy, paleo,..)
5. Tcnicas Estadsticas
6. Proyecciones
7. .impactos, polticas, etc.
Actores del estudio del Cambio Climtico
Son los principales elementos utilizados para simular el pasado presente y futuro
del sistema climtico. Todos y cada uno tienen su mbito de aplicacin delimitado
por las hiptesis que de forma explcita o implcita llevan asociadas. Cada uno de
ellos supone una fuente de incertidumbre.
Proyecciones regionales Proyecciones regionales Proyecciones regionales Proyecciones regionales
Series de datos Series de datos Series de datos Series de datos
Actores del estudio del Cambio Climtico
Proyecciones globales Proyecciones globales Proyecciones globales Proyecciones globales
SRES (A2) SRES (A2) SRES (A2) SRES (A2) GCM GCM GCM GCM
IPCC IPCC IPCC IPCC
Y = f (X; )
Proyecciones regionales Proyecciones regionales Proyecciones regionales Proyecciones regionales
RCM RCM RCM RCM
http://www.meteo.unican.es/ 8
Grupo de Meteorologa Aplicada
1. Introduccin
2. 2. 2. 2. Justificaci Justificaci Justificaci Justificaci n de los m n de los m n de los m n de los m todos de regionalizaci todos de regionalizaci todos de regionalizaci todos de regionalizaci n nn n
3. Downscaling estadstico en CC
4. Hiptesis de la regionalizacin estadstica
5. Mtodos de regionalizacin estadstica
6. Regionalizacin estadstica versus dinmica
7. Incertidumbre del mtodo estadstico
8. Bibliografa y enlaces
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
Justificacin de los mtodos de regionalizacin
El sistema climtico se caracteriza por una gran heterogeneidad superficial que se traduce en una dinmica con
estructuras cuya escala espacio-temporal es muy variada (brisas, borrascas, huracanes, ENSO, etc..) y que
adems se encuentra sometida a forzamientos, tanto naturales como antropognicos que alteran su variabilidad
natural. Surge de aqu una primera realidad: no existe operativo ningn modelo numrico de circulacin global
(GCM) capaz de manejar simultneamente toda la complejidad del SC, de manera que los actuales modelos
climticos parametrizan las escalas pequeas y como es lgico sus productos carecen del detalle que corresponde carecen del detalle que corresponde carecen del detalle que corresponde carecen del detalle que corresponde
a dichas escalas a dichas escalas a dichas escalas a dichas escalas.
La descripcin macroscpica del sistema climtico es una primera
aproximacin a una realidad mucho ms heterognea. El 90% del
intercambio energtico ocurre en la escala pequea (100 millones de
cmulos, todos los das, intercambian mucha ms energa que un
huracn).
Modelos Globales
GCMs
Din Din Din Din mica oce mica oce mica oce mica oce nica, suelo, nica, suelo, nica, suelo, nica, suelo, criosfera criosfera criosfera criosfera, , , , bisfera bisfera bisfera bisfera, etc... , etc... , etc... , etc...
Justificacin de los mtodos de regionalizacin
Justificacin de los mtodos de regionalizacin
Los estudios de impacto se focalizan sobre reas muy concretas:
demandantes y principales usuarios de la regionalizacin.
Justificacin de los mtodos de regionalizacin
http://www.meteo.unican.es/ 14
Grupo de Meteorologa Aplicada
1. Introduccin
2. Justificacin de los mtodos de regionalizacin
3. 3. 3. 3. Downscaling Downscaling Downscaling Downscaling estad estad estad estad stico en CC stico en CC stico en CC stico en CC
4. Hiptesis de la regionalizacin estadstica
5. Mtodos de regionalizacin estadstica
6. Regionalizacin estadstica versus dinmica
7. Incertidumbre del mtodo estadstico
8. Bibliografa y enlaces
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
Cmo se puede
estimar un valor en un
punto de inters?
Interpolando las Interpolando las Interpolando las Interpolando las
predicciones predicciones predicciones predicciones
weather.yahoo.com weather.yahoo.com weather.yahoo.com weather.yahoo.com, etc , etc , etc , etc
Downscaling Downscaling Downscaling Downscaling din din din din mico. mico. mico. mico.
Con t Con t Con t Con t cnicas estad cnicas estad cnicas estad cnicas estad sticas. sticas. sticas. sticas.
Con t Con t Con t Con t cnicas h cnicas h cnicas h cnicas h bridas bridas bridas bridas
( (( (Downscaling Downscaling Downscaling Downscaling estad estad estad estad stico). stico). stico). stico).
Localidades muy cercanas puedes presentar
climatologas muy distintas. Por ejemplo, Oviedo y
Rann estn a una distancia de 25 km, pero la climatologa
de ambas es de influencia distinta (continental y oceanica,
respectivamente).
Modelizacin Regional. Downscaling
Dada una prediccin: X

, se
puede obtener una estimacin:
Y

= f (X

; )
El modelo Y = f (X; ) se obtiene estimando
los parmetros = (
1
,...,
k
) a partir de
registros histricos de X e Y.
Predictandos Predictandos Predictandos Predictandos: : : : Y
Aspectos experimentales del downscaling estadstico
Predictores: X
Dominio Dominio Dominio Dominio
Tcnica f
discreta discreta discreta discreta
continua continua continua continua
diaria diaria diaria diaria
mensual mensual mensual mensual
local local local local
regional regional regional regional
gaussiana gaussiana gaussiana gaussiana
determinista determinista determinista determinista
probabil probabil probabil probabil stica stica stica stica
estacional estacional estacional estacional
clim clim clim clim tica tica tica tica
p
r
e
d
i
c
t
a
n
d
o
p
r
e
d
i
c
c
i

n
http://www.meteo.unican.es/ 17
Grupo de Meteorologa Aplicada
1. Introduccin
2. Justificacin de los mtodos de regionalizacin
3. Downscaling estadstico en CC
4. 4. 4. 4. Hip Hip Hip Hip tesis de la regionalizaci tesis de la regionalizaci tesis de la regionalizaci tesis de la regionalizaci n estad n estad n estad n estad stica stica stica stica
5. Mtodos de regionalizacin estadstica
6. Regionalizacin estadstica versus dinmica
7. Incertidumbre del mtodo estadstico
8. Bibliografa y enlaces
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
Y = f (X; )
1. La regionalizacin estadstica se realiza bajo la hiptesis Perfect Prog la alternativa MOS
contempla modificaciones en los modelos y slo se utiliza en prediccin a corto y medio plazo-;
esto quiere decir que se utiliza un periodo de referencia esttico para ajustar los mtodos
estadsticos, no teniendo en cuenta las desviaciones que puedan tener los modelos en el futuro.
2. En segundo lugar, la regionalizacin estadstica es estacionaria, lo cual significa que la relacin
predictor-predictando obtenida en el periodo de ajuste o calibracin es aplicada durante el
periodo de prediccin, a pesar de que los forzamientos del SC son diferentes en este periodo.
3. La hiptesis de linealidad consiste en suponer que el modelo estadstico, o lo que es lo mismo,
la relacin entre predictor y predictando, es lineal, como ocurre entre variables cuya distribucin
de probabilidad (PDF) es gaussiana. Si se tiene en cuenta que los predictores generalmente son
variables gaussianas, esta hiptesis slo es apropiada para los predictandos gaussianos.
4. Otra hiptesis consiste en suponer que los predictandos son independientes entre s y por tanto
solo dependen de los predictores, permitiendo construir un modelo conjunto por la simple
agregacin de modelos individuales.
Hip Hip Hip Hip tesis de la regionalizaci tesis de la regionalizaci tesis de la regionalizaci tesis de la regionalizaci n estad n estad n estad n estad stica stica stica stica
Estas dos ltimas hiptesis implican una enorme eficacia y robustez en las tcnicas
correspondientes, pero slo deben ser utilizadas cuando la naturaleza del problema
lo permita.
http://www.meteo.unican.es/ 19
Grupo de Meteorologa Aplicada
1. Introduccin
2. Justificacin de los mtodos de regionalizacin
3. Downscaling estadstico en CC
4. Hiptesis de la regionalizacin estadstica
5. 5. 5. 5. M MM M todos de regionalizaci todos de regionalizaci todos de regionalizaci todos de regionalizaci n estad n estad n estad n estad stica stica stica stica
6. Regionalizacin estadstica versus dinmica
7. Incertidumbre del mtodo estadstico
8. Bibliografa y enlaces
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
M MM M todos de regionalizaci todos de regionalizaci todos de regionalizaci todos de regionalizaci n estad n estad n estad n estad stica (cat stica (cat stica (cat stica (cat logo del IPCC) logo del IPCC) logo del IPCC) logo del IPCC)
Para seleccionar un mtodo de regionalizacin estadstica hay que tener en
cuenta la naturaleza de las variables y de la propia prediccin:
Los predictores y predictandos pueden ser discretos, continuos, diarios,
mensuales, locales, regionales, gaussianos, no gaussianos, etc.
La prediccin puede ser local, regional, diaria, mensual, determinista,
probabilstica, estacional, climtica, etc.
Hay varias formas de catalogar los diferentes mtodos de regionalizacin
estadstica, aqu se utilizar la propuesta por el IPCC en la cual se distinguen
tres categoras:
deterministas deterministas deterministas deterministas
probabil probabil probabil probabil sticos sticos sticos sticos
generadores generadores generadores generadores
La regresin mltiple genera un
modelo independiente para cada
localidad como el que se muestra
para Lugano, donde se han
utilizando como predictores 10
CPs de un dominio UVHT 850-
500 con 15 nodos sobre Suiza.
Qu pasa si queremos aplicar el
mtodo en 100 localidades?
TX
Rmse=2.3 C
PR
Rmse=9.9 mm
previsto previsto
M MM M todos de regionalizaci todos de regionalizaci todos de regionalizaci todos de regionalizaci n estad n estad n estad n estad stica (cat stica (cat stica (cat stica (cat logo del IPCC) logo del IPCC) logo del IPCC) logo del IPCC)
La correlacin cannica
es una generalizacin de
la regresin mltiple para
varios predictandos con
un nico modelo.
Precipitacin decenal observada Precipitacin decenal prevista
Precipitacin diaria observada Precipitacin diaria prevista
Deterministas Deterministas Deterministas Deterministas
Obtienen sus modelos mediante regresi regresi regresi regresi n nn n/ajuste de parmetros minimizando el error
cuadrtico medio (RMSE RMSE RMSE RMSE), razn por la cual recortan mucho la varianza del predictando. De
este tipo son la regresi regresi regresi regresi n m n m n m n m ltiple ltiple ltiple ltiple, el an an an an lisis de correlaci lisis de correlaci lisis de correlaci lisis de correlaci n can n can n can n can nica nica nica nica, los filtros de filtros de filtros de filtros de Kalman Kalman Kalman Kalman y
las redes neuronales redes neuronales redes neuronales redes neuronales por citar algunos de los ms conocidos. La mayora de estos mtodos
son lineales lineales lineales lineales excepto la redes neuronales- y aplican la hiptesis de predictandos
independientes independientes independientes independientes; solo la correlacin cannica considera de forma directa la dependencia -solo
la lineal- entre predictandos. En el resto de tcnicas se puede considerar esta dependencia
indirectamente, pero presentan problemas de sobreajuste sobreajuste sobreajuste sobreajuste si se combinan demasiados
predictandos.
M MM M todos de regionalizaci todos de regionalizaci todos de regionalizaci todos de regionalizaci n estad n estad n estad n estad stica (cat stica (cat stica (cat stica (cat logo del IPCC) logo del IPCC) logo del IPCC) logo del IPCC)
Probabil Probabil Probabil Probabil sticos sticos sticos sticos
Estiman la PDF conjunta PDF conjunta PDF conjunta PDF conjunta predictor-predictando obteniendo un modelo capaz de estimar la
PDF del predictando dado el predictor. Se basan en dependencia (no slo en correlacin
lineal), adems son no-lineales, y capaces de considerar la dependencia espacial entre
predictandos. Las ms generales son las redes probabilsticas (en particular las redes redes redes redes
Bayesianas Bayesianas Bayesianas Bayesianas) )) ). En la prctica existen dos versiones: cuando el condicionamiento se basa en
analog analog analog analog as as as as entre predictores, se tiene el conocido mtodo de An An An An logos logos logos logos de Lorenz, y si se
basa en la clasificaci clasificaci clasificaci clasificaci n nn n de predictores se tienen los Clasificadores Clasificadores Clasificadores Clasificadores o Weather Weather Weather Weather Typing Typing Typing Typing. .. . Los
clasificadores son ms eficientes que los mtodos de anlogos, aunque no tan precisos, sin
embargo cuando se utilizan en prediccin por conjuntos son igual de precisos y mucho ms
eficientes.
P( P(Y| |X X) ) P( P(Y
1
| |X X) ) P( P(Y
2
| |X X).... )....P( P(Y
n
| |X X) )
X
El predictor X es una variable de clase
X
Y
i
Clasificador ingenuo P( P(Y| |X X) ) P(Y
i
|
i
)
X
Y
i
Clasificador bayesiano
Validacin del evento Pre>10mm/24 en Lugano
Clasificador ingenuo.
Por ejemplo para un modelo de orden 1 bastar con conocer:
As utilizando nmeros aleatorios se pueden generar series,
estudiar las rachas secas, periodos de retorno, etc.
M MM M todos de regionalizaci todos de regionalizaci todos de regionalizaci todos de regionalizaci n estad n estad n estad n estad stica (cat stica (cat stica (cat stica (cat logo del IPCC) logo del IPCC) logo del IPCC) logo del IPCC)
Weather Weather Weather Weather Generators Generators Generators Generators
Estos mtodos simulan series sintticas a partir de una prediccin (p.e. la precipitacin
mensual prevista). Utilizan cadenas de Markov para simular series de predictandos
secundarios a partir de los predictandos generados por los mtodos espaciales de
regionalizacin anteriormente descritos; stas series simuladas slo se deben emplear para
extraer sus propiedades estadsticas. Son utilizados en problemas de desagregacin (p.e.
mensual a diaria), en la obtencin de nuevos predictandos (p.e. radiacin y temperatura a
partir de precipitacin) y en la simulacin de series largas de eventos extremos. Actualmente
su principal problema es que no consideran la dependencia espacial entre predictandos.
P
10
=P (r
t
=1|r
t-1
=0)
P
11
=P (r
t
=1|r
t-1
=1)
http://www.meteo.unican.es/ 24
Grupo de Meteorologa Aplicada
1. Introduccin
2. Justificacin de los mtodos de regionalizacin
3. Downscaling estadstico en CC
4. Hiptesis de la regionalizacin estadstica
5. Mtodos de regionalizacin estadstica
6. 6. 6. 6. Regionalizaci Regionalizaci Regionalizaci Regionalizaci n estad n estad n estad n estad stica versus din stica versus din stica versus din stica versus din mica mica mica mica
7. Incertidumbre del mtodo estadstico
8. Bibliografa y enlaces
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
Regionalizaci Regionalizaci Regionalizaci Regionalizaci n estad n estad n estad n estad stica versus din stica versus din stica versus din stica versus din mica (STARDEX) mica (STARDEX) mica (STARDEX) mica (STARDEX)
Sopesando las prestaciones y los requerimientos de ambos mtodos, quizs la mayor ventaja
del mtodo estadstico sea su eficiencia computacional y la facilidad para conseguir series de
observaciones casi para cualquier dominio del planeta, lo cual lo convierte en una alternativa alternativa alternativa alternativa
sencilla sencilla sencilla sencilla, barata y hasta cierto punto competitiva si se compara con los mtodos dinmicos.
Adems el mtodo estadstico es el nico capaz de obtener resultados especficos para
localidades localidades localidades localidades -esto est limitado a la existencia previa de un registro histrico- evitando el
problema que supone considerar datos observacionales interpolados en rejillas que pueden
suavizar y hasta eliminar caractersticas regionales de los datos.
Por otra parte, los mtodos estadsticos que suponen independencia entre predictandos no
garantizan la consistencia espacial consistencia espacial consistencia espacial consistencia espacial ni fsica de la regionalizacin mientras que los dinmicos,
al menos en teora, s.
Finalmente la desventaja ms clara del mtodo estadstico es que aplica un modelo
estacionario estacionario estacionario estacionario a un sistema que, a escalas de tiempo climticas, no lo es, con el agravante de
que no se puede estimar de forma directa la validez de dicha aproximacin ya que el periodo
de observacin suele ser demasiado homogneo en trminos de forzamiento a veces se
evala de forma indirecta utilizando series de observaciones con forzamientos diferentes
generadas de forma sinttica por RCMs-.
Regionalizaci Regionalizaci Regionalizaci Regionalizaci n estad n estad n estad n estad stica versus din stica versus din stica versus din stica versus din mica mica mica mica
http://www.meteo.unican.es/ 27
Grupo de Meteorologa Aplicada
1. Introduccin
2. Justificacin de los mtodos de regionalizacin
3. Downscaling estadstico en CC
4. Hiptesis de la regionalizacin estadstica
5. Mtodos de regionalizacin estadstica
6. Regionalizacin estadstica versus dinmica
7. 7. 7. 7. Incertidumbre del m Incertidumbre del m Incertidumbre del m Incertidumbre del m todo estad todo estad todo estad todo estad stico stico stico stico
8. Bibliografa y enlaces
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
Para terminar, un apunte acerca de la interpretacin de los resultados. La progresiva
disponibilidad de diferentes mtodos de regionalizacin estadstica brinda la posibilidad
de utilizar un amplio abanico de soluciones para cada problema concreto; como hemos
visto, las posibilidades de diseo de un mtodo de regionalizacin estadstico son muy
variadas ya que dependiendo del dominio y naturaleza del predictando, se pueden
combinar mtodos y predictores de muchas maneras, suministrando resultados
diferentes para el mismo GCM. Esta incertidumbre, presente en cada mtodo, debe ser
puesta en evidencia y a puesta en evidencia y a puesta en evidencia y a puesta en evidencia y a adida adida adida adida a las restantes -la del GCM, la del forzamiento y la
natural del SC-; tampoco hay que olvidar que la incertidumbre presenta una distribucin
espacial heterognea a pesar de la relativa pequeez del dominio de aplicacin de los
mtodos estadsticos; por ejemplo, los mtodos de clasificacin y de anlogos obtienen
significativamente peores resultados en zonas donde el carcter de la precipitacin es
ms convectivo. En este sentido se recomienda, a iniciativa de STARDEX, realizar,
siempre que sea posible, varios experimentos de regionalizacin estadstica, utilizando
diferentes tcnicas, para conseguir una mejor representacin de la incertidumbre de los
resultados. Tambin se debe separar claramente la incertidumbre asociada al mtodo
empleado (confianza) de la asociada a resultados especficos (verosimilitud); por
ejemplo, un buen mtodo puede dar una prediccin muy ambigua y un mal mtodo dar
una prediccin muy concreta.
Incertidumbre del m Incertidumbre del m Incertidumbre del m Incertidumbre del m todo estad todo estad todo estad todo estad stico stico stico stico
Dado que las predicciones a estas escalas tan largas son muy dif Dado que las predicciones a estas escalas tan largas son muy dif Dado que las predicciones a estas escalas tan largas son muy dif Dado que las predicciones a estas escalas tan largas son muy dif ciles de evaluar ciles de evaluar ciles de evaluar ciles de evaluar
directamente, existe un gran riesgo de fallo derivado de un mane directamente, existe un gran riesgo de fallo derivado de un mane directamente, existe un gran riesgo de fallo derivado de un mane directamente, existe un gran riesgo de fallo derivado de un manejo inadecuado de la jo inadecuado de la jo inadecuado de la jo inadecuado de la
incertidumbre. Por ello es preceptivo, especialmente en predicci incertidumbre. Por ello es preceptivo, especialmente en predicci incertidumbre. Por ello es preceptivo, especialmente en predicci incertidumbre. Por ello es preceptivo, especialmente en predicci n clim n clim n clim n clim tica, identificar todas tica, identificar todas tica, identificar todas tica, identificar todas
y cada una de las fuentes de incertidumbre; que b y cada una de las fuentes de incertidumbre; que b y cada una de las fuentes de incertidumbre; que b y cada una de las fuentes de incertidumbre; que b sicamente son de tres tipos: sicamente son de tres tipos: sicamente son de tres tipos: sicamente son de tres tipos:
Variabilidad natural Variabilidad natural Variabilidad natural Variabilidad natural: Al ser un sistema catico, es muy sensible a pequeas diferencias en las
condiciones iniciales. Esta variabilidad se puede simular considerando una distribucin de condiciones
iniciales de temperatura, viento, humedad, etc. . . .
Forzamientos Forzamientos Forzamientos Forzamientos: El clima es perturbado por agentes externos naturales, como pueden ser la actividad
volcnica o solar, y antropognicos, como las emisiones de gases de efecto invernadero. Para ello se
hacen simulaciones para diferentes escenarios de forzamiento.
Modelos y m Modelos y m Modelos y m Modelos y m todos todos todos todos: Nuestra capacidad de simulacin es limitada por lo tanto cada modelo y/o
mtodo produce resultados diferentes.
Fuentes principales de incertidumbre Fuentes principales de incertidumbre Fuentes principales de incertidumbre Fuentes principales de incertidumbre
mtodo empleado: (confianza)
resultados especficos: (verosimilitud)
Terminology Terminology Terminology Terminology Degree Degree Degree Degree of of of of confidence confidence confidence confidence in in in in being being being being correct correct correct correct
Very High confidence At least 9 out of 10 chance of being correct
High confidence About 8 out of 10 chance
Medium confidence About 5 out of 10 chance
Low confidence About 2 out of 10 chance
Very low confidence Less than 1 out of 10 chance
Terminology Terminology Terminology Terminology Likelihood Likelihood Likelihood Likelihood of of of of the the the the occurrence occurrence occurrence occurrence/ / / / outcome outcome outcome outcome
Virtually certain > 99% probability of occurrence
Very likely > 90% probability
Likely > 66% probability
About as likely as not 33 to 66% probability
Unlikely < 33% probability
Very unlikely < 10% probability
Exceptionally unlikely < 1% probability
Gu Gu Gu Gu a terminol a terminol a terminol a terminol gica de la incertidumbre. gica de la incertidumbre. gica de la incertidumbre. gica de la incertidumbre.
http://www.meteo.unican.es/ 31
Grupo de Meteorologa Aplicada
1. Introduccin
2. Justificacin de los mtodos de regionalizacin
3. Downscaling estadstico en CC
4. Hiptesis de la regionalizacin estadstica
5. Mtodos de regionalizacin estadstica
6. Regionalizacin estadstica versus dinmica
7. Incertidumbre del mtodo estadstico
8. 8. 8. 8. Bibliograf Bibliograf Bibliograf Bibliograf a y enlaces a y enlaces a y enlaces a y enlaces
Introduccin a los mtodos
estadsticos de regionalizacin
Madrid, 18-20 octubre de 2006
J.M. Gutirrez, R. Cano, A.S. Cofio, and C. Sordo
Redes Probabil Redes Probabil Redes Probabil Redes Probabil sticas y Neuronales en las Ciencias Atmosf sticas y Neuronales en las Ciencias Atmosf sticas y Neuronales en las Ciencias Atmosf sticas y Neuronales en las Ciencias Atmosf ricas ricas ricas ricas
Monografas del Instituto Nacional de Meteorologa, Ministerio de Medio Ambiente, Madrid
(2004) ISBN: 84 ISBN: 84 ISBN: 84 ISBN: 84- -- -8320 8320 8320 8320- -- -281 281 281 281- -- -6 66 6
Wilby, R.L., S.P. Charles, E. Zorita, B. Timbal, P. Whetton, and L.O. Mearns, (2004):
Guidelines for use of climate scenarios developed from statistic Guidelines for use of climate scenarios developed from statistic Guidelines for use of climate scenarios developed from statistic Guidelines for use of climate scenarios developed from statistical downscaling methods al downscaling methods al downscaling methods al downscaling methods,
available from the DDC of IPCC TGCIA, 27 pp.
http://www.cru.uea.ac.uk/projects/stardex/reports/STARDEX_FINAL_ http://www.cru.uea.ac.uk/projects/stardex/reports/STARDEX_FINAL_ http://www.cru.uea.ac.uk/projects/stardex/reports/STARDEX_FINAL_ http://www.cru.uea.ac.uk/projects/stardex/reports/STARDEX_FINAL_REPORT.pdf REPORT.pdf REPORT.pdf REPORT.pdf
http://www.ipcc.ch/activity/uncertaintyguidancenote.pdf http://www.ipcc.ch/activity/uncertaintyguidancenote.pdf http://www.ipcc.ch/activity/uncertaintyguidancenote.pdf http://www.ipcc.ch/activity/uncertaintyguidancenote.pdf
http://www.ipcc.ch/activity/ar.htm http://www.ipcc.ch/activity/ar.htm http://www.ipcc.ch/activity/ar.htm http://www.ipcc.ch/activity/ar.htm
http://www.clivar.org/publications/reports/reports.php http://www.clivar.org/publications/reports/reports.php http://www.clivar.org/publications/reports/reports.php http://www.clivar.org/publications/reports/reports.php
http://www.usclivar.org/Pubs/report.html http://www.usclivar.org/Pubs/report.html http://www.usclivar.org/Pubs/report.html http://www.usclivar.org/Pubs/report.html
Bibliograf Bibliograf Bibliograf Bibliograf a y enlaces empleados a y enlaces empleados a y enlaces empleados a y enlaces empleados
La descripcin macroscpica del estado de la atmsfera es una
primera aproximacin a una realidad mucho ms heterognea. La
investigacin de las diferentes tcnicas de adaptacin entre lo
previsto a una escala y lo observado a escalas inferiores es uno de
los grandes retos de la meteorologa y se conoce como
downscaling.
downscaling
Modelizacin Regional. Downscaling
Dependency is more general than
correlation
Correlation and dependency
True
True if linear
False other case
Evident questions:
Independence implies no correlation?
Correlation implies dependence?
Anycase?
Yes.
Not so evident questions:
No correlation implies independence?
Dependence implies correlation?
There is a growing recognition that
changes in the frequency and intensity of
extreme events are likely to have more of
an impact on the environment and human
activities than changes in mean climate.
Schematic Schematic Schematic Schematic showing showing showing showing the the the the effect effect effect effect on on on on extreme extreme extreme extreme
temperatures temperatures temperatures temperatures when when when when (a) (a) (a) (a) the the the the mean mean mean mean temperature temperature temperature temperature
increases increases increases increases, (b) , (b) , (b) , (b) the the the the variance variance variance variance increases increases increases increases, , , , and and and and (c) (c) (c) (c)
when when when when both both both both the the the the mean mean mean mean and and and and variance variance variance variance increase increase increase increase for for for for
a normal a normal a normal a normal distribution distribution distribution distribution of of of of temperature temperature temperature temperature. . . . For For For For
variables variables variables variables that that that that are are are are not not not not well well well well approximated approximated approximated approximated by by by by
normal normal normal normal distributions distributions distributions distributions, , , , like like like like precipitation precipitation precipitation precipitation, , , , the the the the
situation situation situation situation is is is is even even even even more more more more complex complex complex complex, , , , especially especially especially especially for for for for
dry dry dry dry climates climates climates climates. . . . For For For For precipitation precipitation precipitation precipitation, , , , for for for for example example example example, , , ,
changes changes changes changes in in in in the the the the mean total mean total mean total mean total precipitation precipitation precipitation precipitation can be can be can be can be
accompanied accompanied accompanied accompanied by by by by other other other other changes changes changes changes like like like like the the the the
frequency frequency frequency frequency of of of of precipitation precipitation precipitation precipitation or or or or the the the the shape shape shape shape of of of of the the the the
distribution distribution distribution distribution including including including including its its its its variability variability variability variability. . . . All All All All these these these these
changes changes changes changes can can can can affect affect affect affect the the the the various various various various aspects aspects aspects aspects of of of of
precipitation precipitation precipitation precipitation extremes extremes extremes extremes including including including including the the the the intensity intensity intensity intensity of of of of
precipitation precipitation precipitation precipitation ( (( (amount amount amount amount per per per per unit unit unit unit time). time). time). time).
Modelizacin Regional. Downscaling estadstico.