• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Naturaleza
    Un equipo de climatólogos está estudiando cómo minimizar los errores en la tendencia climática observada

    Crédito:Universitat Rovira i Virgili

    El registro climático instrumental es el patrimonio cultural de la humanidad, el resultado del trabajo diligente de muchas generaciones de personas en todo el mundo. Sin embargo, los cambios en la forma en que se mide la temperatura, así como el entorno en el que se encuentran las estaciones meteorológicas pueden producir tendencias falsas. Un estudio internacional realizado por investigadores de la Universitat Rovira i Virgili (URV), la Agencia Estatal de Meteorología y la Universidad de Bonn (Alemania) han logrado identificar los métodos más fiables que ayudan a corregir estas tendencias. Estos "métodos de homogeneización" son un paso clave para convertir el enorme esfuerzo realizado por los observadores en datos fiables sobre el cambio climático. Los resultados de esta investigación, financiado por el Ministerio de Economía y Competitividad de España, han sido publicados en el Diario del clima de la Sociedad Meteorológica Estadounidense.

    Las observaciones climáticas a menudo se remontan a más de un siglo, incluso antes de que hubiera coches y electricidad. Estos largos periodos de tiempo hacen que sea prácticamente imposible mantener las mismas condiciones de medición a lo largo de los años. El problema más común es el crecimiento de ciudades alrededor de estaciones meteorológicas urbanas. Sabemos que las ciudades son cada vez más cálidas debido a las propiedades térmicas de las superficies urbanas y la reducción de las superficies de evapotranspiración. Para verificar esto, es suficiente comparar las estaciones urbanas con las estaciones rurales cercanas. Aunque menos conocido, problemas similares son causados ​​por la expansión de cultivos de regadío alrededor de los observatorios.

    La otra razón más común de sesgos en los datos observados es que las estaciones meteorológicas han sido reubicadas, entre otras razones, debido a cambios en las redes de observación. "Un cambio organizativo típico consistió en estaciones meteorológicas, que solía estar en las ciudades, ser transferidos a aeropuertos de nueva construcción que necesitaban observaciones y predicciones, "explica Víctor Venema, un climatólogo de Bonn y uno de los autores del estudio. "La estación meteorológica de Bonn solía estar en un campo en el pueblo de Poppelsdorf, que ahora es parte de la ciudad y, después de haber sido movido varias veces, ahora está en el aeropuerto de Colonia-Bonn, " él dice.

    En lo que respecta a la estimación robusta de las tendencias mundiales, los cambios más importantes son tecnológicos, que se realizan simultáneamente en una red de observación. "En este momento estamos en medio de un período de automatización generalizada de las redes de observación, "dice Venema.

    Los programas informáticos que pueden utilizarse para la homogeneización automática de los datos de las series de tiempo climáticas son el resultado de varios años de desarrollo. Operan comparando estaciones cercanas entre sí y buscando cambios que solo ocurren en una de ellas, a diferencia de los cambios climáticos, que les afectan a todos.

    Para examinar estos métodos de homogeneización, el equipo de investigación generó un banco de pruebas en el que incorporaron un conjunto de datos simulados que imitaban de forma fiable los conjuntos de datos climáticos observados, incluyendo los sesgos mencionados. Por eso, los cambios espurios son conocidos y pueden estudiarse para determinar cómo los diversos métodos de homogeneización pueden corregirlos.

    Los conjuntos de datos de prueba generados fueron más diversos que los de estudios anteriores, al igual que las redes reales de estaciones. debido a las diferencias en cómo se utilizaron. Los investigadores reprodujeron redes con densidades de estaciones muy variadas porque en una red densa es más fácil identificar un pequeño cambio espurio en una estación. El conjunto de datos de prueba que se utilizó en este proyecto fue mucho mayor que en estudios anteriores (un total de 1, Se analizaron 900 estaciones meteorológicas), lo que permitió a los científicos determinar con precisión las diferencias entre los principales métodos de homogeneización automática desarrollados por grupos de investigación en Europa y América. Debido al gran tamaño del conjunto de datos de prueba, solo se pudieron probar los métodos automatizados de homogeneización.

    El grupo de investigación descubrió que es mucho más difícil mejorar la señal climática media estimada para una red de observación que mejorar la precisión de la serie temporal de cada estación.

    En la clasificación resultante, los métodos de homogeneización propuestos por URV y AEMET fueron mejores que los demás. El método desarrollado en el Centro de Cambio Climático C3 de la URV (Vila-seca, Tarragona) del climatólogo húngaro Peter Domonkos demostró ser el mejor en homogeneizar tanto las series de estaciones individuales como las series medias de la red regional. El método AEMET, desarrollado por el investigador José A. Guijarro, estaba muy cerca detrás.

    The homogenisation method developed by the National Oceanic and Atmospheric Administration of the United States (NOAA) was best at detecting and minimizing systematic errors in trends from many weather stations, especially when these biases were produced simultaneously and affected many stations on similar dates. This method was designed to homogenize data sets from stations the world over where the main concern is the reliable estimation of global trends.

    The results of this study have demonstrated the value of large test data sets. "It is another reason why automatic homogenisation methods are important:they can be tested more easily and this helps in their development, " explains Peter Domonkos, who started his career as a meteorological observer and is now writing a book on the homogenisation of climate time series.

    "The study shows the importance of very dense station networks in making homogenisation methods more robust and efficient and, por lo tanto, in calculating observed trends more accurately, " says the researcher Manola Brunet, director of the URV's C3, visiting member of the Climate Research Unit of the University of East Anglia, Norwich, Reino Unido, and vice-president of the World Meteorological Organisation's Commission for Weather, Clima, Water and Related Environmental Services &Applications.

    "Desafortunadamente, much more climate data still has to be digitalised for even better homogenisation and quality control, "concluye.

    For his part, the researcher Javier Sigró, also from the C3, points out that homogenisation is often just the first step "that allows us to go to the archives and check what happened with those observations affected by spurious changes. Improving the methods of homogenisation means that we can do this much more efficiently."

    "The results of the project can help users to choose the method most suited to their needs and developers to improve their software because its strong and weak points are revealed. This will enable more improvement in the future, " says José A. Guijarro from the State Meteorology Agency of the Balearic Islands and co-author of the study.

    Previous studies of a similar kind have shown that the homogenisation methods that were designed to detect multiple biases simultaneously were clearly better than those that identify artificial spurious changes one by one. "Curiously, our study did not confirm this. It may be more an issue of using methods that have been accurately fitted and tested, " says Victor Venema from the University of Bonn.

    The experts are sure that the accuracy of the homogenisation methods will improve even more. "Nevertheless, we must not forget that climate observations that are spatially more dense and of high quality are the cornerstone of what we know about climate variability, " concludes Peter Domonkos.


    © Ciencia https://es.scienceaq.com