Una propuesta metodológica para la generación de redes de precipitación simuladas a partir de redes de precipitación observadas en el marco del proyecto MULTITEST

Abstract

Una de las principales novedades que aportará el proyecto MULTITEST consiste en la comparación sistemática de procedimientos automáticos de homogenización aplicados a redes de series de precipitación representativas de climas muy diferentes, algo que no se había hecho hasta ahora. Para la generación de series de temperatura con inhomogeneidades prescritas se han desarrollado una cantidad importante de metodologías en los proyectos previos de intercomparación de procedimientos de homogeneización, como en la pasada Acción COST ES0601. Pero con la precipitación surgen complicaciones evidentes: la distribución (salvo en determinados climas y/o épocas del año) no es normal, sino que tiene habitualmente un sesgo positivo que puede llegar a ser muy pronunciado en climas secos; en estos climas es frecuente la presencia de numerosos ceros de precipitación mensual lo que requiere un tratamiento especial. La ausencia de normalidad complica además la deseable replicación en la red simulada de la estructura de covarianza espacial de los datos observados. En este trabajo presentamos una nueva metodología que consigue, en principio, por una parte reproducir en la red de puntos simulados las características univariantes de las series que cabría esperar a partir de la climatología observada, y por otra conservar la estructura de dependencia espacial. Se muestran y analizan resultados de tres redes simuladas de clima mediterráneo, atlántico y monzónico.

One of the main innovations that MULTITEST introduces is that it will allow the systematic comparison of automatic homogenization procedures over networks representative of very disparate climates, something undone up to now. For temperature series generation with inhomogeneities added several methods have been developed under the past COST Action ES0601. But with precipitation there appear a number of complications: non-normality of the underlying distribution (except for some climates and/or year times) but instead it has a positive bias that can be quite great in dry climates; in these last climates it is also fairly common that one encounters null values which requires a special treatment. The absence of normality also disturbs the desirable replication of the spatial covariance structure of the observations. In this work a novel methodology is presented that achieves in principle both the reproduction on simulated points of the univariate characteristics according to the observed climatology and to conserve the spatial structure of dependence. Results of three simulated networks with Mediterranean, Atlantic and monsoon climates are presented and discussed.