La homogeneización en la investigación climática significa la eliminación de los cambios no climáticos. Además de los cambios en el clima en sí, los registros climáticos brutos también contienen saltos y cambios no climáticos, por ejemplo debidos a reubicaciones o cambios en la instrumentación. El principio más utilizado para eliminar estas inhomogeneidades es el enfoque de homogeneización relativa en el que una estación candidata se compara con una serie temporal de referencia basada en una o más estaciones vecinas. La estación o estaciones candidatas y de referencia experimentan aproximadamente el mismo clima, por lo que los cambios no climáticos que ocurren solo en una estación se pueden identificar y eliminar.
Para estudiar el cambio climático y la variabilidad climática, son esenciales los registros climáticos instrumentales de larga duración, pero es mejor no utilizarlos directamente. Estos conjuntos de datos son esenciales porque son la base para evaluar las tendencias a escala de un siglo o para estudiar la variabilidad natural (a largo plazo) del clima, entre otras cosas. Sin embargo, el valor de estos conjuntos de datos depende en gran medida de la homogeneidad de las series temporales subyacentes. Un registro climático homogéneo es aquel en el que las variaciones son causadas únicamente por variaciones en el tiempo y el clima. Los registros instrumentales de larga duración rara vez son homogéneos, o nunca lo son.
Los resultados de la homogeneización de los registros climáticos instrumentales occidentales indican que las inhomogeneidades detectadas en las series de temperatura media ocurren con una frecuencia de aproximadamente 15 a 20 años. [1] [2] [3] [4] [5] Debe tenerse en cuenta que la mayoría de las mediciones no se han realizado específicamente con fines climáticos, sino más bien para satisfacer las necesidades de la previsión meteorológica, la agricultura y la hidrología. [6] Además, el tamaño típico de las rupturas es a menudo del mismo orden que la señal de cambio climático durante el siglo XX. [1] [2] [3] [4] [5] Las inhomogeneidades son, por tanto, una fuente importante de incertidumbre para la estimación de las tendencias seculares y la variabilidad a escala decenal.
Si todas las inhomogeneidades fueran perturbaciones puramente aleatorias de los registros climáticos, su efecto colectivo sobre la señal climática global media sería insignificante. Sin embargo, ciertos cambios son típicos de ciertos períodos y se produjeron en muchas estaciones; estas son las causas más importantes, ya que pueden conducir colectivamente a sesgos artificiales en las tendencias climáticas en grandes regiones. [3] [7] [8]
La falta de homogeneidad más conocida es el efecto de isla de calor urbana . La temperatura en las ciudades puede ser más cálida que en el campo circundante, especialmente por la noche. Por lo tanto, a medida que las ciudades crecen, se puede esperar que las temperaturas medidas en las ciudades sean más altas. Por otro lado, con la llegada de la aviación, muchas oficinas meteorológicas y, por lo tanto, sus estaciones, a menudo se han trasladado de las ciudades a aeropuertos cercanos, generalmente más frescos. [9]
Otros cambios no climáticos pueden ser causados por cambios en los métodos de medición. Los instrumentos meteorológicos se instalan típicamente en una pantalla para protegerlos del sol directo y la humedad. [10] En el siglo XIX era común usar una pantalla de metal frente a una ventana en una pared orientada al norte. Sin embargo, el edificio puede calentar la pantalla, lo que lleva a mediciones de temperatura más altas. Cuando se advirtió este problema, se introdujo la pantalla Stevenson , que generalmente se instala en jardines, lejos de los edificios. Esta sigue siendo la pantalla meteorológica más típica con su característica puerta de doble lama y paredes para ventilación. Las históricas pantallas Montsouri y Wilds se utilizaron alrededor de 1900 y están abiertas al norte y al fondo. Esto mejora la ventilación, pero se descubrió que la radiación infrarroja del suelo puede influir en la medición en días soleados y tranquilos. Por lo tanto, ya no se utilizan. Hoy en día, las estaciones meteorológicas automáticas , que reducen los costos de mano de obra, son cada vez más comunes; protegen el termómetro con una serie de conos de plástico blanco. [8] Esto requirió cambios de termómetros de líquido y vidrio registrados manualmente a termómetros de resistencia eléctrica automatizados, lo que redujo los valores de temperatura registrados en los EE. UU. [2]
Otros elementos climáticos también sufren de inhomogeneidades. Las cantidades de precipitación observadas en el período instrumental temprano, aproximadamente antes de 1900, están sesgadas y son un 10% más bajas que las actuales, porque las mediciones de precipitación se hacían a menudo en los tejados. En aquella época, los instrumentos se instalaban en los tejados para garantizar que nunca estuvieran protegidos de la lluvia, pero más tarde se descubrió que debido al flujo turbulento del viento en los tejados, algunas gotas de lluvia y, especialmente, copos de nieve no caían en la abertura. Por ello, hoy en día las mediciones se realizan más cerca del suelo.
Otras causas típicas de inhomogeneidades son un cambio en el lugar de medición; muchas observaciones, especialmente de precipitación, son realizadas por voluntarios en su jardín o en su lugar de trabajo. Los cambios en el entorno a menudo no se pueden evitar, por ejemplo, cambios en la vegetación, el sellado de la superficie del terreno y edificios cálidos y acogedores en las cercanías. También hay cambios en los procedimientos de medición, como la forma en que se calcula la temperatura media diaria (por medio de las temperaturas mínimas y máximas, o promediando sobre 3 o 4 lecturas por día, o basándose en datos de 10 minutos). También los cambios en los tiempos de observación pueden conducir a inhomogeneidades. Una revisión reciente de Trewin se centró en las causas de las inhomogeneidades. [9]
Las inhomogeneidades no siempre son errores. Esto se ve más claramente en las estaciones afectadas por el calentamiento debido al efecto de isla de calor urbana. Desde la perspectiva del calentamiento global, estos efectos locales son indeseables, pero para estudiar la influencia del clima en la salud, estas mediciones son adecuadas. Otras inhomogeneidades se deben a compromisos que deben hacerse entre la ventilación y la protección contra el sol y la humedad en el diseño de un refugio contra la intemperie. Intentar reducir un tipo de error (para una determinada condición meteorológica) en el diseño a menudo conducirá a más errores de los otros factores. Las mediciones meteorológicas no se realizan en el laboratorio. Los pequeños errores son inevitables y pueden no ser relevantes para fines meteorológicos, pero si dicho error cambia, puede ser una inhomogeneidad para la climatología.
Para estudiar de forma fiable la evolución real del clima, es necesario eliminar los cambios no climáticos. La fecha del cambio suele estar documentada (lo que se denomina metadatos: datos sobre datos), pero no siempre. Los metadatos suelen estar disponibles solo en el idioma local. En el mejor de los casos, se realizan mediciones paralelas con el sistema original y el nuevo durante varios años. [11] Se trata de una directriz de la OMM ( Organización Meteorológica Mundial ), pero lamentablemente las mediciones paralelas no se realizan muy a menudo, aunque solo sea porque no se conoce de antemano el motivo de la interrupción de la medición original, sino probablemente más a menudo para ahorrar dinero. Si se realizan mediciones paralelas con réplicas de instrumentos históricos, pantallas, etc., algunas de estas inhomogeneidades todavía se pueden estudiar hoy en día.
_Terragona,_weather_screen_intercomparison_study.JPG/1280px-Centre_for_Climate_Change_(C3)_Terragona,_weather_screen_intercomparison_study.JPG)
Como nunca se está seguro de que los metadatos (historial de la estación) estén completos, siempre se debe aplicar también la homogeneización estadística. El principio estadístico más utilizado para detectar y eliminar los efectos de los cambios artificiales es la homogeneización relativa, que supone que las estaciones cercanas están expuestas a casi la misma señal climática y que, por lo tanto, las diferencias entre estaciones cercanas se pueden utilizar para detectar inhomogeneidades. [12] Al observar las series temporales de diferencias, se elimina la variabilidad anual del clima, así como las tendencias climáticas regionales. En una serie temporal de diferencias de este tipo, se puede detectar fácilmente un salto claro y persistente de, por ejemplo, 1 °C, y solo puede deberse a cambios en las condiciones de medición.
Si hay un salto (ruptura) en una serie temporal de diferencias, aún no está claro a cuál de las dos estaciones pertenece. Además, las series temporales suelen tener más de un salto. Estas dos características hacen de la homogeneización estadística un problema estadístico desafiante y hermoso. Los algoritmos de homogeneización suelen diferir en la forma en que intentan resolver estos dos problemas fundamentales. [13]
En el pasado, era habitual calcular una serie temporal de referencia compuesta calculada a partir de múltiples estaciones cercanas, comparar esta referencia con la serie candidata y asumir que cualquier salto encontrado se debe a la serie candidata. [14] La última suposición funciona porque al usar múltiples estaciones como referencia, la influencia de las inhomogeneidades en la referencia se reduce mucho. Sin embargo, los algoritmos modernos ya no asumen que la referencia es homogénea y pueden lograr mejores resultados de esta manera. Hay dos formas principales de hacerlo. Puede calcular múltiples series temporales de referencia compuestas a partir de subconjuntos de estaciones circundantes y probar estas referencias para homogeneidad también. [15] Alternativamente, solo puede usar pares de estaciones y, al comparar todos los pares entre sí, determinar qué estación es más probable que tenga la ruptura. [4] Si hay una ruptura en 1950 en el par A&B y B&C, pero no en A&C, la ruptura es probable que esté en la estación B; con más pares, se puede hacer una inferencia de este tipo con más certeza.
Si hay múltiples saltos en una serie temporal, el número de combinaciones fácilmente se vuelve muy grande y se vuelve imposible probarlas todas. Por ejemplo, en el caso de cinco saltos ( k = 5) en 100 años de datos anuales ( n = 100), el número de combinaciones es de aproximadamente 100 5 = 10 10 o 10 mil millones. Este problema a veces se resuelve de forma iterativa/jerárquica, buscando primero el salto más grande y luego repitiendo la búsqueda en ambas subsecciones hasta que sean demasiado pequeñas. Esto no siempre produce buenos resultados. Una forma directa de resolver el problema es mediante un método de optimización eficiente llamado programación dinámica .
En ocasiones no existen otras estaciones en la misma región climática. En este caso, a veces se aplica una homogeneización absoluta y se detectan inhomogeneidades en la serie temporal de una estación. Si hay una ruptura clara y grande en una fecha determinada, se puede corregir, pero los saltos más pequeños y las inhomogeneidades que ocurren gradualmente (isla de calor urbana o vegetación en crecimiento) no se pueden distinguir de la variabilidad natural real y el cambio climático. Los datos homogeneizados de esta manera no tienen la calidad que se puede esperar y deben usarse con mucho cuidado.
Al homogeneizar los conjuntos de datos climáticos, se encontró que a veces las inhomogeneidades pueden causar tendencias sesgadas en los datos brutos; que la homogeneización es indispensable para obtener tendencias regionales o globales confiables. Por ejemplo, para la Gran Región Alpina se encontró un sesgo en la tendencia de temperatura entre los años 1870 y 1980 de medio grado, que se debió a la disminución de la urbanización de la red y a cambios sistemáticos en el tiempo de observación. [16] Los registros de precipitación del período instrumental temprano están sesgados en un -10% debido a la mayor instalación sistemática de los medidores en ese momento. [17] Otras posibles fuentes de sesgo son los nuevos tipos de refugios meteorológicos [3] [18] el cambio de termómetros de líquido y vidrio a termómetros de resistencia eléctrica, [2] así como la tendencia a reemplazar a los observadores por estaciones meteorológicas automáticas, [8] el efecto de isla de calor urbana y la transferencia de muchas estaciones urbanas a aeropuertos. [9]
Además, se ha demostrado que los algoritmos de homogeneización relativa de última generación desarrollados para trabajar con una referencia no homogénea son los que mejor funcionan. El estudio (de EGU) demostró que los algoritmos automáticos pueden funcionar tan bien como los manuales. [13]