INTRODUCCIÓN
⌅La lluvia es una de las variables meteorológicas más importantes debido a su amplia repercusión sobre diferentes esferas económicas y sociales. Contar con una base de datos de lluvia con la suficiente calidad es imprescindible para desarrollar investigaciones climáticas, agrícolas, hidrológicas, entre otras. Sin embargo, la calidad en los datos de precipitación es mucho más difícil de obtener que para otras variables meteorológicas, debido principalmente a la correlación espacial relativamente pobre de las cantidades diarias de precipitación (Kruger, 2006Kruger, A. C. (2006). Observed trends in daily precipitation indices in South Africa: 1910-2004. International Journal of Climatology: A Journal of the Royal Meteorological Society, 26(15), 2275-2285. https://doi.org/10.1002/joc.1368 ).
La disponibilidad actual en el mundo de bases de datos densas en el espacio y prolongadas en el tiempo es muy variable según las zonas. En Europa destacan los esfuerzos desarrollados, entre otras instituciones, por la Universidad de East Anglia (Hulme et al., 1995Hulme, M., Conway, D., Jones, Pd., Jiang, T., Barrow, E. M., & Turney, C. (1995). Construction of a 1961-1990 European climatology for climate change modelling and impact applications. International Journal of Climatology, 15(12), 1333-1363. https://doi.org/10.1002/joc.3370151204 ; Klein Tank et al., 2002Klein Tank, A. M. G., Wijngaard, J. B., Können, G. P., Böhm, R., Demarée, G., Gocheva, A., Mileta, M., Pashiardis, S., Hejkrlik, L., & Kern-Hansen, C. (2002). Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. International Journal of Climatology: A Journal of the Royal Meteorological Society, 22(12), 1441-1453. https://doi.org/10.1002/joc.773 ). Diversas son las metodologías empleadas para realizar control de calidad a series de datos de lluvia, los datos atípicos o outliers y las inhomogeneidades han sido identificados como los principales problemas en las series de datos de precipitación (Feng et al., 2004Feng, S., Hu, Q., & Qian, W. (2004). Quality control of daily meteorological data in China, 1951-2000: A new dataset. International Journal of Climatology: A Journal of the Royal Meteorological Society, 24(7), 853-870. https://doi.org/10.1002/joc.1047 ; González-Rouco et al., 2000González-Rouco, J. F., Heyen, H., Zorita, E., & Valero, F. (2000). Agreement between observed rainfall trends and climate change simulations in the southwest of Europe. Journal of Climate, 13(17), 3057-3065. https://doi.org/10.1175/1520-0442(2000)013<3057:ABORTA>2.0.CO;2 ). En Argentina, realizaron un control de calidad y homogeneidad de las series de precipitación disponibles y, además, mediante interpolación generaron un producto de precipitación reticulada para suplir la falta de datos en la zona de estudio (Almonacid et al., 2021Almonacid, L., Pessacg, N., Diaz, B. G., Bonfili, O., & Peri, P. L. (2021). Nueva base de datos reticulada de precipitación para la provincia de Santa Cruz, Argentina. Meteorológica, 46(2), 27-54. https://repositorio.inta.gob.ar/handle/20.500.12123/9670 ). Por otro lado, en Costa Rica, se realizó un control de calidad a series de datos de precipitación para determinar qué cantidad de valores atípicos pasaban inadvertidos en el control de calidad manual (López, 2011López, J. L. A. (2011). Resultados de un control de calidad para datos horarios de precipitación, irradiancia, velocidad y dirección de viento. Revista de Climatología, 11.).
El procedimiento para el control de la calidad (QC) es un producto sensible a cambios que se relaciona con la ubicación de la estación meteorológica, equipamiento y práctica del observador (Haylock et al., 2006Haylock, M. R., Peterson, T. C., Alves, L. M., Ambrizzi, T., Anunciação, Y. M. T., Baez, J., Barros, V. R., Berlato, M. A., Bidegain, M., & Coronel, G. (2006). Trends in total and extreme South American rainfall in 1960-2000 and links with sea surface temperature. Journal of climate, 19(8), 1490-1512.). Por lo general, una vez que los datos han pasado el proceso de control de calidad, éstos deben ser sujetos a una prueba y análisis de homogeneidad, dejando para el estudio sólo las series de datos que contienen información únicamente debida a las variaciones del clima y están libres de alteraciones en las mediciones producto a otras causas. La mayoría de los métodos de homogeneización desarrollados hasta la fecha se han aplicado en estudios relacionados con series de temperatura y precipitación de carácter anual, mensual o estacional (Ducré-Robitaille et al., 2003Ducré-Robitaille, J.-F., Vincent, L. A., & Boulet, G. (2003). Comparison of techniques for detection of discontinuities in temperature series. International Journal of Climatology: A Journal of the Royal Meteorological Society, 23(9), 1087-1101. https://doi.org/10.1002/joc.924 ; Peterson et al., 1998Peterson, T. C., Vose, R., Schmoyer, R., & Razuvaëv, V. (1998). Global Historical Climatology Network (GHCN) quality control of monthly temperature data. International Journal of Climatology: A Journal of the Royal Meteorological Society, 18(11), 1169-1179. https://doi.org/10.1002/(SICI)1097-0088(199809)18:11<1169::AID-JOC309>3.0.CO;2-U ). Sin embargo, se requieren más investigaciones para abordar completamente esta difícil tarea para las series diarias (Wang et al., 2010Wang, X. L., Chen, H., Wu, Y., Feng, Y., & Pu, Q. (2010). New techniques for the detection and adjustment of shifts in daily precipitation data series. Journal of Applied Meteorology and Climatology, 49(12), 2416-2436. https://doi.org/10.1175/2010JAMC2376.1 ). Por la razón antes expuesta y el uso posterior de estas series diarias, en este estudio no se aplicó ningún test de homogeneidad.
El Grupo de Expertos en Detección de Cambio Climático e Indicadores (ETCCDI, por sus siglas en inglés) ha desarrollado metodologías y programas para el cálculo de indicadores de extremos climáticos. Estas incluyen un riguroso control de calidad de series climáticas y varios test de homogeneidad. Las metodologías aplicadas son comunes y garantizan que los resultados puedan ser analizados globalmente (ETCCDI, 2021ETCCDI. (2021). Website of ETCCDI Climate Change Indices. http://etccdi.pacificclimate.org/list_27_indices.shtml ).
En Cuba se han realizado procesos de control de calidad y homogenización empleando la metodología desarrollada por el ETCCDI, tanto a series de datos de temperaturas extremas (Gil-Reyes et al., 2020Gil-Reyes, L., González-García, I., Hernández-González, D., & Álvarez-Guerrero, M. (2020). Extremos climáticos de temperatura y su relación con patrones atmosféricos de teleconexión durante el invierno. Revista Cubana de Meteorología, 26(4).) como a series de lluvia en 33 estaciones meteorológicas de todo el país (Barcia-Sardiñas et al., 2021Barcia-Sardiñas, S., González-García, I. T., & Hernández-González, D. (2021). Control de la calidad y la homogenización de series climáticas para el cálculo de indicadores climáticos extremos en Cuba. 21, 65-80.). La búsqueda bibliográfica reflejó que las investigaciones realizadas hasta el momento en Cuba se centraron en realizar el control de calidad a series de datos que posteriormente fueron empleadas para calcular indicadores de extremos climáticos, y no brindan una información detallada del proceso de control de calidad (Bocalandro et al., 2021Bocalandro, M., González-García, I., & Hernández-González, D. (2021). Análisis de indicadores de extremos térmicos y su relación con algunos factores y elementos del clima en la región central de Cuba. Revista de Climatología, 21, 1-16.; Otero Martín et al., 2021Otero Martín, M., Machado Monye de Oca, A., Barcia-Sardiñas, S., & Socarrás Padrón, J. (2021). Indicadores de extremos climáticos en Sagua la Grande, Villa Clara, Cuba. Revista de Climatología, 21, 43.).
Este trabajo tiene como objetivo realizar y documentar el control de la calidad de las series diarias de lluvia en el período 1961-2008, para así contar con una robusta base de datos de lluvia que pueda ser utilizada para investigaciones y servicios climáticos. En particular, podrá ser empleada para el cálculo de indicadores de extremos de precipitación, en análisis de tendencias de dichos extremos, correlaciones con otras variables, en la verificación de los resultados de modelos climáticos, entre otros. Los resultados tributarán a los proyectos “Soporte Unificado de Proyecciones para Estudios Regionales del Cambio Climático (SUPERCLIMA)” y “Evaluación de productos de estimación cuantitativa de la precipitación por satélites meteorológicos para su uso en el diagnóstico de la sequía en Cuba”.
MATERIALES Y MÉTODOS
⌅Los datos iniciales fueron obtenidos de 638 pluviómetros pertenecientes a la red de estaciones del Instituto Nacional de Recursos Hidráulicos (Figura 1). Se analizaron los datos diarios de lluvia (RR) en el período 1961-2008.
Control de la Calidad
⌅El control de las series climáticas se realizó utilizando la rutina Rclimdex-ExtraQC que corre sobre la plataforma R. La misma fue originada en el software de control de calidad y cálculo de índices de cambio climático desarrollada por Environment Canada para el ETCCDI y representa una modificación de la versión “oficial” de éste (Zhang et al., 2004Zhang, X., Yang, F., & Santos, J. L. (2004). RClimDex (1.0). Manual del usuario. Climate Research Branch Environment Canada. Versión en español: Santos, JL CIIFEN.). Esta versión incluye un conjunto de rutinas adicionales (Extra_QC) para un control de calidad más preciso e intensivo. El procedimiento permitió determinar un conjunto de datos “sospechosos” por las siguientes causas:
-
Días duplicados
-
Outliers (valores atípicos que se encuentran fuera de un rango particular)
-
Valores excesivamente elevados (RR > 200mm)
El control de calidad genera imágenes de la marcha de la variable en el tiempo, así como el histograma de la distribución de valores de lluvia mayores o iguales a 1 mm, lo cual permitió realizar una inspección visual de los casos presentados como sospechosos, así como valorar su distribución (ver ejemplo en la Figura 3).
Dado el gran volumen de información y la herramienta a usar en el QC se elaboraron programas en Fortran. Los cuales permitieron ajustar los datos pluviométricos al formato de entrada del programa Rclimdex-ExtraQC y agrupar los datos sospechosos por fecha en que se presentaron en cada una de las provincias. Estos facilitaron el proceso de identificación de los sistemas que afectaron en cada caso y fecha.
Después de correr el control de la calidad a través del Rclimdex-ExtraQC se determinaron un conjunto de datos sospechosos mediante el fichero nombrado outliers. Los pluviómetros que no cumplieron con el criterio de por ciento de datos faltantes fueron desechados (OMM, 2011OMM. (2011). Guía de Prácticas Climtológicas. http://www. wmo. int/pages/prog/wcp/ccl/guide/documents/wmo_100_es. pd f ). El fichero de outliers se filtró y se seleccionaron los que igualaban o superaban el acumulado de 200 mm.
Cronologías de fenómenos meteorológicos
⌅Con el objetivo de validar estos acumulados se consultaron las cronologías de fenómenos meteorológicos disponibles en el INSMET. A partir de ese análisis fue posible asociar los acumulados significativos anteriormente seleccionados a diferentes sistemas meteorológicos como frentes fríos, bajas extratropicales y ciclones tropicales.
La cronología de frentes fríos comprende el período 1916-2017, en la cual se consideran todos los frentes que han afectado a Cuba. En la misma se especifica la fecha de afectación y la clasificación según su tipo e intensidad. Los frentes fríos que se consideran estacionarios no han sido incluidos en la cronología utilizada (INSMET, 2017INSMET. (2017). Cronología de los frentes fríos de Cuba. [Informe oficial,]. Instituto de Meteorología.) Además, se consultó la climatología sinóptica de las bajas extratropicales que afectaron a Cuba en las 58 temporadas invernales comprendidas en el período de estudio (Pila Fariñas & González Pedroso, 2011Pila Fariñas, E., & González Pedroso, C. (2011). Climatología sinóptica de las bajas extratropicales que influyen en el archipiélago cubano. Revista Cubana de Meteorología, 17(2), 71-86.). Esta cronología incluye las bajas extratropicales asociadas a frentes fríos por lo que estos tres casos (frentes fríos, bajas extratropicales y bajas mas frentes fríos) se presentan por separado en los resultados.
La cronología de tormentas tropicales comprende el período 1801-2005, en la cual se enumeran los sistemas que han afectado a Cuba, y se describen las provincias del país que han sido afectadas por cada uno de ellos(INSMET, 2005INSMET. (2005). Cronología de todas las tormentas tropicales que han afectado a Cuba desde 1801 hasta 2005. [Informe oficial]. Instituto de Meteorología.). La cronología de ciclones tropicales (CT) comprende el período 1791-2015. En esta se describe la categoría que presentaron estos sistemas según la escala Saffir-Simpson y se incluyen las provincias que fueron afectadas por cada uno de estos (INSMET, 2018INSMET. (2018). Cronología de los huracanes de Cuba. [Informe oficial]. Instituto de Meteorología.).
Además, fueron consultados los mapas estacionales de trayectorias pasadas para cada año en cuestión, con el objetivo de visualizar la proximidad de los sistemas a cada una de las provincias (NHC, 2020NHC. (2020). Website of National Hurricane Center. https://www.nhc. noaa.gov/data/#tracks_all ).
Análisis de Consistencia
⌅Debido a que no se contaba con libros de observación para realizar la verificación de los datos sospechosos, se chequeó la consistencia entre los días previos y posteriores al reporte y, también, con estaciones vecinas atendiendo a la época del año en que se presentaron. Esta tarea se realizó a partir del apoyo en los mapas con la ubicación de los pluviómetros, elaborados en ArcGIS 10.3. Los valores sospechosos que no pudieron comprobarse, se compararon con los registros de los pluviómetros cercanos en la misma fecha. En el caso del período lluvioso se consideró comparar los valores sospechosos con al menos cinco pluviómetros más cercanos, y para el período poco lluvioso solo se compararon con al menos tres pluviómetros más cercanos(Planos et al., 2005Planos, E., Limia, M., Vega, R., Boudet, D., & Sosa, M. (2005). Las grandes precipitaciones y las precipitaciones intensas en Cuba. Causas y características. [Resultado científico técnico]. Instituto de Meteorología.). Adicionalmente se crearon ficheros para guardar las decisiones tomadas en cada caso y proceder a sustituir los valores no validados por el código -99.9 (Figura 4).
RESULTADOS Y DISCUSIÓN
⌅Como uno de los elementos de mayor interés para aplicaciones y decisiones futuras, se señala que existe como regularidad una prevalencia de valores distribuidos entre 1 y 50 mm o menos en la mayoría de los pluviómetros analizados.
De los 638 pluviómetros sometidos al QC, 16 presentaron problemas: 8 pluviómetros reportaron datos duplicados (ver ejemplo Figura 5), 4 con duplicados y faltantes, 1 serie muy corta y otras 3 tenían muchos valores de lluvia igual a cero. En resumen, se corrigieron 8 series pluviométricas y 8 fueron rechazadas (ver Tabla 1) por no cumplir los requisitos de porcentaje de datos faltantes (OMM, 2011OMM. (2011). Guía de Prácticas Climtológicas. http://www. wmo. int/pages/prog/wcp/ccl/guide/documents/wmo_100_es. pd f ).
| Nombre del Pluviómetro | Longitud (0) | Latitud (0) | Provincia |
|---|---|---|---|
| Pálpite | -81.18443044 | 22.32554567 | Matanzas |
| Cayo Ramona | -81.023267 | 22.1450154 | Matanzas |
| Paya Girón | -81.033912 | 22.0691465 | Matanzas |
| Los Sábalos | -81.117369 | 22.2253568 | Matanzas |
| Juan Criollo | -79.1265 | 21.9643541 | Sancti Spíritus |
| Tortuguilla | -74.934914 | 19.9751028 | Guantánamo |
| Acueducto Base Naval | -75.033866 | 20.0104995 | Guantánamo |
| Derivadora La Jagua | -82.763826 | 21.6350037 | Isla de la Juventud |
El total de datos sospechosos analizados fue de 2090, de ellos, un total de 83 fueron rechazados (4%) por no asociarse a ninguno de los sistemas de los que se contaba con sus cronologías. Los casos rechazados tampoco cumplieron con el requisito de repetirse la fecha de ocurrencia en los pluviómetros vecinos, por lo que fueron sustituidos por el código de dato faltante -99.9. Los datos aceptados que no estaban asociados a ninguno de los sistemas analizados sumaron 844, correspondiéndoles el 40% del total. Lo anteriormente explicado supone la complejidad que tuvo el presente trabajo para lograr determinar si el dato se aceptaba o se rechazaba. De los sistemas analizados, la mayor cantidad de los registros estuvieron asociados a los CT (49%).
Los Frentes Fríos (3%), los frentes fríos acompañados de bajas extratropicales (2%) y las bajas extratropicales (2%) presentaron un número de casos pequeño (Figura 6). Esto último pudo haber estado asociado a que la cronología de frentes fríos solo refería o contenía los frentes que arribaban al occidente cubano.
Resultados del QC por provincias
⌅El análisis de los datos sospechosos por provincia arrojó resultados similares a los generales. En el municipio especial Isla de la Juventud y en las provincias de Pinar del Río, Artemisa-Mayabeque, Matanzas, Camagüey, Las Tunas, Holguín, Granma y Santiago de Cuba los valores de lluvia mayores a 200 mm se asociaron en su mayoria a los ciclones tropicales. Predominaron en La Habana, Villa Clara, Cienfuegos, Sancti Spíritus, Ciego de Ávila y Guantánamo los datos aceptados no asociados a ningún sistema meteorológico de los estudiados en la presente investigación (Figura 7). Lo anteriormente expuesto indica la necesidad de documentar los eventos lluviosos asociados a sistemas de mesoescala y/o que pudieran estar asociados al tránsito de ondas tropicales próximas a Cuba de las que no se cuenta con una cronología.
En cuanto al número de datos rechazados y sustituidos por el código de dato faltante sobresalen las provincias de Guantánamo, Santiago de Cuba y el municipio especial Isla de la Juventud con la mayor cantidad de casos: 32, 12 y 8, respectivamente (Figura 8).
CONCLUSIONES
⌅-
Se realizó el control de calidad a las series de datos, y como resultado se cuenta con 630 series de pluviómetros distribuidos en todo el territorio nacional, así como un control de calidad documentado para cada pluviómetro. Los datos están listos para ser usados en diferentes estudios e investigaciones teniendo siempre en cuenta la distribución de sus valores.
-
El mayor porcentaje de datos sospechosos está asociado a la afectación de ciclones tropicales en el país. El porcentaje de datos rechazados es solo el 4% del total de sospechosos, lo cual no imposibilita el uso de dichas series de lluvia. Se aceptó un gran número de datos basados en el análisis de consistencia, lo que evidencia lo laborioso de tareas de este tipo.
-
Las provincias con mayor cantidad de datos reemplazados por código de dato faltante son Guantánamo, Santiago de Cuba y el municipio especial Isla de la Juventud.