Investigaciones Geográficas

Evaluación de variables meteorológicas modeladas para determinar el clima de ciudades costeras argentinas

Federico Ferrelli, María Luján Bustos, Gerardo Miguel Eduardo Perillo, María Cintia Piccolo

DOI: https://doi.org/10.14198/INGEO.17555

Resumen

El conocimiento del clima de las ciudades costeras es importante para el ordenamiento del espacio urbano. Para su estudio, se necesitan series superiores a 30 años que suelen ser escasas o inconsistentes. En este contexto, los modelos numéricos favorecen la generación de datos meteorológicos. Por ello, el objetivo de este estudio fue evaluar la precisión y ajuste entre datos de temperatura del aire, humedad relativa y precipitación obtenidos con el Reanalysis NCEP/NCAR y observaciones in situ para ocho ciudades costeras marinas y fluviales de Argentina localizadas en distintas regiones climáticas. Para ello, se compararon series meteorológicas del período 1960-2019 y las provenientes del Reanalysis. Ambas se evaluaron considerando distintas escalas espacio-temporales, utilizando diferentes métodos estadísticos. Los mismos favorecieron el conocimiento del ajuste entre las series en periodos normales, pero también se analizaron los valores extremos de las series a partir de una regresión por cuantiles. La temperatura del aire se ajustó mejor en las escalas climática (60 años), mensual y modelada. La humedad relativa tuvo más correlación en la escala estacional, en invierno y otoño, excepto para las ciudades de clima cálido y húmedo. Finalmente, en las precipitaciones el ajuste fue mejor en todas las escalas temporales para los climas templados y áridos. Los resultados generados representan una base de datos esencial para la toma de decisiones orientada a mejorar la calidad de vida de la población y el ambiente costero.

Palabras clave

Reanalysis NCEP/NCAR; datos in situ; ciudades costeras; Argentina.

Texto completo:

PDF Estadísticas

Referencias

Abatzoglou, J. T., & Brown, T. J. (2012). A comparison of statistical downscaling methods suited for wildfire applications. International Journal of Climatology, 32(5), 772-780. https://doi.org/10.1002/joc.2312

Araya-Osses, D., Casanueva, A., Roman-Figueroa, C., Uribe, J. M., & Paneque, M. (2020). Climate change projections of temperature and precipitation in Chile based on statistical downscaling. Climate Dynamics, 54(9), 4309-4330. https://doi.org/10.1007/s00382-020-05231-4

Boé, J., Terray, L., Habets, F., & Martin, E. (2007). Statistical and dynamical downscaling of the Seine basin climate for hydro-meteorological studies. International Journal of Climatology: A Journal of the Royal Meteorological Society, 27(12), 1643-1655. https://doi.org/10.1002/joc.1602

Bustos, M. L., Ferrelli, F., Huamantinco Cisneros, M. A., Piccolo, M. C., & Gil, V. (2016). Estudio preliminar del ajuste entre datos meteorológicos in situ y del Reanálisis (NCEP/NCAR) en distintos ambientes de la provincia de Buenos Aires, Argentina. Estudios Geográficos, LXXVII, 280, 335-343.

Bustos, M. L., Ferrelli, F., & Piccolo, M. C. (2017). Estudio Comparativo de Tres Modelos Climáticos en Argentina. Anuário do Instituto de Geociências, 40(1), 34-43. http://dx.doi.org/10.11137/2017_1_34_43

Cannon, A. J., Sobie, S. R., & Murdock, T. Q. (2015). Bias correction of GCM precipitation by quantile mapping: How well do methods preserve changes in quantiles and extremes?. Journal of Climate, 28(17), 6938-6959. https://doi.org/10.1175/JCLI-D-14-00754.1

Comisión Económica para América Latina y el Caribe (CEPAL) (2018). Proyecto de primer informe regional sobre la implementación del Consenso de Montevideo sobre Población y Desarrollo (LC/CRPD.3/3), Santiago de Chile. Recuperado de https://repositorio.cepal.org/bitstream/handle/11362/43708/1/S1800378_es.pdf

Collazo, S., Barrucand, M., & Rusticucci, M. (2019). Summer seasonal predictability of warm days in Argentina: statistical model approach. Theoretical and Applied Climatology, 138(3-4), 1853-1876. https://doi.org/10.1007/s00704-019-02933-6

da Rocha Repinaldo, C. R., Müller, G. V., Martins Andrade, K. (2017). Patrones Atmosféricos Simulados en el clima presente y futuro asociados al Descenso de temperatura en el invierno en el sudeste de Sudamérica. Boletín geográfico, 39, 13-34.

Garreaud, R. (2000). Cold Air Incursions over Subtropical South America: Mean Structure and Dynamics, Monthly Weather Review, 128(7), 2544-2559. https://doi.org/10.1175/1520-0493(2000)128<2544:CAIOSS>2.0.CO;2

Gomes de Lima, J. A., & Rodrigues Alcântara, C. (2019). Comparison between ERA Interim/ECMWF, CFSR, NCEP/NCAR reanalysis, and observational datasets over the eastern part of the Brazilian Northeast Region. Theoretical and Applied Climatology, 138(3-4), 2021-2041. https://doi.org/10.1007/s00704-019-02921-w

Devers, A., Vidal, J. P., Lauvernet, C., Graff, B., & Vannier, O. (2020). A framework for high-resolution meteorological surface reanalysis through offline data assimilation in an ensemble of downscaled reconstructions. Quarterly Journal of the Royal Meteorological Society, 146(726), 153-173. https://doi.org/10.1002/qj.3663

Eum, H. I., & Cannon, A. J. (2017). Intercomparison of projected changes in climate extremes for South Korea: application of trend preserving statistical downscaling methods to the CMIP5 ensemble. International Journal of Climatology, 37(8), 3381-3397. https://doi.org/10.1002/joc.4924

Ferrelli, F., Brendel, A. S., Aliaga, V. S., Piccolo, M. C., & Perillo, G. M. E. (2019). Climate regionalization and trends based on daily temperature and precipitation extremes in the south of the Pampas (Argentina). Cuadernos de Investigación Geográfica, 45(1), 393-416. https://doi.org/10.18172/cig.3707

Ferrelli, F., Bustos, M. L., Piccolo, M. C., Huamantinco Cisneros, M. A. & Perillo, G. M. E. (2016). Downscaling de variables climáticas a partir del reanálisis NCEP/NCAR en el sudoeste de la provincia de Buenos Aires (Argentina). Papeles de Geografía, (62), 21-33. https://doi.org/10.6018/geografia/2016/239051

Haylock, M. R., Cawley, G. C., Harpham, C., Wilby, R. L., & Goodess, C. M. (2006). Downscaling heavy precipitation over the United Kingdom: a comparison of dynamical and statistical methods and their future scenarios. International Journal of Climatology: A Journal of the Royal Meteorological Society, 26(10), 1397-1415. https://doi.org/10.1002/joc.1318

Heo, J. H., Ahn, H., Shin, J. Y., Kjeldsen, T. R., & Jeong, C. (2019). Probability distributions for a quantile mapping technique for a bias correction of precipitation data: A case study to precipitation data under climate change. Water, 11(7), 1475. https://doi.org/10.3390/w11071475

Hwang, S., & Graham, W. D. (2013). Development and comparative evaluation of a stochastic analog method to downscale daily GCM precipitation. Hydrology and Earth System Sciences, 17(11), 4481-4502. https://doi.org/10.5194/hess-17-4481-2013

Jeon, S., Paciorek, C. J., & Wehner, M. F. (2016). Quantile-based bias correction and uncertainty quantification of extreme event attribution statements. Weather and Climate Extremes, 12, 24-32. https://doi.org/10.1016/j.wace.2016.02.001

Kalnay, E., Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., Gandin, L., Iredell, M., ... & Joseph, D. (1996). The NCEP/NCAR 40-year reanalysis project. Bulletin of the American meteorological Society, 77(3), 437-472. https://doi.org/10.1175/1520-0477(1996)077<0437:TNYRP>2.0.CO;2

Kim, K. Y., Kim, J., Boo, K. O., Shim, S., & Kim, Y. (2019). Intercomparison of precipitation datasets for summer precipitation characteristics over East Asia. Climate Dynamics, 52(5-6), 3005-3022. https://doi.org/10.1007/s00382-018-4303-3

Kistler, R., Kalnay, E., Collins, W., Saha, S., White, G., Woollen, J., Chelliah, M., ... & Fiorino, M. (2001). The NCEP–NCAR 50-year reanalysis: monthly means CD-ROM and documentation. Bulletin of the American Meteorological society, 82(2), 247-268. https://doi.org/10.1175/1520-0477(2001)082<0247:TNNYRM>2.3.CO;2

Libanda, B., Bwalya, K., Nkolola, N. B., & Chilekana, N. (2020). Quantifying long-term variability of precipitation and temperature over Zambia. Journal of Atmospheric and Solar-Terrestrial Physics, 198, 105201. https://doi.org/10.1016/j.jastp.2020.105201

Martins Andrade, K. M., Müller, G. V., Cavalcanti, I. F. A. Fernández-Long, M. E. & Bidegain, M.(2012): Avaliação de mudanças na frequência de sistemas frontais sobre o sulda América do Sul em projeções do clima futuro. Meteorologica, 37, 15-26.

Mesinger, F., DiMego, G., Kalnay, E., Mitchell, K., Shafran, P. C., Ebisuzaki, W., ... & Shi, W. (2006). North American regional reanalysis. Bulletin of the American Meteorological Society, 87(3), 343-360. https://doi.org/10.1175/BAMS-87-3-343

Miró, J., Estrela Navarro, M. J., Pastor, F., & Millán Muñoz, M. (2009). Análisis comparativo de tendencias en la precipitación, por distintos” inputs”, entre los dominios hidrológicos del Segura y del Júcar (1958-2008). Investigaciones Geográficas, (49), 129-157. https://doi.org/10.14198/INGEO2009.49.07

Miró Pérez, J. J. , Estrela Navarro, M. J., & Olcina Cantos, J. (2015). Statistical downscaling and attribution of air temperature change patterns in the Valencia region (1948–2011). Atmospheric Research, 156, 189-212. https://doi.org/10.1016/j.atmosres.2015.01.003

Nacar, S., Kankal, M., &Okkan, U. (2019). Statistical Downscaling of Monthly Mean Air Temperature Using NCEP/NCAR Re-analysis Data: A Case Study for the Eastern Black Sea Basin. En 3rd International Conference on Advanced Engineering Technologies. Turkia. https://www.researchgate.net/profile/Sinan_Nacar/publication/336374233

Piccolo, M. C., Merlotto, A. Bustos, M. L., Huamantinco Cisneros, M. A. & García, M. A. (2017). Tormentas severas: ¿Cuán vulnerables son las costas del sur de la provincia de Buenos Aires (Argentina)?. En A.V. Botello, S. Villanueva, J. Gutiérrez y J. L. Rojas-Galaviz (Eds.), Vulnerabilidad de las zonas costeras de Latinoamérica al cambio climático (pp. 283-296). Recuperado de https://ri.conicet.gov.ar/handle/11336/129944

Romero, H. (2019). Urban Climates and the Challenge of Sustainable Development of Chilean Cities. En C. Henríquez y H. Romero (Eds.), Urban Climates in Latin America (pp. 207-256). Springer International Publishing. https://doi.org/10.1007/978-3-319-97013-4

Romero, P. E., González, M. H., Rolla, A. L., & Losano, F. (2020). Forecasting annual precipitation to improve the operation of dams in the Comahue region, Argentina. Hydrological Sciences Journal, 1-10. https://doi.org/10.1080/02626667.2020.1786570

Rusticucci, M. M., & Kousky, V. E. (2002). A comparative study of maximum and minimum temperatures over Argentina: NCEP–NCAR reanalysis versus station data. Journal of Climate, 15(15), 2089-2101. https://doi.org/10.1175/1520-0442(2002)015<2089:ACSOMA>2.0.CO;2

Sachindra, D. A., Ahmed, K., Mamunur Rashid, M., Sehgal, V., Shahid, S., & Perera, B. J. C. (2019). Pros and cons of using wavelets in conjunction with genetic programming and generalised linear models in statistical downscaling of precipitation. Theoretical and Applied Climatology, 138(1-2), 617-638. https://doi.org/10.1007/s00704-019-02848-2

Seo, S. B., & Kim, Y. O. (2018). Impact of spatial aggregation level of climate indicators on a national-level selection for representative climate change scenarios. Sustainability, 10(7), 2409. https://doi.org/10.3390/su10072409

Seth, A., Rauscher, S. A., Camargo, S. J., Qian, J. H., & Pal, J. S. (2007). RegCM3 regional climatologies for South America using reanalysis and ECHAM global model driving fields. Climate Dynamics, 28(5), 461-480. https://doi.org/10.1007/s00382-006-0191-z

Takane, Y., Kikegawa, Y., Hara, M., & Grimmond, C. S. B. (2019). Urban warming and future air-conditioning use in an Asian megacity: importance of positive feedback. Climate and Atmospheric Science, 2(1), 1-11. https://doi.org/10.1038/s41612-019-0096-2

Viggiano, M., Busetto, L., Cimini, D., Di Paola, F., Geraldi, E., Ranghetti, L., Ricciardelli, E & Romano, F. (2019). A new spatial modeling and interpolation approach for high-resolution temperature maps combining reanalysis data and ground measurements. Agricultural and Forest Meteorology, 276, 107590. https://doi.org/10.1016/j.agrformet.2019.05.021

Xue, Y., Janjic, Z., Dudhia, J., Vasic, R., & De Sales, F. (2014). A review on regional dynamical downscaling in intraseasonal to seasonal simulation/prediction and major factors that affect downscaling ability. Atmospheric research, 147, 68-85. https://doi.org/10.1016/j.atmosres.2014.05.001

Zhang, X. & Yang, F. (2013). RClimDex (1.1) user manual. Retrieved from https://acmad.net/rcc/procedure/RClimDexUserManual.pdf

Zhao, T., Guo, W., & Fu, C. (2008). Calibrating and evaluating reanalysis surface temperature error by topographic correction. Journal of Climate, 21(6), 1440-1446. https://doi.org/10.1175/2007JCLI1463.1

Zhou, H., Aizen, E., & Aizen, V. (2018). Constructing a long-term monthly climate data set in central Asia. International Journal of Climatology, 38(3), 1463-1475. https://doi.org/10.1002/joc.5259




DOI: https://doi.org/10.14198/INGEO.17555





Copyright (c) 2021 Federico Ferrelli, María Luján Bustos, Gerardo Miguel Eduardo Perillo, María Cintia Piccolo

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento 4.0 Internacional.