Comparación entre siete capas climáticas digitales para identificar áreas con alta precipitación anual en México (al menos 1,500 mm en promedio)
-
-
[1] Universidad Nacional Autónoma de México
Universidad Nacional Autónoma de México
México
-
- Localización: Investigaciones geográficas, ISSN 0188-4611, ISSN-e 2448-7279, Nº. 113 (Investigaciones Geográficas), 2024
- Idioma: español
- Títulos paralelos:
- Comparison between seven digital climate layers to identify areas with high annual precipitation in Mexico (at least 1,500 mm on average)
- Enlaces
-
Resumen
- español
El modelaje espacial de la precipitación es fundamental para entender la distribución de la vegetación silvestre, el crecimiento de las plantas y las consecuencias del cambio climático. Aquí comparamos, para el territorio continental de México, la estimación de alta precipitación anual (≥ 1,500 mm en promedio) de siete capas climáticas digitales disponibles en internet. ¿Es relevante con qué capa se identifican las áreas con alta precipitación? ¿Es recomendable usar una capa de precipitación elaborada con datos satelitales en lugar de pluviómetros terrestres? Resultó que hay enormes diferencias entre las estimaciones de las siete capas digitales: la superficie con promedios de precipitación anual ≥ 1500 mm varía, según la capa seleccionada, entre 143 964 km2 (“Cuervo”) y 232 439 km2 (“Satelital”), o de 7.4% a 11.9% de la superficie terrestre de México. La segunda superficie es 1.6 veces la primera. La superficie total, donde al menos una de las siete capas estima un promedio de precipitación anual ≥ 1500 mm, es de 287 042 km2 (14.7% de la superficie de nuestro país). El coeficiente de variación para la precipitación anual estimada entre las siete capas varía de 1.8 a 60.9%. La categoría con un coeficiente de variación relativamente bajo abarca 74.7% de los 287 042 km2, la categoría intermedia 24.1%, y la que tiene mayor variación 1.2%. Todas las capas, excepto la “Satelital”, se basan en los datos de la Comisión Nacional del Agua (CONAGUA). Para ninguna capa es posible rastrear cuáles estaciones climatológicas se usaron para su elaboración, y solo para algunas capas se indica el número de estaciones utilizadas. Otras limitaciones para el análisis de las capas fueron la imposibilidad de encontrar la siguiente información: ¿cuáles correcciones estadísticas se efectuaron a los datos crudos? ¿Cómo se manejaron los datos faltantes sobre precipitación (que son comunes en los datos de la CONAGUA)? ¿Cuáles son las especificaciones precisas para la metodología que se empleó para la interpolación espacial? ¿Cuáles factores ambientales se tomaron en cuenta? ¿Cuáles parámetros de exactitud estadística se pueden reportar? Por otra parte, utilizamos 504 estaciones climatológicas de la CONAGUA donde, para los años de 1951 a 2010 (o dos periodos de “normales” de 30 años), se habían medido en promedio ≥ 1500 mm. Tomando en cuenta los datos faltantes, las 504 estaciones climatológicas cubrieron, en promedio, solo 32.7 años para este intervalo de 60 años. Para los datos de las estaciones climatológicas tampoco encontramos información metodológica adecuada: ¿cuáles instrumentos de medición se emplearon y qué exactitud tienen? ¿A qué se debe el gran número de datos faltantes? ¿Hubo algún proceso de corrección y mejora de los datos? Analizamos las diferencias entre la precipitación medida en las 504 estaciones climatológicas y la estimada por la capa, determinando el promedio (“sesgo”) y el intervalo entre los cuantiles de 10% y 90% de las diferencias (“dispersión 1”). La capa “Satelital” presentó el mayor sesgo (−481 mm) y la mayor dispersión (1707 mm), mientras que “García” tenía el menor sesgo (−23 mm) y “UNIATMOS” la menor dispersión (781 mm). Los promedios de las diferencias absolutas (“dispersión 2”), según la capa de 226 a 630 mm, también fueron altos. La situación de grandes inconsistencias entre las capas resultó similar en 110 525 sitios ubicados equidistantes entre pares de las estaciones. En estos sitios, las estimaciones de precipitación por las capas resultaron de interpolar datos entre estaciones climatológicas. El extremo fue en un sitio, donde una capa estimó una precipitación de 886 mm y la otra de 4929 mm, 5.6 veces el primer valor. La gran variación en la precipitación estimada por las capas se explicó de manera considerable por la heterogeneidad topográfica en un círculo de 1 km diámetro alrededor de las 504 estaciones. Como información suplementaria, proporcionamos los vínculos a dos archivos en Excel con los datos de precipitación anual de la CONAGUA, y las estimaciones de las capas en los sitios de las estaciones. En conclusión, sí es relevante con cuál de las siete capas se identifican áreas con alta precipitación, y una capa basada exclusivamente en datos satelitales (todavía) no es recomendable. La capa “UNIATMOS” destacó aquí con los mejores parámetros comparativamente. De cualquier forma, la estimación espacial de precipitación anual alta en México presenta todavía grandes problemas de exactitud, lo que da como resultado tres recomendaciones. Primero, sería importante mejorar la base científica de datos empíricos de precipitación y otras variables climáticas para México, con menos datos faltantes en el futuro, con la descripción de los métodos e indicadores de calidad, y en lo posible con un mayor número de estaciones climáticos en regiones con alta precipitación; segundo, se deberían incluir métodos reproducibles en la descripción de las capas climáticas, y tercero, sería recomendable modelar una capa específica para precipitación alta en la superficie correspondiente, estimada aquí en 14.7% de la superficie de México, donde se tome en cuenta a detalle la topografía.
- English
Spatial modeling of precipitation is fundamental to understand the distribution of wild vegetation, plant growth, and the consequences of climate change. Here we compare for mainland Mexico the estimate of high annual precipitation (≥ 1,500 mm on average) from seven digital climate layers, which are available on the Internet. Is it relevant with which layer the areas with high precipitation are identified? Is it advisable to use a precipitation layer elaborated with satellite data, instead of ground-based rain gauges? It turned out that there are huge differences between the estimates of the seven digital layers: The area with average annual precipitation ≥ 1,500 mm varies according to the selected layer between 143,964 km2 ("Cuervo") and 232,439 km2 ("Satelital"), or 7.4% to 11.9% of Mexico's land area. The latter area is 1.6 times the former. The total area, where at least one of the seven layers estimates an average annual precipitation ≥ 1,500 mm, is 287,042 km2 (14.7% of Mexico's land area). The coefficient of variation for the estimated annual precipitation among the seven layers varies from 1.8 to 60.9%. The category with a relatively low coefficient of variation covers 74.7% of the 287,042 km2, the intermediate category 24.1%, and the one with the highest variation 1.2%. All layers, except "Satellite", are based on data from the National Water Commission (CONAGUA). For no layer is it possible to trace which climatological stations were used for its elaboration, and only for some layers the number of stations used is indicated. Other limitations for the analysis of the layers were that we could not find the following information: What statistical corrections were made to the raw data? How were missing precipitation data (which are common in CONAGUA data) handled? What are the precise specifications for the methodology used for spatial interpolation? What environmental factors were taken into account? What parameters of statistical accuracy can be reported? On the other hand, we used 504 climatological stations from CONAGUA, where for the years 1951 to 2010 (or two 30-year "normal" periods) an average of ≥ 1,500 mm had been measured. Taking into account the missing data, the 504 climatological stations covered on average only 32.7 years for this 60-year interval. For the data from the climatological stations we also did not find adequate methodological information: which measuring instruments were used, and how accurate are they? What is the reason for the large number of missing data? Was there any process of correction and improvement of the data? We analyzed the differences between the precipitation measured at the 504 climatological stations and that estimated by the layer, determining the average ("bias") and the interval between the 10% and 90% quantiles of the differences ("dispersion 1"). The "Satellite" layer had the largest bias (-481 mm) and the largest dispersion (1,707 mm), while "Garcia" had the smallest bias (-23 mm) and "UNIATMOS" had the smallest dispersion (781 mm). The averages of the absolute differences ("dispersion 2"), according to the layer from 226 to 630 mm, were also high. The situation of large inconsistencies between layers was similar at 110,525 sites located equidistant between pairs of stations. At these sites, the layered precipitation estimates resulted from interpolating data between climatological stations. The extreme was at one site, where one layer estimated 886 mm and the other 4,929 mm of precipitation, 5.6 times the first value. The large variation in precipitation estimated by the layers was considerably explained by the topographic heterogeneity in a circle of 1 km diameter around the 504 stations. As supplementary information, we provide two Excel files with the annual precipitation data from CONAGUA, and the layer estimates at the station sites. In conclusion, it is relevant which of the seven layers identifies areas with high precipitation, and a layer based exclusively on satellite data is not (yet) recommended. The "UNIATMOS" layer stood out here with the comparatively best parameters. In any case, the spatial estimation of high annual precipitation in Mexico still presents major accuracy problems, which results in three recommendations: First, it would be important to improve the scientific basis of empirical data of precipitation and other climate variables for Mexico, with less missing data in the future, with description of methods and quality indicators, and if possible with a larger number of climate stations in regions with high precipitation; second, reproducible methods should be included in the description of climate layers; and third, it would be advisable to model a specific layer for high precipitation in the corresponding surface, estimated here at 14.7% of the surface of Mexico, where topography is taken into account in detail.
- español
