¿influye el método de relleno de datos faltantes en los análisis de tendencias de temperatura y precipitación a largo plazo (1950–2019)?

• Mario Padial Iglesias ^[1] ; Xavier Pons ^[1] ; Pere Serra ^[1] ; Miquel Ninyerola ^[1]
  1. [1] Universitat Autònoma de Barcelona

     Universitat Autònoma de Barcelona

     Barcelona, España

     
• Localización: Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica, ISSN-e 1578-5157, Nº. 29, 2022, págs. 5-33
• Idioma: español
• Títulos paralelos:
  • Does the gap-filling method influence long-term (1950–2019) temperature and precipitation trend analyses?
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Las series climáticas incompletas requieren de enfoques de relleno de lagunas de información para que puedan ser usados en el análisis homogéneo de tendencias espaciotemporales a largo plazo. La base de datos mensual de Temperatura Media (MT) y Precipitación (PR) de las estaciones meteorológicas de la Península Ibérica presenta un alto porcentaje de datos ausentes: 80.21% y 73.25% para el periodo 1950–1979 (P1), y61.82% y 58.03% para el periodo 1980–2019 (P2). Se emplearon los diferentes métodos de relleno de datos faltantes del software Emmentalpara determinar su rendimiento y si el método de relleno influye en el análisis de las tendencias. El enfoque no paramétrico de Theil-Sen y la prueba de Mann-Kendall evaluaron la magnitud de la tendencia y su significación. Los resultados mostraron (i) patrones similares entre los métodos evaluados, pero con (ii) diferencias espaciales, especialmente durante P1. (iii) Lacomparación entre las series normalizadas completadas y no completadas no mostró diferencias significativas para la MT y la PR, aunque en el primer caso (completadas) se produjo una reducción de la variabilidad de las tendencias. (iv) La temperatura mediade verano mostró la mayor tendencia al calentamiento (0.27°C/década), mientras que la menor tuvo lugar en otoño (0.21 °C/década) (datos medios para P1 y P2). En general, se produjo un incremento de 1.45 °C en todo el período (mediana anual). (v) La PR nomostró una tendencia clara en ningún mes considerando todo el período. Esta investigación ha demostrado cómo las tendencias climáticas pueden verse afectadas por la reducción de variabilidad de los datos debida a la aplicación de métodos de relleno de datos ausentes. Tener en cuenta la variabilidad de los datos es de crucial importancia para análisis climáticos, pero ignorar las discontinuidades en las superficies climáticas derivadas causa mayores inconsistencias espaciotemporales en los productos climáticos derivados.

  • English

    Incomplete climatic series require gap-filling approaches so they can be used in homogeneous long-term spatiotemporal trend analyses. Monthly mean Temperature (MT) and Precipitation (PR) databases from the meteorological stations of the Iberian Peninsula have a high percentage of data gaps: 80.21% and 73.25% for the period 1950–1979 (P1), and 61.82% and 58.03% for the period 1980–2019 (P2). The different gap-filling methods of the Emmentalsoftware were tested to determine their performance and whether the gap-filling method influences these trend analyses. The nonparametric Theil-Sen approach and the Mann-Kendall test were used to assess the trend magnitude and its significance. The results showed (i) similar patterns between the evaluated methods, but with (ii) spatial differences, especially during P1. (iii) The comparison between standardized gap-filled and unfilled series did not show significant differences for MT and PR, although a reduction in the trend variability occurred in the first case (filled). (iv) Summer mean temperatures showed the largest warming trend (0.27 °C/decade), while autumn showed the smallest (0.21°C/decade) (median data for P1 and P2). Overall, an increase of 1.45 °C occurred in the entire period (annual median). (v) PR did not show any clear trend in any month in the entire period. This research has shown how climate trends can be affected by a reduction in data variability due to the application of gap filling methods. Although accounting for variability is of crucial importance for climate analysis, ignoring discontinuities in derived climatic surfaces causes greater spatiotemporal inconsistencies in derived climate products.