Representatividad temporal y espacial de la información
de temperaturas extremas de una red de estaciones
meteorológicas en Guanajuato, México
Ramón Arteaga-Ramírez Universidad Autónoma Chapingo
Leonardo Tijerina-Chávez
Instituto de Recursos Naturales, Colegio de Postgraduados Ricardo David Valdez-Cepeda
Centro Regional Universitario Centro Norte, Universidad Autónoma Chapingo Mario Alberto Vázquez-Peña
Universidad Autónoma Chapingo Enrique Mejía-Saenz
Instituto de Recursos Naturales, Colegio de Postgraduados
La información meteorológica de una red de estaciones tradicionales o automáticas es importante en diferentes actividades económicas; la agricultura la utiliza en actividades operativas (en tiempo real), de planeación (datos históricos) o de investigación. Cuando se realiza un trabajo en alguna de las actividades indicadas y en el sitio seleccionado no existe una estación, pero se tienen varias estaciones circundantes, el problema consiste en determinar de cuál se pueden utilizar los datos en el sitio. Así, para la red de estaciones meteorológicas del estado de Guanajuato se determinó el número mínimo de años que se necesitan para este tipo de estudios, y la variación espacial y temporal de la distancia que genera el área de influencia de donde es representativa la información de temperaturas máximas y mínimas de cada una de las estaciones aquí consideradas. Para lo primero se utilizó la estabilización del coeficiente de determinación (r2) y del cuadrado medio del error (e2) en el tiempo. Las estadísticas r2 y e2 se determinaron por medio de regresiones para datos diarios d e variables climáticas semejantes (temperatura máxima o mínima) para dos pares de estaciones. Para lo segundo se determinaron las distancias y las raíces cuadradas del cuadrado medio del error estimado entre una estación base con cada una de las estaciones consideradas. Se estableció que los valores de r2 y e2 no se estabilizan en un año. Las distancias de cada estación presentan variaciones para cada uno de los meses, también entre estaciones y para las dos variables consideradas. Para caracterizar las temperaturas en la epoca invernal se requiere de un número mayor de estaciones que para cualquier otra epoca del año.
Introducción
Los datos generados por una red de estaciones meteorológicas son de gran importancia en diferentes campos de la actividad humana, entre los que destacan la navegación aérea, la marítima, la oceanografía, la pesca, el urbanismo, la construcción, el turismo, la hidrología, el riego, la ingeniería y la agricultura (Flynn, 1994; Campos, 1987; Barradas, 1994).
En el caso particular de la agricultura tanto de riego como de temporal, se trata de una actividad económica
que depende directamente de las condiciones de la zona de riego. climatológicas y meteorológicas de una región (ya que
ellas determinan el potencial agrícola de ese sitio), así como los riesgos climatológicos que se presentan. Para poder conocer estas dos condiciones es necesario contar con información generada por una red de estaciones meteorológicas tradicionales (manuales) o automáticas, localizada en el área en cuestión.
El agricultor utiliza la información meteorológica para tomar medidas inmediatas y adecuadas desde tres vertientes: la primera, según Hubbard es la operativa, la cual usa el pronóstico a corto plazo y la información en tiempo real, ya que muchos fenómenos adversos (físicos o biológicos) involucran una estimación del tiempo actual o reciente, con lo cual se pueden disminuir o, en el mejor de los casos, eliminar riesgos. Entre estos fenómenos se pueden citar el pronóstico de enfermedades o pestes con modelos de simulación (Gillespie, 1994); meteorológicos, como heladas, temperaturas máximas, granizo, vientos fuertes, sequías y lluvias torrenciales (Medina, o actividades como el pronóstico del riego (Howell et al., 1984).
La segunda es la planeación. Aquí es importante contar con información histórica de la red de estaciones meteorológicas y es necesario procesarla desde el punto de vista agroclimatológico para ponerla a disposición de los agricultores de la región; con ello se determinan las areas favorables para ciertos cultivos y dentro de éstas, las épocas adecuadas para algunas actividades; también permite anticipar el momento en que se presentan condiciones extremas que puedan dañar a los cultivos. Lo anterior se define con un cierto riesgo de que puedan presentarse estas condiciones.
La tercera medida la menciona Decker (1 y tiene que ver con la investigación, pues señala que es importante el desarrollo de métodos o modelos para avanzar en el conocimiento y el entendimiento de las interacciones del tiempo atmosférico con los sistemas biológicos.
Poder disponer de datos climatológicos represen- tativos de una zona permite una buena operación y
planificación de las diferentes actividades agrícolas, con lo que se destaca la importancia de que la información que genera una red sea representativa del área donde se va a utilizar (Doorenbos, 1976; Elías y Gómez-Arnau, y WMO, 1996). Doorenbos y Pruitt y el Servicio de Conservación de Suelos del Departamento de Agricultura de los Estados Unidos (1997) resaltan que cuando se estima, por ejemplo, la evapotranspiración de referencia para un área de riego, las mediciones climatológicas que se necesitan para calcularla deberán realizarse en un sitio que sea representativo de las condiciones climatológicas
Para que los datos de una red se consideren representativos, se requiere que en la región el número de estaciones (densidad), así como su distribución (ubicación) sean los adecuados.
Además, como lo señalan Jansa Barradas Munn Stringer (1972) y Hubbard
uno de los principales problemas hasta el momento es que no se cuenta con un método preciso para saber cómo diseñar una red de estaciones que no sea tan densa como para generar cuantiosas series de datos y gastos económicos, pero tampoco tan escasa como para que la información no sea confiable; en otras palabras, espaciamientos demasiados pequeños o grandes entre estaciones conducen a demasiada información o pérdida de esta, por lo que la pregunta del número Óptimo de estaciones no es tan trivial o fácil de responder.
Uno de los primeros investigadores que presenta una forma de resolver el problema es Gandin quien da las consideraciones generales sobre la forma de abordar cuantitativamente esta planificación, basándose en las características estadísticas de campos aleatorios, como son las funciones de las estructuras de la covariancia y la correlación; además, presenta las bases para este tipo de estudios.
hasta donde se pueden utilizar los datos medidos de Número mínimo de años radiación solar de una estación; además indican que para
otras aplicaciones se pueden definir sus distancias Para corroborar el número mínimo de años que se críticas. necesitan en este tipo de estudios se utilizó la Por lo general, cuando se requiere información estabilización del coeficiente de determinación en el meteorológica en un lugar definido para alguna actividad tiempo (Hubbard, Camargo y Hubbard, 1999); agrícola o de investigación, y en este sitio no existe una además, se propone utilizar la estabilización del cuadrado estación, pero sí varias en la región, se tiene el medio del error para
lo
cual se utilizaron los datos de problema de decidir cuál de estas estaciones utilizar dos parejas de estaciones: y y y El para recabar la información; por lo tanto, es necesario comportamiento de r2 y e2 se determinó para todos los determinar, para cada estación de la red, la variabilidad meses y para las dos variables en estudio.temporal y espacial de las distancias que generan las Se ubicaron en el estado todas las estaciones áreas en las cuales su información es representativa (error seleccionadas por medio de sus coordenadas mínimo), que es lo que se investigó en este trabajo. geográficas con un sistema de información geográfica.
Cálculo de la distancia que determina el área
Materiales y métodos representativa
Área de estudio
El presente trabajo se realizó con aplicación al estado de Guanajuato, el cual se encuentra localizado en la parte central de la república mexicana, entre los paralelos 19"
55' 30" y 50' 50" de latitud norte, y los meridianos 99" 40" y 102" 08' 30" de longitud oeste; con respecto a su orografía, aun cuando presenta superficies accidentadas, en general es de forma plana, sin desniveles marcados de una región a otra, teniendo por tanto una altura casi uniforme.
Selección de las estaciones climatológicas
Se utilizó el sistema administrador de la base de datos compactada denominada Extractor Rápido de Información Climatológica (ERIC ll) desarrollada por el Instituto Mexicano de Tecnología del Agua (IMTA, el cual permite obtener la información climatológica, que estaba disponible sólo a traves del CLICOM. Por medio del archivo Estación.TXT, que contiene el directorio de las estaciones, se determinó el número de estaciones que presenta el ERlC para el estado en cuestión; este archivo proporciona también el nombre, la clave y la localización geográfica, así como el periodo aproximado para el que se tienen datos de cada estación.
El criterio para seleccionar las estaciones que se consideraron en el estudio es el propuesto por Hubbard
y Camargo y Hubbard
los
cuales sugieren que se tengan por lo menos de cinco a siete años de información diaria continua durante el mismo periodo para todas las variables seleccionadas. Se utilizaron datos diarios de temperaturas máximas y mínimas de estacionestradicionales. cometiendo ese error.
Para obtenerla se propone el procedimiento siguiente:
Se define la estación base o central (cada una de las estaciones se considera como base).
Se determinan las distancias de separación de la estación base con cada una de las otras estaciones, con la función distancia del sistema de información geográfica.
Se obtiene la raíz cuadrada del cuadrado medio del error del estimado de la temperatura máxima (o mínima) diaria por mes de la estación base con cada una de las estaciones seleccionadas por medio de regresión lineal.
donde:
Yi
valor del dato observado i de la estación base (temperatura máxima o mínima diaria de un mes).valor estimado por medio de regresión lineal para la observación i , de la estación j .
n número de datos del mes o número de estaciones.
Lo anterior se repite para cada estación, mes y variable. Por último se generaron planos (uno por mes) para definir el área de influencia o representativa de cada estación para la temperatura máxima; lo mismo se realizó para la mínima.
Resultados y discusión
El ERlC reporta para el estado de Guanajuato estaciones tradicionales; se hizo un análisis exhaustivo de cada una de ellas, a fin de poder definir un periodo continuo y reciente. Solamente presentaron datos diarios continuos de las variables consideradas para el periodo de a (ocho años), pero no todas tuvieron la información completa, faltaron algún(os) día(s) de un mes, por lo que no se consideraron los datos de ese mes para todo el periodo; sin embargo, no se eliminaron las estaciones, ya que se utilizó la información de los otros meses para contar con suficientes puntos para calcular los modelos cuadráticos.
No
se consideró adecuado generar estos valores faltantes. Las estaciones que presentan un signo positivo en el cuadroson
lasque no presentaron la información completa.
No
se pudo definir un periodo continuo para la precipitación y la evaporación.ilustraciones y se observan sus comportamientos para la pareja de estaciones Un aspecto importante que se puede observar en el cuadro año es el tercer valor del e’, el cual es de y en donde la es de 0.68;
para el cuarto valor, es de y la es de lo cual indica que no siempre para semejantes se presentan semejantes, por lo que se recomienda obtener para ambos
los
datos estadísticos. Hubbard y Camargo y Hubbard 999) determinan en sus estudios este mismo comportamiento para laestación base con las restantes con regresión lineal, se determinan los e,,, que se grafican en función de SLIS distancias y se ajusta un modelo cuadrático incompleto, el cual se resuelve para un valor de un grado, con lo cual se obtiene la distancia que genera el area hasta donde es válida la información de esa estación para el mes y variable utilizada. En resumen, se llevaron a cabo regresiones.
Los
valores de las raíces cuadradas del cuadrado medio del error del estimado que se obtuvieron de cada una de las regresiones solamente se consideraron cuando éstas presentaron una significación de p ; hubo estaciones que no cumplieron este requisito en algunos meses (las que tienen un signo negativo en el cuadro por lo que no se tomaron en cuenta para obtener su área de influencia; solamente se determinaron para estaciones, que son las marcadas con un asterisco en elcuadro
Para cada una de las estaciones se realizaron diagramas de dispersión entre las d , y sus e,, por mes y variable, a fin de determinar los modelos que se ajustan a estos datos y así calcular los radios que generan SLIS areas de influencia. En la ilustración se presenta un ejemplo del diagrama de dispersión para los e,, de la temperatura máxima del mes de agosto para la estación (base), y el modelo cuadrático que se le ajustó a esta serie de datos.
El modelo cuadrático incompleto que se ajustó al diagrama de dispersión de la ilustración es:
El valor del coeficiente de determinación para esta estación (28) fue de r2=0.5805; la variación de este estadístico para este mes fue de a
La ecuación se resolvió para cuando e i , j ºC, por
lo
que d=29.09 km. El valor anterior representa el radio que genera el círculo del área de influencia donde se puede utilizar la temperatura máxima del mes de agosto de la estación 28;el error que se comete al utilizar la información en cualquier ubicación (lugar) que esté dentro de esta área es de
ºC.
Para cada una de las estaciones se calculó la distancia que genera su area de influencia mes por mes, con lo cual se definió su variabilidad temporal; también se determinó que existe variación de las distancias para cada uno de los meses, lo cual se presenta también entre estaciones tanto para la temperatura máxima como para la mínima. En la ilustración se presenta el comporta- miento para esta última.
A partir de la ilustración se infiere que la tendencia temporal de las distancias es muy semejante para todas las estaciones, pero se observa que existen variaciones entre las estaciones para los diferentes meses, lo cual se debe a las características del lugar donde están instaladas las estaciones y a la exposición de los instrumentos dentro de dicho sitio. Las distancias mínimas se dan a partir del mes de octubre, con un valor promedio de km, y las máximas se presentan en su mayoría en el mes de agosto, con un valor promedio de km.
Las distancias máximas están relacionadas con la época de lluvias, ya que al existir mayor cantidad de vapor de agua y nubes en la atmósfera, se genera un amortiguamiento térmico de las temperaturas mínimas; las distancias son mínimas en la época fría de la región, por lo que la variación de las distancias en el tiempo presentan un comportamiento cíclico.
Con respecto a las temperaturas máximas, también se tiene un comportamiento cíclico (aquí se destaca
q u e en algunas estaciones se presenta una temperaturas mínimas. disminución de las distancias en el mes de junio debido
al inicio de la temporada de lluvias, lo cual provoca una disminución de las temperaturas máximas). El mes en que se presenta la distancia mínima promedio para todas las estaciones es enero, con un valor de km, y el mes que tiene la distancia máxima promedio es agosto, con km. AI comparar las distancias que se obtienen con los datos de temperatura mínima con
los
de las temperaturas máximas se tiene que son mayores para las primeras, por lo que las temperaturas máximas tienen menor distancia de representatividad;también se observa más regularidad en el compor- tamiento cíclico de las distancias obtenidas con las
En la ilustración se presenta la variación espacial para los meses de agosto y enero, respectivamente. de las distancias con sus respectivas áreas Si se observa el grupo de estaciones y representativas, las cuales se obtuvieron con
los
datos de la ilustración la estación parece que no es de temperatura mínima diaria para el mes de agosto; se necesaria, pero en la ilustración es patente que si no observa que algunas estaciones en este mes no se existiera dicha estación se tendría un área que no es requieren debido a la distancia tan grande que cubren; cubierta por ninguna otra. Lo anterior indica que en la pero en la ilustración donde se tienen las distancias temporada fría se necesita un mayor número de determinadas con los datos de temperatura mínima para estaciones para caracterizar las temperaturas, lo cual el mes de octubre, se define que todas las estaciones concuerda con lo obtenido por Camargo y Hubbard son necesarias. Lo anterior se resalta en las ilustraciones (1999). Con este procedimiento se define el areaConclusiones
Los resultados del presente trabajo concuerdan con los obtenidos por otros investigadores en lo que respecta al número de años, más de cinco, que se necesitan para esta clase de estudios. La distancia que determina el área representativa de cada estación cambia con los meses del año y la variable en cuestión. Además, la variación temporal de las distancias presenta un comportamiento cíclico que depende de las características climaticas de la región. Con base
en el análisis espacial de la distancia que determina la representatividad de los datos, se definió que se requiere una mayor cantidad de estaciones en la epoca invernal para caracterizar las temperaturas. Este tipo de estudios con estaciones tradicionales sirven de base para tener criterios y con ellos definir las distancias que requieren las estaciones automáticas,
Recibido:
Referencias
BARRADAS V., L. Instrumentación biometeorológica. México: Universidad Nacional Autónoma de México/Fondo de
Cultura Económica. pp.
CAMARGO, M.B.P. y HUBBARD, K.G. Spatial and temporal variability of daily weather variables in subhumid and semiarid areas of the United States high plains. Agricultural and forest meteorology. Vol. núm. febrero de
pp.141-148.
CAMPOS A., F.D. Procesos de/ ciclo hidrológico. V1. San Luis Potosí: Universidad Autónoma de San Luis Potosí/Editorial Universitaria Potosina/, pp.
DECKER, W.L. Management and analysis of agroclimate and agro meteorological data. En: Handbook of agricultural meteorology. Griffiths, J.F. (editor). New York: Oxford University Press, pp.
DOORENBOS, J. y PRUITT, W.O. Crop water requirements. FAO. lrrigation a n d drainage. Paper Roma,
p p .
DOORENBOS, J. Agro-meteorological fiel stations. FAO. Irrigation
and drainage. Paper Roma, pp.
ELiAS C., F. y GÓMEZ-ARNAU, A. Estaciones meteorológicas. Agrometeorologja. Elías C . , F. y Castellvi, S.F. (editores).
FLYNN, M.S. Weather services for agriculture. Handbook of
agricultural meteorology. Griffiths, J.F. (editor). New York: Oxford University Press. pp.
GANDIN, L.S. The planning of meteorological station networks. Nota técnica Ginebra: World Meteorological
Organization. pp.
GILLESPIE, T.J. Pest and disease relationships. Handbook of
agricultural meteorology. Griffiths, J.F. (editor). New York: Oxford University Press. pp.
HARCUM, J.B. y LOFTIS, J.C. Design and evaluation of regional weather monitorig networks. Transactions of the ASAE. Vol. núm. noviembre-diciembre de pp.
HOWELL, T.A., MEEK, D.W., PHENE, C.J., DAVIS, K.R. y MCCORMICK, R.L. Automated weather data collection for research on irrigation scheduling. Transactions of the ASAE. Vol. núm. marzo-abril de pp.386-391.
meteorology. Handbook of agricultural meteorology. Griffiths, J.F. (editor). New York: Oxford University Press.
pp.
HUBBARD, K.G. Spatial variability of daily weather variables in the high plains of the USA. Agricultural a n d forest
meteorology, Vol. núm. marzo de pp.29-
HUBBARD, K.G. Station density and area coverage of networks. Automated weather stations for applications in agriculture a n d water resources management. Hubbard, K.G. y Sivakumar, M.V.K, (editores). High Plains Climate Center,
University of Nebraska-Lincoln, Estados Unidos de América, pp.
HUNT, L.A., KUCHAR, L. y SWANTON, C.J. Estimation of solar radiation for use in crop modeling. Agricultural and forest meteorology. Vol. núm.3-4, junio de pp.
IMTA. Extractor rápido de información climatológica (ERIC Manual del usuario. Colección de Proyectos IMTA. Jiutepec, Morelos, México: Instituto Mexicano d e Tecnología del Agua, pp.
JANSA, G.J.M. Curso de climatología. La Habana: Instituto
Cubano del Libro, pp,
LINACRE, E. Climate data and resources. A reference and guide. Londres y New York: Routledge, pp.
MEDINA, M. Iniciación a la meteorología. Séptima edición. Madrid: Paraninfo, pp.
MUNN, R.E. Biometeorological methods. New York: Academic
Press, pp.
DEPARTAMENTO DE AGRICULTURA DE LOS ESTADOS UNIDOS. Requerimiento de agua para riego. Capítulo Manual Nacional de Ingeniería. Traducido por la Comisión del Agua y el Colegio de Postgraduados. Distrito Federal,
México, pp.
STRINGER, E.T. Techniques of climatology. San Francisco, Estados Unidos de América: W.H. Freeman and Company,
pp.
WMO. Guide to meteorological instruments and methods of
observation. WMO-núm. Ginebra: World Meteorological
Organization, pp.
Abstract
ARTEAGA-RAMÍREZ, R., TIJERINA-CHÁVEZ, L., VALDEZ-CEPEDA, R. D., VÁZQUEZ-PEÑA, M.A. MEJÍA-SAENZ, E. Temporal and spatial representativeness of the information of extreme temperatures in a network of meteorological stations in Guanajuato, Mexico. Hydraulic engineering in Mexico (in Spanish). Vol. XIX, no. April-June, pp.
The meteorological information generated by a traditional or automated station network is important in order to perform various economic activities: agriculture uses it in operative (real time), planning (with historical data), and research activities. When work is being performed in any of the previously mentioned activities and there is no station available, but there are several surrounding stations, the question to answer is which of these data stations should be used to get a representative data for our worksite. This research determined for the meteorological station network of Guanajuato (1) the minimal number of years required for this kind of studies, and (2) the temporal and spatial variability of the distance that generates the influence area from where the information of each of the gage stations considered in this research is representative. To accomplish the first goal, the stabilization of the determination coefficient and the mean square error through time was used. The and statistics were computed by using regressions for similar daily weather variables (maximum or minimum temperature) between two gage stations. To achieve the second goal, the distances between a base station and each of the stations considered were determined and its respective square root of mean square error of the estimated values were also computed. It was found that and did not stabilize in one year. The distances in each station show variations for each month, among stations, and for the two variables considered. Finally, it was concluded that in order to characterize the temperatures in the winter season, a greaternumber of stations are required than in any other season.
keywords: climatic data, weather stations, density, spatial and temporal variability, estimation error, linear regression.
Dirección institucional de los autores:
Ramón Arteaga-Ramírez Maestro en ciencias,
profesor-investigador, [email protected].
Departamento de Irrigación,
Universidad Autónoma Chapingo, Mario Alberto Vázquez-Peña
Carretera México-Texcoco km
Doctor en ciencias, Chapingo, Estado de Mexico, Mexico,
profesor-investigador, teléfono:
+
(52) (595) extensiónDepartamento de Irrigación, fax:
+
(52)[email protected]. Universidad Autónoma Chapingo,
Carretera México-Texcoco km Chapingo, Estado de Mexico, Mexico, Leonardo Tijerina-Chavez
teléfono:
+
(52) (595) extensión fax:+
(52)Ph.D. en Ciencias del Suelo,
[email protected]. subdirector Académico,
Instituto de Recursos Naturales, Colegio de Postgraduados,
Carretera Mexico-Texcoco, km Enrique Mejía-Saenz
Montecillo, Texcoco,
Estado de Mexico, Mexico, Doctor en Ciencias,
Teléfono y fax:
+
(52) (595) profesar-investigador adjunto,[email protected], Programa de Hidrociencias,
Instituto de Recursos Naturales,
Ricardo David Valdez-Cepeda Colegio de Postgraduados,
Carretera Mexico-Texcoco, km
Doctor en Ciencias, Montecillo, Texcoco,
profesor-investigador, Estado de México, México,
Centro Regional Universitario, Centro Norte, Teléfono y fax: (52) (595)
Universidad Autónoma Chapingo, [email protected].
Condominio Huertas del Orito Zacatecas, Zacatecas, Mexico Apartado Postal
