Tesis:
Estudio de tendencias y modelización de series históricas de temperaturas y precipitaciones de España peninsular y comparativa de métodos de optimización de la red de toma de datos climáticos
- Autor: MULOMBA MUKADI, Pitshu
- Título: Estudio de tendencias y modelización de series históricas de temperaturas y precipitaciones de España peninsular y comparativa de métodos de optimización de la red de toma de datos climáticos
- Fecha: 2023
- Materia:
- Escuela: E.T.S.I. DE MONTES, FORESTAL Y DEL MEDIO NATURAL
- Departamentos: INGENIERIA Y GESTION FORESTAL Y AMBIENTAL
- Acceso electrónico: https://oa.upm.es/76607/
- Director/a 1º: GONZÁLEZ GARCÍA, Concepción
- Director/a 2º: MAURO GUTIÉRREZ, Francisco
- Resumen: Este estudio analiza las series temporales de dos variables climáticas, la temperatura y la precipitación, en 47 estaciones de las capitales de provincia de la España peninsular. Las series cubren períodos de tiempo desde la década de 1940 hasta 2013; los estudios revisados en España peninsular se remontan a 2008. Se utilizaron modelos ARIMA para representar su variación. En la fase preliminar de descripción e identificación del modelo, se realizó de forma aislada un estudio para detectar posibles tendencias en las series. Los resultados muestran tendencias significativas en 15 de las series de temperatura, y en sólo 5 de precipitación. Respecto a la modelización con modelos ARIMA, se han conseguido ajustes adecuados, para más del 50% de las series de cada variable. Con los modelos obtenidos se han realizado predicciones para los 12 meses del año siguiente al último empleado en cada serie. Las predicciones obtenidas tanto para temperaturas como precipitaciones han incluido en su Intervalo de confianza (95%) los valores reales en la mayoría de los casos (el 97,7 % de las temperaturas y el 93 % de las precipitaciones observadas).
Con relación al segundo objetivo de la tesis, el análisis espacial para establecer una red óptima de estaciones de toma de datos climáticos en la España peninsular, se ha realizado la comparativa de métodos de optimización Spatial Simulated Annealing (SSA) (método de optimización estocástica) y Spatial Coverage Sampling (SPCOSA) (método de optimización determinista). A partir de dicha comparativa, se han podido identificar áreas donde sería interesante densificar la red de muestreo de las dos variables en la España peninsular. El método de optimización SSA, tanto para la temperatura como para la precipitación, ha identificado principalmente en los límites fronterizos de España peninsular áreas donde se podrían agregar más estaciones mientras que el método de optimización SPCOSA ha optado por una cobertura casi uniforme en la totalidad de la superficie de España peninsular.
ABSTRACT
This study analyzes the time series of two climatic variables, temperature and precipitation, in 47 stations in the provincial capitals of mainland Spain. The series cover time periods from the 1940s to 2013; the studies reviewed in mainland Spain date back to 2008. ARIMA models were used to represent their variation. In the preliminary phase of description and identification of the model, an isolated study was carried out to detect possible trends in the series. The results show significant tendencies in 15 of the temperature series, and in only 5 of precipitation. Regarding the modeling with ARIMA models, adequate fits have been achieved for more than 50% of the series of each variable. With the models obtained, forecasts have been made for the 12 months of the year following the last one used in each series. The predictions obtained for both temperatures and rainfall have included in their Confidence Interval (95%) the real values in most cases (97.7% of the temperatures and 93% of the observed rainfall).
In relation to the second objective of the thesis, the spatial analysis to establish an optimal network of climatic data collection stations in mainland Spain, the optimization methods Spatial Simulated Annealing (SSA) (stochastic optimization method) and Spatial Coverage Sampling (SPCOSA) (deterministic optimization method) were compared. From this comparison, it has been possible to identify areas where it would be interesting to densify the sampling network of the two variables in mainland Spain. The SSA optimization method, both for temperature and precipitation, has identified areas where more stations could be added mainly in the border limits of mainland Spain, while the SPCOSA optimization method has opted for an almost uniform coverage in the entirety of the surface of mainland Spain.