INTERPOLACIÓN ESPACIAL DE LA TEMPERATURA MÍNIMA DIARIA MEDIANTE KRIGEADO UNIVERSA

Autores/as

  • Andrés Chazarra Bernabé Agencia Estatal de Meteorología, Leonardo Prieto Castro 8, 28071 Madrid,

Resumen

La interpolación espacial de datos diarios de temperatura resulta un problema complejo en comparación con la interpolación de temperaturas promediadas en periodos de tiempo más largos, como meses o años. Los métodos que habitualmente se utilizan de forma satisfactoria con temperaturas mensuales o anuales a menudo no funcionan correctamente cuando se aplican a valores diarios, debido a la dificultad de tratar los fenómenos locales que afectan a la temperatura, especialmente las inversiones térmicas. Las zonas más sensibles a estos fenómenos son las regiones montañosas, en las que el relieve favorece que las inversiones térmicas sean más marcadas y persistentes que en zonas llanas próximas (Barry, 2008).
 
En el presente trabajo se muestran los resultados obtenidos al interpolar espacialmente temperaturas mínimas diarias en España empleando un krigeado universal con la altitud y la distancia al mar como variables externas. La ventaja de este método frente a otros radica en que permite considerar un gradiente térmico vertical variable en el espacio, facilitando el tratamiento de las inversiones en el proceso de interpolación.
Los resultados se comparan visual y numéricamente con los que se obtienen con otros métodos habituales como son la regresión con la altitud con krigeado de los residuos, el krigeado ordinario y la inversa de la distancia.

Citas

Agencia Estatal de Meteorología e Instituto de Meteorología de Portugal (2011). Atlas Climático Ibérico. Agencia Estatal de Meteorología. Ministerio de Agricultura, Alimentación y Medio Ambiente.

Agencia Estatal de Meteorología e Instituto de Meteorología de Portugal (2012). Atlas Climático de los Archipiélagos de Canarias, Madeira y Azores. Agencia Estatal de Meteorología. Ministerio de Agricultura, Alimentación y Medio Ambiente.

Barry, R.G. (2008). Mountain Weather and Climate. Cambridge University Press, Cambridge, UK

Benavides, R., Montes, F., Rubio, A. and Osoro, K. (2007). Geostatistical modelling of air temperature in mountainous region of northern Spain. Agricultural & Forest Meteorology 146: 173-188.

Dodson, R. and Marks, D. (1997). Daily air temperature interpolated at high spatial resolution over a large mountainous region. Journal: Climate Research, vol. 8, pp. 1-20.

Eskelson, B.N.I., Anderson, P.D., Hagar, J.C. and Temesgen, H. (2011). Geostatistical modeling of riparian forest microclimate and its implications for sampling. Canadian Journal of Forest Research 41:974-985.

Goovaerts, P. (1997). Geostatistics for Natural Resources. Oxford University Press.

Jabot, E., Zin, I., Lebel, T., Gautheron, A. and Obled, C. (2012). Spatial interpolation of sub-daily air temperatures for snow and hydrologic applications in mesoscale Alpine catchments. Hydrol. Process., 26: 2618–2630. doi: 10.1002/hyp.9423

Hudson, G. and Wackernagel, H. (1994). Mapping temperature using kriging with external drift: Theory and an example from Scotland. Int. J. Climatol., 14: 77–91. doi: 10.1002/joc.3370140107

Majani, B.S. (2007). Analysis of external drift kriging algorithm with application to precipitation in complex orography. International Institute for Geo-Information Science and Earth Observation Enschede, The Netherlands

Descargas

Publicado

2020-03-16