Comunicar el riesgo meteorológico no es tarea sencilla en general, ya que se debe pensar en cómo traducir en lenguaje plano la compleja información que se extrae de los modelos de predicción numérica del tiempo para transmitir el riesgo real de cara a las personas. En particular, las altas temperaturas son un fenómeno de alto impacto en la población y tanto la generación de información para evaluar el riesgo como su propia comunicación son también fundamentales para entender los peligros meteorológicos. En esta nueva entrada del blog os presentamos los resultados del último proyecto de investigación desarrollado en Meteoclim, en colaboración con Open Cosmos, en el marco del proyecto de resiliencia climática para la Agencia de Estrategia Turística de les Illes Balears (AETIB), enfocado principalmente en la adecuación de los avisos actuales por altas temperaturas en las Islas Baleares.
Herramientas para la evaluación del riesgo meteorológico
¿Cómo se evalúa el riesgo meteorológico relacionado con las altas temperaturas? En primer lugar debemos tener en cuenta que dicha evaluación debe hacerse mediante datos meteorológicos adecuados. Para altas temperaturas, analizaremos dos fuentes de datos posibles para el análisis del riesgo: mediante estaciones meteorológicas oficiales o mediante el reanálisis meteorológico, aunque existen otras fuentes de información indirecta que permiten evaluar este riesgo, como los datos satelitales. En este sentido, Open Cosmos está trabajando en el diseño, implementación y puesta en órbita de satélites de última generación que ayudarán a la resiliencia climática.
El reanálisis meteorológico consiste en una técnica de modelización numérica del tiempo a partir de la cual se generan datos en rejilla de una determinada área para un tiempo pasado. Esta técnica es muy ampliamente usada dentro de la comunidad científica y se usa sobre todo para estudiar, por ejemplo, los cambios durante las últimas décadas de las condiciones climáticas de una determinada región del planeta (cambios en las temperaturas medias, en las precipitaciones, etc.).
Esta método tiene la principal ventaja de describir las condiciones de temperatura, precipitación, etc. en aquellos lugares donde no hay instaladas estaciones meteorológicas que permitan la observación directa. Por este motivo se ha adoptado este enfoque para responder a la pregunta que nos hemos hecho al principio de este artículo. Existen multitud de reanálisis meteorológicos desarrollados por diferentes centros de predicción. El más comúnmente usado es el desarrollado por el ECMWF, ERA5, que actualmente cuenta con un tamaño de rejilla (resolución horizontal) de 31 km. Un ejemplo de representación de los datos de temperatura de este dataset se muestra en la izquierda de la Figura 1a:
En la Figura 1a se puede ver que apenas se vislumbra el contorno de Baleares. Esto es debido a la resolución horizontal de los datos. Cada 31 km el dato de temperatura cambia. En estas condiciones, un análisis del riesgo meteorológico no resulta útil, ya que no se consigue captar con mayor detalle cómo varían las temperaturas a lo largo del territorio. Por este motivo, nuestro equipo de Atmosphere ha llevado a cabo un reescalado de los datos para poder obtener una mejor descripción espacial de la temperatura. Utilizando las condiciones iniciales y de contorno de ERA5, se ha puesto en marcha durante un período de 11 años el reescalado de los datos de temperatura, humedad, viento y precipitación con ayuda del modelo Weather Research and Forecasting (WRF). Un ejemplo del resultado de estos cálculos se puede ver en la Figura 1b.
En la Figura 1 b se muestra el resultado de los cálculos numéricos realizados con WRF, a una resolución horizontal de 2 km. A diferencia de la Figura 1 a, aquí sí se vislumbra mucho mejor el contorno de Baleares y además se pueden ver más cambios en los colores de los píxeles de la imagen, indicando que existe más variabilidad de la temperatura a lo largo del territorio. Meditante esta técnica, se ha generado un set de datos de las variables atmosféricas fundamentales (temperatura, precipitación, humedad y viento) para el período 2014-2024. Este período de 11 años permitirá evaluar el riesgo meteorológico provocado por las altas temperaturas.
Evaluación del riesgo meteorológico con datos de alta resolución
¿Cómo se evalúa el riesgo meteorológico para un período de tiempo correspondiente al pasado? Desde el equipo de Atmosphere, se ha seguido una metodología regida por los siguientes pasos para poder responder a esta pregunta:
- Calibración de los datos de reanálisis meteorológico
- Cálculo de la temperatura umbral a partir de la cual se dispara el riesgo meteorológico
Para el período de tiempo comprendido entre el 2014 y 2024, se han realizado los cálculos de las variables fundamentales atmosféricas mediante WRF con alta resolución espacial (2 km). Sin embargo, hay que tener en cuenta que el modelo meteorológico, aunque se haya lanzado con datos históricos, genera errores sistemáticos debido a que los métodos numéricos utilizados son aproximaciones a las ecuaciones que rigen la física y dinámica atmosféricas y no pueden describir la realidad al 100%. Estos errores se pueden ver reflejados en la Figura 2:
En la Figura 2 se representa, para un punto de malla (o de rejilla), la probabilidad acumulada CDF de la temperatura a 2 metros para todos los otoños comprendidos en el período 2014-2023. La función de probabilidad acumulada es una manera de representar la climatología de una serie de datos. Es una manera directa de representar los percentiles de los valores de temperatura. Por ejemplo, en la Figura 2, el valor de temperatura correspondiente a 13.8 indica que está en el percentil 0 de la climatología, es decir, es el valor mínimo absoluto encontrado dentro del período de análisis, mientras que el valor 40.9 corresponde al percentil 100 de la climatología, indicando el máximo absoluto registrado en el período.
Para todos los puntos de rejilla, se ha realizado una interpolación espacial a alta resolución de los datos de las estaciones oficiales de AEMET para todo el período de estudio. Dicha interpolación permite comparar ambas CDF para poder evaluar las diferencias entre los valores calculados por el modelo y los derivados de las estaciones oficiales. Como puede verse, ambas curvas no coinciden, indicando que hay diferencias a la hora de comparar la climatología de un mismo punto de rejilla. Estas diferencias pueden ser debidas a limitaciones del propio modelo meteorológico.
Sin embargo, dichas limitaciones o diferencias pueden abordarse mediante técnicas de ajuste estadístico. Mediante estas técnicas se puede reducir el error cometido por el modelo para que la climatología de cada punto de malla se ajuste más a la climatología observada. Para cada punto de malla y para cada estación climatológica, nuestro equipo de Atmosphere ha realizado un ajuste estadístico o calibración basado en el método de Probability Matching. Este método, adaptado de Cardell et al., consiste en igualar el valor correspondiente a la misma probabilidad para las curvas CDF de entrenamiento (WRF en nuestro caso) y objetivo (interpolación espacial de las estaciones de AEMET), cuyo resultado se muestra en la Figura 3:
En la Figura 3 se muestra de manera similar a la Figura 2, las curvas CDF de probabilidad acumulada para un determinado punto de malla para el otoño climatológico. Se puede apreciar que tras la calibración mediante Probability Matching, ambas curvas son idénticas, indicando que dicho punto se ajusta correctamente a la climatología observada, dada por los datos de estaciones de AEMET interpolados espacialmente.
Este método conlleva toda una serie de ventajas. La primera de ellas es que gracias a su aplicación se puede reducir los errores sistemáticos cometidos por el modelo WRF y que de otra forma no sería posible reducir. La segunda es que gracias a su aplicación se pueden desarrollar productos que pueden tener un alto impacto en la implementación de Sistemas de Alerta Temprana o Early Warning System, ya que una reducción del error en las predicciones conlleva a un aviso más certero. Tras la calibración de los datos para el período de entrenamiento (2014-2023) se ha utilizado un período de validación de un año (2024) para ver la reducción del error tras la aplicación de este método de calibración. En la Figura 4 se muestra un mapa con la reducción del error de la temperatura a 2 m para el año 2024:
En la Figura 4 se puede ver que tras la calibración de los datos de temperatura para el período de validación en 2024 se ha producido una reducción del error cometido por el modelo WRF para todos los puntos de malla correspondientes a Baleares. En particular, dicha reducción es muy significativa sobre todo en aquellos puntos de rejilla correspondientes al litoral, con una reducción de hasta más de 5 ºC en el error cometido. Por otro lado, los puntos de malla correspondientes a zonas del interior de las islas son los que tienen menor reducción del error.
Impacto en los avisos por altas temperaturas
Una de las consecuencias de haber aplicado este método de calibración es que también ayuda a describir mejor el clima de Baleares. Mientras se tenga un número suficiente de estaciones meteorológicas repartidas de manera homogénea por el territorio, se podrá describir bien el clima de una determinada zona, pero de no ser así, el clima de dicha zona podría no quedar bien descrito.
Para evaluar el impacto en los avisos por altas temperaturas, se ha realizado una comparación de la climatología de la temperatura máxima diaria en verano por Zonas Isoclimáticas (ZI), definidas por AEMET. En Baleares existen 7 ZI a partir de las cuales el Ministerio de Sanidad tiene implementada la metodología del cálculo de avisos por temperaturas máximas, basada en Linares et al. En Baleares, el valor de temperatura umbral a partir del cual se calcula el aviso corresponde a la media espacial del percentil 95 de la temperatura máxima diaria para cada ZI. Esta temperatura umbral es clave en la generación de avisos por altas temperaturas, de manera que nos basaremos en este valor para la evaluación y posterior adecuación de los avisos. Un ejemplo de esto se puede ver reflejado en la Figura 5.
En la Figura 5 se puede apreciar que las curvas de probabilidad de temperatura máxima diaria en verano (período 2014-2023) no son iguales, indicando que existe una discrepancia en las características climáticas de la temperatura máxima para esta ZI. Una representación espacial de esta ZI puede verse en la Figura 6, junto con los valores de temperatura umbral calculados. Se puede ver que la curva derivada de las observaciones de las estaciones meteorológicas está desplazada con respecto a la calculada mediante el modelo meteorológico.
El modelo meteorológico de alta resolución permite representar el clima en todo el territorio, incluso en zonas donde no hay estaciones meteorológicas. Como todos los puntos del modelo han sido calibrados, tiene sentido pensar que su descripción del clima es más precisa en este caso. Esto cobra especial importancia en la zona de Tramuntana, donde hay pocas estaciones debido a lo difícil que es instalar y mantener equipos de medición en un terreno tan montañoso.
Para todas las ZI de Baleares se ha calculado, por un lado, el valor de la temperatura umbral calculado como la media espacial del percentil 95 de todas las estaciones meteorológicas contenidas en cada ZI. El resultado de este cálculo se muestra en la Figura 6. Por otro lado, se ha calculado, utilizando la misma metodología, el valor de temperatura umbral pero para los datos derivados del reanálisis meteorológico a alta resolución. El resultado se muestra en la Figura 7.
En las Figura 6 y 7, los valores umbrales más elevados se encuentran en el interior de Mallorca. En cambio, los valores umbrales más bajos se encuentran, según el análisis realizado con estaciones meteorológicas de AEMET, en la Sierra de Tramuntana y Menorca, mientras que los valores umbrales más bajos calculados a partir del modelo meteorológico se encuentran en el Levante Mallorquín y Tramuntana, igualando a Ibiza y Formentera.
En la Tabla 1 se muestran, junto a los valores oficiales que proporciona el Ministerio de Sanidad, los valores de temperatura umbral calculados tanto a partir de estaciones meteorológicas oficiales como a partir de los puntos de malla del reanálisis meteorológico.
| ZI | Umbral Ministerio | Umbral estaciones en ZI | Umbral reanálisis calibrado (media espacial píxeles en ZI) |
| Sierra Tramontana | 33.9 | 33.4 | 35.3 |
| Sur de Mallorca | 34.4 | 35.9 | 36.0 |
| Levante mallorquín | 34.3 | 33.7 | 35.0 |
| Norte y nordeste de Mallorca | 34.8 | 35.9 | 35.8 |
| Interior de Mallorca | 35.9 | 37.4 | 37.0 |
| Menorca | 32.2 | 34.1 | 34.2 |
| Ibiza y Formentera | 33.1 | 34.9 | 35.3 |
De acuerdo con los resultados, existen importantes diferencias con respecto al valor de la temperatura umbral obtenido. En este estudio se han utilizado más estaciones meteorológicas que en la metodología del Ministerio, lo que permite captar mejor la variabilidad dentro de cada Zona de Influencia (ZI) y eleva el valor de la temperatura umbral calculada. Además, se ha empleado un período de referencia más reciente (con años especialmente cálidos), lo que refleja mejor el calentamiento actual. Por otro lado, los umbrales calculados con datos de reanálisis ofrecen una descripción más completa en el espacio y el tiempo, especialmente útil en zonas con pocas estaciones o con orografía compleja, como la Tramuntana o el Levante mallorquín.
Conclusiones
En resumen, el uso del reanálisis calibrado para el cálculo de la temperatura umbral resulta especialmente adecuado, tanto por sus ventajas metodológicas como por su utilidad en aplicaciones posteriores, sobre todo en aquellas relacionadas con los Sistemas de Alerta Temprana, ya que, además de las ventajas mencionadas:
- Proporciona una representación espacial continua y homogénea, especialmente útil en zonas con baja densidad de observaciones.
- Ofrece una serie temporal homogénea, sin discontinuidades asociadas a cambios en estaciones, instrumentación o metodologías.
- Elimina la necesidad de seleccionar manualmente estaciones representativas, reduciendo el sesgo subjetivo en el análisis.
- Se basa en la climatología local de cada punto de malla de 2 km, mejorando la estimación del umbral (aplicación del método Probability Matching).
- Permite el cálculo del umbral a distintos niveles de especificidad geográfica: por ZI, por municipio o para todo el conjunto de Baleares).
- Una vez calibrado, el reanálisis favorece la generación de productos derivados, como índices climáticos o entradas para modelos de impacto (salud, agricultura, emergencias), sin necesidad de realizar interpolaciones adicionales.
- Ofrece datos con alta resolución temporal y espacial, lo que mejora su aplicabilidad en sistemas de monitoreo y alerta temprana.
Por tanto, en vista de los puntos mencionados, la metodología adoptada aquí puede resultar muy eficiente a la hora de lograr una mayor adecuación de los avisos por altas temperaturas, sobre todo en aquellas zonas donde no exista cobertura suficiente de estaciones meteorológicas.
Referencias
- Blog Meteoclim: Meteorología para principiantes IV
- ECMWF
- Cardell, M. F., R. Romero, A. Amengual, V. Homar, and C. Ramis, 2019: A quantile-quantile adjustment of the EURO-CORDEX projections for temperatures and precipitation. Int. J. Climatol., 39, 2901-2918.
- Linares Gil, Cristina; López-Bueno, José Antonio; Navas-Martín, Miguel Ángel, Díaz Jiménez, Julio, Determinación de umbrales de mortalidad por ola de calor según regiones isoclimáticas en España, Madrid, Instituto de Salud Carlos III: 2024.
- Rodríguez Marcos, F. J., & Montero Garrido, J. M. (s.f.). Sistema de avisos meteorológicos [Presentación de PowerPoint]. Agencia Estatal de Meteorología (AEMET). Jornada “La gestión del riesgo de inundación fluvial en el contexto del cambio climático”. https://www.miteco.gob.es/content/dam/miteco/es/agua/formacion/08-sistema-de-avisos-meteorologicos-aemet_tcm30-485272.pdf
