Búsqueda del cambio climático en la temperatura máxima de mayo en 16 estaciones climatológicas del estado de Zacatecas, México

Search for Climate Change in Maximum Temperatures in May based on 16 Weather Stations in State of Zacatecas, Mexico

Daniel Francisco Campos-Aranda
Profesor Jubilado de la Universidad Autónoma de San Luis Potosí, México
*Autor de correspondencia

Dirección del autor

Dr. Daniel Francisco Campos Aranda

Profesor jubilado de la Universidad Autónoma de San Luis Potosí
Genaro Codina 240, Colonia Jardines del Estadio
78280 San Luis Potosí, San Luis Potosí, México.
campos_aranda@hotmail.com

Recibido: 27/01/2014.
Aceptado: 08/01/2015.

Resumen

De manera general y aproximada, el planeta es 0.8 °C más caliente que en el siglo XVIII antes de la Revolución Industrial y podrá ser 2 °C el aumento en el lapso de una generación. En tales circunstancias, resulta trascendental cuantificar la magnitud e intensidad del cambio en cada una de las variables climáticas básicas. La identificación del cambio climático (CC) se debe apoyar en las técnicas estadísticas, para buscar en los registros largos tendencias que demuestren su presencia de manera significativa. En este trabajo se buscó el CC en la temperatura del estado de Zacatecas, México, para lo cual se procesaron 16 estaciones climatológicas con más de 50 años de registro de temperatura máxima del mes de mayo. Se aplicaron pruebas estadísticas generales y específicas para buscar componentes determinísticas. Tres de estas pruebas, las relacionadas con la detección de la tendencia y su verificación, se describen con detalle en apéndices. Se encontró que cuatro de las ocho estaciones climatológicas de la Región Hidrológica 12 Parcial (Río Santiago) presentan tendencia ascendente significativa, cuyo valor medio del incremento entre la media reciente y la de largo periodo es de 2.1 °C.

Palabras clave: homogeneidad, persistencia, tendencia, cambio en la media, pre-blanqueado, tendencia lineal.

Abstract

Overall, the planet is roughly 0.8°C warmer than in the 18th century, before the industrial revolution, and could increase to 2°C warmer by the next generation. Given these circumstances, it is crucial to quantify the magnitude and intensity of change in each of the basic climatic variables. Climate change should be determined based on statistical techniques that search long registries for trends that significantly demonstrate its presence. This work seeks to identify climate change based on temperature in the state of Zacatecas, Mexico. To this end, information from 16 weather stations was processed, with over 50 years of high temperatures recorded for the month of May. General and specific statistical tests were applied to search for deterministic components. Three of these tests, the ones related to detecting and verifying trends, are described in detail in the appendices. Four of the eight weather stations in Partial Hydrological Region 12 (Santiago River) presented significant increasing trends, with a mean value of the increases between the recent mean and the long-term mean of 2.1°C

Keywords: Homogeneity, persistence, trend, change in mean, prewhitening, linear trend.

Introducción

Los cambios naturales del clima han ocurrido durante toda la historia de la Tierra, lo preocupante ahora es el calentamiento global originado por las actividades humanas, el cual se ha desarrollado en un tiempo breve. De acuerdo con el Cuarto Informe del Panel Intergubernamental sobre Cambio Climático (IPCC, 2007), si las concentraciones de gases de efecto invernadero se mantuvieran constantes con la magnitud que tenían en el año 2000, el incremento en la temperatura en la década de 2090-2099 relativa a la del periodo 1980-1999, será de 0.6 °C, con un intervalo probable de 0.3 a 0.9 °C. Sin embargo, para el escenario más bajo o favorable de concentraciones (B1), el incremento citado será de 1.8 °C, con un rango de 1.1 a 2.9 °C y para el escenario más alto o crítico (A1FI), los valores mencionados serán 4.0 °C, variando de 2.4 a 6.4 °C. Este calentamiento global es considerable y seguramente intensificará el ciclo hidrológico, lo cual resultará en un incremento de la frecuencia y magnitud de las crecientes y las sequías, asociado lógicamente con una modificación de los patrones de ocurrencia de la temperatura y la precipitación (Cavadias, 1995; IPCC, 2007).

Actualmente, los procedimientos de planeación, diseño y operación de los aprovechamientos hidráulicos se basan en la consideración de que los procesos hidrológicos cambian de forma muy lenta, de manera que pueden ser considerados estacionarios. Los únicos efectos no estacionarios que han sido tomados en cuenta son la evolución de los métodos de medición y los cambios en las condiciones físicas de las cuencas, originadas por la deforestación, prácticas agrícolas, urbanización, etcétera (Yevjevich, 1995).

Aunque los cambios en las cuencas y en las demandas pueden tener un mayor impacto en los proyectos de aprovechamiento de los recursos hidráulicos que los debidos al cambio climático, los primeros son eminentemente locales y los segundos regionales o nacionales, con consecuencias graves durante la vida útil de la obra. Por lo anterior, resulta necesario evidenciar el cambio climático y formular estrategias que se anticipen a sus consecuencias (Martínez-Austria & Aguilar-Chávez, 2008).

Estudios de búsqueda de tendencias climáticas en la temperatura

Arora, Goel y Singh (2005) procesaron los registros de temperatura media, máxima y mínima de 125 estaciones climatológicas de la India, según cinco series de datos, la anual y en cuatro épocas: invierno (de diciembre a febrero), pre-monzón (de marzo a mayo), monzón (de junio a agosto) y pos-monzón (de septiembre a noviembre). Usaron el test no paramétrico de Mann-Kendall para detectar la tendencia y encontraron que ésta es ascendente en el lapso de 1941 a 1999, con valores promedio de 0.42, 0.92 y 0.09 °C por cada 100 años, en la temperatura anual, máxima y mínima, respectivamente. En el ámbito regional, en el sureste y oeste de la India se encontró tendencia ascendente y en el norte, descendente. Los porcentajes de tendencias ascendentes o descendentes significativas en cada época y para cada temperatura varían; por ejemplo, para la temperatura máxima en la época de pre-monzón se tienen 18 estaciones con tendencia descendente y 42 con ascendente; entonces existe un 48% de tendencias significativas.

Singh, Kumar, Thomas y Arora (2008) analizaron los registros de 90 a 100 años de temperatura media, máxima y mínima de 43 estaciones climatológicas de las regiones noroeste y central de la India, las cuales abarcan nueve cuencas de grandes ríos. Usaron el test no paramétrico de Mann-Kendall para detectar la tendencia, usando series pre-blanqueadas si existió persistencia (ver Apéndice 3). En siete cuencas encontraron tendencia ascendente en la temperatura media con valores que variaron de 0.40 a 0.60 °C por cada 100 años y en dos cuencas la tendencia fue descendente con magnitudes de -0.15 a -0.44 °C por cada 100 años. En el área de estudio, la temperatura máxima mostró tendencia creciente con una magnitud media de 0.81 °C por cada 100 años; este valor resultó mayor que el observado para la temperatura mínima.

Martínez, Maleski y Miller (2012) buscaron tendencias en las temperaturas medias, máximas y mínimas del estado de Florida, Estados Unidos, analizándolas por meses, épocas y sus valores anuales. Con el test de Mann-Kendall procesaron 22 estaciones climatológicas y emplearon dos lapsos de registro, 1985-2009 y 1970-2009; encontraron para la temperatura máxima en ambos intervalos de análisis y en todas las duraciones empleadas, que unas estaciones muestran tendencias ascendentes y otras descendentes, con cierta coherencia espacial.

Sonali y Nagesh-Kumar (2013) estudiaron las series integradas de temperatura máxima y mínima en cada una de las siete regiones homogéneas que definieron para la India, usaron valores anuales, mensuales y en cuatro épocas: invierno (enero y febrero), pre-monzón (de marzo a mayo), monzón (de junio a septiembre) y pos-monzón (de octubre a diciembre); así como tres intervalos (años) de análisis: 1901-2003, 1948-2003 y 1970-2003. En la detección de la tendencia emplearon seis técnicas no paramétricas. Encontraron una tendencia ascendente consistente en las siete regiones homogéneas durante las tres últimas décadas, con una mayor pendiente para la temperatura mínima que para la máxima.

Proyecciones climáticas para el estado de Zacatecas

De acuerdo con Montero-Martínez y Pérez-López (2008), para el estado de Zacatecas, el incremento en la temperatura media de superficie en el verano (julio-agosto-septiembre) en la década de 2050 será de 1.8 a 2.5 °C; en el mismo lapso, pero en 2070, de 2.5 a 3.2 °C, y en la década de 2090 de 4.0 a 4.7 °C. En específico, para la temperatura máxima del verano (junio-julio-agosto) en Zacatecas, Montero-Martínez, Martínez-Jiménez, Castillo-Pérez y Espinoza-Tamarindo (2010) definen los intervalos siguientes para el periodo de 1961-1990: en la zona centro del estado varía de 24 a 27 °C; en su región norte fluctúa de 30 a 33 °C, y en las áreas sur y media (entre centro y norte) cambia de 27 a 30 °C. En cuanto a las proyecciones de sus anomalías promedio, Montero-Martínez et al. (2010) pronostican para el lapso de 2010 a 2039 un aumento general en el estado de Zacatecas de 1.0 a 1.5 °C; para el intervalo de 2040 a 2069, el incremento será de 2.5 a 3.0 °C; por último, para el periodo de 2070 a 2098, encuentran un aumento en las zonas centro y norte de 4.0 a 4.5 °C, y en sus áreas sur y media de 4.5 a 5.0 °C.

Montero-Martínez et al. (2010) también indican que la regionalización (downscaling) delas proyecciones climáticas generadas con los modelos climáticos globales acoplados es una parte fundamental de todo estudio orientado acuantificar el probable cambio climático, el cual constituye el llamado enfoque dinámico. La otra técnica de trabajo en la búsqueda del cambio climático se denomina enfoque estadístico; en ella se utilizan registros climatológicos históricos a los cuales se les aplican diversos algoritmos o técnicas estadísticas (Mujumdar & Nagesh-Kumar, 2012). Este segundo enfoque tiene dos áreas de análisis: el pasado y la proyección hacia el futuro. En la acepción del estudio del pasado, la variabilidad climática puede generar una aparente tendencia cuando se analiza un registro corto; por ello, Kundzewicz y Robson (2004) establecen que en los análisis de detección del cambio climático se utilicen registros de cuando menos 50 años.

Objetivo del estudio

En este trabajo se buscan cambios significativos estadísticamente en la temperatura máxima mensual del mes más caluroso, el cual resultó ser mayo, en las estaciones climatológicas de amplio registro (> de 50 años) del estado de Zacatecas, México, con el objetivo de ilustrar cómo se deben procesar los registros de la variable climática temperatura, sea ésta media, máxima o mínima, y sean sus series de datos anuales, mensuales o por épocas. Se procesaron 16 registros, cuyo número de datos varió de 50 a 67 años. Se aplicaron tres pruebas estadísticas generales para detectar pérdida de homogeneidad y 11 específicas para buscar componentes determinísticas, como persistencia, tendencia y/o cambios en la media o en la variabilidad. Todos los tests estadísticos relacionados con la búsqueda de la tendencia ascendente y otros procedimientos asociados con su verificación se exponen con detalle en apéndices. Se encontró que cuatro estaciones climatológicas de las ocho localizadas en la Región Hidrológica 12 Parcial (Río Santiago) del estado de Zacatecas presentan tendencia ascendente significativa.

Materiales y métodos

Estaciones climatológicas seleccionadas

Registros de temperatura máxima procesados

Con base en los registros mensuales de temperatura máxima se buscó el mes más cálido tanto por su promedio mensual como por sus valores máximo y mínimo; se encontró que en la mayoría de las estaciones climatológicas seleccionadas, tal mes es mayo; sólo en la estación El Platanito resultó ser junio. También en varias estaciones se encontró que junio tiene un valor mínimo más alto que mayo, como en Chalchihuites, El Sauz, La Florida, San Pedro Piedra Gorda y Juchipila. En la estación El Cazadero, mayo y junio tienen valores iguales del promedio y sus extremos. Los 16 registros procesados corresponden a la temperatura máxima del mes de mayo, cuyos escasos valores faltantes se tomaron igual a su media.

Pruebas estadísticas aplicadas

Generalidades sobre requerimientos estadísticos

Cuando los registros de lluvia, temperaturas o escurrimiento mensuales o anuales son utilizados para obtener parámetros hidrológicos, que son la base de los diseños de las obras hidráulicas de aprovechamiento, tales series o muestras deben tener ciertas características estadísticas, para que dichas estimaciones sean confiables. En resumen, se requiere que las series sean homogéneas o consistentes, libres de tendencia y que se hayan originado por un proceso estocástico, cuya componente aleatoria siga una determinada distribución de probabilidades (Adeloye & Montaseri, 2002).

La consistencia implica que los datos o muestra procedan de una sola población, por ello se dice que sean homogéneos. La tendencia existe cuando los datos muestran una correlación (positiva o negativa) apreciable con el tiempo, de manera que su media aritmética no es constante y por ello la serie deja de ser estacionaria. La tendencia se origina por modificación de las condiciones circundantes a la estación de medición, como son los cambios en el uso del suelo, o bien por el cambio climático. Relacionada con la tendencia, se tiene la persistencia que caracteriza la propensión de los datos de una serie al recordar la magnitud de sus valores antecedentes o a ser influenciados por ellos. Debido a lo anterior, se cuantifica con base en el coeficiente de correlación serial que define la dependencia entre cada elemento i y el i-k; por ello k se llama "tiempo de retraso" (Adeloye & Montaseri, 2002; Machiwal & Jha, 2008, 2012).

Se aclara que no existe diferencia semántica entre prueba y test, ambos estadísticos. Existen dos tipos de pruebas estadísticas: las paramétricas y las no paramétricas; las primeras requieren que los datos provengan de una distribución normal, son más potentes o eficientes que las segundas, las cuales han adquirido popularidad debido a que no presentan tal restricción. Machiwal y Jha (2012) han establecido que para obtener la misma conclusión con igual nivel de significancia (α), las pruebas no paramétricas requieren de un 5 a un 35 % de más datos que los test paramétricos.

Debido a lo anterior, de inicio se determinó con los test del Cociente de Geary (CG) y de Shapiro-Wilk (SW) si en los registros procesados de temperatura máxima del mes de mayo se puede aceptar que provienen de una distribución normal. Los resultados de ambos test se tienen en el cuadro 2, en sus columnas 3 y 4, indicando, para el segundo, la normalidad con N y la no procedencia de una distribución normal con NN.

Las pruebas estadísticas aplicadas se dividen en dos grupos: generales y específicas. Las primeras fueron las tres siguientes: (1) de Helmert (PH); (2) de las Secuencias (PS), que detectan si la serie o registro es homogéneo debido a que no tiene persistencia o tendencia, cambio en la media o bien no oscila demasiado; (3) la prueba de Von Neumann (PV) es de aleatoriedad contra componentes determinísticas no especificadas. Los resultados de estas pruebas se exponen en las columnas 5 a 7 del cuadro 2, con H para registros homogéneos y con NH para los no homogéneos.

Respecto a los test específicos, se aplicaron los 11 siguientes: (1) dos de persistencia, el de Anderson (TA) y el de Sneyers (TS); (2) tres de tendencia, el de Kendall (TK), Spearman (TS₁) y Mann-Kendall (TM); (3) uno de variabilidad, el de Bartlett (TB); (4) uno de cambio en la media, el de Cramer (TC), y (5) cuatro que buscan cambios en la media o pérdida de homogeneidad con estadísticos basados en la curva masa residual (TB₁ a TB₄). Todas las pruebas se aplicaron con un nivel de significancia (α) de 5%. En el Apéndice 1 se citan las referencias donde se pueden consultar 13 de los test anteriores, pues los tres relativos a la tendencia se exponen en el Apéndice 2. Los resultados de estos 11 test específicos se muestran en las columnas 8 a 18 del cuadro 2, usando H cuando no detectan la componente que buscan y NH cuando la encuentran.

Análisis de los resultados

Respecto a las pruebas estadísticas

El test de Shapiro-Wilk detecta que en cinco de los registros procesados de temperatura máxima del mes de mayo no se puede aceptar que proceden de una distribución normal. En tales registros se obtuvieron valores de cociente de Geary tan alejados de la unidad como 0.853 y tan cercanos como 0.960 (ver cuadro 2).

Con los test generales se encuentra que sólo dos registros, El Cazadero y Monte Escobedo, son homogéneos; el resto resulta no homogéneo, la mayoría en las tres pruebas. Todos los registros presentan persistencia y sólo en cuatro es detectada exclusivamente por la prueba de Sneyers, pudiéndose decir que El Cazadero, El Platanito, Monte Escobedo y Excamé tienen persistencia ligera.

Sólo tres registros mostraron falta de homogeneidad con respecto a la variabilidad (Test de Bartlett): Chalchihuites, que tiene dos valores muy bajos, y Presa El Chique y Juchipila, que por el contrario tienen magnitudes muy altas registradas (46.5 °C). Sin embargo, tales resultados no son confiables, pues esos tres registros no proceden de poblaciones normales.

Verificación de la tendencia detectada

En los seis registros que mostraron tendencia con alguno de los test se aplicó la prueba de Mann-Kendall con la serie pre-blanqueada y con el pre-blanqueado libre de tendencia, cuyos procesos operativos se detallan en el Apéndice 3; los resultados se han concentrado en el cuadro 3, observando que sólo el registro de la estación Excamé no presenta tendencia en las pruebas de Mann-Kendall aplicadas a su serie pre-blanqueada (X'_t) y con pre-blanqueado sin tendencia (Y''_t). También a los seis registros con tendencia se les ajustó un modelo de regresión lineal para representarla y se buscó si su pendiente resultaba estadísticamente diferente de cero con una prueba basada en la t de Student, la cual se expone en el Apéndice 4; los resultados se citan en el cuadro 3. Exclusivamente en el registro de la estación Excamé su pendiente es igual a cero.

Con el objeto de verificar numéricamente las pendientes (m) estimadas con la regresión lineal (Apéndice 4), que se sabe son afectadas por los valores dispersos, se aplicó el criterio (ms) de Sen (1968) expuesto en el Apéndice 5. Sus resultados se tienen en la última columna del cuadro 3. Se observa que los valores de ms son bastante similares a los de m, con lo cual ambas estimaciones adquieren confiabilidad, ya que proceden de enfoques bastante disímiles.

En las figuras 2, 3 y 4 se muestra el comportamiento de los registros de las estaciones Villa García, La Villita y Juchipila; la primera presenta la tendencia ascendente más suave o ligera, y la segunda lo contrario. La estación Juchipila requirió un análisis especial, ya que su tendencia detectada es negativa. Con excepción de la estación Villa García, todos los registros que mostraron tendencia con la prueba de Mann-Kendall resultaron no homogéneos con el test de Cramer. Como esta prueba se aplicó con dos subperiodos de la mitad del registro, en todas las estaciones con tendencia, excepto Juchipila, se obtuvieron estadísticos negativos para el primer subtramo y positivos para el segundo, indicando con ello una media menor que la general al inicio y mayor en el segundo subperiodo. Lo anterior indica tendencia ascendente.

Al comentar con la oficina de Hidrometeorología de la Dirección Estatal de la Conagua en Zacatecas, la tendencia negativa encontrada en la estación Juchipila para su registro de temperatura máxima del mes de mayo, se recibió información relativa a un cambio de ubicación en el año 1980, el cual modificó sus condiciones circundantes. La aplicación de las tres pruebas generales y de las 11 específicas al registro de la estación Juchipila por subtramos, 1947-1980 y 1981-2012, indica que el primer lapso es no homogéneo y presenta tendencia según el test de Kendall y exceso de variabilidad con base en el test de Bartlett. En cambio, el segundo lapso es homogéneo de acuerdo con la mayoría de las pruebas. Por lo anterior, los resultados de la estación Juchipila, mostrados en el cuadro 4, no serán tomados en cuenta para la formulación de las conclusiones.

Recientemente, algunos autores como Arora et al. (2005) y Singh et al. (2008) prefieren dibujar las anomalías de la temperatura en lugar de sus valores puntuales, como se muestra para la estación Monte Escobedo en la figura 5.

Hu y Liu (2010), en un estudio sobre el cambio climático, analizaron 31 registros de lluvia anual de amplio periodo (más de 50 años) a través de China, encontrado que el cociente del valor medio reciente de los últimos 10 años al de largo periodo, fluctuó de 0.89 a 1.11, con un valor medio igual a la unidad. Por ello concluyen que la lluvia en tal país no muestra efectos cuantitativos del cambio climático.

El cuadro 4 está formado por tres porciones. En la primera se exponen los parámetros estadísticos de la temperatura máxima del mes de mayo: media (), desviación estándar (S) y coeficientes de variación (Cv), asimetría (Cs), curtosis (Ck) y correlación serial de orden uno (r₁). En la segunda parte se tienen las medias (_i) de los últimos 5, 10 y 15 años del registro. En la tercera se presenan los cocientes de _i entre .

Los últimos cinco renglones del cuadro 4 muestran gran similitud en los indicadores de los tres cocientes establecidos, con mayor dispersión para el cociente CO₅ y una semejanza idéntica para los estadísticos de tendencia central de los cocientes CO₁₀ y CO₁₅. La mediana y la moda se estimaron con base en la distribución gamma mixta, sin incluir los resultados de la estación Juchipila.

En la columna final del cuadro 4 se tienen las diferencias entre la media de un lapso final de 15 años y la de todo el registro. Para las cuatro estaciones climatológicas que mostraron tendencia ascendente -Monte Escobedo, Villa García, San Pedro Piedra Gorda y La Villita, todas ellas de la Región Hidrológica 12 Parcial (Río Santiago)- se tiene una diferencia máxima de 2.5 °C y mínima de 1.7 °C, con un valor promedio aproximado de 2.1 °C, que puede ser considerado el incremento medio que ha mostrado esta subregión del estado de Zacatecas debido al cambio climático.

Impacto del desarrollo urbano

Seis de las 16 estaciones climatológicas procesadas (cuadro 1) se ubican dentro de áreas urbanas: Chalchihuites, Zacatecas, Monte Escobedo, Villa García, San Pedro Piedra Gorda y Presa El Chique. Sin embargo, sólo Zacatecas está dentro de una ciudad densamente poblada y el resto se localiza en pueblos que incluso tienen huertas y áreas de cultivo cercanas, además de un escaso número de vehículos automotores, de manera que el impacto de la urbanización es aún leve o escaso. Resulta interesante destacar que en la última columna del cuadro 4, todas las estaciones citadas muestran una diferencia positiva entre la media reciente y la de amplio periodo, destacando San Pedro Piedra Gorda, Villa García y Monte Escobedo.

Conclusiones

Por lo anterior, se sugiere realizar este análisis en otros estados de la república mexicana, o bien en otras regiones o subregiones hidrológicas, para establecer si este aumento de la temperatura es generalizado y donde se detecte,como en la subregión citada del estado de Zacatecas, México, establecer medidas orientadas a redimensionar los sistemas de abastecimiento de todo tipo, pues la evaporación y la evapotranspiración sin duda estarán aumentando,disminuyendo con ello la disponibilidad en los embalses e incrementando las necesidades hídricas de los cultivos tanto bajo riego como de temporal.

Agradecimientos

Se agradece al ingeniero Humberto Abelardo Díaz Valdez, de la Dirección Local Zacatecas de la Conagua, la excelente disposición con el autor para proporcionar y/o verificar información climatológica o histórica de las estaciones procesadas.

Referencias

Adeloye, A. J., & Montaseri, M. (2002). Preliminary Streamflow Data Analyses Prior to Water Resources Study. Hydrological Sciences Journal, 47(5), 679-692.         [ Links ]

Arora, M., Goel, N. K., & Singh, P. (2005). Evaluation of Temperature Trends over India. Hydrological Sciences Journal, 50(1), 81-93.         [ Links ]

Buishand, T. A. (1982). Some Methods for Testing the Homogeneity of Rainfall Records. Journal of Hydrology, 58, 11-27.         [ Links ]

Burn, D. H., & Hag-Elnur, M. A. (2002). Detection of Hydrologic Trends and Variability. Journal of Hydrology, 255, pp. 107-122.         [ Links ]

Campos-Aranda, D. F. (1998). Capítulo 4: Precipitación (pp. 4.1-4.100) y Capítulo 8: Escurrimiento (pp. 8.1-8.76) (tercera reimpresión). En Procesos del Ciclo Hidrológico. San Luis Potosí, México: Editorial Universitaria Potosina.         [ Links ]

Campos-Aranda, D. F. (2008). Cuatro pruebas de homogeneidad para registros de lluvia anual basadas en la curva masa residual. Ponencia. Tema: Hidrología Superficial y Subterránea. XX Congreso Nacional de Hidráulica, 6 de octubre de 2008, Toluca, Estado de México.         [ Links ]

Cavadias, G. S. (1995). Climatic Change, River Flows and Water Resources Development. Chapter 8 (pp. 259-272). In G. W. Kite (Ed.). Time and the River. Highlands Ranch, USA: Water Resources Publications.         [ Links ]

Gutiérrez-López, A., Arellano-Lara, F., & Aparicio-Mijares, F. J. (septiembre, 2006-enero, 2007). Determinación de periodos de cambio climático, empleando pruebas de ruptura de series, Tláloc, 38, 4-11.         [ Links ]

Hamed, K. A., & Rao, A. R. (1998). A Modified Mann-Kendall Trend Test for Auto-Correlated Data. Journal of Hydrology, 204, 182-196.         [ Links ]

Hirsch, R. M., Helsel, D. R., Cohn, T. A., & Gilroy, E. J. (1993). Statistical Analysis of Hydrologic Data. Chapter 17 (pp. 17.1-17.55). In D. R. Maidment (Ed. in Chief). Handbook of Hydrology. New York: McGraw-Hill, Inc.         [ Links ]

Hu, Ch., & Liu, Ch. (2010). Climate Changes and Changes of Runoff and Sediment Loads from Chinese Rivers (pp. 40-50). In Climate Change and Adaptation for Water Resources in Yellow River Basin, IHP, VII Technical Document in Hydrology. UNESCO office in Beijing, China.         [ Links ]

IPCC (2007). Climate Change 2007-The Physical Science Basis. Fourth Assessment Report. Working Group I. Cambridge University Press. Cambridge, United Kingdom: Intergovernment Panel on Climatic Change. Recuperado de http://www.wmo.int/pages/partners/ipcc/index_en.html.         [ Links ]

Kottegoda, N. T. (1980). Chapter 2: Analysis of Hydrologic Time Series (pp. 20-66). In Stochastic Water Resources Technology. London: The MacMillan Press, Ltd.         [ Links ]

Kundzewicz, Z. W., & Robson, A. J. (2004). Change Detection in Hydrological Records-A Review of the Methodology. In Hydrological Sciences Journal, 49(1), 7-19.         [ Links ]

Linsley, R. K., Kohler, M. A., & Paulhus, J. L. (1988). Chapter 14: Stochastic Hydrology (pp. 374-397). In Hydrology for Engineers. London: McGraw-Hill Book Co., SI Metric Edition.         [ Links ]

Machiwal, D., & Jha, M. K. (2008). Comparative Evaluation of Statistical Tests for Time Series Analysis: Application to Hydrological Time Series. Hydrological Sciences Journal, 53(2), 353-366.         [ Links ]

Machiwal, D., & Jha, M. K. (2012). Chapter 4: Methods for Time Series Analysis (pp. 51-84). In Hydrologic Time Series Analysis: Theory and Practice. Dordrecht, The Netherlands: Springer.         [ Links ]

Manly, B. F. J. (2001). Chapter 8: Time Series Analysis (pp. 192-222). Statistics for Environmental Science and Management. Boca Raton, USA: Chapman & Hall/CRC.         [ Links ]

Martínez, C. J., Maleski, J. J., & Miller, M. F. (2012). Trends in Precipitation and Temperature in Florida, USA. Journal of Hydrology, 452-453, 259-281.         [ Links ] Martínez-Austria, P. F., & Aguilar-Chávez, A. (Eds). (2008). Prólogo. En Efectos del cambio climático en los recursos hídricos de México. Volumen II. (pp. 7-9). México, DF: Semarnat-IMTA.         [ Links ]

Mather, J. R. (1977). Exercise II: Skewness, Homogeneity and Correlation (pp. 9-14). In Workbook in Applied Climatology. Publications in Climatology, 30(1). New Jersey: Laboratory of Climatology.         [ Links ]

Montero-Martínez, M. J., & Pérez-López, J. L. (2008). Regionalización de proyecciones de precipitación y temperatura en superficie aplicando el método REA para México. Capítulo 1 (pp. 11-21). En Efectos del cambio climático en los recursos hídricos de México. Volumen II. En P. F. Martínez-Austria & A. Aguilar-Chávez (Eds.). México, DF: Semarnat-IMTA.         [ Links ]

Montero-Martínez, M. J., Martínez-Jiménez, J., Castillo-Pérez, N. I., & Espinoza-Tamarindo, B. E. (2010). Escenarios climáticos en México proyectados para el siglo XXI: precipitación y temperatura máxima y mínima. Capítulo 2 (pp. 39-63). En Efectos del cambio climático en los recursos hídricos de México. Volumen III: Atlas de vulnerabilidad hídrica para México ante el Cambio Climático, editores P. F. Martínez-Austria & C. Patiño-Gómez. Semarnat-IMTA. México, D. F.. 164 páginas.         [ Links ]

Mujumdar, P. P., & Nagesh-Kumar, D. (2012). Theme 4.4:Statistical Downscaling Approaches (pp. 47-64). In Floods in a Changing Climate. Hydrologic Modeling. Cambridge, United Kingdom: International Hydrology Series (UNESCO).         [ Links ]

Ostle, B., & Mensing, R. W. (1975). Chapter 7: Regression Analysis (pp. 165-236). In Statistics in Research (third edition). Ames, USA: Iowa State University Press.         [ Links ]

Ruiz-Maya, L. (1977). Capítulo 9: Condiciones paramétricas del análisis de varianza (pp. 233-249). En Métodos estadísticos de investigación. Madrid: Instituto Nacional de Estadística.         [ Links ]

Sen, P. K. (1968). Estimates of the Regression Coefficient Based on Kendall's Tau. Journal of the American Statistical Association, 63(324), 1379-1389.         [ Links ]

Shapiro, S. S., & Wilk, M. B. (1965). An Analysis of Variance Test for Normality (Complete Samples). Biometrika, 52, 591-611.         [ Links ]

Shapiro, S. S. (1998). Selection, Fitting and Testing Statistical Models. Chapter 6 (pp. 6.1-6.35) (second edition). In H. M. Wadsworth (Ed.). Handbook of Statistical Methods for Engineers and Scientists. New York: McGraw-Hill Inc.         [ Links ]

Singh, P., Kumar, V., Thomas, T., & Arora, M. (2008). Basin-Wide Assessment of Temperature Trends in Northwest and Central India. Hydrological Sciences Journal, 53(2), 421433.         [ Links ]

Sonali, P., & Nagesh-Kumar, D. (2013). Review of Trend Detection Methods and their Application to Detect Temperature Changes in India. Journal of Hydrology, 476, 212-227.         [ Links ]

Thom, H. C. S. (1971). Some Methods of Climatological Analysis. (53 pp.). Technical Note No. 81. Geneva, Switzerland: World Meteorological Organization.         [ Links ]

WMO (1971). Annexed III: Standard Tests of Significance to be recommended in Routine Analysis of Climatic Fluctuations (pp. 58-71). Technical Note No. 79, WMO-No. 195. In Climatic Change. Geneva, Switzerland: Secretariat of the World Meteorological Organization.         [ Links ]

Yevjevich, V. (1995). Statistics in Hydrology and Water Resources Management. Chapter 5 (pp. 121-154). In G. W. Kite (Ed.). Time and the River. Highlands Ranch, USA: Water Resources Publications.         [ Links ]

Yue, S., Pilon, P., Phinney, B., & Cavadias, G. (2002). The Influence of Autocorrelation on the Ability to Detect Trend in Hydrological Series. Hydrological Processes, 16, 1807-1829.         [ Links ]

Yue, S., Pilon, P., & Phinney, B. (2003). Canadian Streamflow Trend Detection: Impacts of Serial and Cross-Correlation. Hydrological Sciences Journal, 48(1), 51-63.         [ Links ]