Software para identificar las tendencias de cambio climático a nivel local: un estudio de caso en Yucatán, México

Software to identify climate change trends at the local level: a study case in Yucatán, México

Francisco Bautista¹*; Dorian A. Bautista-Hernández¹; Oscar Álvarez¹; María Anaya-Romero²; Diego de la Rosa²

¹Centro de Investigaciones en Geografía Ambiental, Universidad Nacional Autónoma de México. Antigua carretera a Pátzcuaro, núm. 8701, col. Ex Hacienda de San José de la Huerta. C. P. 58190. Morelia, Michoacán, México. Correo-e: leptosol@ciga.unam.mx (*Autor para correspondencia).

²Evenor Tech, SL, IRNAS-CSIC. Apartado de correos 1052, Avda. Reina Mercedes, 10. 41012-Sevilla, España.

Recibido: 29 de septiembre de 2011
Aceptado: 14 de enero de 2013

Resumen

El presente trabajo muestra la arquitectura y las funcionalidades del software conocido como "Sistema de análisis de datos para el monitoreo regional y local del cambio climático con índices agroclimáticos" Moclic. El software funciona como: a) base de datos, b) herramienta de procesamiento de datos agroclimáticos, y c) herramienta para identificar las tendencias locales del cambio climático. Entre las ventajas de utilizar Moclic se incluye su capacidad para evaluar el cambio climático dentro de una interfaz gráfica de usuario. El software requiere datos de entrada de la estación meteorológica, los cuales contienen la siguiente información: nombre de la estación; número de clave; localidad y estado; promedios mensuales, temperaturas mínimas y máximas, precipitación mensual y coordenadas geográficas de la estación. Con Moclic se pueden procesar los datos de entrada y calcular las variables relacionadas con la evapotranspiración potencial y los índices (anuales y mensuales) de humedad, aridez, estación de crecimiento, concentración de precipitación, erodabilidad y lixiviación del suelo. Moclic funciona tanto en inglés como en español. En este trabajo se presenta un estudio de caso de la Estación de Abalá en el estado de Yucatán, México, para mostrar la aplicabilidad de Moclic a nivel local. Los resultados obtenidos muestran la gran exactitud de este software, para la predicción de las tendencias de cambio climático a lo largo de los últimos 40 años, y sugieren su alto potencial, para que sea utilizado en los nuevos escenarios climáticos.

Palabras clave: Índice de humedad, índices climáticos, evapotranspiración, temperatura.

Abstract

The present work shows the architecture and capabilities of the software titled "Data Analysis System for monitoring regional and local climate change with agroclimatic indexes" (Moclic). The software works as: a) a database; b) a processing tool of agroclimatic data; and c) a tool for identifying local climate change trends. The advantages of using Moclic include its capacity for evaluating climate change within a graphical user interface. The software requires input data from weather stations containing the following information: station name, key number, locality and state, monthly average, minimum and maximum temperatures, monthly precipitation and the geographic coordinates of the station. Moclic can process the input data and calculate derived variables related to potential evapotranspiration and monthly and annual indexes for humidity, aridity, the growing season, precipitation concentration, erodibility, and soil leaching. Moclic software works in both English and Spanish. Finally, a case study of the Abalá station in the state of Yucatán, México is presented in order to show the applicability of Moclic at the local level. The results from the case study show the high accuracy of the Moclic for the prediction of climate change trends throughout the last 40 years, and suggest its high potential to be used in new climate scenarios.

Introducción

En todo el mundo se está llevando a cabo un enorme esfuerzo tecnológico y de investigación para predecir el impacto y las tendencias futuras del cambio climático global (Gay & Estrada, 2010; Shahbazi et al., 2009; Walker & Schulze, 2008; Wigley, 2008). Este conocimiento es importante para la adopción de medidas preventivas y de mitigación, así como de estrategias de adaptación en ambientes urbanos y rurales. Existen varios modelos para el estudio del cambio climático y la variabilidad. Estos modelos son utilizados para realizar proyecciones cuantitativas de cambios climáticos a largo plazo. Los modelos toman en cuenta los siguientes tres aspectos: a) el desarrollo socioeconómico y la capacidad de adaptación, b) los datos históricos de los elementos climáticos de las estaciones meteorológicas, c) los datos de referencia y las proyecciones para la concentración global promedio de CO₂, el ascenso del nivel del mar a nivel regional y global, la concentración de ozono troposférico a nivel regional, la concentración de sulfatos en aerosol y la deposición de sulfuros. La predicción del cambio climático se puede expresar en distintas escalas de tiempo, en una escala global y regional (Carter, 2007). Muchos investigadores mexicanos (Conde, Estrada, Martínez, Sánchez, & Gay, 2011) y de otras partes del mundo utilizan estos modelos para desarrollar los escenarios relacionados con los cambios en las especies y en los ecosistemas (Gómez et al., 2011), en los agroecosistemas (Villers, Arizpe, Orellana, Conde, & Hernández, 2009), en la producción y salud animal (Monterroso et al., 2011), y en los aspectos ambientales (García-Herrera et al., 2009). En México, los gobiernos estatales y municipales están formulando políticas públicas para mitigar los cambios causados por el calentamiento global; sin embargo, el establecer las políticas de adaptación al cambio climático requiere de una previsión detallada de éste, tomando en cuenta la diversidad regional y local, así como, un análisis de la magnitud y dirección de los principales parámetros climáticos. Los modelos locales carecen del nivel de detalle necesario para un análisis local, lo que requiere de esfuerzos adicionales para alcanzar escenarios más específicos (regionales y locales) del cambio climático.

Las bases de datos climáticos, que contienen registros de por lo menos 50 años, son excelentes fuentes de información histórica. Estás pueden ser utilizadas para analizar los cambios de los distintos elementos del clima e índices, a lo largo del tiempo, por ejemplo, para la generación de evidencia local del cambio climático en distintas escalas, así como para entender mejor el comportamiento del clima y sus consecuencias en condiciones agronómicas, ecológicas, bióticas y ambientales. La identificación de las tendencias climáticas requiere el manejo de grandes bases de datos, las cuales contienen décadas de información acerca de los elementos climáticos; por esta razón y para un mejor manejo de información se creó el software Moclic. El predecesor de Moclic es el software CDBm (base de datos climáticos mensuales) (De la Rosa, Barros, Mayol, & Moreno, 1996). Tanto Moclic como CDBm permiten el cálculo de los índices agroclimáticos utilizados para la evaluación de las tierras. No obstante, el software CDBm se desarrolló en MS-DOS, lo que hace que el manejo de datos sea tedioso, ya que los datos se deben ingresar uno por uno, además no es posible el cálculo de los índices de humedad mensual y la modificación de las ecuaciones de evapotranspiración de referencia (ET₀). Además, en CDBm no es posible identificar las tendencias de cambio mediante los elementos del clima y los índices agroclimáticos, lo que es de gran importancia a nivel local. CDBm no fue creado para evaluar el cambio climático, y por ello se desarrolló el software Moclic. En este contexto, el presente estudio tiene dos objetivos: a) describir la estructura de Moclic y b) describir la función de Moclic utilizando un estudio de caso de Yucatán, México.

Materiales y métodos

Diseño del software

El software Moclic fue diseñado utilizando la arquitectura .NET, con el lenguaje de programación Visual Basic 2005 y el .NET framework 2.0, ambos de Microsoft. La base de datos utiliza Microsoft SQLServer Express 2005. Moclic funciona con las siguientes plataformas: Microsoft Windows XP, Windows Vista, y Windows 7. Su implementación requiere de la instalación previa de dos componentes: sqlserver express 2005 y framework 2.0. El software funciona como una base de datos y como un procesador de información. Los datos de entrada son los datos de la estación meteorológica, incluyendo el nombre, el número de clave, la localidad y el estado, el promedio mensual, las temperaturas mínimas y máximas (°C), la precipitación mensual (mm) y las coordinadas geográficas (grados, minutos y segundos) de la estación. La captura de los datos se puede realizar por año o por periodos de varios años, sólo se tienen que copiar los datos (normalmente de hojas de cálculo de Excel) y se pegan en Moclic. El proceso de cálculo de los índices agroclimáticos está incluido en el software. Los índices agroclimáticos son:

a) El índice de humedad (Hui), mensual y anual, el cual se calcula mediante la siguiente ecuación:

Donde:

P = precipitación anual o mensual (mm)

ET₀ = evapotranspiración anual o mensual (mm).

El valor de HUi tiene seis categorías: hiperárido < 0.05; árido 0.05 < 0.2; semiárido 0.2 < 0.50; subhúmedo seco 0.50 < 0.65; subhúmedo húmedo 0.65 < 1; y húmedo > 1 (Lobo et al., 2004).

b) El índice de aridez (ARi), el cual se obtiene como una función del número de meses en un año, en el que ET₀ excede la precipitación.

c) La estación de crecimiento (ES), la cual se determina al estimar el número de meses en el año en el que la temperatura promedio sobrepasa los 5 °C (Comisión de las Comunidades Europeas [CCE], 1992). Este índice se utiliza comúnmente en regiones de clima frío.

d) La concentración de precipitación (PCi), la cual se obtiene mediante la fórmula de Oliver (1980), quien propuso este índice como una estimación de la agresividad de la precipitación, a partir de la variación, a lo largo de las precipitaciones mensuales expresadas como un porcentaje:

PC_i = 100*Σ(p²/P²)

Donde:

P = precipitación anual (mm)

d) El índice modificado de Fournier (MFi) se utiliza frecuentemente para evaluar la erosibidad del suelo (factor R), fue definido como un índice anual por Arnoldus (1980) y se obtiene de la siguiente manera:

MF_i = Σ(p²/P)

Donde:

p = precipitación mensual (mm)

P = precipitación anual (mm)

e) La lixiviación del suelo de Arkley (AKi) se utiliza para estimar los efectos del clima en el proceso de la lixiviación del suelo. Arkley (1963) definió AKi como un índice anual calculado mediante el valor más alto de la suma de las precipitaciones mensuales, menos el ET₀ de los meses en que la precipitación es mayor que la evapotranspiración, o mediante la cantidad de precipitaciones que ocurren durante el mes más húmedo.

Dos pruebas están incluidas en el software Moclic: la correlación simple y la prueba de Mann-Kendall (MK-T). El análisis de correlación se puede utilizar como un enfoque inicial para identificar los cambios lineales de los parámetros climáticos y los índices agroclimáticos. MK-T es una prueba estadística no paramétrica utilizada para identificar las tendencias no lineales en intervalos de tiempos iguales en un conjunto de datos y, en este caso, los elementos del clima y los índices agroclimáticos pueden tener una distribución anormal (Carlón & Mendoza, 2007).

El estudio de caso ejemplificando el uso del software Moclic

Resultados y discusión

Moclic es una herramienta informática para organizar, almacenar y manipular datos agroclimáticos para la evolución de tierras e identificar las tendencias locales del cambio climático. Moclic funciona como una base de datos climáticos mensuales, así como un sistema para procesar datos. Su función como base de datos permite organizar y manejar datos mensuales, en series de tiempo (anuales), de las estaciones climáticas organizadas por estado. Esto permite estandarizar los datos, con el fin de evitar que la información se duplique y se intercambien datos entre las distintas agencias internacionales relacionadas con el clima y la planeación del uso de la tierra. Moclic es fácil de usar para el análisis climático, ya que ofrece una interfaz gráfica con una serie de ventanas e iconos.

Como sistema de procesamiento de información, el software Moclic procesa los datos de entrada, tanto para calcular la evapotranspiración potencial y los índices agroclimáticos, como para identificar las tendencias de cambio climático local mediante los índices agroclimáticos y los elementos del clima. Para facilidad del cálculo de ET₀ se incluyeron las ecuaciones para calcular la radiación extraterrestre y las horas de luz solar considerando las coordenadas geográficas (Bautista et al., 2009). El software Moclic procesa los datos climáticos mediante las ecuaciones y los índices descritos a continuación.

Los datos de salida son la información de la estación, valores de ET₀ en mm·d^-1 y mm·mes^-1, utilizando el método de Thornthwaite (1948) (ET₀-TM) y el método de Hargreaves & Samani (1985) (ET₀-HM). ET_0, también se puede obtener mediante las ecuaciones tradicionales o las modificaciones locales formuladas por el procedimiento de Bautista et al. (2009). Es posible exportar algunos parámetros como año, número de mes, temperatura máxima, temperatura promedio, temperatura mínima, precipitación, radiación solar, y horas de luz solar. Otras variables de salida son los índices de húmedad (HUi), ARi, EC, PCi, MFi y AKi mensuales y anuales. El software Moclic calcula ET₀ en distintas escalas de tiempo: diariamente, promediados por mes, promediados mensual y anualmente para el número de años analizados. Al calcular los índices agroclimáticos se mostrarán de forma tabular para un periodo en la estación seleccionada, y el usuario puede elegir si los calcula utilizando el método de Hargreaves y Samani o el método de Thornthwaite, o ambos. Por otra parte, las gráficas se pueden generar con los elementos del clima y los índices. Las gráficas mensuales y anuales representan las gráficas para el periodo de años analizados de los siguientes datos mensuales: temperatura mínima, media y máxima (°C), precipitación (mm), ET₀-TM (mm·d^-1) y ET₀-HM (mm·d^-1). El software Moclic se puede mejorar en todos los aspectos, incluyendo los índices agroclimáticos, las técnicas de análisis de tendencias, y los datos de importación y exportación.

Este software tiene la ventaja de desplegar miles de datos en una sola gráfica e identificar errores de datos o de estacionalidad. Sin embargo, para el caso de estudio no se encontraron errores. El software se podrá descargar gratuitamente del sitio http://www.ciga.unam.mx

Las tendencias de la disminución de la temperatura, identificada en el caso de estudio, son aparentemente contrarias a lo que comúnmente se espera, generando una crítica negativa sobre los datos originales, el software, y los resultados; estos últimos son notables: el sitio se está enfriando. Los resultados preliminares junto con los datos de otras estaciones climáticas muestran que es posible encontrar lugares que se están calentando, enfriando o donde no hay ningún cambio aparente, lo que indica la necesidad de evaluar todas las estaciones meteorológicas en una región determinada para obtener mejores conclusiones a nivel local.

En los datos de la estación meteorológica de Abalá existe una clara tendencia de cambio en la temperatura promedio anual, una correlación parcial para la temperatura máxima anual y una correlación buena, en el caso de la temperatura mínima y promedio anual. Existe una tendencia de cambio continuo y decreciente, a lo largo del tiempo, en la temperatura anual mínima, media y máxima, en magnitudes de 2.5, 3.5, y 5.0 ˚C, respectivamente (Figura 1). La temperatura máxima mensual tiene valores r de -0.14 a -0.57; se obtuvieron correlaciones lineales parciales de enero a diciembre (Cuadro 1). La prueba MK-T indica que existe una tendencia de cambio hacia la reducción de los valores de la temperatura máxima en enero, febrero, abril, junio, julio, agosto, noviembre y diciembre.

La temperatura media mensual mostró valores r, a lo largo del tiempo, que van de -0.76 a -0.54, por lo que se puede observar que existe una tendencia de cambios lineales. La correlación se encontró en los meses de enero, abril, julio, septiembre, octubre y diciembre (Figura 2). Los valores de correlación parcial se obtuvieron en febrero, marzo, mayo, junio, agosto y noviembre. La MK-T indica que en cada mes existe una tendencia de cambio hacia la reducción de los valores de la temperatura máxima. Los valores de correlación lineal, a lo largo del tiempo, para la temperatura mínima mensual son bajos en mayo, junio y noviembre, mientras que para el resto de los meses la correlación fue parcial. Con la prueba MK-T se identificó una tendencia de cambio hacia una disminución de la temperatura en todos los meses, excepto en mayo. Ningún mes presentó tendencias de cambio en la precipitación mensual ni en la evapotranspiración potencial mensual.

Conclusiones

El software Moclic es una herramienta que permite, de manera rápida y sencilla, el almacenamiento de datos climáticos georeferenciados y el análisis de miles de ellos. Los datos climáticos se deben importar, revisar y analizar cuidadosamente basándose en un enfoque regional. Por otro lado, se sabe que la tendencia de cambio climático global va hacia el calentamiento, debido a las emisiones de gases de efecto invernadero; sin embargo, en escalas regionales y locales, otras causas pueden estar presentes. Por tanto, las tendencias pueden sser de tres tipos: tendencia al calentamiento, al enfriamiento y sin cambios aparentes. En el caso de estudio, en Abalá, Yucatán, México, las tendencias de cambio climático se encuentran en temperaturas máximas, medias y mínimas. Existe una tendencia hacia la disminución de la temperatura a lo largo de los años. El coeficiente de correlación lineal en la temperatura media es más alto en enero, abril, octubre y diciembre. Por otra parte, se encontró una tendencia de cambio hacia la disminución en la temperatura máxima y mínima para la mayoría de los meses del año, mediante la prueba estadística de MK-T. Sin embargo, es necesario tomar en cuenta que las tendencias de cambio en Abalá son sólo para un periodo de años estudiados, y que estas tendencias podrían ser parte de la variación cíclica en un intervalo mayor de tiempo.

Agradecimientos

Agradecemos a CONACYT por el apoyo para la realización de los proyectos YUC-2006-C05-66159 y 090315. Asimismo, agradecemos al Dr. Manuel Mendoza por el apoyo en el módulo para Kendall y a los dos árbitros anónimos por sus comentarios realizados a la versión anterior.

References

Arnoldus, H. M. J. (1980). An approximation of the rainfall factor in the universal soil loss equation. In M. de Boodt & D. Grabriels (Eds.), Assessment of erosion (pp. 127–132). Chichester, England: John Wiley & Sons, Inc.         [ Links ]

Arkley, R. (1963). Relationships between plant growth and transpiration. Hilgardia, 34, 559–584. Obtenido de http://www.jstor.org/stable/2473993        [ Links ]

Bautista, F., Bautista-Hernández, D., & Delgado-Carranza, C. (2009). Calibration of the equations of Hargreaves and Tornthwaite to estimate the potential evapotranspiration in semi-arid and subhumid tropical climates for regional applications. Atmósfera, 22, 331–348. Obtenido de http://www.revistas.unam.mx/index.php/atm/article/view/8635        [ Links ]

Carlón, T., & Mendoza, M. (2007). Análisis hidrometeorológico de las estaciones de la cuenca del Lago de Cuitzeo. Investigaciones Geográficas, 63, 56–76. Obtenido de http://www.revistas.unam.mx/index.php/rig/article/view/29910        [ Links ]

Carter, T. R. (2007). General guidelines on the use of scenario data for climate impact and adaptation assessment. Helsinki, Finland: Intergovernmental Panel on Climate Change, Task Group on Data and Scenario Support for Impact and Climate Assessment (IPCC-TGICA). Obtenido de http://www.ipcc-data.org/guidelines/TGICA_guidance_sdciaa_v2_final.pdf        [ Links ]

Commission of the European Communities (CEC). (1992). CORINE soil erosion risks and important land resources-in the southern regions of the European Community. Obtenido de http://www.eea.europa.eu/publications/COR0-soil.         [ Links ]

Conde, C., Estrada, F., Martínez, B., Sánchez O., & Gay, C. (2011). Regional climate change scenarios for México. Atmósfera, 24, 125–140. Obtenido de http://www.revistas.unam.mx/index.php/atm/article/view/23806        [ Links ]

De la Rosa, D., Barros, J., Mayol, F., & Moreno, J. (1996). CDMm Base de datos climáticos mensuales. Sevilla, España: Consejo Superior de Investigaciones Científicas, Instituto de Recursos Naturales y Agrobiología. Obtenido de http://www.MicroLEIS.ExplorandolosLímitesAgro-ecológicosdelaSostenibilidad        [ Links ]

García-Herrera, G., Esquivel, G., Zárate, J. L., Trejo, R., Sánchez, I., & Esquivel, O. (2009). Escenarios a futuro de temperatura y precipitación pluvial bajo el efecto de un cambio climático en la región agrícola de los llanos, Durango, México. Revista Chapingo Serie Zonas Áridas, 9, 107–120. Obtenido de http://www.chapingo.mx/revistas/zonas_aridas/contenido.php?anio=2010&vol=IX&num=2&id_rev=8        [ Links ]

Gay, C., & Estrada, F. (2010). Objective probabilities about future climate are a matter of opinion. Climate Change, 99, 27–46. doi: 10.1007/s10584-009-9681-4        [ Links ]

Gómez, J. D., Monterroso, A., Tinoco, J. A., Toledo, M. L., Conde, C., & Gay, C. (2011). Assessing current and potential patterns of 16 forest species driven by climate change scenarios in México. Atmósfera, 24, 31–52. Obtenido de http://www.revistas.unam.mx/index.php/atm/article/view/23801        [ Links ]

Hargreaves, G. H., & Samani, Z. A. (1985). Reference crop evapotranspiration from temperature.  Applied Engineering in Agriculture, 1, 96–99. Obtenido de https://elibrary.asabe.org/abstract.asp?aid=2673&t=72&redir=&redirType=        [ Links ]

Lobo, D., Gabriels, D., Ovalles, F., Santibañez, F., Moyano, M. C., Aguilera, R.,...Urra, N. (2004). Guía metodológica para la elaboración del mapa de zonas áridas, semiáridas y subhúmedas secas de América Latina y el Caribe. Caracas, Venezuela: CAZALAC- PHI/UNESCO.         [ Links ]

Monterroso, A. I., Gómez, J. D., Toledo, M. L., Tinoco, J. A., Conde, C., & Gay, C. (2011). Simulated dynamics of net primary productivity (NPP) for outdoor livestock feeding coefficients driven by climate change scenarios in México. Atmósfera, 24, 69–88. Obtenido de http://www.revistas.unam.mx/index.php/atm/article/view/23803        [ Links ]

Oliver, J. E. (1980). Monthly precipitation distribution: A comparative index. Professional Geographer, 32, 300–309. doi: 10.1111/j.0033-0124.1980.00300.x        [ Links ]

Shahbazi, F., Jafarzadeh, A., Sarmadian, F., Neyshaboury, M., Oustan, S., Anaya-Romero, M., Lojo, M., & De la Rosa, D. (2009). Climate change impact on land capability using MicroLEIS DSS. International Agrophysics, 23(3), 277–286. Obtenido de http://www.old.international-agrophysics.org/artykuly/international_agrophysics/IntAgr_2009_23_3_277.pdf        [ Links ]

Thornthwaite, C. W. (1948). An approach toward a rational classification of climate. Geographical Review, 38(1), 55–94. Obtenido de http://www.unc.edu/courses/2007fall/geog/801/001/www/ET/Thornthwaite48-GeogrRev.pdf        [ Links ]

Villers, L., Arizpe, N., Orellana, R., Conde, C., & Hernández, J. (2009). Impactos del cambio climático en la floración y desarrollo del fruto del café en Veracruz, México. Interciencia, 34, 322–329. http://www.scielo.org.ve/scielo.php?script=sci_arttext&pid=S0378-18442009000500006        [ Links ]

Walker, N. J., & Schulze, R. E. (2008). Climate change impacts on agro-ecosystem sustainability across three climate regions in the maize belt of South Africa. Agriculture, Ecosystems & Environment, 124, 114–124. doi: 10.1016/j.agee.2007.09.001        [ Links ]

Wigley, T. M. L. (2008). MAGICC/SCENGEN 5.3: User manual (version 2). Obtenido de http://www.cgd.ucar.edu/cas/wigley/magicc/UserMan5.3.v2.pdf        [ Links ] ]]> 1980 127-132 1963 34 559-584 2009 22 331-348 2007 63 56-76 2007 Commission of the European Communities 1992 2011 24 125-140 1996 2009 9 107-120 2010 99 27-46 2011 24 31-52 1985 1 96-99 2004 2011 24 69-88 1980 32 300-309 2009 23 3 3 277-286 1948 38 1 1 55-94 2009 34 322-329 2008 124 114-124 2008