Introducción
La disponibilidad de información meteorológica confiable y representativa de una zona contribuye a una buena planificación en urbanismo, ingeniería o en ordenación del territorio, también es utilizada para análisis del tiempo, pronóstico, advertencias de clima extremo, en operaciones locales que dependen del clima (operaciones en aeropuerto o vuelo, trabajos de construcción sobre tierra y mar). En la agricultura es importante para: la estimación de evapotranspiración de referencia, para estimar el consumo hídrico. Las variables o elementos climatológicos en una estación meteorológica esenciales a medir son: temperatura, humedad del aire, viento, radiación solar, precipitación y evaporación, resulta necesario determinar el valor de la información recogida en relación con su utilidad y finalidad de la misma y los instrumentos de medida deben estar homologados, ser robustos y estar bien calibrados (Romo y Arteaga, 1989; WMO, 1993; Elías y Castellví, 2001; Texeira et al., 2003; WMO, 2008; Funari et al., 2010).
Los servicios meteorológicos han utilizado tradicionalmente estaciones convencionales (EC) pero en los últimos años el uso de las estaciones automáticas (EA) ha venido en aumento. Las estaciones automáticas contribuyen a mejorar la normalización de la información meteorológica, ya que con ellas se eliminan algunos problemas del sistema tradicional tales como la subjetividad del observador y los errores de digitación (Ureña-Elizondo, 2011; SE, 2013). En México el Servicio Meteorológico Nacional (SMN), reporta que en el periodo de 1990 a 2004 tenía 94 estaciones automáticas y de 2005 a 2010 se amplió la red de estaciones automáticas a 133 y además se instalaron 30 estaciones sinópticas automáticas (CONAGUA, 2010).
Sin embargo, la WMO (1993) establece que se debe tener una operación paralela entre estaciones convencionales y automáticas e indica que un año de medidas simultaneas no es suficiente y recomienda que operen por lo menos dos años según la región climática, por su parte la WMO (2008) puntualiza que cuando una EA va a reemplazar a una EC que estuvo operando durante un periodo prolongado, debe existir suficiente traslape entre las observaciones de ambas estaciones dependiendo de la variable que se trate, se recomiendan 12 meses para la velocidad y dirección del viento, 24 para temperatura, humedad, insolación y evaporación, y 60 para precipitación o como regla general medir en forma paralela por lo menos dos periodos estacionales (24 meses).
La estación meteorológica ubicada en el área de Meteorología Agrícola del Departamento de Irrigación de la Universidad Autónoma Chapingo (UACH), registra datos en su estación convencional desde el año 1924 al presente e inicio de manera automática en el año 2003. Sin embargo, resulta necesario comparar la información de una estación convencional y una automática, tal como lo menciona la World Meteorological Organization (WMO, 2008), además es importante minimizar el efecto del cambio de algún instrumento en la medición antes de sustituir las observaciones que se obtienen con el instrumento nuevo.
De acuerdo a lo anterior, el objetivo del presente trabajo fue comparar los datos diarios de: temperatura máxima, temperatura mínima, humedad relativa máxima y humedad relativa mínima, medidos de forma convencional contra sus simultáneos medidos de manera automática, por medio de un análisis gráfico y de diferentes indicadores estadísticos, para las estaciones meteorológicas automática (EA) y convencional (EC), ubicadas en la sección de Meteorología Agrícola del Departamento de Irrigación de la Universidad Autónoma Chapingo (UACH).
Materiales y métodos
La obtención de la información que se utilizó en el presente trabajo fue en dos etapas en la primera, se obtuvieron datos diarios de la estación meteorológica convencional de humedad relativa máxima, humedad relativa mínima, temperatura máxima y temperatura mínima (finales de enero 2004 a junio de 2013), en la segunda, se obtuvieron los mismos datos con la estación automática, ya que esta registra sus datos por periodos de treinta minutos de cada día del año, se calcularon los datos por día, para todo el año y para el periodo indicado.
El pre procesamiento de los datos de manera diaria se llevó a cabo con Excel de Microsoft Office®, y las gráficas presentadas se generaron a partir del Matlab®. Las coordenadas de la estación son: latitud 19° 29’ 05” norte, altitud 2 250 msnm y longitud 98° 53’ 11”. Las especificaciones técnicas de los diferentes instrumentos para la medición de las diferentes variables, así como su elemento sensor se muestra en el Cuadro 1 de las estaciones meteorológicas automática y convencional.
Estadísticos utilizados para evaluar la comparación de EA versus EC
Para comparar los datos meteorológicos de la estación automática contra sus simultáneos de la convencional se utilizaron como indicadores estadísticos: el coeficiente de inconsistencia (CI), el coeficiente de consistencia (CC), el índice de concordancia o Willmott (d), la raíz cuadrada del cuadrado medio del error (RCCME) y normalizada (RCCMEN), el coeficiente de determinación (R2), el error sistemático (Es) y el error aleatorio (Ea), adicionalmente se realizó un análisis por regresión lineal simple con ordenada al origen, y se graficaron las diferencias de EA menos EC para cada una de las variables de estudio. A continuación se describen estos estadísticos:
Coeficiente de inconsistencia y consistencia.
Donde: CI= coeficiente de inconsistencia, adimensional; V= representa el operador estadístico-matemático de la varianza; X es el valor de la variable a partir de la medición automática y X * el valor de la variable a partir de la medición convencional (Gattinoni et al., 2011) y CC = 1- CI donde CC es el coeficiente de consistencia, adimensional.
Colotti et al. (2003) indican que si no existe correlación lineal entre los dos conjuntos de mediciones C(X, X*)= 0 y se tendrá que:
Además demuestran que si r= 0, no existe correlación lineal alguna entre los conjuntos muéstrales y, por tanto, las mediciones son relativamente independientes. Es decir, existe una total incompatibilidad o inconsistencia entre los registros de una estación convencional y los de una automática. Por otro lado si la correlación lineal, r, fuese igual a 1, implica que X= X* y por ende, V(X-X*)= 0, esto significa que el coeficiente de inconsistencia, según la ecuación anterior es cero. En síntesis el coeficiente de inconsistencia variara del siguiente modo según Colotti et al. (2003):
Si r(X, X*)= 1 ⇒ C1= 0 ⇒ muestras linealmente dependientes.
Si r(X, X*)= 0 ⇒ C1= 1 ⇒ muestras totalmente independientes.
Índice de Willmott o de concordancia.
Donde: d= índice de concordancia o Willmott (Willmott et al., 1985); Pi= datos recolectados de la EC; Oi= datos recolectados de la EA; ō= promedio de los datos de la EA; n= número total de datos.
Raíz cuadrada del cuadrado medio del error y normalizada.
Donde: RCCME= es la raíz cuadrada del cuadrado medio del error; RCCMEN= es la raíz cuadrada del cuadrado medio del error normalizado (Pereira et al., 2008; Oliveira et al., 2010).
Coeficiente de correlación y determinación. El coeficiente de correlación, R, está dado por.
Donde; P= promedio de los datos recolectados de la EC y el coeficiente de determinación por R2, si el valor medido en la EA es igual al de la EC, entonces, RCCME= 0 y R2= d= 1 (Pereira et al., 2008).
Error sistemático (Es) (Oliveira et al., 2010).
Error aleatorio (Ea)
Donde: Pi= a+bOi , a y b son los coeficientes linear y angular de la regresión; Pi= valor predicho (EC); Oi = valor observado (EA); n= número total de datos.
Regresión lineal simple. Se realizó el análisis de regresión lineal, con ordenada al origen, entre los datos de la estación convencional versus la automática: y= bx, donde b es el parámetro del modelo de regresión, y y x son las variables dependiente e independiente o regresiva, respectivamente, que se traduce en exactitud máxima cuando b= 1, y R2= 1 (Strassburger et al., 2011).
Resultados y discusión
En la comparación gráfica entre los datos de la EC con los de la EA para todo el periodo y para cada una de las variables, se observa la temperatura máxima donde los valores de ambas estaciones son muy semejantes en todo el periodo, pero los de la EA son menores (Figura 1a), y se observa que para la temperatura mínima en la mayoría de los días los valores difieren poco pero los datos de la EA son mayores (Figura 1b). Para la humedad relativa máxima (Figura 1c) se observa que los datos de la estación convencional alcanzan valores cercanos a 100% y los valores de la EA son menores que estos; es decir, los valores de la EA no presentan valores de 100% y siempre están por debajo de la EC alrededor de 13%.
En la Figura 1d) los datos de la humedad relativa mínima de la EA son mayores 10% que los de la EC. Lo anterior, presupone que el sensor de la EA podría presentar algún fallo, ya que según Allen et al. (1998), generalmente antes de que salga el sol, la temperatura del punto de rocío es semejante a la temperatura mínima, por lo tanto la humedad relativa alcanza valores a 100% o cercanos a este valor.
La Figura 2 muestra las diferencias de los datos de cada una de las variables medidas por ambas estaciones. En la Figura 2a) se observan las diferencias de los datos de temperaturas máximas de la EA-EC y la mayoría están en el rango de 0 a -2, esto indica que los datos de la EC son más grandes que los de la EA, lo cual coincide con los resultados reportados por Pereira et al. (2008); Oliveira et al. (2010).
En la Figura 2b) se presentan las diferencias de los datos de temperaturas mínimas de la EA-EC y la mayoría están en el rango de 2 a 0. En este caso los datos de la EA son mayores, lo que difiere por lo encontrado por Pereira et al. (2008), para esta variable.
Al comparar las diferencias de la temperatura máxima (Figura 2a) con la temperatura mínima (Figura 2b), estas últimas tienen un rango más amplio de dispersión para todo el periodo, el rango del espectro de las diferencias de la temperatura máxima se reduciría si se eliminara el valor extremo que se presenta.
Las diferencias de los datos de humedad relativa máxima de la EA-EC se incluyen en la Figura 2c) donde la mayoría están en el rango de 0 a -20. Finalmente la mayoría de las diferencias de los datos de humedad relativa mínima (Figura 2d) varían en un rango de 20 a 0. Al comparar las diferencias de la humedad relativa máxima con las de la humedad relativa mínima, estas últimas tiene una menor dispersión y diferencias menos amplias que las de la variable humedad relativa máxima.
De acuerdo a los estadísticos que se presentan en el Cuadro 2, que corresponden para todo el periodo (2004-2013), la variable medida simultáneamente por la EC y EA que difieren ampliamente en sus mediciones es la humedad relativa máxima. Resultados similares encontraron Oliveira et al. (2010) para los estadísticos: d, RCCME, Es y Ea para la humedad relativa media medida simultáneamente por EC y EA, para el periodo de julio de 1997 a junio de 2002 en Jaboticabal-SP en Brasil y esta diferencia la atribuyen a que son diferentes los dispositivos de medición que utiliza cada estación. También estos autores, para la temperatura máxima y temperatura mínima, encontraron valores de mejor ajuste para los estadísticos: d, RCCME, Es y Ea, que son semejantes a los que se presentan en el Cuadro 2 para las mismas variables.
R2= Coeficiente de determinación; d= índice de Willmott; CI= coeficiente de inconsistencia; CC = coeficiente de consistencia; RCCMEN= raíz cuadrada del cuadrado medio del error normalizado; RCCME= raíz cuadrada del cuadrado medio del error; Es= error sistemático; Ea= error aleatorio.
En el Cuadro 2, se percibió que la variable que obtuvo el mejor ajuste según los estadísticos utilizados para todo el periodo fue la temperatura máxima, le sigue la temperatura mínima, luego la humedad relativa mínima y por último la humedad relativa máxima. Almeida y Hermenegidio (2013) realizaron una comparación de las variables temperatura del aire, humedad relativa y precipitación del periodo 01 de enero de 2006 al 31 de diciembre de 2008, las observaciones se compararon en forma de unidades de tiempo coordinado (UTC) de 12, 18 y 24 (horas), los coeficientes de determinación (R2) que encontraron para la temperatura del aire a las: 12, 18 y 24 fueron: 0.87, 0.95 y 0.76, y para humedad relativa de: 0.85, 0.93 y 0.81, respectivamente y también realizaron un modelo de regresión lineal de la humedad relativa media entre la EC con la EA con un R2 de 0.834, y para temperatura mínima y máxima la R2 fue de 0.932 y de 0.989, respectivamente, el ajuste para estas dos últimas variables fue mejor que para la humedad relativa media, resultados similares a los encontrados en este trabajo.
Pereira et al. (2008) y Oliveira et al. (2010) encontraron valores de RCCMEN para Tmax de 1.47 y de 3.84 respectivamente mientras que en el presente estudio fue de 5.81, que denota una diferencia mínima entre los resultados encontrados. Estos autores utilizaron la variable humedad relativa media y obtuvieron valores de RCCMEN de 13.19 y 8.66, respectivamente, mientras que en el presente estudio para la humedad relativa máxima fue de 17.78 y para la humedad relativa mínima 18.42, estos resultados son mayores porque se utilizaron valores extremos a diferencia de aquellos estudios en los que se usaron promedios de la variable en cuestión.
Los valores del error sistemático (Es) y aleatorio (Ea), para la temperatura máxima que se obtuvieron por Pereira et al. (2008), Oliveira et al. (2010) y en el presente estudio fueron de: 0.167 y 0.01; 0.94 y 0.3; 1.92 y 0.22, respectivamente. En relación a dichos errores (Es y Ea), para temperatura mínima, Pereira et al. (2008) y Oliveira et al. (2010) obtuvieron valores de: 0.083 y 0.001; 0.91 y 1.63 respectivamente mientras que en el presente estudio fue de: 1.42 y 1.2. Oliveira et al. (2010), para la humedad relativa media encontraron valores de Es y Ea de 30.61 y 11.8, respectivamente, en este trabajo se elevaron los valores de error de Es y Ea, ya que se utilizó la humedad relativa máxima y la mínima, que son valores extremos, es importante aclarar que una media oculta estos valores.
La diferencia entre los valores de HRmax de la EA con la EC para este tipo de estudio pudo deberse a la lenta respuesta del sensor debido al fenómeno de histéresis, en el rango de 90% a 100%, tal como lo señalan Estévez et al. (2011). El sensor de la EA invariablemente está por abajo para el mismo valor de la EC y rara vez la EA registra valores de 100%.
Otra posible causa es como cita Almeida y Hermenegidio (2013) citando por Almeida et al. (2008), en una estación meteorológica automática, en la cual, no existe el psicrómetro, la humedad relativa es obtenida a través de un algoritmo, o tiene solo un termistor sin el termómetro de bulbo húmedo, por lo tanto, la presión actual de vapor (ea) para el bulbo húmedo se estima por un polinomio, y cómo es directamente proporcional a la humedad relativa, si existe una sub o sobreestimación de la presión actual de vapor, esto incide ya sea, en el aumento o disminución en la humedad relativa, por lo que esta puede ser la principal causa de la diferencia. Una recomendación por Allen (1996) al respecto, es duplicar los sensores de humedad relativa empleados en estaciones climáticas con dispositivos electrónicos, esta práctica es costosa pero puede ahorrar consumos en el tiempo de resolución de problemas y la preocupación relativa a la integridad de los datos.
Para definir la variación de los coeficientes de inconsistencia (CI) y consistencia (CC) estos, se determinaron por año y se presentan en la Cuadro 3. Se confirma lo determinado para todo el periodo, que en la variable temperatura máxima medida simultáneamente por las EC y EA, sus datos son más semejantes, ya que sus coeficientes de inconsistencia son los más cercanos a cero para los diferentes años, le sigue la temperatura mínima. Para la temperatura máxima el CI más cercano a cero (CI= 0.00767) se reportó para el año 2010, y para la temperatura mínima en 2005 (CI= 0.01041), consecuentemente con sus mejores ajustes de los coeficientes de consistencia (CC= 0.99233 y CC= 0.98959, respectivamente). Además se ratifica que los datos medidos en ambas estaciones (EC y EA) para la variable humedad relativa máxima son los que más difieren y en 2013 se reportó el valor más cercano a cero del coeficiente de inconsistencia (CI= 0.08109, CC= 0.91891).
Para la variable humedad relativa mínima su CI más cercano a cero es en 2013 (CI = 0.04314, CC= 0.95686). Los valores alejados de cero indican que los datos de la variable medida por ambas estaciones son muy diferentes y corresponden a los CI obtenidos para diferentes años de la humedad relativa máxima, al analizar los datos diarios de la humedad relativa máxima (Figura c), resulta lógico puesto que invariablemente el sensor de la EA de esta variable estuvo marcando un dato alejado de su simultáneo tomado de manera convencional, el CI más cercano a la unidad o donde los datos son muy diferentes, se reportó para 2009 para HRmax (CI= 0.55329, CC= 0.44671).
Con la información en el Cuadro 3, se confirma la regla general que propone la WMO (2008), que es medir de forma paralela por lo menos dos periodos estacionales (24 meses) las diferentes variables que miden ambas estaciones, pero al terminar los dos años de mediciones es importante realizar un ejercicio como éste, para definir qué tan semejantes son las mediciones de una variable medida por ambas estaciones. Como el caso de las temperaturas máximas y mínimas se puede tomar la decisión de suspender las mediciones de la EC, no así para la humedad relativa máxima y mínima.
Como refiere Pereira et al. (2008), las fallas en el funcionamientos de los equipos que funcionan de manera automática ocasiona pérdidas en la colecta de los datos, habiendo la necesidad de utilizar los datos provenientes de las estaciones convencionales, por otro lado las tendencias en la actualidad es que las nuevas tecnologías van sustituyendo los procesos convencionales, y está en función de las dificultades de la manutención de personal por las instituciones que operan estas redes de estaciones. No obstante, una sustitución de las estaciones convencionales por las automáticas exige cuidado especialmente en la homogenización en la serie da datos (Sentelhas et al., 1997; Pereira et al., 2008).
Por último, se realizó un análisis de regresión con ordenada al origen, para las diferentes variables (Figuras 3a, 3b, 3c) y 3d), se observó que, para la humedad relativa máxima y para la humedad relativa mínima se obtuvieron R2 de 0.4174 y de 0.8069 respectivamente, lo que coincide con lo encontrado por Scarpare et al. (2010), que encontraron una R2= 0.469 para la humedad relativa media (d= 0.789) y el mejor ajuste lo hallaron para la temperatura media (R2= 0.993 y d= 0.968), esto para un periodo de datos de 9 años y 9 meses en Piracicaba/SP en Brasil, comentan que existen diferencias significativas en las mediciones de sus estaciones (EC y EA), probablemente debido a las diferencias de sensibilidad de los sensores y a la diferencia de la muestra de datos utilizada para el cálculo de las medias de la EC y la EA, y también indican que otros factores son: a) los diferentes tipos de sensores utilizados tanto de la EA como en la EC; b) la adecuada calibración del sensor; c) localización de la estación; y d) el periodo del análisis de los datos medidos.
No obstante, Cunha y Martins (2004), encontraron R2= 0.9537 para la humedad relativa media, a diferencia de lo encontrado en este trabajo, además encontraron una sobreestimación de la EA en relación con la EC, lo cual no coincide para la HRmax en este trabajo, pero si para la HRmin y para la temperatura media encontraron subestimación de los datos de EA en relación con EC, lo que coincide en este trabajo para la Tmax, pero no para la Tmin.
Los coeficientes de determinación (R2), para la temperatura máxima y mínima (R2= 0.9385 y R2= 0.9175, respectivamente), muestran una alta precisión y exactitud, esto coincide con lo que encontraron Strassburger et al. (2011), para las mismas variables para el periodo 22 de diciembre de 2005 al 21 de diciembre de 2006, con R2 de hasta 0.99, y como indican, dados los altos valores de R2 de las medidas entre los instrumentos automáticos y convencionales para esas variables se pueden utilizar tanto los datos provenientes de la estación meteorológica convencional como de la automática, de igual forma esto coincide con Pereira et al. (2008), quienes encontraron R2 altas de las medidas entre sensores automáticos y convencionales con R2= 0.9925 para temperatura máxima y R2= 0.995 para temperatura mínima.
Conclusiones
La temperatura máxima medida, fue la variable donde los datos son más semejantes entre ambas estaciones, EC y EA, para todo el periodo 2004-2013, seguida de la variable temperatura mínima. Dado que los datos de humedad relativa máxima, seguidos por la humedad relativa mínima tomados de manera convencional presentan diferencias significativas con sus homólogos tomados automáticamente, se recomienda no dejar de lado la toma de datos ni convencional ni automática, hasta que estos sean homologados correctamente, ya sea por la calibración u otro medio.