Climatol Cuantificacion Homogenizacion Series Mensuales Precipitacion Canarias

CI3C_20111202

Cualificación y homogenización de las series climáticas mensuales de precipitación de Canarias. Estimación de Tendencias de la Precipitación. Memoria Explicativa de Resultados.

Fecha elaboración del documento: 02/12/2011 Escrito por: Angel Luis De Luque Söllheim Revisado por: Jose Luis Martín Esquivel

Índice

Página

1. Objetivos y tareas………………………………………………………………………………………………4 1.1. Propuesta inicial ……………………………………………………………………………………………. ……………………………………………………………………………………………. 4 1.2. Cambios realizados a la propuesta inicial ………………………………………………………………...5 1.3. Informe y tareas realizadas… realizadas ………………………………………………………………………………….6

2. Introducción………………………………..…………………………………..……………………………….7 3. Metodología………………………………..…………………………………..………………………………..9 3.1. Eliminación/Corrección de outliers mediante métodos 3IQR y σ3 en series mensuales de  precipitación…………………..…………………………………..……………………………………….  precipitación…………………..…………………………………..………………………………………. 10

3.2. Rellenado gaps (huecos) y outlier extremos o sospechosos por correlación en series mensuales de máximos y mínimos… mínimos……………………..…………………………………..…………………………….11 3.3. Homogenización de series mensuales de precipitación mediante el paquete estadístico de homogenización homogenización relativa “Climatol”, fundamentos de su funcionamie f uncionamiento…………………… nto…………………………… ……… 14 3.3.1. Introducción al Climatol …………………..………………………………………………………... …………………..………………………………………………………... 15 3.3.2. Fundamentos del funcionamiento del paquete climatol ………………………………………... climatol ………………………………………... 17 3.3.3. Aplicación práctica del paquete climatol .......................................…………………………….. 19 3.4. Análisis de tendencia…………………………………………………………………..………………….. tendencia…………………………………………………………………..………………….. 48 3.5. Identificación de zonas climáticas y selección de series analizadas …………………………………..49

Pág. 2 de 89

3.5.1. Identificación de zonas climáticas……………………………………………………………….. climáticas……………………………………………………………….. 49 3.5.2. Selección de series analizadas por zonas y generación de series de referencia ……………53

4. Resultados……………………………………………………………………..……………………………… 58 4.1. Resultados en la corrección de outliers y rellenado de gaps …………….…………………………….. 58 4.2. Resultados en la homogenización de las series de precipitación ………………………………………60 4.3 Análisis de tendencias de la precipitación …………………………………………………………………. 63 4.3.1. Análisis precipitación Gran Canaria…………………………………..…………………………. Canaria …………………………………..…………………………. 63 4.3.2. Análisis precipitación Tenerife………………………………………..………………………….. Tenerife ………………………………………..………………………….. 67 4.3.3. Análisis precipitación La Palma……………………………………..…………………………… Palma ……………………………………..…………………………… 70

5. Resumen y conclusiones…………………………………………………..……………………………… 72 7. Referencias………………………………….…………………………………..…………………………… 74

Anexo I

Recuento total de gaps, outlier extremos y sospechosos, resultado de aplicar programa

“gapsppt.pgm”…………………………………………………….. ……………………………………………. 76

Anexo II Lista de estaciones utilizadas y tablas indicadoras de las modificaciones realizadas en los datos………………………………………………………………..……………………………………………… 78 Anexo III Ficheros resumen de procesos tras la homogenización con Climatol …………………………91 Anexo IV Gráficas de anomalías anuales de precipitación para todas las zonas en las tres islas …..107

Pág. 3 de 89

1. Objetivos y tareas 1.1. Propuesta inicial.

La realización de un "Análisis de tendencias de temperaturas máximas y mínimas y de precipitación para Canarias ”  se engloba dentro de la Actuación 3: “Elaboración de un estudio sobre Escenarios Climáticos (comarcas climáticas  – datos)”  del proyecto “Colaboración para

detectar las causas y consecuencias del cambio climático en la región euroafricana  – Proyecto CLIMAIMPACTO”, con código  MAC/3/C159 del  Programa de Cooperación

Transnacional MAC 2007-2013. La actuación 3: “Elaboración de un estudio sobre Escenarios Climáticos" pretende ser un instrumento auxiliar para la elaboración de modelos de impacto. Con él se espera obtener una delimitación de comarcas climáticas que permita la posterior evaluación de vulnerabilidad por el cambio climático. La tarea fundamental a realizar es una “Cualificación y homogenización de las series climáticas mensuales de precipitación de Canarias (todas las islas)”   a partir de las

siguientes tareas específicas: 1. Desarrollar una metodología de cualificación y homogenización ajustada a las características de la precipitación mensual. 2. Aplicar metodología a las series climáticas mensuales de precipitación de Canarias (todas las islas). 3. Escribir informe con los resultados obtenidos donde se detalle la metodología empleada así como los resultados obtenidos.

Documentos a entregar Se deberán realizar dos entregas: -

1ª Entrega: antes del 15 de octubre de 2011 Se deberá entregar una “Memoria Metodológica”, donde se exponga la metodología empleada.

Pág. 4 de 89

-

2ª Entrega: antes del 15 de diciembre de 2011 Se deberá hacer entrega de los “Resultados”, mediante una “Memoria Explicativa de los Resultados” en formato .doc, y la entrega de los “Ficheros” en formato .xls (un fichero por cada

estación). 1.2. Cambios realizados a la propuesta inicial.

La Agencia Canaria de desarrollo Sostenible y Cambio Climático , en adelante, “Agencia” representada por Jose Luis Martín Esquivel muestra un mayor interés por un análisis de mayor profundidad de las series de precipitación por islas. No solo se trata de realizar solo la parte técnica que consiste en: I.

Detectar y corregir o rellenar outliers y gaps.

II.

Homogenizar de forma relativa las series de precipitación.

III.

Generar ficheros de Excel con la serie original, serie tras proceso I., serie tras proceso II. y gráficas.

Sino también un análisis de las series de precipitación anual obtenida por islas y por zonas dentro de estas islas. Esto permite generar un informe más completo y preciso sobre el comportamiento de la precipitación que facilita su posterior difusión con la publicación de uno o varios artículos de investigación en revistas internacionales con índice de impacto. Por otro lado es preciso focalizar el trabajo en tres islas principales que son Tenerife, Gran Canaria y La Palma ya que se consideran suficientemente representativas con respecto al comportamiento general de la precipitación de los últimos 60  – 80 años. Cambios realizados en el contrato: I.

En el informe deberá contener un apartado específico de resultados basado en el análisis de las series anuales de precipitación por islas y por zonas dentro de estas islas.

II.

El análisis se realizará para tres islas: Tenerife, Gran Canaria y La Palma.

III.

Las series de cada estación de precipitación originales, corregidos y homogenizados se entregarán en formato Excel (no es necesario entregarlas en pdf).

IV.

Por motivos presupuestarios el trabajo deberá ser entregado antes del día 10 de diciembre.

Pág. 5 de 89

1.3. Informe y tareas realizadas. Este informe titulado “Cualificación y homogenización de las series climáticas mensuales de  precipitación de Canarias. Estimación de Tendencias de la Precipitación. Memoria Explicativa de Resultados” , es el segundo de los dos informes solicitados y se corresponde con la “Memoria

explicativa de resultados ”. Se pretende no solo explicar en detalle los procesos seguidos para mejorar la calidad de los datos de precipitación como el tratamiento de outliers y rellenado de gaps, así como la aplicación de la homogenización relativa utilizando la herramienta “Climatol” , sino también de mostrar las tendencias de precipitación para las tres islas más pobladas. Estas son: Tenerife, Gran Canaria y La Palma, que además tienen un relieve complejo y presentan también las mayores alturas del archipiélago. El factor relieve afecta a la cantidad y distribución geográfica de la precipitación por tanto en cada una de estas islas se han definido zonas climáticas basadas en el comportamiento y cantidad de precipitación. Este informe pretende también ser una guía detallada de todos y cada uno de los procedimientos realizados con los datos y facilitar, así, la tarea en caso de tener que reproducir la metodología para otras islas. Es importante resaltar que los procedimientos seguidos en este trabajo para procesar los datos son los comúnmente sugeridos por la comunidad científica especializada en este campo, por tanto, se evitará en lo posible las discusiones metodológicas. La parte de homogenización relativa utilizando el paquete estadístico “Climatol” se ha realizado contando c on

la colaboración estrecha del propio desarrollador del paquete, el Dr. José A. Guijarro, meteorólogo de la Delegación Territorial en Illes Balears, Agencia Estatal de Meteorología. Se aportan datos, resultados y salidas de programas al final del informe en forma de anexos.

Pág. 6 de 89

2. Introducción El Archipielago Canario se encuentra situado entre los 27-29º de latitud Norte y los 013-19 de Longitud Este, con una distancia entre los puntos más lejanos (Islote de Alegranza a Faro de Orchilla en El Hierro) de 500 Km. La distancia a Africa es de 100 Km en el punto más cercano a 400 Km en el más lejano. El clima de las islas está totalmente condicionado por el clima del Atlántico Central siendo islas oceánicas, como el resto de las que conforman la Macaronesia (Azores, Madeira y Cabo Verde) caracterizadas desde el punto de vista orográfico por una plataforma continental prácticamente inexistente y una influencia permanente del oceáno sobre el clima insular que amortigua en gran manera los gradientes de temperatura, dando muy poca amplitud a las variaciones día/noche y verano/invierno. Tenemos que considerar cinco factores principales en la descripción del clima de las islas: 1.- La fuerte influencia de los vientos alisios del NE que sopla más de 250 días al año con intensidad que oscila entre los 16 y 30 km/hora y que al ser un viento de superficie viene saturado de humedad. Con cierta frecuencia es origen de precipitaciones débiles en vertientes norte y este de las islas de mayor relieve y motivo de cierta regularidad pluviométrica en estas vertientes. Las islas más bajas y orientales como Lanzarote y Fuerteventura suelen quedar fuera de este proceso. 2.- La corriente fría de Canarias que es el brazo Este del giro del Atlántico Norte y que va hacía el SW. El agua en, esta corriente superficial, que es la influye sobre el clima canario alcanza unas temperaturas relativamente frías para estas latitudes (mínimas de 17-18ºC en el mes de Marzo y máxima de 23-24ºC a finales del mes de Octubre). 3.- Influencia del continente africano con reducción de la humedad del aire, subidas repentinas de temperatura y llegada de polvo en suspensión. Afectando en mayor medida a las islas orientales. 4.- La orografía de las islas que las podemos dividir en tres grupos principales: Islas Bajas (Lanzarote, Fuerteventura y los islotes) que alcanzan altura inferiores a los 700 metros: islas medias (La gomera, El Hierro y Gran Canaria) con altura que no sobrepasan los 1900 m e Islas altas (Tenerife y La Palma) con

Pág. 7 de 89

alturas que sobrepasan los 2000 m. 5.-

La llegada de perturbaciones invernales del oeste entre noviembre y abril, que originan

precipitaciones irregulares tanto en intensidad como en distribución, en ocasiones, intensas, con consecuencias sociales y causantes de daños en las infraestructuras. Estas afectan a las islas occidentales en mayor medida. El clima de las isla bajas (Lanzarote y Fuerteventura) se caracteriza por la aridez y la homogenidad en toda la superficie de la isla ya que el alisio pasa por encima sin que se produzca retención de humedad ni tampoco inversión térmica en altura. Las islas media (La Gomera, el Hierro y Gran Canaria) si presentan retención de la humedad de los alisios incrementando la cantidad de lluvia, particularmente en las laderas Norte y Este de las islas que abarcan los macizos centrales que al estar fuertemente vegetados actúan de receptores de la humedad dando lugar a la denominada “lluvia horizontal” que mantiene una s condiciones hídricas amplias. En

estas islas se produce una variación de clima entre las vertientes N-NE y S-SW, siendo las primeras húmedas y las segundas secas. Las islas altas se caracterizan por tener no solo retención de alisios en las vertientes Norte y Este, sino por presentar la inversión térmica a partir de una determinada altura, que varía de acuerdo con las condiciones meteorológicas. Esta inversión se produce por la llegada del contra-alisio en altura que viene seco. Esto origina unas condiciones xéricas a partir de los 1500-2000 m de altura de acuerdo con la orientación y la separación climática entre las vertientes N-NE y las S-SW que originan climas completamente diferentes, siendo la vertiente N-NE húmeda y la vertiente S-SW seca. Todo esto además está alterado por la presencia de barrancos muy extensos y profundos que condicionan la existencia de multitud de microclimas. Mención especial merece la lluvia que puede tener orígenes distintos: a) Por condensación a partir de la humedad de los vientos alisios, que ocasionan lluvias débiles con cierta regularidad en vertientes orientadas al norte y este. b) por la llegada de perturbaciones invernales del NW-W-SW cargados de humedad que provocan lluvias irregulares y en ocasiones torrenciales principalmente en cumbres y laderas W-S de las islas. Estos episodios son predecibles con una cierta antelación, pues son consecuencia de la dinámica atmosférica, pero sin embargo no son predecibles con suficiente fiabilidad, a partir de las series climáticas, deberemos hablar, en estas ocasiones de análisis de eventos extremos y periodos de retorno. En todo caso, los trabajos de análisis de series temporales de precipitación en

Pág. 8 de 89

Canarias son escasos y muchas veces aplicados a islas o zonas concretas y basadas en un reducido número de estaciones. En alguno de estos trabajos el de G arcía-Herrera et al. (2003), parece haber una tendencia clara a disminuir la cantidad de precipitación en el norte de Gran Canaria y Tenerife en la segunda mitad del siglo 20. El trabajo que a continuación se presenta son los resultados de una aplicación metodológica de cualificación de series temporales de pluviometría en las tres islas principales: Tenerife, Gran Canaria y La Palma, utilizando un número significativo de estaciones: 304, 123 y 32 respectivamente, con una gran cantidad de datos de precipitación mensual a procesar. Tras la corrección y homogenización de los datos de las estaciones, se calculan las tendencias de precipitación para estas tres islas y dentro de estas, por zonas climáticas.

3. Metodología  Aunque en Tenerife, Gran Canaria y La Palma hay muchas estaciones meteorológicas, gestionadas por diferentes instituciones públicas y privadas, lamentablemente la mayoría han empezado a operar en las últimas décadas o tienen series de menos de 10 años seguidos. Tras un análisis en función de su localización en altura, orientación y longitud de las series y complementariedad, se escogieron 304, 123 y 32 estaciones gestionadas por la AEMET, para este procesamiento. La lista de estaciones para cada isla con sus características se muestra en las tablas en el anexo II. La metodología se explica en mayor detalle para la isla de Gran Canaria debido a que sido la isla con la que se ha empezado este trabajo. Se ha aplicado un método orientado a corregir los valores anómalos (outliers) y rellenado de gaps (huecos) en una primera fase y un ajuste de las inhomogeneidades en una segunda fase utilizando el paquete “Climatol” programado en R . Para el primer proceso se utilizaron

principalmente aquellas series de 10 años o más con pocos gaps, es decir, unas 107 estaciones aproximadamente para Gran Canaria. En el segundo proceso de homogenización se utiliza absolutamente todos los datos de todas las estaciones ya que “Climatol” aplica la estrategia de aprovechar todos los datos disponibles aunque sean poco fiables y/o escasos. Los datos diarios se agruparon por meses para obtener en cada estación las series temporales de precipitación media mensual. Conviene en este punto subrayar que los análisis de anomalías son más adecuados para detectar tendencias que los análisis de precipitación absolutas, por su menor variabilidad entre distintas zonas geográficas, (Hansen & Lebedef, 1987).

Pág. 9 de 89

3.1. Eliminación/Corrección de outliers mediante métodos 3IQR y σ3 en series mensuales de  precipitación.

Para disminuir el efecto de los valores extremos u erróneos en la tendencia central se enfatizó el ejercicio de corrección de outliers. A diferencia de las temperaturas donde los valores más dispares (outliers extremos) eran eliminados en el caso de la precipitación la variabilidad es mucho mayor y por tanto se han considerado como sospechosos. Estos se definieron como todas aquellas medidas por encima de la media, mayores que el tercer cuartil (Q3) mas tres veces el recorrido intercuartílico (distancia entre el tercer y primer cuartil; Q3-Q1) considerando todos los datos de la serie mensual (Trenberth and Paolino 1980; Peterson et al. 1998a). Solo se consideraron extremos el caso de las precipitaciones mensuales encima de la media más siete veces la desviación típica de la serie, este umbral significativamente alto se impuso con el único fin de detectar valores fuera de contexto que solo ocurrirían en caso de error informático o error a la hora de transcribir los datos. Basicamente, Ps=Precipitación sospechosa si cumple que, Ps > Q3 + 3x(Q3 - Q1) donde una vez ordenados de menor a mayor los datos de una serie de precipitación para una estación y un mes determinado: Q1, es primer cuartil, que se define como el valor de precipitación mensual mayor que el 25% de los datos de la serie y menor que el 75% restante. Q3, es el tercer cuartil, que se define sin embargo como el valor de precipitación mayor que el 75% de los datos de la serie pero menor que el 25% restante. Para los valores de precipitación sospechosos se buscaba eliminar la sospecha interpolando a partir de los datos de otra serie con la cual hubiera una correlación aceptable (≥ 0,8) (González Rouco, et al., 2001). El método de correlación se explica con más detalle en el apartado siguiente, en todo caso se busca el segmento correlacionado de las series que estuviese emparejado, fuera continuo, se localizara adyacente al outlier y tuviera al menos diez años de longitud. La interpolación se hizo ajustando el outlier al valor de la precipitación para ese año en la serie de referencia, corregido según el diferencial de medias en el período utilizado para calcular la correlación. El nuevo dato así obtenido se aceptaba tal cual si quedaba por debajo del umbral de sospechoso para esa serie, es decir, menor que Ps y tomaba el valor máximo permitido Ps si quedaba por encima. Esta forma de proceder reduce el bias causado por los valores extremos y, sin embargo mantiene la información de los eventos extremos (Barnett and Lewis 1994). Aquellos outliers sospechosos que no se pueden corregir por correlación con otras series se dejan para la

Pág. 10 de 89

siguiente fase con el paquete estadístico Climatol que realiza un procesamiento de outliers robusto comparando con datos de series del entorno.

3.2. Rellenado gaps (huecos) y outlier extremos o sospechosos por correlación en series mensuales de máximos y mínimos.

Los meses sin datos, bien por tratarse de un outlier extremo o bien porque no había registro alguno, intentaron rellenarse según el sistema comentado en el apartado anterior, a partir de los datos de otra serie con la cual hubiera una correlación aceptable (≥ 0,8) (González -Rouco, et al., 2001), utilizado para interpolar en los outlier sospechosos. Cuando esto no fue posible, sólo se aceptaron datos interpolados si no resultaban ser extremos o sospechosos. Para permitir una mejor visualización de la estructura de los datos, estos se ordenan en tablas correspondientes a cada mes, tal y como se muestra a modo de ejemplo en la tabla 1 correspondiente a una sección de precipitación mensual del mes de enero. En esta tabla, para rellenar el gap de la estación  AEMET_GC_1 de 1969 indicado en el recuadro verde y con una m en su interior, se toma una serie adyacente no menor de 10 años de la misma estación (entre 1970 y 1979) y se calculan correlaciones con respecto otras series de idéntica longitud. En la tabla 1 es posible comprobar cómo hay series candidatas entre 1970 y 1979 como la que podemos encontrar en la estación:  AEMET_GC_6,

AEMET_GC_16,

AEMET_GC_17,

AEMET_GC_41,

AEMET_GC_42

y

 AEMET_GC_46. Para acceder a los datos y calcular correlaciones de forma efectiva la Agencia ha desarrollado una potente herramienta llamada Climaserie. Con unas pocas indicaciones se obtienen datos, gráficas y correlaciones tal y como se muestra en la figura 1. Una vez determinada la serie de mayor correlación, de valor por encima de 0.8, por ejemplo, la AEMET_GC_46 es la serie de mayor correlación con 0.85 entre 1970 y 1979, tal y como se indica abajo izquierda en la figura 1, se utiliza la temperatura de 1969 de esta estación para rellenar el gap buscado de la estación AEMET_GC_1, a partir de un simple ajuste utilizando los valores medios de ambas series. La herramienta Climaserie facilita el valor medio para el periodo seleccionado entre 1970 y 1979, tal y como se muestra en el recuadro abajo derecha de la figura 1. Siendo P46 la precipitación de 1969 de la estación 46, Pm46 la precipitación media del periodo entre 1970 y 1979 de la estación 46 y Pm1 la precipitación media del mismo periodo pero de la estación 1, el cálculo de la precipitación interpolada para rellenar el gap buscado en la estación 1, P1, se realiza: P1=P46+(Pm1-Pm46).

Pág. 11 de 89

Las 123 estaciones por los 12 meses y unos 70 años, suponen un total de 12 tablas, de mayor tamaño que la mostrada en la tabla 1, donde posible encontrar más de 3000 puntos susceptibles de ser outlier extremos, sospechoso o gaps. Con el ánimo de agilizar el proceso se ha desarrollado un programa específico en fortran llamado "gapsppt.pgm" que rellena gaps, corrige o elimina outlier extremos y corrige los sospechosos. Es importante resaltar que se ha optado por tratar de rellenar, además, los gaps que quedan en los extremos de las series porque esto facilita la detección y posterior interpolación de gaps internos que son más cruciales. En el anexo I se muestra el resultado de aplicar este programa con un recuento de todos los gaps rellenados (unos 2603), outlier extremos eliminados (0), outlier extremos corregidos (0) y outlier sospechosos corregidos (unos 359) para la precipitación mensual. Hay que resaltar que se ha puesto un umbral muy alto para los outliers extremos con el fin de detectar solo valores imposibles en Canarias que solo ocurrirían en caso de error informático o error a la hora de transcribir los datos, razón por la cual si no hay errores de este tipo es esperable que no encontremos outliers extremos. Si se han encontrado algunos para Tenerife y La Palma. En el punto 2 del anexo II se muestra un ejemplo de tablas utilizadas para indicar los puntos exactos que han sufrido las modificaciones tras todo este proceso.

Pág. 12 de 89

Tabla 1. Sección de tabla indicadora de temperaturas máximas correspondientes al mes de enero. Los recuadros en gris con un 1 en su interior indican la existencia un dato válido de temperatura máxima. La primera columna hace referencia al nombre de cada estación para este proyecto y la segunda columna, al código.        4        4        9        1

 AEMET_GC_1

C613E

0

0

0

 AEMET_GC_2

C668V

 AEMET_GC_3

C619B

0

0

0

0

 AEMET_GC_4

C648G

0

 AEMET_GC_6

C669P

0

       8        4        9        1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0   1

0

0

0

0

0

       5       6        7        5       5        5        9       9        9        1       1        1

0

0

0

0

0

0

0

0

0

0

0

0

0

0 0

0

0

1

1

1

1

1

0

0

0

0

0

1   0

0

0

       9        0        1        2        3        5        6        6        6        6        9        9        9        9        9        1        1        1        1        1

0

0

0

0

0

0   1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0   1

1

1

1

0   1

1

1

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

1

1

1

1

1

1

1

1

1

1

0

0

0

       6        7        8        9        0        6        6        6        6        7        9        9        9        9        9        1        1        1        1        1

1

1

1

1

       1        2        7        7        9        9        1        1

m

1

1

0

0

0

0

0

0

0

0

1

       4        7        9        1

       5        6        7        7        7        7        9        9        9        1        1        1

       9        7        9        1

1

1

1

1

1

1

1

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0   1

1

1

1   0

0

0

0

0

0

0

0

0

0

0

0

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

0

0

0

0   1

1

1

1

1

0

1

1   0

0

0

0

0

1

1

1

       0        8        9        1

0 0

1

1

0

0

0

1

1

0

0

0

C669O

0

 AEMET_GC_8

C665Q

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0   1

 AEMET_GC_12

C658L

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_14

C658J

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_15

C658I

0

0

0

0

0

0

0

0

0

0

0

0

1   0

0

0

0

0

0

0

0   1

1

1

1

1

1

1

1

1

1

1

 AEMET_GC_16

C659K

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0   1

1

1

1

1

1

1

1

1

1

1

1

1

 AEMET_GC_17

C659P

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1   0

0

0

0   1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

 AEMET_GC_19

C625A

0

0

0

0

0

0

0

0

0

0

0

0

1   0

0

0

0

0

0

0   1

1

1

1

1

1

1

1

0   1

1

1

1

1   0

0

0

0

0

0

 AEMET_GC_21

C629I

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_28

C623I

0

0

0

0

0

0

0

0

0

0

0

0

1

0

1   0

0

0

0

0   1

1

1

1

1

1

1

1

1

1

 AEMET_GC_29

C689E

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_30

C655K

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_31

C655Q

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_36

C658K

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

 AEMET_GC_37

C656J

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_38

C636K

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_40

C614I

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1   0

0

0

0

0   1

1

1

1

1

1

1

1

1   0

0

 AEMET_GC_41

C624E

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1   0

0

0

0

0

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

 AEMET_GC_42

C649I

0

0

0

0

0

0

0

0

0

0   1

1

1

1

1

1

1

1

0

0   1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

 AEMET_GC_43

C648N

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_46

C665I

0

0

0

0

0

1

1

0   1

1

1

1

1

0   1

1

1

1

1

0   1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

C646O

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 AEMET_GC_7

 AEMET_GC_47

0

0

0   1

0

Pág. 13 de 89

0

0

0 0

0

1

1

0   1

0

0

0   1

0   1

1

1

0 1

1

1

1

0 1

1

1

1

0 1

1

1

1

0 1

1

0

1

0 1

1

1

1

0 1

1

1

COEF. DE CORRELACION

AEMET_GC_

ESTACIONES

MAX

MIN

1

AEMET_GC_1

1

AEMET_GC_6

0,704543

AEMET_GC_16

0,2651489

AEMET_GC_17

0,3401218

AEMET_GC_41

0,3576648

AEMET_GC_42

0,1763101

AEMET_GC_46

0,8479058

AEMET_GC_1 AEMET_GC_6 AEMET_GC_16 AEMET_GC_17 AEMET_GC_41 AEMET_GC_42 AEMET_GC_46

             

14,13871   20,67613   20,17194   20,71548 13,15484   20,26129   13,98871  

6,474194 14,13903 15,20129   15,96 3,919355 14,35548 4,993548

Figura 1.  Ejemplo de consulta de datos y cálculo de correlaciones utilizando la herramienta Climaserie, desarrollada por la propia Agencia.

3.3 Homogenización de series mensuales de precipitación mediante el paquete estadístico de homogenización relativa “Climatol” , fundamentos de su funcionamiento.

Una serie se dice que es homogénea cuando su variabilidad obedece únicamente a causas climáticas (Mitchell, et al., 1966). La obtención de datos temporales a lo largo de los años entraña muchas vicisitudes, sobre todo en las series temporales más largas, cuya detección no es fácil. Registros falsos, movimiento de estaciones o cambio en las características físicas del lugar, dan lugar a la aparición de inhomogeneidades ajenas a la realidad climática. Su detección y corrección es fundamental para poder elaborar conclusiones fiables sobre la tendencia de variación de la serie. En este sentido se han venido desarrollando desde hace tiempo diversos métodos de homogenización de series climáticas, que intentan discriminar en las mismas la señal propiamente climática, que es la que nos interesa, del ruido producido por los factores mencionados. La

Pág. 14 de 89

variedad de metodologías hace imposible mencionarlas todas, pero pueden encontrarse síntesis de las mismas en los trabajos de Peterson et al. (1998a, 1998b) y Aguiar et al. (2003). La mayor parte se basan en comparar las series problema con otras supuestamente homogéneas, que o bien pertenecen a observatorios cuya historia puede hacer pensar que se hallan libres de los factores perturbadores (cosa harto difícil), o bien se construyen sintéticamente a partir de otras series vecinas, con la esperanza de que sus respectivas inhomogeneidades queden diluidas en la serie compuesta. 3.3.1 Introducción al Climatol

La selección de las series que han de servir de referencia para la homogeneización de la serie problema se suele hacer eligiendo, de entre las disponibles, las que presentan un mayor coeficiente de correlación. Pero de esta forma se prescinde muchas veces de la información que podrían aportar otras estaciones climatológicas más próximas para las que no es posible calcular una correlación fiable por su corto o nulo periodo común de observación con la problema. Por ello, y para tratar de aprovechar el máximo de información climática disponible, se desarrolló un método basado en la interpolación de datos estandarizados de las estaciones vecinas a la que se trata de homogeneizar, de manera similar al utilizado por Paulus y Kohler (1952) para el relleno de datos ausentes en los boletines de precipitación diaria. Este método se implementó en forma de paquete (denominado Climatol ) para la aplicación estadística R (de código abierto y multiplataforma), y en sus primeras versiones (Guijarro, 2004), si bien permitía la comparación de cada serie con su referencia sintética para detectar las anomalías puntuales, saltos en los valores medios y tendencias no achacables al clima, únicamente podía realizar de modo automático la corrección de errores aislados y el relleno de las lagunas de las series. La experiencia acumulada desde entonces ha llevado a la conclusión de que la homogeneización de una base de datos climatológica es una tarea bastante ardua, lo que, unido a la constatación de que debería repetirse cada dos o tres años (al irse alargando las series con nuevos datos), ha llevado a implementar una nueva función, disponible desde a la versión 2.0, que automatiza también la corrección de los saltos anómalos en los promedios de las series, atribuibles a cambios súbitos en las condiciones de observación. El método del paquete Climatol no presupone la existencia de series homogéneas en la base de datos a tratar, sino que todas son susceptibles de contener inhomogeneidades. Tampoco incorpora datos del historial de las estaciones (metadatos), que ofrecen información sobre los

Pág. 15 de 89

posibles momentos en que puede haber alteraciones en las series, porque estos historiales frecuentemente están incompletos o no están al alcance del investigador. (Siempre existirá la posibilidad de usar esa información a posteriori, para contrastar los resultados de la homogenización). Los datos pueden ser series simples de cada observatorio (como sería el caso si se tratara de valores anuales), o conjuntos de series (valores mensuales o estacionales). En cualquier caso se leen cronológicamente, estación por estación, junto con las coordenadas e identificadores de cada una de ellas. A continuación se procede serie a serie, calculando todos sus datos (como si no existieran) a partir de los de las demás estaciones, mediante medias ponderadas de valores estandarizados. Además de la estandarización propiamente dicha, también se puede optar por dividir los valores por sus respectivas medias, lo que resulta más recomendable para el tratamiento de la precipitación y otras variables con un cero natural. La ponderación se realiza mediante la función a/(a+d 2), donde “d ”  es la distancia a cada estación, y “a”  un parámetro de forma que permite modular la influencia relativa de las estaciones más próximas respecto de las más alejadas. Cuando las series están incompletas, sus promedios no son comparables, pero se vuelven a calcular tras el relleno de las lagunas, proceso que se repite hasta alcanzar valores estables. Después se procede a estudiar las diferencias entre cada serie estandarizada y su réplica estimada en función de las demás, que sirve como serie de comparación. Opcionalmente se pueden sustituir los valores anómalos por los estimados, y también visualizar gráficos de diagnóstico de cada una de las series. Las versiones anteriores del programa terminaban aquí con la grabación de un fichero con los datos corregidos y las lagunas rellenadas, pero ahora se continúa aplicando distintas pruebas de detección de saltos en la media, y asignando puntuaciones variables a cada término de la serie según la significación estadística obtenida. Si la máxima puntuación total tras aplicar todas las pruebas supera un umbral definido por el usuario, la serie se fragmenta en el punto de dicho máximo, traspasando toda la información posterior a una serie “hija”. Este proceso se repite hasta que no se fragmenta ninguna serie, pues la corrección  de

algunas de ellas puede influir en la evaluación de la homogeneidad de las demás, y además las series fragmentadas pueden ser objeto de nuevos cortes si presentan más de un salto en la media. Todo el procedimiento anterior se puede repetir tantas veces como desee el usuario, con lo que es

Pág. 16 de 89

posible eliminar al principio únicamente los errores y saltos en la media más patentes, y refinar después el proceso (aceptando niveles de significación más bajos) para corregir progresivamente las demás inhomogeneidades. Como productos de todas estas operaciones se obtiene un fichero con los datos corregidos y rellenados de todas la series resultantes, y un fichero de texto con una relación de las correcciones efectuadas y los niveles de significación de las pruebas de homogeneidad. Opcionalmente, también se obtienen gráficos diagnósticos de todas las series iniciales, y representaciones de las series finales, distinguiendo los datos originales, los rellenados, y las series fragmentadas a que hayan podido dar lugar. En este caso, como el número de gráficos puede llegar a ser muy grande, también se genera un fichero pdf que permite incluirlos todos en un solo documento. 3.3.2 Fundamentos del funcionamiento del paquete climatol

El paquete estadístico Climatol está preparado en R que es un lenguaje de programación sin embargo, no es necesario saber programar en este lenguaje para hacerlo funcionar porque las funciones de Climatol están listas para ser ejecutadas junto con una serie de keywords o palabras clave. Si es necesario instalar un interpretador de R que podemos encontrar fácilmente en internet (http://www.freestatistics.org/cran/)  y que dependerá de la plataforma en la que se trabaje (Windows o Linux). En la página web de Climatol (http://webs.ono.com/climatol/climatol.html) se encuentra la última versión del paquete (la que está en inglés) junto con las instrucciones para instalarla. Las siguientes aclaraciones están sacadas de la guía del Climatol (Guijarro JA (2011): User's guide to Climatol. http://webs.ono.com/climatol/climatol-guide.pdf (40 pp.) Básicamente, Climatol reconstruye una serie ficticia en el punto de cada estación tomando los datos de las estaciones de alrededor, por defecto de 10 estaciones como máximo, y ponderadas según la distancia. A continuación compara con la estación origen obteniendo una serie de anomalías que son las diferencias entre la serie origen y la serie ficticia reconstruida. Los pasos siguientes se realizan de forma iterativa hasta alcanzar valores estables y consisten en: 1. Analizar los outliers: Las series de anomalías se estandarizan y en aquellas anomalías superiores a 5 veces (por defecto) la desviación estándar se elimina el dato original. Se toma un umbral alto porque este proceso se realiza de forma iterativa cada vez que se detecta un salto significativo en la media y se realiza un ajuste en un sector de la serie, puede resultar

Pág. 17 de 89

que un outlier sospechoso de 4 veces la desviación estándar puede bajar a 3 y dejar de ser sospechoso, por tanto si se comienza con un umbral bajo para eliminar outliers se impediría que muchos valores se puedan corregir durante el proceso iterativo. 2. Saltos en la media: Se aplica el Test Estándar de Homogeneidad Normal o SNHT de  Alexandersson (1986) en dos fases: a. En sectores de 120 términos avanzando cronológicamente de 60 en 60 términos (definido por defecto) y cuyo umbral de SNHT máximo se controla por la palabra clave tVt que por defecto está en 25 (tVt=25). b. Para toda la serie y cuyo umbral de SNHT máximo se controla por la palabra clave snhtt que por defecto está en 50 (snhtt=50) Los valores máximos de snht por sectores de 120 términos (tVt) que superen un umbral por defecto o predefinido por el usuario marcan un lugar en la serie donde esta se corta. Los valores después de este punto se transfieren a una nueva serie (con las mismas coordenadas) y se eliminan de la serie original. Los huecos resultantes en ambas series se rellenan en la última fase utilizando únicamente los fragmentos de la serie original. Cuando todas las inhomogeneidades por sectores se han corregido por el proceso anterior se vuelve a realizar el test snht a toda la serie (snhtt) posiblemente generando nuevos cortes. El test snht por sectores (tVt) se ha se ha implementado para evitar múltiples saltos de la media de valores de snht engañosamente bajos, mientras que la aplicación a toda la serie (snhtt) es más poderoso para la detección de pequeños cambios que pueden haber pasado inadvertidos para la prueba por sectores. En cualquier caso, el umbral predeterminado de SNHT para toda la serie debe ser mayor que para la aplicación escalonada, para evitar que la serie se divida por una tendencia suave en lugar de por un cambio abrupto en la media. Cuando todas las inhomogeneidades han sido por fin eliminadas, la etapa final está dedicada al cálculo de los datos que faltan, los eliminados por ser outlier y los perdidos tras los cortes.  Antes de realizar la homogenización con Climatol hay que comprobar que la región en estudio es climatológicamente homogénea, es decir, que el clima debe varíar de forma suave dentro de esta región, por ejemplo, un gran accidente geográfico separando dos zonas va ha hacer que la precipitación pueda ser diferente en ambas zonas. El algoritmo proporciona resultados en forma de gráficos e índices que ayudan al investigador a tomar decisiones sobre si debe o no separar

Pág. 18 de 89

áreas climáticamente homogéneas y cómo hacerlo. Un índice importante para separar grupos de estaciones según el comportamiento de la precipitación es el coeficiente de disimilitud climática que aparece calculado en forma de dendrogramas como se muestra en próximas figuras (véase por ejemplo la figura 5). Para calcular este coeficiente: -

Se parte de la matriz de correlaciones. Esta matriz es el conjunto de coeficientes de correlación r formada por cada par de estaciones comparadas entre si.

-

Esta matriz no está calculada a partir de las series originales, sino de sus primeras derivadas finitas (o sea, de una serie de n términos se pasa a una de n-1 términos calculados como diferencia entre cada término y el anterior). Se utiliza las derivadas finitas en lugar de las series originales porque dos series que tengan una tendencia parecida van a dar una correlación significativa aunque sean aleatorias, y si además presentan inhomogeneidades, éstas también pueden influir bastante en la correlación.

-

Si hay n estaciones cada una tendrá n-1 valores de r al ser comparada ésta con el resto de estaciones, a mayor valor del coeficiente de correlación r, mayor similaridad; por tanto la disimilaridad es el complemento de r, o sea, 1-r.

-

Utilizando r como parámetro principal, ya que también se tiene en cuanta la distancia, se utiliza el método de W ard(1963) para agrupar las estaciones. Básicamente, las estaciones se van agrupando por pares desde las más similares, base del dendrograma, hasta las menos similares, parte alta (ver por ejemplo la figura 5).

En el siguiente apartado se explican y se utilizan estos gráficos de forma práctica para cada una de las tres islas. 3.3.3 Aplicación práctica del paquete climatol

La guía de usuarios de Climatol es muy general ya que la homogenización se puede aplicar también a series de otras variables como temperaturas, velocidad de vientos, etc. En este caso se explicará la aplicación del paquete a precipitación mensual acumulada a las estaciones de Gran Canaria, Tenerife y La Palma. Para más detalles de cómo aplicar el método de homogenización, remitirse al informe anterior: “Cualificación y homogenización de las series climáticas mensuales de precipitación de Canarias ; Memoria M etodológica” . Se puede solicitar enviando un correo

electrónico a [email protected].

Pág. 19 de 89

1.Gran Canaria.

a. Análisis preliminar con todas las estaciones

Una vez generadas todas las estaciones con datos de precipitación en formato climatol, esto es, en dos ficheros ej, Pptm_1951-2009.est y Pptm_1951-2009.dat con las estaciones y con los datos respectivamente, se ejecuta el comando dentro de la consola de R: homogen("Pptm",1951,2009,gp=1,nclust=123,std=2) 1. Se busca el periodo máximo sin que haya huecos en los datos. En este caso se ha encontrado con ayuda de un programa auxiliar que se trata entre 1951 y 2009. De probar con otro periodo mayor nos aparece un error y se invita a mirar el gráfico que aparece inmediatamente debajo (figura 2) a partir de un fichero pdf que se crea automáticamente llamado Pptm_1951-2009.pdf.

Figura 2. Suma de todos los datos por año para buscar huecos.

Pág. 20 de 89

2. La opción gp=1 hace que solo se muestre los gráficos iniciales exploratorios ya que en caso contrario el programa realizaría el proceso completo con los parámetros por defecto y podría tardar horas. 3. La opción nclust=123 hace que nos muestre los gráficos iniciales exploratorios utilizando los datos de las 123 estaciones ya que en caso contrario tomaría solo 100 elegidas al azar. 4. La opción std=2 define el tipo de normalización (por defecto std=3) pero al tratarse de precipitación y existir ceros naturales es preferible utilizar std=2, ya que en este caso los datos se normalizarán utilizando proporciones de los valores medios.

5. Análisis de gráficos iniciales.  Estos gráficos aparecen dentro del fichero pdf que se crea automáticamente. De las cosas más importantes que hay que analizar en primer lugar para empezar a tomar decisiones es el aspecto del histograma de los datos. Este histograma lo encontramos en la hoja 15 de los gráficos y tiene el aspecto que mostramos en la figura 3.

Pág. 21 de 89

Figura 3. Histograma de los datos sin ninguna transformación previa.

Es evidente que tiene una forma bastante alejada de lo que se conoce como distribución gausiana, normalizada o en forma de campana que es además lo que se busca. La razón de esto es que es más fácil encontrar inhomogeneidades medidos con la SNHT (Standard Normal Homogeneity Test) en series de datos con distribuciones gausianas o normales. En este caso tenemos que realizar una transformación previa para tratar de normalizar la distribución en lo posible. Esto se puede hacer fácilmente con el paquete climatol añadiendo l a opción “rtrans=n”, (ya que por defecto rtrans=1) a la función homogen donde n es un número real entre 2 y 4, es decir 2.0 < n < 4.0, que debe utilizarse para el caso de precipitaciones irregulares o escasas, ejecutamos de nuevo: homogen("Pptm",1951,2009 homogen("Pptm",1951,2009,gp=1,nclust=123 ,gp=1,nclust=123,std=2,rtrans=2.0) ,std=2,rtrans=2.0) y analizamos el histograma. Repetimos el proceso dando valores a rtrans (2.1, 2.2, … , 4.0) hasta que el histograma esté lo mas normalizado posible que ocurre para rtrans=3.2 con el

Pág. 22 de 89

histograma de la figura 4, donde la primera barra es debida a la acumulación de precipitación cero.

t ransformados. Figura 4. Histograma de los datos transformados.

6. El siguiente paso es analizar los gráficos sobre la distribución climática de los datos que encontramos tras el histograma en las hojas 17 y 18. En estos es posible comprobar la disimilitud climática entre unas estaciones y otras, en este caso, con un coeficiente de disimilitud de 75 es significativo entre las estaciones orientadas al noreste y suroeste tal y como mostramos en las siguientes figuras, El dentograma (figura 5) y la localización de cada estación coloreada según el ámbito climático al que es más afín (figura 6). Efectivamente tal y como se indica en la guía de climatol, esta separación está causada en primera aproximación por el macizo central de la isla con cumbres que rondan los 1950 metros. En base a esto, hay que separar las estaciones que se encuentran al nordeste (unas 92) de las del suroeste (unas 31) y realizar un proceso de homogenización por separado a cada grupo de estaciones y repitiendo los procesos anteriores.

Pág. 23 de 89

Estaciones orientadas al NE: 1, 2, 3, 5, 6, 7, 8, 10, 11, 12, 13, 14, 15, 16, 17, 18, 24, 27, 30, 31, 32, 34, 35, 36, 37, 39, 42, 43, 45, 46, 47, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123

Estaciones orientadas al SO: 4, 9, 19, 20, 21, 22, 23, 25, 26, 28, 29, 33, 38, 40, 41, 44, 48, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80

Dendrograma de clasificación clasificación climática. Figura 5. Dendrograma

Pág. 24 de 89

Figura 6. Localización de las estaciones coloreadas según la clasificación climática.

b. Análisis del grupo de estaciones orientadas al NE

Una vez tenemos las 92 estaciones con datos de precipitación en formato climatol, repetimos el procedimiento explicado en el apartado 1. En este caso podemos empezar prescindiendo de la opción “nclust=123” ya que tenemos menos de 100 estaciones, es decir, ejecutamos:

homogen("Pptm",1951,2009,gp=1,std=2) 1. En este caso el periodo máximo sin huecos coincide con el del caso anterior. 2. Se normaliza el histograma utilizando la opción “ rtrans” tal y como se  ha explicado en el apartado anterior. En este caso obtenemos la mejor normalización de nuevo para “ rtrans=3.2”.

3. Se comprueba las zonas climáticas analizando el dendograma, de cluster de estaciones, que se muestra en la figura 7. En este caso la máxima disimilitud entre estaciones está en 14, separando las estaciones de la costa (brazo izquierdo del dendograma) del resto, medianías y

Pág. 25 de 89

zonas altas (brazo derecho). En torno a una disimilitud de 9 se realiza otra separación en el brazo derecho, separándose en este caso las estaciones de medianías de las de zonas altas. Sin embargo el algoritmo toma bastantes estaciones costeras como si pertenecieran a la zona de medianías, en general no se observa una separación clara entre estas dos zonas al analizar la figura 8. Por otro lado, no se cumple una premisa para separar grupos a diferencia del caso anterior, esta condición es que debe haber una estructura orográfica de altura significativa que separe zonas, en este caso todas las estaciones se encuentran en mayor o menor medida orientadas al norte o al noreste. No separamos en este caso y continuamos con el procedimiento de homogenización.

Figura 7. Dendrograma de clasificación climática para las estaciones de la vertiente norte.

Pág. 26 de 89

Figura 8. Localización de las estaciones de la vertiente norte coloreadas según la clasificación climática.

4. Determinación de umbrales para el snht aplicado a la serie completa (snhtt) y para el snht por tramos de 60 meses (tVt). El algoritmo por defecto pone unos umbrales para ambas opciones muy conservadores, tVt=25 y snhtt=50, la forma de ajustarlos para cada grupo de estaciones y a las peculiaridades de la zona en estudio, es analizando los gráficos de máximo tv y máximo snht que se pueden obtener de forma rápida, sin realizar aún la homogenización ejecutando: homogen("Pptm",1951,2009,tVt=0,rtrans=3.2,std=2)  Al poner tVt=0, solo rellena lagunas, estima datos y obtiene los histogramas de máximo tv y máximo snht para analizar previamente y que se indican en la figura 9. Se trata en estos histogramas de separar la distribución homogénea con un máximo principal para valores más bajos de snht de las distribuciones inhomogéneas con máximos secundarios y valores más

Pág. 27 de 89

altos de snht. En la primera figura se puede ver una distribución un máximo principal en 10 que luego va disminuyendo. La duda en este caso es si los máximos secundarios a partir de 15 se corresponden a distribuciones inhomogeneas o pertenecen a la distribución principal considerada homogénea. Se puede optar en este caso por la opción drástica tVt=15, bien por una menos drástica tVt=17 o más conservadora tVt=20 o bien dejar el valor por defecto. De la misma forma podemos intuir el valor de snhtt a partir de la figura 13, donde si el máximo secundario localizado en 19 se corresponde con distribuciones inhomogéneas entonces snhtt=19, si no podemos tomar snhtt=25 o bien snhtt=33. El valor de snhtt debe ser mayor que el de tVt y las opciones a elegir deber ser correlativas entre estos dos parámetros, es decir, que si se opta por la opción drástica ejecutamos la función homogen con tVt=15 y snhtt=17 si no, puede ser tVt=20 junto con snhtt=25. Una vez ejecutado con la opción elegida, analizando los gráficos que se generan automáticamente se puede comprobar si esos umbrales son acertados o no. Hay que destacar sin embargo que si se es demasiado drástico en la selección de umbrales la consecuencia final es que se puede suavizar demasiado o incluso es posible anular la tendencia de la serie. Tomamos por tanto una decisión intermedia tVt=20 y snhtt=25 y ejecutamos de nuevo la función de homogenización con estos dos umbrales.

Figura 9. Histograma de de máximo tVt y de máximo SNHT para la vertiente norte.

5. Análisis de gráficos tras la ejecución de la homogenización para comprobar si los umbrales

Pág. 28 de 89

seleccionados son acertados o no. Se ejecuta: homogen("Pptm",1951,2009, rtrans=3.2,std=2,tVt=20,snhtt=25) que puede llevar algunas horas porque ahora si se lleva a cabo el proceso completo de homogenización a las 92 estaciones y a su término analizamos los gráficos en el fichero pdf resultante. En los gráficos de anomalías resultantes una inhomogeneidad significativa de salto de snht=36 tiene la forma que se muestra en la figura 10 en la fase 1 antes de ser corregida. Estos datos no solo son significativos sino además se alargan en el tiempo hasta incluso el final de la serie. En los gráficos de anomalías de la fase 3 hay que buscar este tipo de estructuras para considerar el repetir la homogenización con unos umbrales de tVt y snhtt mas estrictos. Tras el análisis visual de estos, no es el caso. Por el contrario para considerar repetir el proceso con unos umbrales más conservadores se puede inspeccionar de nuevo los gráficos de la fase 1 y ver si los saltos con valores de snht por encima de 25 no son visualmente significativos. En este último caso es posible encontrar alguno de 30 poco claro como se indica en la figura 11 pero sin embargo también es posible encontrar otro caso de salto visualmente grande de 28 (figura 12) que como mínimo es sospecho por tanto el umbral de snht=25 es acertado.

Pág. 29 de 89

Figura 10. Aspecto de una Inhomogeneidad clara mostrada en los gráficos de anomalías. Esta se encuentra en 1998 aproximadamente.

Pág. 30 de 89

Figura 11. Aspecto de una Inhomogeneidad poco clara pero con valor de snht por encima del umbral de 25.

1. Interpretación del fichero resumen del proceso de homogenización y selección de estaciones homogenizadas. Una vez se ha ejecutado la homogenización además de los gráficos y el fichero con la series homogenizadas, Climatol genera un fichero resumen (Pptm_19512009.txt) de todos los procesos realizados donde parte de éste se muestra en el anexo III.

Pág. 31 de 89

Figura 12. Aspecto de una Inhomogeneidad más clara y con valor de snht de 28 mayor que el umbral establecido de 25.

c. Análisis del grupo de estaciones orientadas al SO

Procedemos de la misma manera que en el apartado anterior con las 31 estaciones orientadas al suroeste de la isla ejecutamos homogen("Pptm",1964,2009,gp=1,std=2) y obtenemos los siguientes resultados: 1. El periodo máximo sin huecos es desde 1964 a 2009. 2. El histograma se normaliza para rtrans=3.2 3. No se crean más grupos a partir de estas 31 estaciones por las mismas razones que en el caso anterior, es decir, por haber obtenido un coeficiente de disimilaridad bajo de 3.5 y por no haber estructuras orográficas significativas separando zonas ya que las estaciones están situadas en

Pág. 32 de 89

la misma vertiente sur. 4. Para la elección de los umbrales de tVt y snhtt procedemos de la misma manera que para las estaciones en la vertiente norte a partir de los histogramas de máximo tV y máximo snht que se indica en la figura 13, obtenidas tras ejecutar la función homogen con la opción tVt=0. En este caso analizando la primera figura podemos tomar tVt=15 considerando que la primera distribución con el primer máximo en 8 es la homogénea y el resto de distribuciones entre 15 y 20 y entre 26 y 28 son inhomogéneas. A partir de la segunda figura podemos tomar snhtt=25 considerando que las distribuciones en 30 y 43 son las inhomogéneas. 5. Para comprobar si los umbrales seleccionados son acertados o no procedemos de la misma manera que para la zona norte. Analizamos visualmente los gráficos de anomalías tras ejecutar la función de homogenización con los umbrales elegidos: homogen("Pptm",1964,2009, rtrans=3.2,std=2,tVt=15,snhtt=25) Tras dejar que termine el proceso en un par de horas, comprobamos en los gráficos de anomalías en la fase 3 que no hay inhomogeneidades claras y prolongadas en el tiempo a pesar de que los gráficos son ruidosos por lo irregular de las precipitaciones en esta zona. No se encuentra nada especialmente significativo por lo que las inhomogeneidades más grandes parecen estar corregidas. Por otro lado comprobamos en los gráficos de anomalías de la fase 1 que los saltos mayores que en el umbral de snhtt=25 son claros. Solo encontramos una serie con un salto de 28 y no es tan claro, se podría repetir el proceso con un snhtt=30 sin embargo se prefiere no hacerlo porque en la fase 3 se puede encontrar aún algún gráfico poco claro aunque sospechoso con un snht=24.

Pág. 33 de 89

Figura 13. Histograma de máximo tVt y máximo snht para la vertiente sur.

2. Tenerife.

a. Análisis preliminar utilizando todas las estaciones.

Se buscan los años extremos sin que hayan meses sin datos y esto resulta entre 1906 y 2009. A continuación se ejecuta de forma preliminar: homogen("Pptm",1906,2009,gp=1,nclust=298,std=2) Se busca normalizar el histograma con la opción rtrans dando valores a entre 2 y 4. El histograma aparece mejor normalizado para rtrans=3 en la figura 14, es decir, ejecutando: homogen("Pptm",1906,2009,gp=1,nclust=298,std=2,rtrans=3)

Pág. 34 de 89

Figura 14. Histograma transformado para todos los datos. Por otro lado aparece un índice de disimilitud alto en torno a 150 separando las estaciones del norte de las del sur tal y como se muestra en la figura 15. Basada en ésta es importante realizar la primera separación de estaciones ya que además existe un gran macizo montañoso de más de 3000 m separando ambas zonas. Se ha incluido en el grupo del sur las estaciones dispersas coloreadas en azul que se encuentran en la zona sur. -Estaciones del norte (unas 223): 4

57

26

27

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

84

87

88

89

90

91

92

93

94

95

96

97

98

99

100

101

102

103

104

105

106

107

108

109

110

111

113

114

115

116

117

119

121

122

123

124

125

126

129

131

134

135

136

137

138

139

140

142

143

144

145

147

148

149

151

152

153

155

156

157

158

159

160

161

Pág. 35 de 89

162

163

165

166

167

168

169

171

172

173

175

177

178

179

180

181

182

184

188

191

194

197

198

199

200

202

203

204

207

208

209

210

211

212

213

214

215

216

218

219

221

222

223

224

225

227

229

230

231

232

233

235

240

242

245

246

247

249

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

268

269

270

271

272

273

274

275

276

277

278

279

280

281

282

283

284

285

286

287

288

289

290

292

293

294

295

296

297

298

301

302

304

-Estaciones del sur (unas 75): 1  

2

3

6

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

28

77

78

79

81

82

86

118

120

127

132

133

141

146

150

154

164

170

174

176

183

185

186

187

189

190

192

193

195

196

201

205

206

217

220

226

228

234

236

237

238

239

241

243

244

248

250

251

267

291

299

300

303

Pág. 36 de 89

Figura 15. Separación de estaciones del norte de las del sur a partir del índice de disimilitud.

b. Análisis para las estaciones orientadas al norte de la isla (unas 223).

Una vez se tienen los ficheros en formato climatol con las estaciones del norte se vuelve a buscar la transformación que mejor normaliza el histograma dando valores a rtrans, para el cual vuelve a salir rtrans=3. Se analiza de nuevo la distribución climática de los datos donde aparece un índice de disimilitud máximo de 60. Sin embargo los datos no presentan una distribución clara tal y como se indica en la figura 16 porque estas aparecen bastante mezcladas por otro lado no hay una barrera geográfica clara separando zonas de distinto color, se decide no realizar más separaciones de

Pág. 37 de 89

estaciones.

Figura 16. Resultado análisis de grupos de las estaciones del norte de Tenerife. Determinación de umbrales para el snht aplicado a la serie completa (snhtt) y para el snht por tramos de 60 meses (tVt). Para ello se ejecuta previamente: homogen("Pptm",1906,2009 homogen("Pptm",1906,2009,tVt=0, ,tVt=0, nclust=223,rtrans=3,std=2) nclust=223,rtrans=3,std=2) Se analizan los Histogramas de máximo tV y máximo snht (Figura 17) al final del fichero de gráficos resultante tras la ejecución del último comando. A diferencia de Gran canaria no aparecen máximos secundarios claros para valores altos de snht, aunque si algunos con baja frecuencia para tv=22, 27, 37 y para snht=27,45. Basándose solo en esto se pueden definir unos umbrales para tVt=20 y snhtt=23, sin embargo se observa algún gráfico de anomalías sospechoso para tVt=17 y otros con un snhtt=22 por tanto se puede optar a reducirlos un poco a tVt=17 y snhtt=21.

Pág. 38 de 89

Un posterior análisis de anomalías decidirá si son adecuados o si es necesario modificarlos. Para ejecutar por fin la homogenización con los umbrales seleccionados para las 223 estaciones, se ejecuta: homogen("Pptm",1906,2009, rtrans=3,std=2, nclust=223,tVt=17,snhtt=21)

Figura 17. Histogramas de máximo tV y máximo snht para las 223 estaciones de la zona norte.

c. Análisis para las estaciones orientadas al sur de la isla (unas 75).

Para éstas tenemos un periodo máximo sin huecos entre 1944 y 2009. Se obtiene un rtrans=3 para la mejor normalización del histograma de los datos. Se obtiene un índice de disimilitud máximo de 12 y no hay barreras geográficas claras separando áreas en la zona sur (figura 18), por lo que no se vuelve a separar estaciones en esta zona.

Pág. 39 de 89

Figura 18. Comportamiento climático de las estaciones del sur de Tenerife.

En el análisis de histogramas de máximo tV y snht (figura 19.) se encuentra un máximo secundario claro para tV=13 por lo que sería recomendable tomar tVt=12, mientras que para el máximo de snht encontramos un máximo secundario poco claro para snht=15 por lo que es conveniente tomar snhtt=14. Sin embargo un análisis previo de los gráficos de anomalías no se observan saltos sospechosos para estos valores y una ejecución previa con estos umbrales resulta en una desfragmentación excesiva de estaciones. Se decide utilizar unos umbrales menos drásticos tomando tVt=14 y snhtt=16. Para realizar por fin la homogenización con los umbrales seleccionados para las 75 estaciones: homogen("Pptm",1944,2009, rtrans=3,std=2,tVt=14,snhtt=16).

Pág. 40 de 89

Figura 19. Histogramas de máximo tV y máximo snht para las 75 estaciones de la zona sur.

3. La Palma. a. Análisis preliminar utilizando todas las estaciones.

Se buscan los años extremos sin que haya meses sin datos y esto resulta entre 1935 y 2009. A continuación se ejecuta de forma preliminar: homogen("Pptm",1935,2009,gp=1,std=2) Se busca normalizar el histograma con la opción rtrans dando valores a entre 2 y 4. El histograma aparece mejor normalizado para rtrans=3.2 tal y como aparece en la figura 20, es decir, ejecutando: homogen("Pptm",1935,2009,gp=1,std=2,rtrans=3.2)

Pág. 41 de 89

Figura 20. Histograma transformado para todos los datos.

Por otro lado aparece un índice de disimilitud en torno a 9 separando las estaciones del noreste y este de las del suroeste y oeste tal y como se muestra en la figura 21. Basada en esta figura es conveniente realizar una separación de estaciones ya que además existe un gran macizo montañoso con alturas en algunos puntos de 2400 m separando ambas zonas. Las dos estaciones en verde (24 y 14) son más afines a la zona suroeste tras analizar el dendrograma (figura 22) por lo que se incluyen en este grupo. -Estaciones del noreste (unas 16): 15 16 17 18 19 20 21 22 23 25 26 27 29 30 31 32 -Estaciones del suroeste (unas 16): 1 2 3 4 5 6 7 8 9 10 11 12

13 14 24 28

Pág. 42 de 89

Figura 21. Separación de estaciones del nordeste y este de las del suroeste y oeste a partir del índice de disimilitud.

Pág. 43 de 89

Figura 22. Dendrograma, indica un índice de disimilitud máximo de 8.5 aproximadamente. El brazo izquierdo se corresponden con las estaciones del nordeste y el derecho con las del suroeste. Se ve como la estación 14 y 24 se relacionan mejor con las del suroeste.

b. Análisis para las estaciones orientadas al noreste de la isla (unas 16). Para éstas tenemos un periodo máximo sin huecos entre 1946 y 2009. Una vez se tienen los ficheros en formato climatol con las estaciones del norte se vuelve a buscar la transformación que mejor normaliza el histograma dando valores a rtrans, para el cual vuelve a salir 3,2. Se analiza de nuevo la distribución climática de los datos donde aparece un índice de disimilitud máximo de 3,6. Sin embargo los datos no presentan una distribución clara tal y como se indica en la figura 23 porque estas aparecen bastante mezcladas por otro lado no hay una barrera geográfica clara separando zonas de distinto color, se decide no realizar más separaciones de

Pág. 44 de 89

estaciones para esta zona.

Figura 23. Resultado análisis de grupos de las estaciones del noreste de La Palma. Determinación de umbrales para el snht aplicado a la serie completa (snhtt) y para el snht por tramos de 60 meses (tVt). Para ello se ejecuta previamente: homogen("Pptm",1946,2009,tVt=0, rtrans=3,std=2) Se analizan los Histogramas de máximo tV y máximo snht (Figura 24) al final del fichero de gráficos resultante tras la ejecución del último comando. En este caso las posibles inhomogeneidades mas claras quedan por encima de 25 tanto para el máximo tV (snht por tramos) como para el máximo snht (snht por estaciones). Sin embargo se observa un máximo secundario en 13 para max tV y uno en 14 para max snht y en el análisis de anomalías previas se observa algún tramo sospechoso para estos valores. Tomamos por tanto los umbrales: tVt=11 y snhtt=13 y ejecutamos por tanto el comando siguiente que nos realizará la homogenización: homogen("Pptm",1946,2009,std=2,rtrans=3.2,tVt=11,snhtt=13)

Pág. 45 de 89

Figura 24. Histogramas de máximo tV y máximo snht para las 16 estaciones de la zona noreste.

c. Análisis para las estaciones orientadas al suroeste de la isla (unas 16).

Para éstas tenemos un periodo máximo sin huecos entre 1935 y 2009. Se obtiene un rtrans=3,2 para la mejor normalización del histograma de los datos. Se obtiene un índice de disimilitud máximo de 2,8 y no hay barreras geográficas claras separando áreas en la zona suroreste (figura 25), por lo que no se vuelve a separar estaciones en esta zona.

Pág. 46 de 89

Figura 25. Resultado análisis de grupos de las estaciones del suroeste de La Palma.

Determinación de umbrales para el snht aplicado a la serie completa (snhtt) y para el snht por tramos de 60 meses (tVt). Para ello se ejecuta previamente: homogen("Pptm",1935,2009,tVt=0, rtrans=3,std=2) Se analizan los Histogramas de máximo tV y máximo snht (Figura 26). En este caso las posibles inhomogeneidades mas claras quedan por encima de 25 tanto para el máximo tV (snht por tramos) como para el máximo snht (snht por estaciones). Sin embargo se observa un máximo secundario en 12 para max tV y ninguno claro para max snht. Tomamos por tanto los umbrales: tVt=11 y snhtt=13 y ejecutamos por tanto el comando siguiente que nos realizará la homogenización: homogen("Pptm",1935,2009,std=2,rtrans=3.2,tVt=11,snhtt=13)

Pág. 47 de 89

Figura 26. Histogramas de máximo tV y máximo snht para las 16 estaciones de la zona suroeste.

3.4 Análisis de tendencia

Para el análisis de las tendencias hay varios métodos posibles: media simple, método de la primera diferencia (Peterson et al., 1998), método de las anomalías climáticas (Jones et al., 1982; Jones et al., 1986a, 1986b) y anomalías asociadas a estaciones de referencia sopesadas mediante distancia (Hansen et al., 1987; 1999). Hemos recurrido al método de las anomalías climáticas, de modo que el ejercicio primero consistió en fijar el periodo base para calcular anomalías. Teniendo en cuenta que es recomendable un periodo de al menos 30 años para el cálculo base de las anomalías (WMM, 1996; Aguilar et al ., 2003) y que según Jones (1982) las estaciones para calcular el período base no deben tener más de una tercera parte de datos ausentes, es decir, no deben tener más de un 30% de gaps, hemos identificado como periodo base los años entre 1970 y 1999. Para todas las series de anomalías mensuales, estacionales y anuales se calculó la correspondiente regresión lineal y su grado de significación según el test de rangos de Spearmann (Sneyers, 1975), tal y como recomienda Morales et al., (2005). Aunque los resultados en este

Pág. 48 de 89

trabajo se van a ceñir únicamente a la anomalía anual de precipitación esto es, la diferencia entre las acumulaciones anuales de precipitación y la acumulación media del periodo base. Siempre que en la construcción de la serie de referencia intervenía más de una estación, se construía una serie promedio de anomalías a la cual se le aplicaba la aproximación desarrollada por Osborn et al. (1997) con el ajuste de Bruner et al. (2001) para corregir del sesgo de la varianza asociado al variable número de estaciones en cada año. Estas operaciones se realizaron con desarrollos matemáticos propios aplicadas a la herramienta Climaserie de la Agencia.

3.5. Identificación de zonas climáticas y selección de series analizadas. 3.5.1. Identificación de zonas climáticas.

 Al tratarse de islas montañosas, el factor relieve afecta a la cantidad y distribución geográfica de la precipitación por tanto en cada una de estas islas se han definido zonas climáticas basadas en el comportamiento y la cantidad de precipitación. Esta tarea de definición de áreas es decisivo para analizar posteriormente las series de precipitación dentro de cada área y construir las series de referencia zonales. Una rápida inspección a los datos permite comprobar por un lado la irregularidad de las lluvias en los meses invernales en la zona sur, más acusado y con acumulaciones mensuales más altas si la estación de encuentra a mayor altura (hasta 600 mm en enero de 1979 en Tejeda_ViveroÑameritas, Gran Canaria, con una desviación estándar de 71 mm). La sequia estival generalizada, más acusada en la zona sur. Cierta regularidad en los meses invernales en zonas de medianías del norte (promedio de 50 mm con una desviación estándar de 43 mm en la estación C657I_StaBrigida_Casco, Gran Canaria). La duda surge a la hora de separar estas zonas claramente diferenciadas de forma objetiva. Para ello se ha utilizado los resultados del análisis de grupos que realiza previamente el Climatol y que separa las estaciones por colores según el coeficiente de disimilaridad asignado a cada separación de los grupos principales. La separación de zonas se ha organizado en una separación principal y una secundaria. -

El primer análisis de grupos, utilizando todas las estaciones, indica por donde separar la

Pág. 49 de 89

vertiente norte/nordeste de la sur/suroeste, esto se observa claramente en las figuras 6, 15 y 21 para cada una de las islas, donde los grupos están claramente diferenciados por colores. La separación principal de zonas tiene unos índices de disimilaridad significativos ya que está claramente influido por el abrupto relieve de cada isla. Al trazar las líneas de las separaciones principales se ha tratado de coincidir con las dorsales montañosas (ver figuras 27, 28, 29) en caso de no ser posible se ha tratado de dejar la misma área de dorsal a un lado y a otro de la línea, para que las áreas de las zonas no se vean afectadas. -

El segundo análisis de los grupos en las vertientes norte/nordeste indica la separación secundaria considerada que es vertical. El caso más visual lo encontramos para el norte de Gran Canaria tal y como se observa en la figura 8, los tres grupos de estaciones están estratificados en tres rangos de altitud. Estos rangos se pueden calcular analizando la altitud de las estaciones, sin embargo para esta tarea no se utilizó esta figura exactamente sino la que se obtiene de los datos sin transformar, es decir ejecutando el comando de homogenización para rtrans=1. Los grupos en este caso aparecen mejor definidos y para Gran Canaria estableció tres rangos tal y como se observa en la figura 27: o

Zona baja de 0 a 400 m.

o

Zona de medianías de 400 a 800 m.

o

Zona alta por encima de 800 m.

En la zona sur de Gran Canaria no se observa claramente esta estratificación vertical de los grupos de estaciones pero se mantuvo por coherencia con la zona norte. En la isla de Tenerife tal y como se observa en la figura 16, la estratificación vertical es menos clara pero esta existe ya que predomina un grupo u otro según el rango de alturas. Aunque en esta figura 16 no se observa en la utilizada para este análisis con los datos sin transformar aparece un cuarto grupo para las zonas altas por encima de los 2000 m (figura 28). En la zona sur ocurre lo mismo que para la zona sur de Gran Canaria y se mantiene la misma estratificación vertical que para la zona norte. En la isla de La Palma se procede de la misma manera aunque con mayor dificultad por la escases de estaciones, paradójicamente la estratificación se observa para la zona suroeste (figura 25), también son las estaciones con mayor cantidad de datos.

Pág. 50 de 89

Con toda esta información combinada con un mapa topográfico se generan las siguientes figuras 27, 28 y 29 de cada isla donde cada estación queda posicionada en una zona climática concreta. Tanto la zona como la estratificación vertical se indican en el triángulo coloreado colocado abajo a la izquierda. En el anexo II, en la última columna de las tablas con la información sobre las estaciones se indica la zona climática acorde con las figuras.

Figura 27. Zonas climáticas coloreadas definidas a partir del comportamiento de la precipitación para Gran Canaria. Distribución de las 123 estaciones y área total de cada zona en km 2.

Pág. 51 de 89

B

C A

G F

SUR

NORTE

E

G 2000 m

D

F

242 km2

231 km2

C

291 km2

1000 m

233 km2 364 km2

E

400 m

B

D

A

437 km2 337 km2

Figura 28. Zonas climáticas coloreadas definidas a partir del comportamiento de la precipitación para Tenerife. Distribución de las 304 estaciones y área total de cada zona en km 2.

Pág. 52 de 89

Figura 29. Zonas climáticas coloreadas definidas a partir del comportamiento de la precipitación para La Palma. Distribución de las 32 estaciones y área total de cada zona en km 2.

3.5.2. Selección de series analizadas por zonas y generación de series de referencia

Las series de precipitación más valiosas para este análisis de cambio climático son aquellas que tienen un mayor recorrido temporal y con pocos huecos en el periodo base. También son importantes aquellas que aún teniendo huecos en el periodo base, proporcionan datos en décadas anteriores a los 70, 60 y 50. Las series consideradas idóneas sirven para construir las series de referencia de cada zona climática, el resto se tuvieron en cuenta en la mejora de las primeras durante los procesos de rellenado de gaps, corrección outliers  y la

Pág. 53 de 89

homogenización. Estas series idóneas son utilizadas para construir las series de referencia de anomalías de cada una de las zonas climáticas. La metodología para construir estas series de anomalías consiste en un ajuste de varianzas y un promediado de la precipitación anual de todas las estaciones de la zona, para luego restarle la acumulación anual media del periodo base (1970-1999) también obtenida de todas las series de la zona.  A continuación se construyen las series de anomalías por vertientes norte o sur considerando las series de referencia zonales de anomalías según su orientación norte o sur de la isla. En este caso se tiene en cuenta el área de cada zona ya que la serie de anomalías resultante está sopesada en función de la extensión de cada zona involucrada de la vertiente. Siguiendo el mismo método que para las vertientes pero utilizando la totalidad de zonas de la isla, se construye la serie de anomalías global representativa de la anomalía de precipitación de toda la isla. La selección de series largas y con pocos gaps en el periodo base no es tarea sencilla dada la gran cantidad de estaciones a inspeccionar en Tenerife y Gran Canaria, principalmente. Para tratar este problema de forma eficiente se preparó un algoritmo específico que realiza a las estaciones de cada zona climática: 1. Un cálculo de la proporción de gaps en el periodo base para cada estación. 2. Ordena las estaciones de menor a mayor según la proporción de gaps. 3. Calcula la proporción de gaps acumulado “pga”   para la serie de estaciones ordenada mostrando el valor de pga cada vez que se añade una estación. 4. En caso de empate en la zona entre el 30% y el 40% de pga se informa que serie tiene datos de mayor antigüedad. Esta forma de proceder permite ordenar automáticamente las series en función del pga en cada zona. Los resultados de aplicar este algoritmo se muestra en las tablas 2, 3 y 4 correspondientes a la isla de Gran Canaria, Tenerife y La Palma respectivamente. Se ha marcado el pga crítico seleccionado siendo este siempre por debajo del 30% cuando hay muchas estaciones por zona y rondando este valor cuando hay pocas. En La Palma hay zonas climáticas con una o dos estaciones con datos insuficientes para crear la serie de

Pág. 54 de 89

referencia. Esto ocurre en la zona B, C y F, ya que no solo hay pocos datos en el periodo base con un pga entre 21 y 40% sino también en el resto del periodo.

Tabla 2. Estaciones ordenadas en función del pga (proporción de gaps acumulado) para la isla de Gran Canaria. Las que quedan por encima de la línea roja son las utilizadas para generar las series de referencia zonales, en total unas 115. En la última fila el primer y último año de la serie de anomalías generada para cada zona. Zona A Zona B Zona C Zona D Zona E Zona F Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) 42 0 27 0 46 0,3 49 6,1 23 0,6 41 1,7 98 0 87 0 1 0, 4 80 6,4 70 1,9 69 1,7 104 0,1 91 0 112 0,5 72 7,4 78 3,2 28 1,8 117 0,1 115 0,1 82 0,6 4 9,1 77 5,1 19 2,8 120 0,2 92 0,4 110 0,8 48 10,3 71 8,4 68 3,5 14 0,3 116 0,6 86 1 67 11,8 25 11,5 74 4,2 51 0,4 63 0,9 107 1,3 73 13,8 38 14,9 40 4,7 118 0,5 34 2,5 62 1,6 44 16,9 79 17,5 75 6,7 53 0,6 47 3,7 83 1,8 9 19,5 76 8,9 64 0,8 93 5,9 108 2,1 26 25,3 106 0,9 113 7,9 85 3,2 22 31 102 1,1 99 9,7 81 4,3 29 36,2 96 1,3 90 11,5 84 5,5 123 1,9 88 13,2 10 6,4 50 2,4 35 14,9 60 7,4 103 3,0 114 16,4 58 8,2 119 3,5 37 18 11 9,2 95 4,2 43 25,3 59 10,1 3 4,9 24 29.8 32 11,3 17 5,7 109 12,6 101 6,6 8 13,9 36 7,5 55 15,2 52 8,6 54 16,7 66 9,5 61 18,4 7 10,6 56 19,9 15 11,5 31 21,5 97 12,5 111 22,9 122 13,5 30 24,5 6 14,6 89 26,2 105 15,6 39 27,7 121 16,7 57 29,9 65 18 94 19,5 45 20,9 16 22,3 2 23,7 12 25,4 5 26,4 100 27,9 13 29,7 18 31,4 40 58 88 98 106 115 40 18 30 10 8 9 1951

2008

1965

2008

1965

2008

1965

2008

1964

Pág. 55 de 89

2008

1965

2008

Tabla 3. Estaciones ordenadas en función del pga (proporción de gaps acumulado) para la isla de Tenerife. Las que quedan por encima de la línea roja son las utilizadas para generar las series de referencia zonales, en total unas 84. En la última fila el primer y último año de la serie de anomalías generada para cada zona. Zona A Zona B Zona C Zona D Zona E Zona F Zona G Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) 45 0 71 0 56 14,7 300 20,8 77 0 16 0,3 26 0,6 115 0 103 0 259 22,9 82 21 7 12,8 187 12,2 102 2,8 94 0,1 227 0 275 27,4 250 21,5 176 19,6 186 23,5 133 13,6 60 1,5 92 0,1 200 31,2 244 21,8 217 23,8 183 30 2 21,9 33 2,8 143 0,4 270 33,7 81 23,6 18 27 3 34 150 26,8 50 4,3 30 0,6 68 35,6 23 25,4 19 29,6 303 36,7 124 30,5 43 5,5 39 0,9 213 37,1 15 27,3 6 31,7 163 38,7 1 33,4 46 6,5 44 2,5 209 38,3 11 29,4 20 33,7 199 35,7 66 7,7 76 3,7 272 39,3 9 32,1 17 35,7 118 38,1 29 8,9 58 5,9 241 34,3 78 37,3 47 9,9 27 7,9 243 36,9 285 39 253 11,9 57 9,7 21 39,1 181 13,7 245 11,5 110 16,1 5 13,2 286 18,1 40 14,9 48 19,9 105 16,4 100 21,5 232 18 123 23 280 19,6 180 24,4 90 21 91 25,7 229 22,3 304 26,8 231 23,5 106 27,9 287 24,5 42 28,9 64 25,6 122 29,8 144 26,6 116 97 152 95 51 24

1938

30,8 31,7 32,6 33,4 34,3 24 2009

98 104 167 108 59 27

1919

27,5 28,4 29,2 30 30,9 51 2009

5

1959

56 2006

9

1945

65 2009

7

1945

72 2009

Pág. 56 de 89

5

1946

77 2009

7

1920

84 2009

Tabla 3. Estaciones ordenadas en función del pga (proporción de gaps acumulado) para la isla de La Palma. Las que quedan por encima de la línea roja son las utilizadas para generar las series de referencia zonales, en total unas 18. En la última fila el primer y último año de la serie de anomalías generada para cada zona. No se generan las series para las zonas B, C y F por no haber una cantidad suficiente de datos. Zona A Zona B Zona C Zona D Zona E Zona F Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) Estación pga(%) 20 12,5 32 21,1 25 20,8 8 2,7 6 0 24 84,4 19 19,7 27 39,9 15 47,8 10 3,1 3 2,8 16 22,8 31 46,9 7 3,9 28 3,9 23 28,3 18 51,8 12 16,9 2 5,6 30 33,9 26 56,6 11 29,3 1 10,6 17 37,9 29 61,0 13 37,8 4 14,6 21 45,4 14 46,7 9 17,6 22 51,7 5 21,9 5

5

1965

2009

5 Datos insuficientes 0

5 Datos insuficientes 0

5

10

8

18

1946

2009

1935

2009

18 Datos insuficientes 0

Para el cálculo de las series de la vertiente norte de Gran Canaria y Tenerife se utilizaron las series de referencia promediadas de las zonas A, B y C de cada isla, obteniéndose una serie de anomalías de precipitación para Gran Canaria desde 1951 hasta 2008 y desde 1919 hasta 2009 para Tenerife. Para las series de la vertiente sur   se utilizaron las correspondientes a las zonas D, E y F, en este caso tienen un recorrido temporal más corto, entre 1964 y 2008 para Gran Canaria y entre 1946 y 2009 para Tenerife. Para la isla de La Palma sin embargo solo se puede utilizar la serie de la zona A para construir la serie de la vertiente noreste (con un recorrido entre 1965 y 2009) y se utilizaron las correspondientes a la zona D y E promediadas para representar la serie de precipitación de la vertiente suroeste (con un recorrido entre 1935 y 2009). Para construir la serie global de Gran Canaria se utilizaron las serie de la zona A, B, C, D, E y F promediadas con respecto a la extensión del área de cada zona (recorrido entre 1951 y 2008). Lo mismo se hizo para la serie global de Tenerife aunque añadiendo la serie promediada de la zona alta G (recorrido entre 1919 y 2009). Para La Palma sin embargo solo se pudo tomar las series promediadas para la zona A, D y F, por lo que la serie global tendrá mayor influencia de la precipitación de esta vertiente al suroeste (recorrido entre 1935 y 2009).

Pág. 57 de 89

4. Resultados. Tras comentar los resultados más relevantes de la parte metodológica referente al análisis de outliers y rellenado de gaps, se detallarán además los aspectos más llamativos de la homogenización realizada con Climatol y se terminará interpretando los resultados obtenidos a partir de las series anuales de precipitación en cada isla y por zonas en estas islas. 4.1 Resultados en la corrección de outliers y rellenado de gaps 1. Gran Canaria

Las 123 estaciones de Gran Canaria proporcionan un total de 43403 datos brutos mensuales de precipitación acumulada. De todas estas solo 3 estaciones empiezan a funcionar a principios de la década de los 50, mientras que la mayoría (unas 70) empiezan su actividad en 1964 o 1965, de estas unas 10 tienen series de menos de 10 años. En procesos sucesivos como el rellenado de gaps y corrección de outliers por correlación entre estaciones cuyos resultados se muestran en las tablas del anexo I, se consiguió aumentar la calidad de las 1380 (115x12) series pertenecientes a las 115 estaciones (aquellas con menos de un 30% de gaps acumulados, ver tabla 2) a partir de las siguientes acciones: 

2603 gaps rellenados.



0 outliers extremos eliminados.



359 outliers sospechosos corregidos.

 Analizando estos resultados por meses (ver tablas al final del anexo I) la mayor cantidad de incorporaciones ocurren, en los meses entre septiembre y abril. Mientras que para el caso de las correcciones de outliers no hay una época del año definida, la mayor cantidad de correcciones ocurren en enero (48), mayo (44) y septiembre (71). Una inspección visual de las series en distintas zonas de la isla, viene a confirmar las características generales de precipitación en Gran Canaria: La irregularidad de las lluvias en los meses invernales en la zona sur, más acusado y con acumulaciones mensuales más altas si la estación

de

encuentra

a

mayor

altura

(hasta

600

mm

en

enero

de

1979

en

C624E_Tejeda_ViveroÑameritas con una desviación estándar de 71 mm). La sequia estival generalizada, más acusada en la zona sur. Cierta regularidad en los meses invernales en zonas

Pág. 58 de 89

de medianías del norte (promedio de 50 mm con una desviación estándar de 43 mm en la estación C657I_StaBrigida_Casco) 2. Tenerife

Las 304 estaciones de la AEMET analizadas producen un total de 65958 datos de precipitación mensual hasta diciembre de 2009. Los primeros datos contabilizados se remontan a 1906 en la estación 40 (La Laguna_Instituto, C447B), a la que se añaden 2 o 3 mas a partir de 1919. No es hasta 1945 aproximadamente cuando se ponen en marcha unas 50 estaciones de las cuales solo unas 20 mantienen cierta continuidad en la recopilación de datos. En los años 70 se añaden otras 20 o 30 aunque el mayor incremento se produce a mitad de los 80 ya con las 300 estaciones alcanzándose un máximo de 240 mediciones simultáneas a finales de los 80 y principios de los 90. A partir de entonces el número de mediciones han ido disminuyendo hasta nuestros días hasta unas 60 aproximadamente. En procesos sucesivos como el rellenado de gaps y corrección de outliers por correlación entre estaciones cuyos resultados se muestran en las tablas del anexo I, se consiguió aumentar la calidad de las 1008 (84x12) series pertenecientes a las 84 estaciones (aquellas con menos de un 30% de gaps acumulados, ver tabla 3) a partir de las siguientes acciones: 

4532 gaps rellenados.



11 outliers extremos eliminados.



4 outliers extremos corregidos



485 outliers sospechosos corregidos.

 Analizando estos resultados por meses (ver tablas en el anexo I) la mayor cantidad de incorporaciones ocurren en diciembre con 505, aunque hay bastante homogeneidad en el resto de meses en torno a 430 incorporaciones al mes salvo los meses de mayo a agosto que bajan con un mínimo de 194 en julio. Mientras que para el caso de las correcciones de outliers no hay una época del año definida, la mayor cantidad de correcciones ocurren en septiembre (70) y agosto (62) y la menor cantidad en diciembre (8).

Pág. 59 de 89

3. La Palma.

Las 32 estaciones analizadas producen un total de 10206 datos de precipitación mensual hasta diciembre de 2009. Aunque hay datos de precipitación mensual aislados desde 1915 en la estación 22 (SANTA-C-PALMA, C139O) no es hasta 1935 cuando se consigue cierta continuidad en las mediciones de precipitación con 2 o 3 estaciones activas en el suroeste de la isla. A partir de 1946 aproximadamente se incorporan unas 15 estaciones aunque no se consigue que estas generen una continuidad acorde con su número hasta mediados de los años 70. A mediados de los 80 se incorporan el resto de estaciones consiguiendo un máximo en torno a 25 mediciones simultáneas a finales de esta década y principios de los 90. A partir de aquí el número de mediciones va disminuyendo hasta estabilizarse en torno a 15 en nuestros días. En procesos sucesivos como el rellenado de gaps y corrección de outliers por correlación entre estaciones cuyos resultados se muestran en las tablas del anexo I, se consiguió aumentar la calidad de las 216 (18x12) series pertenecientes a las 18 estaciones (aquellas con menos de un 30% de gaps acumulados, ver tabla 4) a partir de las siguientes acciones: 

608 gaps rellenados.



2 outliers extremos eliminados.



65 outliers sospechosos corregidos.

 Analizando estos resultados por meses (ver tablas en el anexo I) la mayor cantidad de incorporaciones ocurren en diciembre con 84, aunque hay bastante homogeneidad en el resto de meses en torno a 60 incorporaciones al mes salvo los meses de febrero con 39, julio con 11 y agosto con 23. Mientras que para el caso de las correcciones de outliers no hay una época del año bien definida, la mayor cantidad de correcciones ocurren en agosto (13) y la menor cantidad en febrero (1).

4.2. Resultados en la homogenización de las series de precipitación.

El paquete climatol utilizado para homogeneizar las series de precipitación en cada isla por separado, no solo corrige inhomogeneidades en las series sino que también corrige outliers que superan cierto umbral, en este caso, aquellos que superen 5 veces la desviación típica de la serie.

Pág. 60 de 89

Una vez finalizado el proceso de homogenización con Climatol, al final del fichero resumen (ver  Anexo III) hay un listado de estaciones corregidas junto con otras “hermanas”, generadas como copias de las que sufrieron los mayores saltos de snht. Estas nuevas estaciones son estadísticamente posibles y la elección de estas en lugar de las originales corregidas depende del uso futuro que se les pretenda dar. En el caso de estar interesado en calcular tendencias, es recomendable tomar aquellas que tengan una mayor proporción de datos originales sin que se repita ninguna. Estas son las que tienen un valor mayor en la columna de PD en el fichero resumen y ha sido el procedimiento seguido en este trabajo. Una vez homogenizadas las series de cada isla, dado que la cantidad de datos previa al proceso de homogenización es lo suficientemente numerosa como para construir series de referencia por zonas, se han omitido todos los huecos rellenados por climatol de esta forma solo nos quedamos con el resultado de la homogenización.  A continuación se muestra un listado de los cortes principales realizados y un recuento de outliers corregidos en cada isla, aunque es importante destacar que cada vez que se realiza un corte o se corrige un outlier, climatol repite los procesos anteriores de forma iterativa, realizando nuevos cortes y/o encontrando nuevos outliers por lo que el recuento final puede ser distinto al mostrado aquí. Los cortes se dividen en principales: estos s uponen la generación de una serie “hermana” y secundarios: estos quedan cerca del borde de la serie, menos de 12 meses, y la zona entre la inhomogeneidad y el final se borra para luego rellenarse con estimaciones. 1. Gran Canaria.

- Grupo de estaciones al norte (unas 92):

46 outliers corregidos. 12 cortes: 10 principales 2 secundarios Grupo de estaciones al sur (unas 31): o 13 outlier corregidos. o 8 cortes: 6 principales 2 secundarios o o

 

-

 

2. Tenerife.

- Grupo de estaciones al norte (unas 223): o o

50 outliers corregidos. 36 cortes: 33 principales 

Pág. 61 de 89

3 secundarios Grupo de estaciones al sur (unas 75): o 17 outlier corregidos. o 17 cortes: 14 principales 3 secundarios 

-

 

3. La Palma.

- Grupo de estaciones al noreste (unas 16):

4 outliers corregidos. 5 cortes: 3 principales 2 secundarios Grupo de estaciones al suroeste (unas 16): o 6 outlier corregidos. o 14 cortes: 12 principales 2 secundarios o o

 

-

 

Estos cortes podrían parecer escasos pero representan aquellas series que han tenido un comportamiento anómalo llamativo con respecto a las series de su entorno. La comparación con el entorno se garantiza en todo momento con la utilización anomalías (diferencia entre el dato de serie problema y el dato interpolado de las series del entorno) en lugar de utilizar el dato directo de precipitación. Esta medida evita además la aparición excesiva de saltos en la media por superar los umbrales de snht en los casos con un comportamiento tan irregular como el que nos ocupa.

Pág. 62 de 89

4.3 Análisis de tendencias de la precipitación

En este apartado se realiza una interpretación de las series de anomalías acumulaciones anuales de precipitación obtenidas en cada una de las islas. Estas anomalías están referidas al valor de la precipitación acumulada anual promediada en el periodo base entre 1970 y 1999 para cada zona. Se comenzará por analizar las series globales representativas de la precipitación general en cada isla, luego las vertientes y finalmente se terminará analizando las zonas dando prioridad a las más pobladas y resaltando aquellos aspectos más importantes y llamativos. En el anexo IV se muestra todas las gráficas correspondientes a la evolución temporal de anomalías para todas las zonas de las tres islas. 4.3.1. Análisis precipitación Gran Canaria

En el análisis global de la isla cuya gráfica se muestra en la figura 30, llama la atención lo irregular de la anomalía anual de la precipitación de forma que se alternan de forma casi aleatoria años de anomalías positivas (A+) con años de anomalías negativas (A-). Solo en contados casos encontramos 3 años o más seguidos con anomalías de igual signo como es el caso de algunos periodos más húmedos que la media: -

Con un exceso de 250 mm aprox. durante 4 años entre 1955 y 1958.

-

Con un exceso de 180 mm aprox. durante 6 años entre 1967 y 1972.

-

Con un exceso de 150 mm aprox. durante 3 años entre 2004 y 2006.

Tambien periodos largos más secos que la media: -

Con un déficit de 120 mm aprox. durante 6 años entre 1973 y 1978.

En caso de tratar de hacer un ajuste lineal para conocer la tendencia lineal, éste fracasa debido a la irregularidad de serie, se obtiene una pendiente decadal de -10 mm con una gran incertidumbre de ± 20 mm y con una significación estadística por debajo del 95% por lo que se debe tomar esta tendencia decadal con cautela. De forma general se podría decir que hay un predominio de años con anomalías positivas entre 1951 y 1972 (unos 15 con A+ frente a solo 4 con A-), por lo que este periodo fue más lluvioso. Sin embargo esta tónica se invierte bruscamente a partir de 1973 con 6 años

Pág. 63 de 89

seguidos de A- e igual cantidad de anomalías + y  – a partir de 1979 hasta el 2008.

Figura 30. Evolución de las anomalías de precipitación anual acumulada para el análisis global de la isla de Gran Canaria. Las barras indican el valor de la anomalía con respecto a la precipitación anual promediada en el periodo base (1970-1999). La línea recta inclinada es el ajuste lineal por mínimos cuadrados. La línea curva es una media móvil de los últimos 10 años.

En la gráfica de anomalías de la vertiente norte de Gran Canaria (figura 31) comprende las zonas A, B y C (ver zonas en figura 27). La evolución de las anomalías de precipitación sigue caracterizada por una gran irregularidad. La tendencia lineal de la anomalía para todo el periodo de estudio (entre 1951 y 2008) sigue siendo descendente y más pronunciada que para la evolución global (-20 mm ± 30 mm) aunque poco significativa estadísticamente. Llama la atención en este caso una acumulación de anomalías negativas significativas entre

Pág. 64 de 89

los años 1994 y 2001.

Figura 31. Lo mismo que la figura 30 pero para la vertiente norte de Gran Canaria.

En la vertiente sur de Gran Canaria (figura 32) la evolución de anomalías entre 1964 y 2008 aún siendo muy irregular prácticamente no muestra una tendencia clara a aumentar o a disminuir. Es llamativa la anomalía negativa de -600 mm de 2004, este año tuvo que ser especialmente seco.

Pág. 65 de 89

Figura 32. Lo mismo que la figura 30 pero para la vertiente sur de Gran Canaria.

Para las zonas más pobladas de la isla como la zona norte baja por debajo de los 400 m o zona A (ver zona en figura 27 y evolución de anomalías en figura 1 del anexo IV) es muy parecido a lo que ocurre en la vertiente norte con igual tendencia lineal descendente aunque con menor incertidumbre (-20 ± 20 mm) ya que en la vertiente norte la incertidumbre era de ± 30 mm. Llama la atención por un lado las A+ significativas de hasta 400 mm en los primeros años entre 1951 y 1958 y por otro lado la acumulación de A+ durante 5 años seguidos entre 2002 y 2007 aunque de menor cuantía que las primeras, de unos 70 mm. En la zona baja sur (figura 4 en anexo IV) sin embargo parece invertirse la tendencia con un aumento en el número y tamaño de A+ a partir de 1987 que genera una tendencia decadal

Pág. 66 de 89

aunque poco significtiva de 20 mm ± 20 mm. Esto se confirma en la zona inmediatamente encima entre 400 y 800 metros (figura 5 del anexo IV), donde además hay menos huecos. En este caso se ha obtenido una tendencia decadal de 30 mm ± 50 mm.

4.3.2. Análisis precipitación Tenerife

El análisis global de la isla de las anomalías de precipitación acumulada anual (figura 33) se tienen datos más antiguos desde 1919 y la primera característica además de la irregularidad, es que parece haber un cierto comportamiento cíclico. Se alternan grupos de anomalías positivas (A+) y anomalías negativas (A-) con periodos variables de 4 a 10 años. Sin embargo este ciclo es más difícil de ver en los últimos 15 años donde parece haber un predominio de A-. Llama poderosamente la atención los dos periodos con predominio de A+ con máximas de 840 mm aproximadamente, el primer periodo, los primeros años, entre 1920 y 1926 y el segundo entre 1949 y 1959. Se ha medido una tendencia decadal negativa aunque poco significativa de -20 ± 20 mm para todo el periodo estudiado (1919-2009). Esta tendencia negativa se mantiene idéntica en el análisis de la vertiente norte (figura 34) y se acentúa en la zona baja norte o zona A (figura 7 en el Anexo IV) con una pendiente decadal de -40 ± 20 mm, además, significativa estadísticamente al 95%. En la vertiente sur de la isla (figura 35) ocurre algo parecido a la vertiente sur de Gran Canaria y es que no parece haber una tendencia clara a aumentar o a disminuir. Es llamativa la anomalía positiva de casi 900 mm de 1953, este año tuvo que ser especialmente húmedo en esta zona. A diferencia de lo que ocurre en la zona baja al sur de Gran Canaria en esta zona en Tenerife (figura 10, Anexo IV) la tendencia decadal es a la baja (-10 ± 30 mm) aunque de forma poco significativa estadísticamente. Sin embargo la tendencia entre las dos islas si parecen ponerse de acuerdo con signo positivo en la zona E correspondiente con la zona sur entre 400 y 1000 m (figura 11, Anexo IV). En la zona G o zona alta por encima de los 2000 m (figura 13, Anexo IV) no se observa una tendencia decadal clara en la evolución de las anomalías de precipitación anual. Si se pueden percibir los ciclos observados en el análisis global de la isla. Llama la atención la A+

Pág. 67 de 89

de 930 mm registrada en 1979, este año tuvo que ser especialmente húmedo en esta zona.

Figura 33. Evolución de las anomalías de precipitación anual acumulada para el análisis global de la isla de Tenerife. Las barras indican el valor de la anomalía con respecto a la precipitación anual promediada en el periodo base (1970-1999). La línea recta inclinada es el ajuste lineal por mínimos cuadrados. La línea curva es una media móvil de los últimos 10 años.

Pág. 68 de 89

Figura 34. Lo mismo que la figura 30 pero para la vertiente norte de Tenerife.

Pág. 69 de 89

Figura 35. Lo mismo que la figura 30 pero para la vertiente sur de Tenerife.

4.3.3. Análisis precipitación La Palma.

 Antes de comenzar es importante destacar que el análisis global de la isla mostrada en la figura 36 va a estar fuertemente influenciada por las dos zonas D y E de la vertiente suroeste debido a que este gráfico se ha realizado con datos de solo 3 zonas A, D y E. La evolución de anomalías para esta isla nos muestra una tendencia decadal negativa de 40 ± 40 mm aunque significativa estadísticamente al 95% en el análisis realizado entre 1935 y 2009. Destaca por otro lado un periodo entre 1949 y 1959 espacialmente húmedo con valores máximos de A+ de 1600 mm.

Pág. 70 de 89

Figura 36. Evolución de las anomalías de precipitación anual acumulada para el análisis global de la isla de Tenerife.

Sin embargo para la vertiente nordeste representada únicamente por la zona baja A, mostrada en la figura 14 del anexo IV, la tendencia decadal entre 1965 y 2009 es positiva de valor 40 ± 60 mm, aunque con una significación estadística menor del 95%. Destaca en el análisis de esta zona un grupo de A+ en los últimos años entre el 2004 y 2009 con un máximo de 900 mm en 2005. La el análisis de la vertiente suroeste es prácticamente idéntica al análisis global con idéntica tendencia, sin embargo en la zona baja de esta vertiente o zona D (figura 15, anexo IV) la tendencia decadal negativa entre 1947 y 2009 se suaviza y alcanza -20 ± 40 mm aunque con una significación menor al 95%. En la zona E, suroeste entre 400 y 1000 m

Pág. 71 de 89

(figura 16, anexo IV) destacan unas A+ en la década de los 50 con máximos muy significativos entre 1700 y 2500 mm que habría que investigar ya que de ser ciertos suponen unas acumulaciones muy extremas para la región en la que se encuentra el archipielago.

5. Resumen y conclusiones En este trabajo se ha utilizado un sistema novedoso de cualificación de series de precipitación especialmente diseñado para procesar de forma eficiente una gran cantidad de datos (unos 119567) de precipitación pertenecientes a 459 estaciones repartidas en 3 islas, Gran Canaria, Tenerife y La Palma. Por un lado se han rellenado un total de 7743 huecos o gaps y corregido un total de 909 valores sospechosos y extremos correlacionado unas series con otras, por otro lado, las series de las 459 estaciones se han sometido a un proceso de homogenización por isla y por grupos en cada isla con regímenes de precipitación afines. Este proceso ha sido llevado a cabo con la aplicación “Climatol” que está especialmente diseñada para:

-

Procesar de forma semiautomática un gran volumen de datos.

-

Realizar una homogenización relativa sin que sea necesaria la confección de series homogenizadas previas que sirvan de referencia como ocurre con otros algoritmos.

-

Tratar series ruidosas e irregulares puesto que utiliza anomalías (diferencia entre el dato de serie problema y el dato interpolado de las series del entorno). Esto evita la aparición excesiva de saltos en la media por superar los umbrales de snht en los casos con un comportamiento tan irregular como el que nos ocupa.

En total la aplicación ha corregido 136 valores sospechosos y extremos y ha realizado 92 cortes o ajustes en total. Este número de cortes podría parecer escaso pero representan aquellas series que han tenido un comportamiento anómalo llamativo con respecto a las series de su entorno y por tanto sospechosas de haber sido movidas de su localización inicial. La fase siguiente de este trabajo ha sido la separación de zonas según la orografía con regímenes de precipitación parecidos desde el punto de vista climático. Para ello se ha utilizado los resultados de los análisis de grupos de estaciones basados en el índice de disimilaridad de la aplicación Climatol. Estos análisis climáticos han ayudado a realizar unas separaciones de zonas principales por vertientes y unas secundarias por estratos verticales. Esta tarea de definición de áreas es decisiva construir las series de anomalías de precipitación de referencia zonales, que posteriormente

Pág. 72 de 89

se han combinado de forma pondera, según la extensión del área de cada una, para generar las series por vertientes y las globales de cada isla. En general los análisis globales de las tres islas indican tendencias negativas en las acumulaciones anuales de la precipitación más acusadas en la isla de La Palma (-4 mm/año, análisis entre 19352009) donde además es significativo al 95% y menos acusado en Gran canaria (-1 mm/año, análisis entre 1951-2008). La vertiente norte de Gran Canaria y Tenerife tienen tendencias de precipitación negativas (-2 mm/ año, entre 1951-2008 en GC y entre 1919-2009 en TF) por contra, la vertiente norte baja entre 0 y 400 m de la isla de La Palma presenta una tendencia positiva (4 mm/año, entre 1945-2009), en los tres casos son poco significativas estadísticamente. Las vertientes sur de Gran Canaria y Tenerife no presentan tendencias claras aunque sí han sido medidas tendencias positivas en la zona sur baja (0-400 m) e intermedia (400-800 m) de Gran Canaria (2-3 mm/año, 1965-2008) y zona E de Tenerife (2 mm/año, 1945-2009). En la vertiente suroeste de La Palma se ha medido una tendencia negativa llamativa (-4 mm/año, 1935-2009) que además es significativa estadísticamente al 95%. Finalmente se ha observado un cierto comportamiento cíclico de las anomalías en el análisis global en Tenerife con periodos variables de 4 a 10 años. Esto se ha observado también en el análisis de la zona alta encima de los 2000 m en esta isla por lo que presumiblemente puede ser debido a algún patrón climático del atlántico que aumenta la llegada de perturbaciones al archipiélago canario en los años de predominio de anomalías positivas.

Agradecimientos

En especial Dr. José A. Guijarro, meteorólogo de la Delegación Territorial en Illes Balears, Agencia Estatal de Meteorología y desarrollador del paquete Climatol por realizar un seguimiento de este trabajo.  Agencia Canaria de Desarrollo Sostenible Cambio Climático por encargar este informe. A la iniciativa comunitaria INTERREG III por financiar el proyecto CLIMA-IMPACTO en el que se encuentra esta actuación de cualificación y homogenización de datos.

Pág. 73 de 89

7. Referencias  Aguilar, E., I. Auer, M. Brunet, T. C. Peterson, & J. Wieringa .2003. Guidelines on Climate Metadata and Homogenization, WCDMP GUIDELINES SERIES, WMO/TD nº 1186, Llansó, P. ed., 50 pp., WMO, Geneva  Aguilar, E., I. Auer, M. Brunet, T. C. Peterson, & J. Wieringa .2003. Guidelines on Climate Metadata and Homogenization, WCDMP GUIDELINES SERIES, WMO/TD nº 1186, Llansó, P. ed., 50 pp., WMO, Geneva  Alexandersson, H. A. 1986. A homogeneity test applied to precipitation data. J. Climatology 6, 661 –675. Barnett, V., and T. Lewis, 1994: Outliers in Statistical Data. 3d ed. J. Wiley and Sons, 604 pp. Bruner et al. (2001) Pag. 11 último párrafo. R. García, D. Gallego, E. Hernández, L. Gimeno, P. Ribera, N. Calvo (2003) Precipitation trends in the Canary Islands, International Journal of Climatology, 23, 235-241 González-Rouco, J.F., J.L. Jiménez, V. Quesada & F. Valero. 2001. Quality control and homogeneity of precipitation data in the southwest of Europe. Journal of Climate, 14: 964-978. Guijarro, J.A. (2004). Climatol: Software libre para la depuración y homogeneización de datos climatológicos. En: García-Codron et al. (Eds.). El clima, entre el Mar y la Montaña. Asociación Española de Climatología, A-4, pp. 493-502. Guijarro JA (2011): User's guide to Climatol. http://webs.ono.com/climatol/climatol-guide.pdf (40 pp.) Hansen, J.E. & S. Lebedeff .1987., Global trends of measured surface air temperature, J. Geophys. Res., 92: 13345-13372. Jones, P., S. Raper, & T. Wigley. 1986b. Southern Hemisphere Surface Air Temperature Variations: 1851 –1984. J. Appl. Meteor., 25: 1213 –1230. Jones, P., S. Raper, R. Bradley, H. Diaz, P. Kellyo & T. Wigley. 1986a. Northern Hemisphere Surface Air Temperature Variations: 1851 –1984. J. Appl. Meteor., 25: 161 –179.

Pág. 74 de 89

Jones, P., T. Wigley & P. Kelly. 1982. Variations in Surface Air Temperatures: Part 1. Northern Hemisphere, 1881 –1980.Mon. Wea. Rev., 110: 59 –70. Khaliq MN, Ouarda TBMJ (2007): On the critical values of the standard normal homogeneity test (SNHT). Int. J. Climatol., 27:681687. Mitchell S.M., B. Dzerdzecvskii, H. Flohn, N.L. Hofmeyr, H.H. Lamb, K.N. Rao & C.C, Wallen. 1966. Climatic Change. Tecnical note nr. 79, W.M.O. nr. 195, TP 100. Morales et al., (2005) Pag. 11 último párrafo. Osborn et al. (1997) Pag. 11 último párrafo. Peterson T.C., D.R. Easterling, T.R. Karl, P. Groisman, N. Nicholls, N. Plummer, S. Torok, I. Auer, R. Böhm, D. Gullett, L. Vincent, R. Heino, H. Tuomenvirta, O. Mestre, T. Szentimrey, J. Salinger, E.J. Førland, I. Hanssen-Bauer I, H. Alexandersson, P. Jones & D. Parker. 1998a. Homogeneity adjustments of in situ atmospheric climate data: a review. International Journal of Climatology 18: 1493 –1517. Peterson, T.C., R. Vose, R. Schmoyer & V. Razuvaev. 1998b. Global historical climatology network (GHCN) quality control of monthly temperature data. International Journal of Climatology, 18: 1169-1179 Paulhus, J.L.H. and Kohler, M.A. (1952). Interpolation of missing precipitation records. Month. Weath. Rev., 80, pp. 129-133.

Sneyers, R. 1975. Sobre el análisis estadístico de las series de observaciones. OMM, Nota técnica 143. OMM-Nº 415. Geneva. Trenberth, K. E., and D. A. Paolino, 1980: The Northern Hemisphere sea-level pressure data set: Trends, errors and discontinuities. Mon. Wea.Rev., 108, 856 –872. Ward, Joe H. (1963). "Hierarchical Grouping to Optimize an Objective Function". Journal of the American Statistical Association 58 (301): 236 –244.

World Meteorological Organization (WMO). 1996. Climatological normals (CLINO) for the period 19611990. Geneva, Pub. 847, 768 pp.

Pág. 75 de 89

Anexo I Recuento total de gaps, outlier extremos y sospechosos, resultado de aplicar programa “gapsppt.pgm” 1. Gran Canaria

Recuento de modificaciones por meses y totales de Mes gaps rellenados ----------------Ene 226 Feb 222 Mar 249 Abr 249 May 193 Jun 178 Jul 116 Ago 120 Sep 253 Oct 246 Nov 300 Dic 251 ----------------Totales 2603

o.ex.borrados ------------0 0 0 0 0 0 0 0 0 0 0 0 ------------0

o.ex.correg ----------0 0 0 0 0 0 0 0 0 0 0 0 ----------0

43403 datos originales leidos o.sosp.mod ---------48 21 9 21 44 26 35 28 71 20 18 18 ---------359

2. Tenerife

Recuento de modificaciones por meses y totales de 65958 datos originales leidos Mes gaps rellenados --- --------------Ene 436 Feb 414 Mar 426 Abr 411 May 335 Jun 292 Jul 194 Ago 228 Sep 431 Oct 431 Nov 429 Dic 505 --- --------------Totales 4532

o.ex.borrados ------------1 0 0 4 1 0 1 2 1 1 0 0 ------------11

o.ex.correg ----------0 0 0 0 1 0 2 0 0 0 0 1 ----------4

o.sosp.mod ---------24 26 33 41 59 45 50 62 70 36 31 8 ---------485

3. La Palma

Recuento de modificaciones por meses y totales de datos originales leidos

10206

Pág. 76 de 89

Mes gaps rellenados --- --------------Ene 66 Feb 39 Mar 52 Abr 52 May 52 Jun 49 Jul 11 Ago 23 Sep 45 Oct 68 Nov 67 Dic 84 --- --------------Totales 608

o.ex.borrados ------------0 0 0 0 0 1 0 0 1 0 0 0 ------------2

o.ex.correg ----------0 0 0 0 0 0 0 0 0 0 0 0 ----------0

o.sosp.mod ---------4 1 4 5 9 7 5 13 9 3 3 2 ---------65

Pág. 77 de 89

Anexo II Lista de estaciones utilizadas y tablas indicadoras de las modificaciones realizadas en los datos. 1. Lista de estaciones utilizadas. 1.1.

Estaciones en Gran Canaria.

Num

Nombre

Código

Altitud

Latitud

Longitud

Zona

1

Agaete_Tamadaba

C613E

1255

28,0536

-15,6917

C

2

Agaete_SuerteAlta

C668V

360

28,0925

-15,6747

A

3

Agaete_Ayuntamiento

C619B

60

28,0972

-15,6931

A

4

SanBartolomeTirajana_Berriel

C639O

15

27,7861

-15,5069

D

5

Firgas_Itara

C668F

280

28,1250

-15,5556

A

6

Galdar_Colegio

C669P

110

28,1444

-15,6514

A

7

Guia_Instituto

C669O

190

28,1372

-15,6278

A

8

Guia_MontañaAlta

C665Q

870

28,0833

-15,6208

C

9

SanBartolomeTirajana_JuanGrande

C639P

30

27,8056

-15,4708

D

10

Valsequillo_CuevasBlancas

C641I

1680

27,9639

-15,5444

C

11

Valsequillo_RincondeTenteniguada

C645O

950

27,9775

-15,5286

C

12

LasPalmasGC_TafiraCMT

C658L

269

28,0764

-15,4497

A

13

LasPalmasGC_BasedeHidros

C659S

3

28,1361

-15,4292

A

14

LasPalmasGC_JardinCanario1

C658J

270

28,0611

-15,4611

A

15

LasPalmasGC_ViveroTafira

C658I

320

28,0667

-15,4500

A

16

LasPalmasGC_ICMR

C659K

30

28,1083

-15,4167

A

17

LasPalmasGC_JuntadeObrasdelPuerto

C659P

15

28,1500

-15,4167

A

18

LasPalmasGC_SanCristobal

C659H

56

28,0897

-15,4161

A

19

Mogan_Inagua

C625A

950

27,9311

-15,7375

F

20

Mogan_PuertoMogan

C629X

10

27,8161

-15,7639

D

21

Mogan_PuertoMogan

C629I

12

27,8164

-15,7653

D

22

Mogan_PuertoRicoPlaya

C629Q

10

27,7833

-15,7167

D

23

Mogan_BarranquilloAndres

C626E

715

27,8931

-15,6792

E

24

Moya_LosTilos

C607I

525

28,0867

-15,5922

B

25

Aguimes_Temisas

C646E

690

27,9103

-15,5072

E

26

SanBartolomeTirajana_ElMatorral

C639U

15

27,8153

-15,4403

D

27

Valsequillo_GranjaLasRosas

C647O

540

27,9917

-15,4939

B

28

SanBartolomeTirajana_CuevasdelPinar

C623I

1217

27,9269

-15,6000

F

29

SanBartolomeTirajana_HotelFaroMaspalomas

C689E

25

27,7356

-15,5981

D

30

SanMateo_LaLechucilla

C655K

980

27,9981

-15,5292

C

31

SanMateo_Colegio

C655Q

835

28,0064

-15,5322

C

32

SanMateo_losJuncos

C611E

1697

27,9775

-15,5850

C

33

SanNicolasTolentino_Depuradora

C619I

10

28,0000

-15,8167

D

Pág. 78 de 89

34

StaBrigida_Casco

C657I

510

28,0414

-15,4903

B

35

StaBrigida_MonteCoello

C657K

460

28,0472

-15,4736

B

36

StaBrigida_ElTejar

C658K

390

28,0444

-15,4953

A

37

StaBrigida_FincaMadroñal

C656J

700

28,0200

-15,5214

B

38

StaLuciaTirajana_Casco

C636K

690

27,9111

-15,5433

E

39

Tejeda_CruzdeTejeda

C612F

1514

28,0069

-15,5989

C

40

Tejeda_PinarPajonales

C614I

1190

27,9486

-15,6569

F

41

Tejeda_ViveroÑameritas

C624E

1040

27,9319

-15,6750

F

42

Telde_Gando

C649I

24

27,9292

-15,3889

A

43

Telde_CentroForestalDoramas

C648N

400

27,9800

-15,4603

B

44

StaLucia_EradelCardon

C648A

320

27,8681

-15,4903

D

45

Telde_Capellania

C648T

260

27,9772

-15,4328

A

46

Valleseco_Casco

C665I

980

28,0472

-15,5736

C

47

Valsequillo_HaciendaLosMocanes

C646O

620

27,9817

-15,4936

B

48

StaLucia_CrucedeSardina

C649A

90

27,8528

-15,4519

D

49

Aguimes_Piletas

C649F

100

27,8750

-15,4458

D

50

Telde_BarrancodeSilva

C649O

35

27,9736

-15,3861

A

51

Telde_LosLlanos

C649U

150

27,9953

-15,4192

A

52

Telde_Narea

C649V

130

28,0000

-15,4111

A

53

Telde_LaPardilla

C649W

50

28,0139

-15,3897

A

54

Tejeda_LlanosdelaPez

C611F

1700

27,9694

-15,5792

C

55

Artenara_Casco

C613F

1250

28,0214

-15,6539

C

56

Artenara_CruzdeMaria

C613G

1260

28,0264

-15,6806

C

57

Galdar_Fagajesto

C614C

1007

28,0533

-15,6419

C

58

Tejeda_RincondeTejeda

C614E

1090

28,0042

-15,6139

C

59

Tejeda_CruzBlanca

C614F

1040

27,9956

-15,6164

C

60

Tejeda_LaCulata

C614G

1180

27,9806

-15,6003

C

61

Galdar_CaiderosdeSanJose

C615A

900

28,0750

-15,6444

C

62

Artenara_PresadeLosPerez

C615B

820

28,0492

-15,6678

C

63

Agaete_LosBerrazales

C617A

400

28,0694

-15,6569

B

64

Agaete_BarrancodeAgaete

C619A

40

28,1014

-15,7028

A

65

Agaete_LasLongueras

C619C

150

28,0861

-15,6792

A

66

Agaete_ElRisco

C619E

100

28,0444

-15,7236

A

67

SanNicolasTolentino_Casco

C619O

80

27,9833

-15,7778

D

68

SanBartolomeTirajana_CercadodeAraña

C625I

920

27,9153

-15,6208

F

69

SanBartolomeTirajana_LomosdePedroAfonso

C625O

806

27,8569

-15,6450

F

70

SanNicolasTolentino_Tasarte

C627A

420

27,9200

-15,7633

E

71

Mogan_TauroAlto

C627I

410

27,8528

-15,7028

E

72

SanBartolomeTirajana_CercadodeEspino

C628O

230

27,8542

-15,6583

D

73

Mogan_TauroBajo

C629O

70

27,8000

-15,7139

D

74

SanBartolomeTirajana_BailaderoLasBrujas

C635E

970

27,9028

-15,5944

F

Pág. 79 de 89

75

SanBartolomeTirajana_Casco

C635F

880

27,9258

-15,5722

F

76

SanBartolomeTirajana_LaHoya

C636I

760

27,9208

-15,5686

F

77

SanBartolomeTirajana_Fataga

C636J

600

27,8869

-15,5647

E

78

SanBartolomeTirajana_Palomas

C637A

570

27,8389

-15,6361

E

79

SanBartolomeTirajana_Arteara

C638I

340

27,8483

-15,5647

E

80

SanBartolomeTirajana_TableroMaspalomas

C639F

90

27,7708

-15,6028

D

81

SanMateo_HoyaGamonal

C652I

1480

27,9736

-15,5556

C

82

SanMateo_LasMesasdeAnaLopez

C652O

1480

27,9883

-15,5847

C

83

SanMateo_CuevaGrande

C653O

1380

27,9892

-15,5703

C

84

SanMateo_LomoAljorradero

C654O

1070

27,9989

-15,5533

C

85

SanMateo_PresaAntona

C654P

1150

28,0014

-15,5625

C

86

SanMateo_LasLagunetas

C654Q

1160

28,0050

-15,5803

C

87

SanMateo_Utiaca

C655O

870

28,0200

-15,5561

B

88

SanMateo_LaSolana

C655P

780

28,0261

-15,5306

B

89

SanMateo_LaVegueta

C655R

810

28,0089

-15,5272

C

90

SanMateo_ElDraguillo

C656O

600

28,0208

-15,5292

B

91

Teror_Dominicas

C656U

630

28,0664

-15,5439

B

92

StaBrigida_CampoGolfBandama

C657E

450

28,0331

-15,4617

B

93

StaBrigida_ElMadroñal

C657J

590

28,0222

-15,5056

B

94

LasPalmasGC_JardinCanarioII

C658N

260

28,0625

-15,4625

A

95

LasPalmasGC_SanLorenzo

C658O

220

28,0750

-15,4764

A

96

LasPalmasGC_Tamaraceite

C658P

200

28,0958

-15,4694

A

97

LasPalmasGC_FarodelaIsleta

C658U

240

28,1722

-15,4167

A

98

LasPalmasGC_ElToscon

C658V

310

28,0925

-15,5050

A

99

Teror_BarrancoLezcano

C658W

360

28,0764

-15,5167

B

100

Telde_Jinamar

C659B

95

28,0303

-15,4181

A

101

LasPalmasGC_LlanodelasBrujas

C659I

90

28,0869

-15,4306

A

102

LasPalmasGC_Mayorazgo

C659J

60

28,0958

-15,4292

A

103

LasPalmasGC_LomodelPolvo

C659O

150

28,1069

-15,4389

A

104

LasPalmasGC_LasCanteras

C659Q

15

28,1050

-15,4325

A

105

LasPalmasGC_PlayaChica_PuertodeLaLuz

C659R

10

28,1389

-15,4333

A

106

LasPalmasGC_Tenoya

C659U

160

28,1139

-15,4889

A

107

Valleseco_LaRetamilla

C662I

1400

28,0289

-15,6033

C

108

Valleseco_Valsendero

C665J

880

28,0444

-15,5861

C

109

Moya_TableroCorvo

C665K

850

28,0717

-15,5914

C

110

Moya_FontanalesCisterna

C665L

950

28,0569

-15,6042

C

111

Valleseco_ElCaseron

C665M

890

28,0619

-15,5725

C

112

Moya_LomoLaMajadilla

C665O

980

28,0667

-15,6158

C

113

Guia_PiedraMolinos

C666O

740

28,0911

-15,6314

B

114

Firgas_CasadeMatos

C667E

495

28,0944

-15,5681

B

115

Valleseco_LasMadres

C667J

560

28,0722

-15,5764

B

Pág. 80 de 89

116

Moya_Heredad

C667K

460

28,1106

-15,5819

B

117

Arucas_Heredad

C668A

250

28,1167

-15,5250

A

118

Guia_PresaJimenez

C668O

240

28,1333

-15,6250

A

119

Galdar_LasRosas

C668U

300

28,1025

-15,6750

A

120

Arucas_Bañaderos

C669A

50

28,1464

-15,5336

A

121

Arucas_SanAndres

C669E

20

28,1417

-15,5556

A

122

Galdar_NidoCuervo

C669Q

70

28,1467

-15,6619

A

123

Galdar_ElCardonal

C669V

150

28,1208

-15,6903

A

1.2.

Estaciones en Tenerife.

Num

Nombre

Código

Altitud

Longitud

1

Cañadas_BocaTauceA

C406D

2030

28,21278

-16,68139

G

2

CAÑADAS-PARADOR

C406G

2150

28,22417

-16,62644

G

3

GuiaIsora_Samara

C412C

1900

28,26528

-16,72306

F

4

SantiagoTeide_Chinyero

C414A

1475

28,28194

-16,74950

C

5

SantiagodelTeide

C416A

940

28,29667

-16,81694

B

6

Adeje_Taucho

C416O

910

28,15278

-16,72722

E

7

GuiaIsora_ChioCF

C417I

715

28,23611

-16,78978

E

8

GuiaIsora_CuevaPolvo

C419H

80

28,39129

-16,83149

A

9

GuiaIsora_PlayaSanJuan

C419J

30

28,18417

-16,81667

D

10

GuiaIsora_AlcalaChiquita

C419M

70

28,16528

-16,79950

D

11

Adeje_Fañabe

C419U

112

28,09528

-16,72089

D

12

Adeje_PlayaAmericas

C419W

40

28,07278

-16,72450

D

13

Adeje_CalderaB

C419X

130

28,08139

-16,71111

D

14

Adeje_CalderaA

C419Y

115

28,07500

-16,70839

D

15

Adeje_Caldera

C419Z

105

28,06444

-16,71033

D

16

Vilaflor

C424E

1378

28,15444

-16,63667

F

17

Arico_BuenoA

C426V

830

28,21333

-16,48778

E

18

Arona

C427A

620

28,09889

-16,68139

E

19

Granadilla

C427H

690

28,11333

-16,57033

E

20

Arona_ValleSanLorenzoJama

C428C

435

28,08278

-16,63894

E

21

Granadilla_SanIsidroSalones

C428I

255

28,06972

-16,55756

D

22

Arona_GalletasFraileNuevo

C429B

30

28,00519

-16,66919

D

23

REINA_SOFIA_AEROP.TENERIFE_SUR

C429I

64

28,04750

-16,56056

D

24

Arona_Casablanca

C429J

170

28,05750

-16,56228

D

25

Granadilla_MedanoConfital

C429K

25

28,03110

-16,56502

D

26

IZAÑA

C430E

2371

28,30806

-16,49972

G

Pág. 81 de 89

Latitud

Zona

27

Esperanza_CF

C436U

965

28,45139

-16,36417

B

28

Fasnia_SabinaAlta

C437C

625

28,22444

-16,44644

D

29

Arafo_Añavingo

C437I

565

28,33389

-16,41561

A

30

Arafo

C438I

485

28,33917

-16,41611

B

31

Candelaria_Igueste

C438Q

220

28,37361

-16,36367

A

32

Rosario_BarrancoGrande

C438T

320

28,42806

-16,31256

A

33

Güimar_Planta

C439I

120

28,31806

-16,38306

A

34

Candelaria_PlayaCaletillasS

C439P

20

28,38000

-16,36139

A

35

StaCruzTfe_SaludVivero

C440G

150

28,47306

-16,27117

A

36

StaCruzTfe_Depuradora

C440J

85

28,44639

-16,27283

A

37

StaCruzTfe_MuseoCNaturales

C440K

15

28,46194

-16,24756

A

38

StaCruzTfe_Tablero

C440N

340

28,41833

-16,32200

A

39

RODEOS-AEROP.TENERIFE-NORTE

C447A

617

28,47750

-16,33028

B

40

Laguna_Instituto

C447B

660

28,49111

-16,31694

B

41

Laguna_Guamasa

C447U

610

28,49167

-16,37506

B

42

Laguna_MontañaOfra

C448B

380

28,45167

-16,28117

A

43

ValleGuerra_Isamar

C448U

295

28,51278

-16,38806

A

44

ValleGuerra_Garimba

C448V

500

28,50639

-16,38917

B

45

SANTA_CRUZ_DE_TENERIFE

C449C

36

28,46306

-16,25528

A

46

Anaga_SanAndres

C449G

20

28,50523

-16,19140

A

47

Anaga_Faro

C449K

235

28,57278

-16,12978

A

48

Anaga_TagananaAzanos

C449M

220

28,55750

-16,21444

A

49

Anaga_BajamarAlpa

C449R

70

28,54778

-16,34556

A

50

ValleGuerra_Pajalillos

C449U

110

28,52833

-16,38722

A

51

Laguna_TejinaPico

C449V

232

28,52472

-16,37000

A

52

Realejos_PortilloCentrodeVisitantes

C451V

2050

28,30472

-16,56611

G

53

Victoria_Gaitero

C453K

1747

28,39472

-16,41831

C

54

Realejos_PiedraPastores

C453U

1610

28,33583

-16,58561

C

55

Matanza_Lagunetas

C454H

1400

28,41194

-16,40061

C

56

Orotava_AguamasaCF

C455O

1080

28,35417

-16,48978

C

57

Tacoronte_AguagarciaCF

C456A

798

28,45333

-16,39506

B

58

Tacoronte_Naranjeros

C457A

585

28,48583

-16,39139

B

59

Realejos_IcodAltoCF

C457U

670

28,36944

-16,57506

B

60

TacoronteA_SEA

C458A

310

28,49639

-16,41950

A

61

Victoria_Ayuntamiento

C458C

390

28,42694

-16,47222

A

62

Sauzal

C458E

455

28,47111

-16,43228

B

63

Sauzal_ColegioNacional

C458F

465

28,47639

-16,43361

B

64

Orotava

C458O

335

28,38722

-16,50894

B

65

Sauzal_Angeles

C459F

200

28,46806

-16,43144

B

66

PuertoCruz_PazBotanica

C459O

120

28,41111

-16,53472

A

67

PUERTO_CRUZ_AUTOMATICA

C459Z

25

28,41778

-16,54806

A

Pág. 82 de 89

68

Tanque_ErjosCF

C465O

1010

28,31722

-16,79589

C

69

Garachico_Montañeta

C466L

960

28,32972

-16,74756

C

70

Buenavista_Carrizal

C467V

660

28,31111

-16,84589

B

71

Guancha_Asomada

C468A

500

28,37222

-16,64917

B

72

Icod_LomoBlanco

C468G

280

28,36556

-16,69644

B

73

Buenavista_Palmar

C468Q

470

28,33889

-16,83589

B

74

IcodA

C469I

230

28,36139

-16,70756

B

75

IcodB

C469J

230

28,35694

-16,71256

B

76

Silos

C469O

95

28,35722

-16,80506

B

77

SanMiguelAbona

C427E

590

28,09667

-16,61583

E

78

Granadilla_ChozasAbajo

C427G

648

28,11139

-16,58667

E

79

Arona_CamellaMorroNegro

C428F

390

28,08583

-16,68556

E

81

Arona_Cristianos

C429C

20

28,05111

-16,71917

D

82

Arona_Guaza

C429D

76

28,03167

-16,67394

D

84

Guimar_Casino

C438H

390

28,31611

-16,41306

A

86

Arico_Jurada

C429R

45

28,12778

-16,45894

D

87

Anaga_Jardina

C447F

675

28,51861

-16,28667

B

88

Laguna_CaminoAlamos

C447K

575

28,51194

-16,30250

B

89

Anaga_RoqueNegroPorquera

C447O

525

28,49111

-16,25056

A

90

Anaga_ValleJimenez

C448D

425

28,49444

-16,27250

B

91

Anaga_Campanario

C448L

350

28,55722

-16,20056

A

92

Anaga_TagananaFajanetas

C448O

480

28,55139

-16,21222

B

93

Anaga_TagananaMolinos

C448P

375

28,55056

-16,22278

B

94

Tegueste

C448S

377

28,52139

-16,34389

A

95

Tegueste_Drago

C448X

370

28,51389

-16,35611

A

96

Fasnia_ArchifiraPresa

C434D

1380

28,26722

-16,45367

E

97

StaCruzTfe_UrbAnaga

C449D

50

28,47806

-16,24889

A

98

Candelaria_Chivisaya

C434M

1300

28,37028

-16,42200

B

99

Anaga_TagananaCardonal

C449N

40

28,56611

-16,21639

A

100

Anaga_Taganana

C449O

240

28,55722

-16,21528

A

101

Anaga_PuntaHidalgo

C449S

40

28,56444

-16,32972

A

102

Realejos_Portillo

C451U

2118

28,29750

-16,56583

G

103

Tacoronte

C457C

515

28,48194

-16,40972

B

104

Candelaria_Ramonas

C436P

995

28,39611

-16,37506

B

105

MatanzadeAcentejo

C458G

500

28,45111

-16,45028

B

106

StaUrsula

C458L

300

28,42500

-16,49139

A

107

Orotava_Centro

C458N

355

28,39000

-16,52417

A

108

Realejos_CruzSanta

C458S

475

28,37722

-16,57111

B

109

Sauzal_Naranjos

C459G

271

28,46667

-16,44694

A

110

Realejos_SanAgustin

C459S

250

28,38889

-16,58583

A

111

Tanques_SanJosedeLosLlanos

C465N

1100

28,32306

-16,78833

C

Pág. 83 de 89

113

Icod_StaBarbara

C468F

370

28,36944

-16,68667

B

114

Garachico_GenovesA

C468J

410

28,36778

-16,74028

A

115

SanJuandelaRambla

C469A

47

28,39389

-16,65056

A

116

Guancha_StoDomingo

C469C

150

28,39111

-16,67222

A

117

Garachico

C469L

50

28,37333

-16,76167

A

118

Cañadas_BaseTeideGasolinera

C405G

2320

28,25556

-16,62139

G

119

Cañadas_MontañaAngostura

C405L

2340

28,24750

-16,55472

G

120

Güimar_ColegioStoDomingo

C438K

380

28,31778

-16,41672

A

121

Candelaria_Cuevecitas

C438M

400

28,35000

-16,38922

A

122

Candelaria_PeñaVerigueste

C438O

400

28,37639

-16,36450

A

123

Candelaria_BarrancoHondo

C438P

400

28,38702

-16,34817

A

124

Cañadas_CañadaDiegoHernandez

C406K

2075

28,27500

-16,55306

G

125

Cañadas_RoquePeral

C406W

2060

28,28806

-16,57144

G

126

Guimar_Socorro.Playa

C439F

8

28,32134

-16,36150

A

127

Güimar_LomoTablado

C439G

160

28,24044

-16,40417

D

129

Candelaria

C439L

35

28,35833

-16,37506

A

131

Esperanza_TabaibaAlta

C439V

220

28,40145

-16,32043

A

132

Adeje_Retamales

C411R

2150

28,18528

-16,66339

G

133

Cañadas_UcancaLlano

C406A

2010

28,21361

-16,64611

G

134

GuiaIsora_Baldios

C412F

1820

28,23611

-16,70811

F

135

GuiaIsora_BarrancoNiagara

C412L

1805

28,20361

-16,70394

F

136

Anaga_LomoPelado

C446I

775

28,55611

-16,15422

B

137

Anaga_TagananaCruz

C446Q

850

28,53250

-16,22033

B

138

Tegueste_PedroAlvarezA

C446R

625

28,52694

-16,31061

B

139

Tegueste_PedroAlvarez

C446S

825

28,52500

-16,30839

B

140

Tegueste_MontañaZapata

C446T

925

28,52333

-16,28422

B

141

Adeje_MontañaColorada

C412R

1810

28,14056

-16,75617

D

142

SantiagoTeide_Cascajo

C413C

1675

28,27000

-16,73561

F

143

Anaga_Mercedes

C447C

670

28,51472

-16,28394

B

144

Laguna_Canteras

C447D

570

28,50056

-16,30033

B

145

Laguna_UrbanizAguere

C447E

530

28,48972

-16,31006

B

146

GuiaIsora_Icerce

C413O

1600

28,17917

-16,70972

F

147

Laguna_ViveroIcona

C447G

560

28,47167

-16,31089

B

148

Laguna_CercadoMesa

C447I

510

28,47722

-16,31811

B

149

Anaga_Bodegas

C447J

600

28,55694

-16,14450

B

150

Cañadas_Encerradero

C406C

2100

28,24111

-16,69944

G

151

Laguna_Moquinal

C447L

740

28,54250

-16,32006

B

152

Anaga_BailaderoFrioleras

C447M

739

28,54167

-16,19144

A

153

Anaga_CaserioCatalanes

C447N

575

28,52583

-16,25172

B

154

Adeje_CedroFyffes

C414O

1350

28,19361

-16,71000

F

155

Anaga_AfurInchires

C447P

510

28,53861

-16,21422

B

Pág. 84 de 89

156

Anaga_Taborno

C447Q

625

28,54778

-16,25533

B

157

Anaga_Carboneras

C447R

600

28,54583

-16,26561

B

158

Laguna_Batan

C447T

460

28,54000

-16,28617

B

159

SantiagoTeide_Bilma

C415B

1240

28,28778

-16,78561

C

160

Laguna_MontañaGiles

C447V

535

28,45611

-16,32006

B

161

Laguna_Geneto

C447X

530

28,45833

-16,30839

B

162

StaCruzTfe_LlanoMoro

C448A

540

28,43194

-16,31894

A

163

GuiaIsora_Frontones

C415E

1200

28,23333

-16,75283

F

164

Adeje_Ifonche

C415R

1070

28,13167

-16,68117

F

165

Anaga_Tahodio

C448E

256

28,50694

-16,26672

A

166

Anaga_PolvorinERT

C448H

300

28,52111

-16,17894

A

167

Anaga_Chamorga

C448K

460

28,56111

-16,14867

B

168

SantiagodelTeide_Arguayo

C416E

920

28,26639

-16,80533

E

169

GuiaIsora_Aripe

C416G

760

28,20889

-16,75644

E

170

GuiaIsora_VeradeErque

C416V

840

28,16556

-16,73394

E

171

SantiagodelTeide_Tamaimo

C417E

580

28,26667

-16,81700

E

172

Tegueste_SanGonzalo

C448T

330

28,50389

-16,34894

B

173

SantiagodelTeide_TamaimoA

C417F

380

28,25694

-16,82311

E

174

GuiaIsora_TejinaCoopAG

C417G

530

28,17639

-16,75644

E

175

GuiadeIsora

C417L

583

28,20833

-16,77506

E

176

Adeje

C418U

266

28,11250

-16,71533

E

177

GuiaIsora_AlcalaSalinas

C419I

12

28,20306

-16,83061

D

178

Anaga_TahodioPozoLara

C449E

100

28,48611

-16,24339

A

179

Arico_LlanoLajitas

C421V

2005

28,23000

-16,53839

F

180

Anaga_BcoHuertas

C449H

140

28,51528

-16,18117

A

181

Anaga_IguesteSanAndres

C449I

60

28,52459

-16,15286

A

182

Anaga_Draguillo

C449J

180

28,57028

-16,16478

B

183

Vilaflor_ToposTorreVigil

C422C

1800

28,16306

-16,71867

F

184

Anaga_TagananaIglesia

C449L

150

28,55917

-16,21561

A

185

Vilaflor_Marrubial

C422E

1875

28,17278

-16,60978

F

186

Vilaflor_CF

C423E

1515

28,15667

-16,62922

F

187

Granadilla_Florida

C423I

1550

28,16389

-16,58394

F

188

Anaga_TagananaChorros

C449P

200

28,55417

-16,21589

A

189

Granadilla_BcoJuanDana

C423K

1575

28,17639

-16,57256

F

190

Arico_CamasVerdes

C423L

1600

28,18944

-16,55922

F

191

Anaga_Bajamar

C449T

46

28,54722

-16,33228

B

192

Arico_PeñonContador

C423P

1550

28,18528

-16,53700

E

193

Arico_Picachos

C423U

1630

28,21667

-16,51394

F

194

Laguna_Tejina

C449W

160

28,52861

-16,35478

A

195

Arico_LomoBello

C423Z

1700

28,24028

-16,52144

F

196

Arico_Vallecontador

C424Q

1260

28,19944

-16,52367

F

Pág. 85 de 89

197

Realejos_DegolladadelCedro

C451W

2100

28,30694

-16,58117

G

198

Orotava_RoqueAcebe

C452O

2000

28,34528

-16,46089

C

199

Realejos_MontañaAlta

C452R

1800

28,31000

-16,55144

G

200

Realejos_Fortaleza

C452U

1890

28,31833

-16,58339

C

201

Vilaflor_Escalona

C425C

1100

28,11611

-16,65561

E

202

Orotava_GaleriaPinoCruz

C453P

1610

28,31944

-16,52283

C

203

Orotava_MontañaRoja

C453R

1732

28,31333

-16,53533

G

204

Orotava_CordilloLomoResbala

C453S

1600

28,37167

-16,46478

C

205

Granadilla_Fuentes

C425E

1010

28,12389

-16,60700

E

206

Vilaflor_LlanosIngenio

C425G

1030

28,11722

-16,61811

E

207

Victoria_LomoRincon

C454K

1350

28,39583

-16,43089

C

208

StaUrsula_LomoRaices

C454L

1360

28,38389

-16,45644

C

209

StaUrsula_MñaOvejas

C454M

1255

28,38667

-16,47144

C

210

Orotava_MontañaBermeja

C454P

1325

28,34111

-16,50783

C

211

Orotava_MontañaBlanca

C454Q

1960

28,30972

-16,50950

G

212

Realejos_CorralQuemado

C454T

1325

28,34694

-16,58561

C

213

Realejos_Parcela

C454U

1300

28,34500

-16,59450

C

214

Tacoronte_Parcela

C455F

1010

28,43889

-16,39311

C

215

Sauzal_PlazadeLaPaz

C455G

1190

28,42444

-16,39589

C

216

Victoria_LomoAbades

C455K

1100

28,40028

-16,43561

C

217

Arico_Centenitos

C425L

1067

28,16944

-16,53728

E

218

Orotava_AguamansaA

C455P

1120

28,35139

-16,48894

C

219

Realejos_Asomadero

C455U

1100

28,35806

-16,58811

B

220

Granadilla_CruzTea

C426J

950

28,13722

-16,59061

E

221

Matanza_Vica

C456H

850

28,42917

-16,42728

C

222

Victoria_LomoCasillas

C456K

860

28,40306

-16,44811

C

223

StaUrsula_Atalaya

C456M

830

28,39528

-16,48061

C

224

Orotava_CaminoChasna

C456O

830

28,35694

-16,51922

C

225

Realejos_Llanadas

C456S

900

28,34556

-16,56394

C

226

Arico_Espigon

C426L

810

28,15472

-16,52867

E

227

Tacoronte_Caridad

C457B

597

28,48389

-16,37200

B

228

Arico_EsquinaCardones

C426P

895

28,18250

-16,51950

E

229

StaUrsula_Corujera

C457L

550

28,40000

-16,48922

B

230

Orotava_EE

C457O

490

28,37500

-16,50839

B

231

Realejos_PaloBlanco

C457R

675

28,35722

-16,56867

B

232

Realejos_Lance

C457T

610

28,37528

-16,59450

B

233

Arico_Bueno

C426U

790

28,20833

-16,47506

E

234

Arico_Lomo

C427P

600

28,16250

-16,49561

E

235

Tacoronte_MesaMarAlto

C458B

260

28,49528

-16,40728

B

236

Arico_CruzOrtiz

C427T

730

28,19167

-16,52144

E

237

Arona_Buzanada

C428E

280

28,06389

-16,64811

D

Pág. 86 de 89

238

GuiaIsora_Fuentes

C415G

1010

28,18222

-16,73339

F

239

Granadilla_Yaco

C428J

375

28,08417

-16,55950

D

240

VictoriaAcentejo

C458J

390

28,42556

-16,46061

B

241

Arico_Rio

C428L

460

28,13444

-16,51283

D

242

Orotava_Palmeras

C458M

290

28,39111

-16,50478

B

243

Arico_Reveron

C428R

260

28,14472

-16,45700

D

244

Arico_Nuevo

C428S

375

28,17000

-16,47339

D

245

Orotava_Ramal

C458P

268

28,38972

-16,51256

B

246

Realejos_Tigaiga

C458Q

300

28,37417

-16,58978

B

247

Realejos

C458R

390

28,37500

-16,55839

B

248

Arico_Icor

C428W

360

28,19778

-16,44811

D

249

RealejoAlto

C458T

360

28,37028

-16,57617

B

250

Arona_PuntaRascaFaro

C429A

12

28,00005

-16,68491

D

251

Arico_FaroAbona

C429U

19

28,14743

-16,42971

D

252

Fasnia_CharcoPato

C431B

2180

28,27833

-16,51728

G

253

Realejos_Gorvorana

C459R

190

28,38917

-16,56311

A

254

Guimar_LomoSeco

C432E

1795

28,30833

-16,47506

C

255

RealejoBajo

C459T

240

28,37917

-16,57950

A

256

Guimar_MñaArguazo

C432F

1900

28,29806

-16,47172

C

257

SanJuanRambla_TorreVigil

C463A

1700

28,32083

-16,60117

G

258

Icod_Barrenos

C463H

1510

28,30278

-16,70644

C

259

Icod_Tabona

C463I

1525

28,30444

-16,65283

C

260

Garachico_CruzHermanos

C463K

1700

28,28500

-16,71978

C

261

Guancha_GaleriaVergaraII

C464C

1480

28,31944

-16,61644

C

262

Garachico_MñaNegra

C464K

1325

28,30833

-16,75144

C

263

SanJuanRambla_Chamuscada

C465A

1100

28,34389

-16,61311

C

264

Icod_CFLlanoCebada

C465C

1040

28,33278

-16,64089

C

265

Icod_VistasSanFelipe

C465H

1175

28,32028

-16,70367

C

266

Icod_Abiertas

C465J

1002

28,33056

-16,72061

C

267

Guimar_LlanoLasChozas

C433E

1685

28,29639

-16,46533

C

268

Guimar_LomoCuchillo

C433G

1615

28,30250

-16,46256

C

269

Silos_CumbreBolico

C465Q

1175

28,30361

-16,80172

C

270

Icod_Redondo

C466G

925

28,31861

-16,67756

C

271

Candelaria_BocadelValle

C433K

1565

28,38389

-16,40756

C

272

Silos_MontedelAgua

C466Q

900

28,32028

-16,81117

C

273

Buenavista_TenoAlto

C466R

780

28,33472

-16,86756

B

274

Buenavista_LomoCebada

C466S

800

28,33056

-16,82311

B

275

GuanchaCF

C467A

580

28,36139

-16,60839

C

276

Garachico_SanJuanReparo

C467K

600

28,35139

-16,74978

B

277

Tanque_Alto

C467M

625

28,34806

-16,77144

B

278

Silos_TierradelTrigo

C467O

510

28,34722

-16,72061

B

Pág. 87 de 89

279

Buenavista_Meseta

C467Q

700

28,33056

-16,88589

B

280

Buenavista_Zahorra

C467S

640

28,33528

-16,88200

B

281

Buenavista_Portelas

C467T

690

28,32111

-16,83617

B

282

Arafo_MñaColorada

C433L

1505

28,36806

-16,43256

C

283

Candelaria_PiedraVera

C434O

1310

28,39583

-16,38950

B

284

Fasnia_CasaEvaristo

C435D

1100

28,25194

-16,45950

E

285

Guimar_LomoAnocheza

C435E

1050

28,28611

-16,42367

E

286

Icod_PiedeLasLajas

C468H

350

28,37278

-16,70339

A

287

Arafo_Charquillo

C435L

1125

28,36056

-16,42644

B

288

Garachico_Genoves

C468L

380

28,36667

-16,74006

B

289

Guimar_Vistas

C436H

850

28,31750

-16,42783

B

290

Fasnia_Zarza

C437D

680

28,24167

-16,45839

E

291

Guimar_LomodeMena

C437F

590

28,26333

-16,40978

D

292

Arafo_700

C437J

700

28,33333

-16,40056

A

293

Guimar_TiraClavijo

C437K

730

28,28333

-16,40978

E

294

Candelaria_BarrancoHondoPinoGacho

C437P

740

28,40083

-16,36256

B

295

Fasnia

C438B

465

28,24167

-16,44172

E

296

Buenavista

C469Q

125

28,36444

-16,84117

A

297

Buenavista_PuntaTeno

C469R

75

28,34861

-16,89811

B

298

Buenavista_FaroPuntaTeno

C469U

25

28,34212

-16,92341

A

299

Fasnia_Villa

C438D

485

28,22361

-16,43756

D

300

Guimar_Escobonar

C438E

400

28,25556

-16,42422

D

301

Guimar_Marrera

C438G

490

28,28167

-16,39728

D

302

Guimar_LomoCabuco

C434E

1480

28,29444

-16,45200

C

303

GuiaIsora_Chavao

C412M

1950

28,21778

-16,70222

F

304

Arafo_BarrancoAfoña

C437L

610

28,34944

-16,40478

A

1.3.

La Palma.

Num

Nombre

Código

Altitud

Longitud

1

CALDERA-TABURIENTE

C106U

880

-17,87861

28,72333

E

2

PUNTAGORDA

C117A

684

-17,98556

28,76083

E

3

PASO-CF

C126A

847

-17,85333

28,65389

E

4

FUENCALIENTE-CHARCO

C126O

816

-17,86667

28,53722

E

5

FUENCALIENTE-CF

C127T

740

-17,84306

28,49444

E

6

FUENCALIENTE-CALETAS

C127U

498

-17,82861

28,49500

E

7

LLANOS-ARIDANE-A

C128A

350

-17,90806

28,65833

D

8

LLANOS-ARIDANE-B

C128B

410

-17,91028

28,65889

D

9

LLANOS-ARIDANE-HERMOSILLA

C128D

494

-17,89833

28,65917

E

10

TAZACORTE

C129A

164

-17,93361

28,64361

D

Pág. 88 de 89

Latitud

Zona

11

TAZACORTE-AYUNTAMIENTO

C129B

115

-17,93222

28,64028

D

12

TAZACORTE-PTO-NAOS-HOYAS

C129E

30

-17,91611

28,59361

D

13

TAZACORTE-PUERTO

C129I

58

-17,94389

28,64750

D

14

TAZACORTE-PTO-NAOS-HOYAS-AUTOMATICA

C129Z

30

-17,91611

28,59361

D

15

MAZO-ROQUE-NIQUIAMO

C134E

1350

-17,81444

28,59472

C

16

BREÑA-BAJA-SAN-JOSE

C138I

354

-17,77417

28,64083

A

17

BREÑA-ALTA-COLNNAL

C138L

325

-17,78444

28,66056

A

18

BUENAVISTA-AEROP-VIEJO

C138O

400

-17,78444

28,67222

B

19

SANTA-C-PALMA-VELHOCO

C138P

364

-17,78444

28,68972

A

20

MAZO-AEROPUERTO-DE-LA-PALMA

C139E

40

-17,76028

28,61333

A

21

BREÑA-BAJA-FUERTE

C139I

15

-17,75833

28,65833

A

22

SANTA-C-PALMA

C139O

70

-17,75833

28,67500

A

23

SANTA-C-PALMA-MIRCA

C139R

199

-17,76056

28,69750

A

24

GARAFIA-ROQUE-MUCHACHOS

C140U

2340

-17,87778

28,75944

F

25

GARAFIA-CF

C145N

1137

-17,88750

28,79861

C

26

SAUCES-ESPIGON-ATRAVESADO

C147C

806

-17,80528

28,78333

B

27

BARLOVENTO-CF

C147F

580

-17,80472

28,82472

B

28

GARAFIA-TRICIAS

C147U

787

-17,96639

28,78167

E

29

SAUCES-TILOS-PORTADAS

C148C

470

-17,80000

28,79083

B

30

SAUCES-S-ANDRES-COLNNAL

C148D

280

-17,77194

28,79972

A

31

BARLOVENTO-GALLEGOS

C148H

528

-17,83944

28,82306

B

32

GARAFIA

C148O

390

-17,94278

28,82528

B

2. Tablas indicadoras de las modificaciones realizadas en los datos. (Como medida de ahorro, solo se muestra las primeras 69 estaciones del mes de enero de cada una de las islas) Leyenda v

Sospechoso modificado

m Gap rellenado o

Extremo corregido

a

Extremo borrado

r

Sospechoso NO modificado

e

Gap explorado no rellenado

Pág. 89 de 89

GRAN CANARIA PRECIPITACIÓN MENSUAL ENERO         0         1         2         3         4       5         6       7         8         9         0         1         2         3         4       5         6       7         8         9         0         1         2         3         4       5         6       7         8         9         0         1         2         3         4       5         6       7         8         9         0         1         2         3         4       5         6       7         8         9         0         1         2         3         4       5        6       7        8        9        0        1        2        3        4       5        6       7        8        9         4         4         4         4         4         4         4         4         4         4       5       5       5       5       5       5       5       5       5       5         6         6         6         6         6         6         6         6         6         6       7       7       7       7       7       7       7       7       7       7         8         8         8         8         8         8         8         8         8         8         9         9         9         9         9         9        9        9        9        9        0        0        0        0        0        0        0        0        0        0         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9         9        9        9        9        9        0        0        0        0        0        0        0        0        0        0         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1         1        1        1        1        1        2        2        2        2        2        2        2        2        2        2

1

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v

1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1

 AEMET_GC_1

C613E

 AEMET_GC_2

C668V

 AEMET_GC_3

C619B

 AEMET_GC_4

C648G

 AEMET_GC_5

C668F

 AEMET_GC_6

C669P

 AEMET_GC_7

C669O

 AEMET_GC_8

C665Q

 AEMET_GC_9

C668I

 AEMET_GC_10

C649J

 AEMET_GC_11

C666_ 

 AEMET_GC_12

C658L

 AEMET_GC_13

C659S

 AEMET_GC_14

C658J

 AEMET_GC_15

C658I

 AEMET_GC_16

C659K

 AEMET_GC_17

C659P

 AEMET_GC_18

C659H

 AEMET_GC_19

C625A

 AEMET_GC_20

C629X

 AEMET_GC_21

C629I

 AEMET_GC_22

C629Q

 AEMET_GC_23

C626E

 AEMET_GC_24

C607I

 AEMET_GC_25

C667L

 AEMET_GC_26

C639U

 AEMET_GC_27

C639X

m 1 1 m 1 1 1 1 1 1 1 1 1 1 1 v

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

 AEMET_GC_28

C623I

m 1 1 m 1 1 1 1 1 1 1 1 1 1 1 v

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 m

 AEMET_GC_29

C689E

 AEMET_GC_30

C655K

 AEMET_GC_31

C655Q

 AEMET_GC_32

C611E

 AEMET_GC_33

C619I

 AEMET_GC_34

C657I

 AEMET_GC_35

C657K

 AEMET_GC_36

C658K

 AEMET_GC_37

C656J

 AEMET_GC_38

C636K

 AEMET_GC_39

C612F

 AEMET_GC_40

C614I

 AEMET_GC_41

C624E

 AEMET_GC_42

C649I

 AEMET_GC_43

C648N

 AEMET_GC_44

C656V

 AEMET_GC_45

C657V

 AEMET_GC_46

C665I

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1

 AEMET_GC_47

C646O

m 1 1 1 1 1 1 1 1 1 1 1 1 1 m

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

 AEMET_GC_48

C646O

 AEMET_GC_49

C646O

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 r 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v

 AEMET_GC_50

C646O

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 m m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v

 AEMET_GC_51

C646O

 AEMET_GC_52

C646O

m 1 1 1 1 1 1 1 1 1 1 1 1 m

 AEMET_GC_53

C646O

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1

 AEMET_GC_54

C646O

 AEMET_GC_55

C646O

1 1

 AEMET_GC_56

C646O

1 1 1 1

 AEMET_GC_57

C646O

 AEMET_GC_58

C646O

 AEMET_GC_59

C646O

1 1 1 1 1 1 1 1

1

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1

m 1 1 1 1 1 1 v

1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

r

1 1 1

1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1

1 1 1

1

1 1 1 1 1 1 1 1

1

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

m 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1

1

1

1 1

1

m 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

m 1 1 1 v

1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 m 1 m 1 v

1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m

e 1 1 1 1 1 1 1 1 1 1 e m 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1

1 1

m 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1

1 1 1 1 1 e 1 1 1 1 1 1 1 1 1 1 1 1 e

1 1 1 1 1 1 r 1 1

1 1

1 1 1 1 1 r 1

1 1 1

1 1 1 1 1 1 1 1

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1

1

1 1 1 1 1

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v

1 1

r

1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1

1 m 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1

1 1 1 1 1

1 m 1 1 1 1 1 1 1 1

r

1

1 1 1

1

1 1 1 1 1 1 m

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 r 1 m 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1

1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

m 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 m 1 1 1 1 1 1 1 m 1 1 1 1 v

1 1 1 1 1 1 1 m 1 m

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1

1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 v

1 1 1 1 m 1 1 1 1 1 1 1 1 1 r 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 e

r 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1

1 1

1 1

1 1 1 1 1 1 1 1

1 1 1

1 1

1 v

1

1 1

1 1 1 1 1 1

m 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1

m 1 m 1 1 1 1 v

m 1 1 1 1 1 1 1 1 1 1 1 1 1 v

1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 v 1 1 1 1 1 1 1

1

1

1 1 1 1

1 1 1 1 1 1

1 1 r 1

v

v

1 1 1 1 1 1

1 1

1 1 1 1 1 1 1

1 1 1 1

m 1 m 1 v

1 1

1 1 m 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1 1

m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 m 1 1 m 1 1

r

1 1 1 1 1 1 1 1 1 1 1 1 1 m m 1 1 1 1 1 1 1 1 1 1 1 m 1 1 1

1 1 1 1 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 r 1 1 1 1

1 m 1 1 m 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Pág. 90 de 89

Anexo III

Ficheros resumen de procesos tras la homogenización con Climatol. (Como medida de ahorro, se muestra solo la parte principal de los ficheros resumen) 1. Gran Canaria.

1.1. Homogenización zona NE con 92 estaciones. HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol')

=========== Homogenization of Pptm, 1951-2009. (Sat Oct 01 12:59:15 2011) homogen: varcli=Pptm anyi=1951 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=20 tVf=0.02 swa=60 snhtt=25 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3.2 std=3 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE

ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 0.0600 0.1200 0.1400 0.1646 0.1900 0.5900 1.0000 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.50 7.20 9.60 10.17 12.35 19.60 15.00 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 5.000 9.000 9.608 12.000 23.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.834 4.359 6.936 8.008 10.280 60.540 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.0 28.0 48.5 46.8 71.0 94.0 ACmx tVx SNHT RMSE PD Code Name 1 0.11 11.70 10 14.3 78 C613E Agaete_Tamadaba 2 0.22 NA 11 6.0 14 C668V Agaete_SuerteAlta 3 0.44 NA 1 4.3 8 C619B Agaete_Ayuntamiento 4 0.37 NA 4 8.2 11 C668F Firgas_Itara 5 0.16 7.49 12 4.9 37 C669P Galdar_Colegio 6 0.22 13.61 8 5.4 38 C669O Guia_Instituto 7 0.17 9.78 9 13.4 30 C665Q Guia_MontañaAlta 8 0.18 6.85 11 12.5 57 C641I Valsequillo_CuevasBlancas 9 0.10 7.66 5 12.5 59 C645O Valsequillo_RincondeTenteniguada 10 0.11 6.69 7 4.3 27 C658L LasPalmasGC_TafiraCMT 11 0.20 NA 9 6.1 16 C659S LasPalmasGC_BasedeHidros

Pág. 91 de 89

12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64

0.10 10.13 15 5.5 76 C658J LasPalmasGC_JardinCanario1 0.11 9.67 2 6.9 44 C658I LasPalmasGC_ViveroTafira 0.22 NA 8 3.0 16 C659K LasPalmasGC_ICMR 0.14 19.57 19 3.1 68 C659P LasPalmasGC_JuntadeObrasdelPuerto 0.30 NA 4 5.4 4 C659H LasPalmasGC_SanCristobal 0.26 NA 10 11.1 10 C607I Moya_LosTilos 0.09 11.50 17 8.5 76 C647O Valsequillo_GranjaLasRosas 0.18 3.93 6 10.4 25 C655K SanMateo_LaLechucilla 0.13 6.73 7 8.8 36 C655Q SanMateo_Colegio 0.19 4.17 4 15.1 19 C611E SanMateo_losJuncos 0.09 7.98 8 6.5 67 C657I StaBrigida_Casco 0.12 6.13 9 7.1 29 C657K StaBrigida_MonteCoello 0.12 8.14 4 6.4 53 C658K StaBrigida_ElTejar 0.17 6.32 5 7.0 28 C656J StaBrigida_FincaMadroñal 0.25 NA 3 13.2 14 C612F Tejeda_CruzdeTejeda 0.13 12.36 9 3.5 94 C649I Telde_Gando 0.26 NA 3 7.7 16 C648N Telde_CentroForestalDoramas 0.15 6.96 4 5.8 33 C648T Telde_Capellania 0.15 13.46 12 12.7 77 C665I Valleseco_Casco 0.11 11.95 4 8.6 74 C646O Valsequillo_HaciendaLosMocanes 0.09 9.63 6 3.6 72 C649F Aguimes_Piletas 0.14 19.20 11 2.8 71 C649O Telde_BarrancodeSilva 0.11 10.05 11 4.2 75 C649U Telde_LosLlanos 0.19 8.72 4 4.1 49 C649V Telde_Narea 0.14 16.67 18 3.6 76 C649W Telde_LaPardilla 0.18 11.02 2 10.8 43 C611F Tejeda_LlanosdelaPez 0.16 12.26 11 7.8 42 C613F Artenara_Casco 0.13 7.09 6 12.1 25 C613G Artenara_CruzdeMaria 0.26 6.58 3 13.4 17 C614C Galdar_Fagajesto 0.12 6.22 8 8.2 56 C614E Tejeda_RincondeTejeda 0.12 6.93 10 8.9 53 C614F Tejeda_CruzBlanca 0.14 6.32 11 10.2 57 C614G Tejeda_LaCulata 0.12 6.21 5 13.3 31 C615A Galdar_CaiderosdeSanJose 0.12 6.74 11 8.2 73 C615B Artenara_PresadeLosPerez 0.18 7.27 23 10.0 57 C617A Agaete_LosBerrazales 0.09 9.44 19 3.3 70 C619A Agaete_BarrancodeAgaete 0.18 8.48 11 5.6 30 C619C Agaete_LasLongueras 0.18 14.55 7 4.5 53 C619E Agaete_ElRisco 0.15 18.27 21 10.4 58 C652I SanMateo_HoyaGamonal 0.36 NA 8 16.7 8 C652O SanMateo_LasMesasdeAnaLopez 0.11 8.67 23 8.7 71 C653O SanMateo_CuevaGrande 0.19 18.43 23 9.1 58 C654O SanMateo_LomoAljorradero 0.13 19.55 9 10.2 53 C654P SanMateo_PresaAntona 0.16 14.23 19 10.1 73 C654Q SanMateo_LasLagunetas 0.09 3.74 7 8.4 75 C655O SanMateo_Utiaca 0.19 11.75 9 8.6 37 C655P SanMateo_LaSolana 0.20 NA 9 8.2 13 C655R SanMateo_LaVegueta 0.14 11.93 22 8.5 40 C656O SanMateo_ElDraguillo 0.12 17.08 9 9.5 77 C656U Teror_Dominicas 0.13 7.43 4 5.9 30 C657E StaBrigida_CampoGolfBandama 0.14 9.72 18 9.1 50 C657J StaBrigida_ElMadroñal 0.20 2.53 1 4.3 33 C658N LasPalmasGC_JardinCanarioII 0.20 6.53 14 5.3 47 C658O LasPalmasGC_SanLorenzo

Pág. 92 de 89

65 0.16 8.25 14 4.5 67 C658P LasPalmasGC_Tamaraceite 66 0.20 9.45 9 3.1 20 C658U LasPalmasGC_FarodelaIsleta 67 0.06 6.53 8 5.9 77 C658V LasPalmasGC_ElToscon 68 0.19 6.03 6 9.4 40 C658W Teror_BarrancoLezcano 69 0.19 9.48 19 3.8 25 C659B Telde_Jinamar 70 0.13 12.90 20 4.9 54 C659I LasPalmasGC_LlanodelasBrujas 71 0.19 14.11 13 3.5 36 C659J LasPalmasGC_Mayorazgo 72 0.10 8.09 8 4.1 51 C659O LasPalmasGC_LomodelPolvo 73 0.10 12.95 14 2.5 75 C659Q LasPalmasGC_LasCanteras 74 0.13 8.26 6 2.5 37 C659R LasPalmasGC_PlayaChica_PuertodeLaLu 75 0.10 12.07 16 5.0 75 C659U LasPalmasGC_Tenoya 76 0.13 15.45 4 14.7 75 C662I Valleseco_LaRetamilla 77 0.07 8.95 5 11.7 75 C665J Valleseco_Valsendero 78 0.14 7.48 10 12.0 48 C665K Moya_TableroCorvo 79 0.11 13.69 10 11.1 76 C665L Moya_FontanalesCisterna 80 0.14 11.62 5 10.3 37 C665M Valleseco_ElCaseron 81 0.08 9.63 18 11.5 76 C665O Moya_LomoLaMajadilla 82 0.11 7.46 7 11.8 69 C666O Guia_PiedraMolinos 83 0.19 2.84 2 10.5 21 C667E Firgas_CasadeMatos 84 0.16 12.23 13 12.9 75 C667J Valleseco_LasMadres 85 0.10 9.17 14 11.6 71 C667K Moya_Heredad 86 0.09 8.90 10 5.3 77 C668A Arucas_Heredad 87 0.13 16.90 8 5.8 75 C668O Guia_PresaJimenez 88 0.16 19.03 19 6.3 57 C668U Galdar_LasRosas 89 0.07 10.91 11 4.2 77 C669A Arucas_Bañaderos 90 NA NA 1 4.4 1 C669E Arucas_SanAndres 91 0.12 11.38 15 3.3 34 C669Q Galdar_NidoCuervo 92 0.11 10.77 12 3.6 66 C669V Galdar_ElCardonal 93 0.16 13.51 12 1.8 18 C658U-2 LasPalmasGC_FarodelaIsleta-2 94 0.22 NA 3 4.8 13 C658O-2 LasPalmasGC_SanLorenzo-2 95 0.59 3.01 4 60.5 28 C611E-2 SanMateo_losJuncos-2 96 0.41 NA 3 3.3 7 C658O-3 LasPalmasGC_SanLorenzo-3 97 0.26 15.44 13 4.6 24 C669E-2 Arucas_SanAndres-2 98 0.25 NA 7 2.8 11 C669Q-2 Galdar_NidoCuervo-2 99 0.13 7.46 7 4.1 37 C659J-2 LasPalmasGC_Mayorazgo-2 100 0.12 12.64 6 3.2 49 C619B-2 Agaete_Ayuntamiento-2 101 0.15 11.91 5 6.6 46 C657E-2 StaBrigida_CampoGolfBandama-2 102 0.16 10.84 10 8.8 67 C652O-2 SanMateo_LasMesasdeAnaLopez-2 ----------- Generated outputs: -------------------------------Pptm_1951-2009.txt : This text output Pptm_1951-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1951-2009.esh : List of homogenized stations (original and split) Pptm_1951-2009.pdf : Diagnostic graphics

1.2. Homogenización zona SW con 31 estaciones. HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol')

Pág. 93 de 89

=========== Homogenization of Pptm, 1964-2009. (Fri Sep 30 18:27:28 2011) homogen: varcli=Pptm anyi=1964 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=15 tVf=0.02 swa=60 snhtt=25 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3.2 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE

----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. 0.0700 0.1100 0.1300 0.1624 0.2100 0.4100 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.900 7.100 8.150 8.512 10.250 13.300 11.000 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 4.000 5.000 7.243 9.000 24.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.018 1.846 2.878 3.031 3.798 7.189 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 6.00 18.00 68.00 56.76 81.00 98.00 ACmx tVx SNHT RMSE PD Code Name 1 0.09 6.97 7 1.4 84 C639O SanBartolomeTirajana_Berriel 2 0.07 11.18 8 2.0 68 C639P SanBartolomeTirajana_JuanGrande 3 0.13 10.99 12 4.9 54 C625A Mogan_Inagua 4 0.34 NA 1 1.8 7 C629X Mogan_PuertoMogan 5 0.29 NA 1 1.5 9 C629I Mogan_PuertoMogan 6 0.23 NA 9 1.5 18 C629Q Mogan_PuertoRicoPlaya 7 0.13 8.54 24 3.7 98 C626E Mogan_BarranquilloAndres 8 0.11 12.31 5 4.9 72 C646E Aguimes_Temisas 9 0.23 NA 1 1.2 17 C639U SanBartolomeTirajana_ElMatorral 10 0.14 10.27 9 5.7 75 C623I SanBartolomeTirajana_CuevasdelPinar 11 0.26 NA 1 1.3 14 C689E SanBartolomeTirajana_HotelFaroMaspa 12 0.41 NA 3 2.0 8 C619I SanNicolasTolentino_Depuradora 13 0.12 11.06 14 3.8 71 C636K StaLuciaTirajana_Casco 14 0.10 8.11 9 7.2 91 C614I Tejeda_PinarPajonales 15 0.08 9.76 6 4.9 96 C624E Tejeda_ViveroÑameritas 16 0.10 6.59 8 3.2 65 C648A StaLucia_EradelCardon 17 0.08 8.14 4 2.8 75 C649A StaLucia_CrucedeSardina 18 0.12 10.66 5 3.2 78 C619O SanNicolasTolentino_Casco 19 0.13 8.25 7 3.2 89 C625I SanBartolomeTirajana_CercadodeAraña 20 0.12 10.10 11 2.4 97 C625O SanBartolomeTirajana_LomosdePedroAf 21 0.14 13.29 13 4.3 76 C627A SanNicolasTolentino_Tasarte 22 0.30 NA 5 1.1 17 C627I Mogan_TauroAlto 23 0.10 8.11 3 2.6 86 C628O SanBartolomeTirajana_CercadodeEspin 24 0.11 4.32 3 1.0 67 C629O Mogan_TauroBajo

Pág. 94 de 89

25 0.12 26 0.10 27 0.14 28 0.10 29 0.11 30 0.13 31 0.13 32 0.27 33 0.21 34 0.25 35 0.17 36 0.18 37 0.17

2.88 5 4.2 54 C635E SanBartolomeTirajana_BailaderoLasBr 8.09 10 3.7 81 C635F SanBartolomeTirajana_Casco 6.02 4 2.9 68 C636I SanBartolomeTirajana_LaHoya 8.13 5 3.8 80 C636J SanBartolomeTirajana_Fataga 9.11 8 2.6 93 C637A SanBartolomeTirajana_Palomas 8.49 2 2.3 63 C638I SanBartolomeTirajana_Arteara 7.35 19 1.1 88 C639F SanBartolomeTirajana_TableroMaspalo NA 5 3.2 11 C623I-2 SanBartolomeTirajana_CuevasdelPinar-2 NA 4 2.2 13 C627A-2 SanNicolasTolentino_Tasarte-2 NA 14 3.2 6 C649A-2 StaLucia_CrucedeSardina-2 6.43 3 4.3 38 C625A-2 Mogan_Inagua-2 6.07 15 1.7 52 C627I-2 Mogan_TauroAlto-2 NA 5 5.1 21 C635E-2 SanBartolomeTirajana_BailaderoLasBr-2

----------- Generated outputs: -------------------------------Pptm_1964-2009.txt : This text output Pptm_1964-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1964-2009.esh : List of homogenized stations (original and split) Pptm_1964-2009.pdf : Diagnostic graphics

2. Tenerife.

2.1. Homogenización zona norte con 223 estaciones HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol')

=========== Homogenization of Pptm, 1906-2009. (Sun Oct 30 09:25:45 2011) homogen: varcli=Pptm anyi=1906 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=19 tVf=0.02 swa=60 snhtt=21 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3 std=2 ndec=1 mndat=0 l eer=TRUE gp=3 na.strings=NA nclust=223 maxite=50 ini= vmin=NA vmax=NA verb=TRUE ----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 0.0800 0.1600 0.2100 0.2196 0.2600 0.5600 5.0000 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.000 6.225 8.250 9.006 11.680 19.700 75.000 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 3.000 6.000 6.759 9.000 20.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 2.085 10.180 14.080 16.220 19.110 197.600

Pág. 95 de 89

PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.00 8.00 13.00 15.65 20.00 83.00 ACmx tVx SNHT RMSE PD Code Name 1 0.26 9.02 8 12.3 18 C414A SantiagoTeide_Chinyero 2 0.44 11.22 16 15.8 15 C416A SantiagodelTeide 3 0.16 9.05 11 10.0 31 C417I GuiaIsora_ChioCF 4 0.17 13.30 14 13.4 83 C430E IZAÑA 5 0.17 13.16 3 34.5 24 C436U Esperanza_CF 6 0.13 6.49 6 12.2 24 C437I Arafo_Añavingo 7 0.13 13.40 17 10.9 52 C438I Arafo 8 0.25 NA 3 8.7 3 C438Q Candelaria_Igueste 9 0.12 NA 2 5.8 7 C438T Rosario_BarrancoGrande 10 0.11 5.44 3 5.7 34 C439I Güimar_Planta 11 0.32 NA 4 7.9 8 C439P Candelaria_PlayaCaletillasS 12 0.30 NA 3 9.8 5 C440G StaCruzTfe_SaludVivero 13 0.31 NA 4 8.1 5 C440J StaCruzTfe_Depuradora 14 0.18 NA 4 4.3 5 C440K StaCruzTfe_MuseoCNaturales 15 0.32 NA 2 5.8 5 C440N StaCruzTfe_Tablero 16 0.17 15.94 11 15.6 48 C447A RODEOS-AEROP.TENERIFE-NORTE 17 0.20 19.73 7 26.6 72 C447B Laguna_Instituto 18 0.38 13.96 20 26.7 32 C447U Laguna_Guamasa 19 0.19 8.07 5 6.0 18 C448B Laguna_MontañaOfra 20 0.19 9.55 11 13.1 33 C448U ValleGuerra_Isamar 21 0.14 13.40 3 11.5 32 C448V ValleGuerra_Garimba 22 0.26 7.98 9 5.8 13 C449C SANTA_CRUZ_DE_TENERIFE 23 0.13 7.86 10 8.4 37 C449G Anaga_SanAndres 24 0.13 12.43 9 10.4 44 C449K Anaga_Faro 25 0.14 6.97 6 11.4 24 C449M Anaga_TagananaAzanos 26 0.17 NA 7 11.6 9 C449R Anaga_BajamarAlpa 27 0.27 NA 4 11.0 7 C449U ValleGuerra_Pajalillos 28 0.18 12.15 11 11.6 11 C449V Laguna_TejinaPico 29 0.20 NA 11 11.8 9 C451V Realejos_PortilloCentrodeVisitantes 30 0.31 NA 2 36.5 4 C453K Victoria_Gaitero 31 0.29 13.98 12 25.3 10 C453U Realejos_PiedraPastores 32 0.13 13.63 7 38.7 11 C454H Matanza_Lagunetas 33 NA NA 3 15.8 1 C455O Orotava_AguamasaCF 34 0.20 13.37 6 25.3 20 C456A Tacoronte_AguagarciaCF 35 0.21 8.53 2 19.5 36 C457A Tacoronte_Naranjeros 36 0.36 1.98 1 19.5 13 C457U Realejos_IcodAltoCF 37 0.19 8.36 11 15.8 33 C458A TacoronteA_SEA 38 0.12 4.92 9 18.9 20 C458C Victoria_Ayuntamiento 39 0.31 14.69 18 16.1 17 C458E Sauzal 40 0.22 15.17 9 14.7 20 C458F Sauzal_ColegioNacional 41 0.25 6.72 4 12.7 14 C458O Orotava 42 0.33 NA 15 12.9 7 C459F Sauzal_Angeles 43 0.11 9.91 5 9.8 30 C459O PuertoCruz_PazBotanica 44 0.27 NA 3 6.6 4 C459Z PUERTO_CRUZ_AUTOMATICA 45 0.25 9.78 15 19.1 19 C465O Tanque_ErjosCF 46 0.24 12.54 17 26.8 13 C466L Garachico_Montañeta 47 0.18 7.21 8 19.3 12 C467V Buenavista_Carrizal 48 0.14 7.09 8 17.5 49 C468A Guancha_Asomada

Pág. 96 de 89

49 0.28 NA 1 9.9 5 C468G Icod_LomoBla nco 50 0.27 17.24 11 13.8 10 C468Q Buenavista_Palmar 51 0.31 17.75 9 14.2 25 C469I IcodA 52 0.25 15.02 5 14.8 31 C469J IcodB 53 0.10 9.81 5 10.5 35 C469O Silos 54 0.16 10.98 3 7.5 20 C438H Guimar_Casino 55 0.16 6.63 13 25.1 21 C447F Anaga_Jardina 56 0.13 16.16 13 16.6 21 C447K Laguna_CaminoAlamos 57 0.23 NA 4 12.7 8 C447O Anaga_RoqueNegroPorquera 58 0.21 4.93 7 13.7 24 C448D Anaga_ValleJimenez 59 0.15 7.66 9 10.5 24 C448L Anaga_Campanario 60 0.16 5.94 2 21.1 24 C448O Anaga_TagananaFajanetas 61 0.16 6.97 2 19.2 22 C448P Anaga_TagananaMolinos 62 0.18 5.84 5 14.9 37 C448S Tegueste 63 0.21 8.58 8 14.8 22 C448X Tegueste_Drago 64 0.22 10.79 12 12.0 10 C434D Fasnia_ArchifiraPresa 65 0.19 10.60 11 6.5 21 C449D StaCruzTfe_UrbAnaga 66 0.28 5.74 6 21.6 12 C434M Candelaria_Chivisaya 67 0.15 6.86 2 10.9 19 C449N Anaga_TagananaCardonal 68 0.12 7.67 6 10.2 24 C449O Anaga_Taganana 69 0.17 7.15 5 7.7 20 C449S Anaga_PuntaHidalgo 70 0.23 11.23 13 11.4 27 C451U Realejos_Portillo 71 0.23 11.61 10 19.1 61 C457C Tacoronte 72 0.26 3.11 4 22.7 19 C436P Candelaria_Ramonas 73 0.16 9.42 15 16.9 39 C458G MatanzadeAcentejo 74 0.17 NA 3 10.1 9 C458L StaUrsula 75 0.33 NA 8 19.5 6 C458N Orotava_Centro 76 0.17 6.75 13 15.9 26 C458S Realejos_CruzSanta 77 0.21 10.34 8 14.4 18 C459G Sauzal_Naranjos 78 0.20 7.70 5 10.0 24 C459S Realejos_SanAgustin 79 0.56 14.34 13 19.3 10 C465N Tanques_SanJosedeLosLlanos 80 0.15 9.76 11 10.9 21 C468F Icod_StaBarbara 81 0.20 13.68 12 15.4 17 C468J Garachico_GenovesA 82 0.18 15.00 8 7.7 23 C469A SanJuandelaRambla 83 0.14 7.60 7 6.7 22 C469C Guancha_StoDomingo 84 0.35 NA 11 9.4 9 C469L Garachico 85 0.16 4.29 4 9.1 20 C405L Cañadas_MontañaAngostura 86 0.26 NA 4 11.8 7 C438M Candelaria_Cuevecitas 87 0.19 6.02 4 7.5 18 C438O Candelaria_PeñaVerigueste 88 0.27 9.95 6 8.1 17 C438P Candelaria_BarrancoHondo 89 0.19 9.45 3 9.6 24 C406K Cañadas_CañadaDiegoHernandez 90 0.27 8.96 6 11.1 12 C406W Cañadas_RoquePeral 91 0.30 NA 1 5.4 3 C439F Guimar_Socorro.Playa 92 0.23 12.43 12 7.2 13 C439L Candelaria 93 0.24 NA 2 8.8 4 C439V Esperanza_TabaibaAlta 94 0.25 6.35 5 10.2 16 C412F GuiaIsora_Baldios 95 0.26 NA 3 15.6 7 C412L GuiaIsora_BarrancoNiagara 96 0.22 7.12 2 29.5 14 C446I Anaga_LomoPelado 97 0.27 NA 5 24.9 4 C446Q Anaga_TagananaCruz 98 0.22 6.61 8 20.1 19 C446R Tegueste_PedroAlvarezA 99 0.25 NA 7 22.7 5 C446S Tegueste_PedroAlvarez 100 0.25 NA 3 22.7 4 C446T Tegueste_MontañaZapata 101 0.22 7.13 6 8.2 11 C413C SantiagoTeide_Cascajo

Pág. 97 de 89

102 0.23 11.45 19 31.8 42 C447C Anaga_Mercedes 103 0.14 5.15 3 15.3 15 C447D Laguna_Canteras 104 0.45 NA 6 13.4 3 C447E Laguna_UrbanizAguere 105 0.19 3.12 4 18.0 10 C447G Laguna_ViveroIcona 106 0.25 NA 4 8.1 4 C447I Laguna_CercadoMesa 107 0.19 10.93 14 17.9 16 C447J Anaga_Bodegas 108 0.25 3.53 2 21.6 10 C447L Laguna_Moquinal 109 0.11 8.70 4 15.2 13 C447M Anaga_BailaderoFrioleras 110 0.21 12.15 5 22.9 11 C447N Anaga_CaserioCatalanes 111 0.37 NA 7 11.5 6 C447P Anaga_AfurInchires 112 0.21 5.32 3 17.9 11 C447Q Anaga_Taborno 113 0.13 NA 7 36.2 8 C447R Anaga_Carboneras 114 0.11 4.26 3 23.8 19 C447T Laguna_Batan 115 0.21 6.76 2 11.2 13 C415B SantiagoTeide_Bilma 116 0.26 NA 6 15.2 4 C447V Laguna_MontañaGiles 117 0.39 16.99 12 17.5 13 C447X Laguna_Geneto 118 0.49 NA 3 14.4 4 C448A StaCruzTfe_LlanoMoro 119 0.28 8.56 7 10.1 18 C415E GuiaIsora_Frontones 120 0.25 6.15 5 15.8 11 C448E Anaga_Tahodio 121 0.21 7.27 4 14.3 13 C448H Anaga_PolvorinERT 122 0.20 5.53 3 21.7 19 C448K Anaga_Chamorga 123 0.25 4.71 2 10.2 10 C416E SantiagodelTeide_Arguayo 124 0.28 NA 4 7.4 6 C416G GuiaIsora_Aripe 125 0.24 9.77 11 9.9 33 C417E SantiagodelTeide_Tamaimo 126 0.30 6.01 6 19.3 10 C448T Tegueste_SanGonzalo 127 0.32 4.65 4 7.3 10 C417F SantiagodelTeide_TamaimoA 128 0.26 NA 8 7.3 8 C417L GuiadeIsora 129 0.21 11.84 12 3.5 12 C419I GuiaIsora_AlcalaSalinas 130 0.24 13.49 13 12.6 13 C449E Anaga_TahodioPozoLara 131 0.18 6.86 6 8.1 12 C421V Arico_LlanoLajitas 132 0.11 5.23 6 13.3 19 C449H Anaga_BcoHuertas 133 0.21 12.13 9 8.9 18 C449I Anaga_IguesteSanAndres 134 0.19 6.52 4 11.3 17 C449J Anaga_Draguillo 135 0.15 8.76 9 12.9 15 C449L Anaga_TagananaIglesia 136 0.34 NA 3 10.1 6 C449P Anaga_TagananaChorros 137 0.17 10.94 5 9.0 31 C449T Anaga_Bajamar 138 NA NA 1 17.4 1 C449W Laguna_Tejina 139 0.19 3.39 3 14.9 10 C451W Realejos_DegolladadelCedro 140 0.32 13.02 17 23.6 15 C452O Orotava_RoqueAcebe 141 0.23 13.49 6 16.8 14 C452R Realejos_MontañaAlta 142 0.14 5.13 6 18.3 16 C452U Realejos_Fortaleza 143 0.14 8.81 6 20.2 14 C453P Orotava_GaleriaPinoCruz 144 0.21 NA 8 16.0 5 C453R Orotava_MontañaRoja 145 0.19 11.39 5 23.9 10 C453S Orotava_CordilloLomoResbala 146 0.21 3.17 1 27.5 14 C454K Victoria_LomoRincon 147 0.13 5.06 2 28.7 10 C454L StaUrsula_LomoRaices 148 0.18 16.05 7 27.4 23 C454M StaUrsula_MñaOvejas 149 0.16 7.57 8 27.6 15 C454P Orotava_MontañaBermeja 150 0.31 15.56 8 14.2 10 C454Q Orotava_MontañaBlanca 151 0.25 3.80 4 33.7 9 C454T Realejos_CorralQuemado 152 0.27 9.11 14 27.5 15 C454U Realejos_Parcela 153 0.22 NA 4 49.4 7 C455F Tacoronte_Parcela 154 0.20 2.78 2 43.7 11 C455G Sauzal_PlazadeLaPaz

Pág. 98 de 89

155 0.25 12.58 6 30.8 14 C455K Victoria_LomoAbades 156 0.23 3.19 2 26.5 12 C455P Orotava_AguamansaA 157 0.42 8.66 8 29.1 10 C455U Realejos_Asomadero 158 0.21 2.02 1 28.8 11 C456H Matanza_Vica 159 0.18 4.68 3 34.1 13 C456K Victoria_LomoCasillas 160 0.15 NA 6 33.3 9 C456M StaUrsula_Atalaya 161 0.19 13.94 10 27.6 21 C456O Orotava_CaminoChasna 162 0.24 NA 3 18.2 6 C456S Realejos_Llanadas 163 0.20 9.85 14 21.2 47 C457B Tacoronte_Caridad 164 0.12 7.34 7 17.2 22 C457L StaUrsula_Corujera 165 0.23 NA 2 18.5 3 C457O Orotava_EE 166 0.26 7.74 12 28.5 20 C457R Realejos_PaloBlanco 167 0.18 2.88 4 14.2 16 C457T Realejos_Lance 168 0.23 NA 5 10.7 5 C426U Arico_Bueno 169 0.25 NA 7 13.6 8 C458B Tacoronte_MesaMarAlto 170 0.28 NA 3 19.1 6 C458J VictoriaAcentejo 171 0.31 NA 3 7.0 3 C458M Orotava_Palmeras 172 0.18 12.22 5 12.4 39 C458P Orotava_Ramal 173 0.17 8.45 3 12.5 11 C458Q Realejos_Tigaiga 174 0.34 NA 15 13.6 6 C458R Realejos 175 0.16 NA 2 12.0 4 C458T RealejoAlto 176 0.17 5.68 4 6.7 11 C431B Fasnia_CharcoPato 177 0.20 7.58 6 8.5 19 C459R Realejos_Gorvorana 178 0.24 NA 2 13.1 6 C432E Guimar_LomoSeco 179 0.13 16.01 9 13.9 14 C459T RealejoBajo 180 0.13 5.67 4 10.7 14 C432F Guimar_MñaArguazo 181 0.26 4.77 3 13.3 10 C463A SanJuanRambla_TorreVigil 182 0.18 2.98 4 17.6 19 C463H Icod_Barrenos 183 0.32 7.22 4 15.2 21 C463I Icod_Tabona 184 0.38 NA 18 20.2 6 C463K Garachico_CruzHermanos 185 0.16 4.86 2 12.4 10 C464C Guancha_GaleriaVergaraII 186 0.24 NA 7 16.2 7 C464K Garachico_MñaNegra 187 0.16 11.41 10 19.9 10 C465A SanJuanRambla_Chamuscada 188 0.14 6.20 6 18.4 19 C465C Icod_CFLlanoCebada 189 0.22 3.57 5 21.1 15 C465H Icod_VistasSanFelipe 190 0.11 6.51 7 26.0 14 C465J Icod_Abiertas 191 0.16 9.63 9 20.2 10 C433G Guimar_LomoCuchillo 192 0.14 13.56 10 16.9 15 C465Q Silos_CumbreBolico 193 0.16 10.06 3 17.0 20 C466G Icod_Redondo 194 0.20 7.16 5 16.9 15 C433K Candelaria_BocadelValle 195 0.14 NA 3 13.4 9 C466Q Silos_MontedelAgua 196 0.23 5.79 7 12.9 10 C466R Buenavista_TenoAlto 197 0.24 11.41 3 17.3 12 C466S Buenavista_LomoCebada 198 0.12 16.15 8 17.6 18 C467A GuanchaCF 199 0.27 12.38 18 16.6 12 C467K Garachico_SanJuanReparo 200 0.33 NA 1 18.3 3 C467M Tanque_Alto 201 0.21 10.38 4 17.4 9 C467O Silos_TierradelTrigo 202 0.27 NA 10 7.4 7 C467Q Buenavista_Meseta 203 0.16 5.50 2 13.0 22 C467S Buenavista_Zahorra 204 0.17 18.43 16 15.2 10 C467T Buenavista_Portelas 205 0.14 5.31 4 22.5 12 C433L Arafo_MñaColorada 206 0.20 7.04 8 21.0 14 C434O Candelaria_PiedraVera 207 0.35 NA 16 11.0 5 C435D Fasnia_CasaEvaristo

Pág. 99 de 89

208 0.18 2.80 3 14.1 13 C435E Guimar_LomoAnocheza 209 0.14 3.39 1 10.9 20 C468H Icod_PiedeLasLajas 210 0.16 6.67 6 15.8 13 C435L Arafo_Charquillo 211 0.22 14.08 12 16.3 15 C468L Garachico_Genoves 212 0.21 10.67 5 12.4 9 C436H Guimar_Vistas 213 0.24 NA 8 14.0 8 C437D Fasnia_Zarza 214 0.16 7.67 3 22.6 15 C437J Arafo_700 215 0.35 12.78 13 10.9 10 C437K Guimar_TiraClavijo 216 0.23 6.56 4 14.1 17 C437P Candelaria_BarrancoHondoPinoGacho 217 0.19 8.05 8 16.5 17 C438B Fasnia 218 0.25 7.67 4 9.2 10 C469Q Buenavista 219 0.27 11.36 11 6.7 19 C469R Buenavista_PuntaTeno 220 0.20 8.05 8 5.9 9 C469U Buenavista_FaroPuntaTeno 221 0.16 7.25 4 8.0 11 C438G Guimar_Marrera 222 0.32 10.78 5 13.3 12 C434E Guimar_LomoCabuco 223 0.14 7.42 6 12.8 21 C437L Arafo_BarrancoAfoña 224 0.20 10.84 4 8.3 15 C469L-2 Garachico-2 225 0.18 5.73 5 38.2 10 C465N-2 Tanques_SanJosedeLosLlanos-2 226 0.42 NA 11 4.6 3 C467Q-2 Buenavista_Meseta-2 227 NA NA 16 7.9 2 C466G-2 Icod_Redondo-2 228 0.25 NA 2 4.1 5 C465H-2 Icod_VistasSanFelipe-2 229 NA NA 4 2.1 1 C469L-3 Garachico-3 230 0.18 15.31 17 12.5 25 C416A-2 SantiagodelTeide-2 231 0.16 5.66 3 16.9 12 C447O-2 Anaga_RoqueNegroPorquera-2 232 0.19 NA 5 9.3 6 C435D-2 Fasnia_CasaEvaristo-2 233 0.32 NA 9 34.6 7 C446T-2 Tegueste_MontañaZapata-2 234 0.34 NA 14 10.9 6 C466Q-2 Silos_MontedelAgua-2 235 0.13 17.81 20 17.0 23 C448O-2 Anaga_TagananaFajanetas-2 236 0.21 7.27 11 12.1 32 C449U-2 ValleGuerra_Pajalillos-2 237 0.21 NA 2 2.1 4 C463I-2 Icod_Tabona-2 238 0.32 NA 4 16.0 8 C451U-2 Realejos_Portillo-2 239 0.20 6.33 8 11.4 13 C448O-3 Anaga_TagananaFajanetas-3 240 0.21 3.77 1 15.1 13 C448S-2 Tegueste-2 241 0.24 NA 2 7.9 2 C448S-3 Tegueste-3 242 0.15 NA 14 18.3 9 C451V-2 Realejos_PortilloCentrodeVisitantes-2 243 0.08 6.40 5 7.1 32 C469A-2 SanJuandelaRambla-2 244 0.21 NA 9 8.8 8 C458G-2 MatanzadeAcentejo-2 245 0.38 NA 6 197.6 3 C453K-2 Victoria_Gaitero-2 246 0.20 NA 5 15.0 9 C434M-2 Candelaria_Chivisaya-2 247 0.20 7.10 5 14.0 23 C449V-2 Laguna_TejinaPico-2 248 0.19 NA 7 15.7 8 C433L-2 Arafo_MñaColorada-2 249 NA NA 3 11.4 1 C449H-2 Anaga_BcoHuertas-2 250 0.21 13.04 6 6.2 56 C449C-2 SANTA_CRUZ_DE_TENERIFE-2 251 0.28 NA 1 8.7 5 C448S-4 Tegueste-4 252 0.28 NA 3 8.7 3 C447V-2 Laguna_MontañaGiles-2 253 0.09 10.00 3 9.4 20 C459O-2 PuertoCruz_PazBotanica-2 254 0.25 NA 4 23.7 4 C455F-2 Tacoronte_Parcela-2 255 0.21 NA 1 12.8 8 C435L-2 Arafo_Charquillo-2 256 0.13 11.73 14 12.6 18 C458L-2 StaUrsula-2 257 0.14 10.64 6 24.9 38 C455O-2 Orotava_AguamasaCF-2 ----------- Generated outputs: --------------------------------

Pág. 100 de 89

Pptm_1906-2009.txt : This text output Pptm_1906-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1906-2009.esh : List of homogenized stations (original and split) Pptm_1906-2009.pdf : Diagnostic graphics

2.2. Homogenización zona sur Tenerife con 75 estaciones. HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol')

=========== Homogenization of Pptm, 1944-2009. (Sat Oct 29 21:57:35 2011) homogen: varcli=Pptm anyi=1944 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=14 tVf=0.02 swa=60 snhtt=16 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE ----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 0.1000 0.1400 0.1900 0.1962 0.2300 0.6500 1.0000 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.500 5.825 7.300 7.955 9.875 14.400 27.000 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 4.000 5.000 5.978 8.000 16.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 1.398 2.891 4.838 5.518 6.528 27.560 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 2.00 11.00 19.00 23.37 33.00 72.00 ACmx tVx SNHT RMSE PD Code Name 1 0.11 6.21 3 5.0 36 C406D Cañadas_BocaTauceA 2 0.10 6.68 4 4.2 38 C406G CAÑADAS-PARADOR 3 0.11 9.60 2 6.3 37 C412C GuiaIsora_Samara 4 0.10 5.78 2 5.7 40 C416O Adeje_Taucho 5 0.21 3.94 3 2.3 21 C419H GuiaIsora_CuevaPolvo 6 0.14 9.81 6 2.1 29 C419J GuiaIsora_PlayaSanJuan 7 0.24 NA 8 2.6 10 C419M GuiaIsora_AlcalaChiquita 8 0.27 2.45 4 1.9 25 C419U Adeje_Fañabe 9 0.20 4.18 3 2.8 15 C419W Adeje_PlayaAmericas 10 0.22 10.20 15 1.6 25 C419X Adeje_CalderaB 11 0.24 8.68 8 1.6 25 C419Y Adeje_CalderaA 12 0.15 12.86 4 2.4 29 C419Z Adeje_Caldera

Pág. 101 de 89

13 0.17 12.00 7 12.1 24 C424E Vilaflor 14 0.25 11.62 10 10.1 29 C426V Arico_BuenoA 15 0.23 NA 4 10.2 9 C427A Arona 16 0.19 7.05 6 12.2 22 C427H Granadilla 17 0.16 12.29 7 4.7 31 C428C Arona_ValleSanLorenzoJama 18 0.22 7.25 6 4.8 18 C428I Granadilla_SanIsidroSalones 19 0.17 NA 4 1.4 9 C429B Arona_GalletasFraileNuevo 20 0.12 7.40 6 1.9 44 C429I REINA_SOFIA_AEROP.TENERIFE_SUR 21 0.16 NA 5 2.5 11 C429J Arona_Casablanca 22 0.17 12.71 4 2.1 23 C429K Granadilla_MedanoConfital 23 0.35 NA 1 6.3 6 C437C Fasnia_SabinaAlta 24 0.14 7.34 3 9.3 16 C427E SanMiguelAbona 25 0.15 14.45 14 5.3 35 C427G Granadilla_ChozasAbajo 26 0.17 5.92 7 2.5 33 C428F Arona_CamellaMorroNegro 27 0.12 4.57 2 1.6 44 C429C Arona_Cristianos 28 0.10 9.67 12 2.2 44 C429D Arona_Guaza 29 0.14 NA 5 1.7 14 C429R Arico_Jurada 30 0.14 8.54 4 6.4 33 C405G Cañadas_BaseTeideGasolinera 31 0.21 4.37 4 5.9 19 C438K Güimar_ColegioStoDomingo 32 0.11 4.76 5 3.1 16 C439G Güimar_LomoTablado 33 0.35 NA 4 4.0 5 C411R Adeje_Retamales 34 0.23 NA 3 8.6 9 C406A Cañadas_UcancaLlano 35 0.18 11.50 5 3.0 16 C412R Adeje_MontañaColorada 36 0.15 6.35 4 6.5 37 C413O GuiaIsora_Icerce 37 0.16 11.65 11 4.5 39 C406C Cañadas_Encerradero 38 0.15 7.06 5 5.3 34 C414O Adeje_CedroFyffes 39 0.13 6.48 5 6.9 19 C415R Adeje_Ifonche 40 0.21 NA 2 12.6 6 C416V GuiaIsora_VeradeErque 41 0.19 4.87 2 5.2 21 C417G GuiaIsora_TejinaCoopAG 42 0.12 8.42 9 2.9 60 C418U Adeje 43 0.20 6.58 4 7.6 24 C422C Vilaflor_ToposTorreVigil 44 0.15 5.48 5 8.6 18 C422E Vilaflor_Marrubial 45 0.14 7.48 10 6.5 24 C423E Vilaflor_CF 46 0.13 6.14 4 6.2 35 C423I Granadilla_Florida 47 0.22 8.04 6 6.7 22 C423K Granadilla_BcoJuanDana 48 0.24 5.00 4 3.8 16 C423L Arico_CamasVerdes 49 0.23 6.22 6 5.9 16 C423P Arico_PeñonContador 50 0.30 8.26 8 4.9 18 C423U Arico_Picachos 51 0.31 NA 10 11.3 8 C423Z Arico_LomoBello 52 0.19 5.24 5 8.0 17 C424Q Arico_Vallecontador 53 0.48 6.57 9 17.9 21 C425C Vilaflor_Escalona 54 0.24 NA 3 5.6 6 C425E Granadilla_Fuentes 55 0.22 4.35 5 4.6 17 C425G Vilaflor_LlanosIngenio 56 0.32 NA 1 27.6 6 C425L Arico_Centenitos 57 0.19 NA 8 3.4 14 C426J Granadilla_CruzTea 58 0.18 4.27 3 6.7 19 C426L Arico_Espigon 59 0.19 6.25 7 7.7 18 C426P Arico_EsquinaCardones 60 0.21 NA 5 4.3 7 C427P Arico_Lomo 61 0.29 NA 8 6.5 8 C427T Arico_CruzOrtiz 62 0.16 NA 3 2.3 10 C428E Arona_Buzanada 63 0.23 5.03 5 2.9 17 C415G GuiaIsora_Fuentes 64 0.24 NA 3 2.5 10 C428J Granadilla_Yaco 65 0.15 8.41 13 3.3 37 C428L Arico_Rio

Pág. 102 de 89

66 0.20 3.25 1 4.2 18 C428R Arico_Reveron 67 0.13 14.30 9 8.2 71 C428S Arico_Nuevo 68 0.19 NA 6 3.0 14 C428W Arico_Icor 69 0.11 8.26 12 1.5 72 C429A Arona_PuntaRascaFaro 70 0.12 9.96 14 2.5 36 C429U Arico_FaroAbona 71 0.18 13.86 5 8.9 18 C433E Guimar_LlanoLasChozas 72 0.31 12.28 12 6.3 16 C437F Guimar_LomodeMena 73 0.24 NA 2 7.3 6 C438D Fasnia_Villa 74 0.12 9.91 9 15.3 68 C438E Guimar_Escobonar 75 0.13 6.35 3 4.1 37 C412M GuiaIsora_Chavao 76 NA NA 4 1.6 2 C437F-2 Guimar_LomodeMena-2 77 0.23 NA 4 3.5 7 C427T-2 Arico_CruzOrtiz-2 78 0.20 NA 14 3.1 5 C419J-2 GuiaIsora_PlayaSanJuan-2 79 0.25 NA 3 6.0 9 C423Z-2 Arico_LomoBello-2 80 0.19 NA 8 4.3 14 C438D-2 Fasnia_Villa-2 81 0.23 NA 4 5.0 5 C425G-2 Vilaflor_LlanosIngenio-2 82 0.10 9.73 6 5.4 29 C427H-2 Granadilla-2 83 0.17 10.77 5 4.2 50 C427E-2 SanMiguelAbona-2 84 0.12 8.96 16 5.2 59 C424E-2 Vilaflor-2 85 0.15 4.82 3 7.0 23 C425L-2 Arico_Centenitos-2 86 0.12 6.78 7 4.1 33 C427A-2 Arona-2 87 0.21 13.65 5 3.8 34 C406A-2 Cañadas_UcancaLlano-2 88 0.65 NA 13 2.6 4 C427P-2 Arico_Lomo-2 89 0.28 NA 4 5.1 6 C438E-2 Guimar_Escobonar-2 ----------- Generated outputs: -------------------------------Pptm_1944-2009.txt : This text output Pptm_1944-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1944-2009.esh : List of homogenized stations (original and split) Pptm_1944-2009.pdf : Diagnostic graphics

3. La Palma

3.1.  Análisis para las estaciones orientadas al noreste de la isla (unas 16). HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol')

=========== Homogenization of Pptm, 1946-2009. (Sat Nov 26 11:52:43 2011) homogen: varcli=Pptm anyi=1946 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=11 tVf=0.02 swa=60 snhtt=13 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3.2 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE ----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. 0.0800 0.1300 0.1900 0.2063 0.2700 0.3600

Pág. 103 de 89

tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 4.100 6.500 6.800 7.846 8.700 13.300 6.000 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 2.000 5.000 7.000 6.842 8.500 12.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 9.457 13.350 19.830 23.460 29.510 53.240 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 6.00 12.00 31.00 29.26 45.50 55.00 ACmx tVx SNHT RMSE PD Code Name 1 0.23 NA 8 29.7 11 C134E MAZO-ROQUE-NIQUIAMO 2 0.19 6.65 5 14.3 54 C138I BREÑA-BAJA-SAN-JOSE 3 0.24 NA 2 18.7 10 C138L BREÑA-ALTA-COLNNAL 4 0.13 13.29 9 24.5 42 C138O BUENAVISTA-AEROP-VIEJO 5 0.33 NA 7 11.3 6 C138P SANTA-C-PALMA-VELHOCO 6 0.08 5.92 6 9.5 55 C139E MAZO-AEROPUERTO-DE-LA-PALMA 7 0.13 6.28 3 9.5 31 C139I BREÑA-BAJA-FUERTE 8 0.17 8.36 8 10.1 34 C139O SANTA-C-PALMA 9 0.15 4.13 3 12.4 41 C139R SANTA-C-PALMA-MIRCA 10 0.10 8.22 9 33.3 49 C145N GARAFIA-CF 11 0.35 NA 12 43.2 13 C147C SAUCES-ESPIGON-ATRAVESADO 12 0.31 8.66 10 47.8 20 C147F BARLOVENTO-CF 13 0.23 NA 4 53.2 9 C148C SAUCES-TILOS-PORTADAS 14 0.30 6.62 7 29.3 20 C148D SAUCES-S-ANDRES-COLNNAL 15 0.21 6.48 5 25.5 32 C148H BARLOVENTO-GALLEGOS 16 0.17 9.48 8 19.8 17 C148O GARAFIA 17 0.36 NA 7 15.3 9 C138L-2 BREÑA-ALTA-COLNNAL-2 18 0.13 11.06 11 22.4 49 C148O-2 GARAFIA-2 19 0.11 6.84 6 15.9 54 C138P-2 SANTA-C-PALMA-VELHOCO-2 ----------- Generated outputs: -------------------------------Pptm_1946-2009.txt : This text output Pptm_1946-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1946-2009.esh : List of homogenized stations (original and split) Pptm_1946-2009.pdf : Diagnostic graphics

3.2. Análisis para las estaciones orientadas al suroeste de La Palma (unas 16).

HOMOGEN() APPLICATION OUTPUT (From R's contributed package 'climatol')

=========== Homogenization of Pptm, 1935-2009. (Sat Nov 26 13:12:56 2011)

Pág. 104 de 89

homogen: varcli=Pptm anyi=1935 anyf=2009 nm=12 nref=10 dz.max=5 wd=0,0,100 tVt=11 tVf=0.02 swa=60 snhtt=13 mxdif=0.05 force=FALSE a=0 b=1 wz=0.001 deg=FALSE rtrans=3.2 std=2 ndec=1 mndat=0 leer=TRUE gp=3 na.strings=NA nclust=100 maxite=50 ini= vmin=NA vmax=NA verb=TRUE

----------- Final computations: ACmx: Station maximum absolute autocorrelations of anomalies Min. 1st Qu. Median Mean 3rd Qu. Max. 0.0700 0.1275 0.1650 0.1889 0.2225 0.5300 tVx: Stepped window SNHT (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 2.90 4.45 7.15 6.80 8.90 10.00 10.00 SNHT: Standard normal homogeneity test (on anomaly series) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 2.000 4.000 4.464 6.250 12.000 RMSE: Root mean squared error of the estimated data Min. 1st Qu. Median Mean 3rd Qu. Max. 4.586 5.711 13.000 12.780 17.350 29.480 PD: Percentage of original data Min. 1st Qu. Median Mean 3rd Qu. Max. 2.00 8.00 17.00 24.82 34.25 91.00 ACmx tVx SNHT RMSE PD Code Name 1 0.53 NA 12 5.5 3 C106U CALDERA-TABURIENTE 2 0.13 10.04 8 17.0 44 C117A PUNTAGORDA 3 0.15 6.28 3 18.6 22 C126A PASO-CF 4 0.12 NA 8 11.0 8 C126O FUENCALIENTE-CHARCO 5 0.16 4.94 4 23.3 19 C127T FUENCALIENTE-CF 6 0.19 9.66 7 13.8 17 C127U FUENCALIENTE-CALETAS 7 0.11 9.11 4 7.4 69 C128A LLANOS-ARIDANE-A 8 0.09 8.35 3 6.2 64 C128B LLANOS-ARIDANE-B 9 0.12 4.15 8 5.8 38 C128D LLANOS-ARIDANE-HERMOSILLA 10 0.11 5.79 5 5.7 34 C129A TAZACORTE 11 0.17 NA 2 5.7 8 C129B TAZACORTE-AYUNTAMIENTO 12 0.14 7.30 7 5.2 25 C129E TAZACORTE-PTO-NAOS-HOYAS 13 0.30 NA 1 4.6 2 C129I TAZACORTE-PUERTO 14 0.30 NA 6 4.6 3 C129Z TAZACORTE-PTO-NAOS-HOYAS-AUTOMATICA 15 0.39 NA 4 13.9 8 C140U GARAFIA-ROQUE-MUCHACHOS 16 0.07 9.08 4 19.9 91 C147U GARAFIA-TRICIAS 17 0.22 NA 2 27.4 4 C106U-2 CALDERA-TABURIENTE-2 18 0.18 4.29 2 15.7 20 C106U-3 CALDERA-TABURIENTE-3 19 0.23 9.76 2 14.2 30 C126O-2 FUENCALIENTE-CHARCO-2 20 0.19 8.11 2 12.2 15 C117A-2 PUNTAGORDA-2 21 0.13 6.96 5 5.3 35 C129A-2 TAZACORTE-2 22 0.16 4.29 4 5.0 17 C129I-2 TAZACORTE-PUERTO-2 23 0.16 NA 1 24.1 12 C106U-4 CALDERA-TABURIENTE-4 24 0.20 NA 7 29.5 10 C126A-2 PASO-CF-2 25 0.26 NA 3 9.8 3 C126A-3 PASO-CF-3 26 0.18 3.99 3 14.3 13 C126A-4 PASO-CF-4

Pág. 105 de 89

27 0.07 7.28 6 18.5 67 C127U-2 FUENCALIENTE-CALETAS-2 28 0.23 2.89 2 13.9 14 C117A-3 PUNTAGORDA-3 ----------- Generated outputs: -------------------------------Pptm_1935-2009.txt : This text output Pptm_1935-2009.dah : Homogenized data (postprocess with 'dahstat()') Pptm_1935-2009.esh : List of homogenized stations (original and split) Pptm_1935-2009.pdf : Diagnostic graphics

Pág. 106 de 89

Anexo IV

Gráficas de anomalías anuales de precipitación para todas las zonas en las tres islas. 1. Gran Canaria. Ver zonas en figura 27.

Figura 1. Zona A (norte, 0-400 m)

Figura 2. Zona B (norte, 400-800 m)

Pág. 107 de 89

Gran Canaria

Figura 3, Zona C (norte, encima de 800 m)

Figura 4, Zona D (sur, 0-400 m)

Pág. 108 de 89

Gran Canaria

Figura 5, Zona E (sur, 400-800 m)

Figura 6, Zona F (sur, encima de 800 m)

Pág. 109 de 89

2. Tenerife (Ver zonas en figura 28)

Figura 7, Zona A (norte, 0-400 m)

Figura 8, Zona B (norte, 400-1000 m)

Pág. 110 de 89

Tenerife

Figura 9, Zona C (norte, 1000-2000 m)

Figura 10, Zona D (sur, 0-400 m)

Pág. 111 de 89

Tenerife

Figura 11, Zona E (sur, 400-1000 m)

Figura 12, Zona F (sur, 1000-2000 m)

Pág. 112 de 89

Tenerife

Figura 13, Zona G (por encima de 2000 m) 3. La Palma (ver zonas en figura 29)

Figura 14, Zona A (noreste, 0-400 m)

Pág. 113 de 89

La Palma

Figura 15, Zona D (suroeste, 0-400 m)

Figura 16, Zona E (suroeste, 400-1000 m)

Pág. 114 de 89