Según (OMM, 2020) “El objetivo de la homogeneización es conseguir que los datos sean homogéneos, un término procedente del griego antiguo que signi...

Según (OMM, 2020) “El objetivo de la homogeneización es conseguir que los datos sean homogéneos, un término procedente del griego antiguo que significa de la misma naturaleza”. Desafortunadamente, la mayoría de las series temporales de datos climáticos brutos de largo período no cumplen ese principio y contienen inhomogeneidades, es decir, los datos que las conforman no son de la misma naturaleza y, por consiguiente, no son aptos para la realización de análisis estadísticos del cambio climático. Determinados factores ajenos al clima, como los cambios en las circunstancias en las que se realizan las mediciones, pueden afectar notablemente a los valores obtenidos y provocar distorsiones en el comportamiento estadístico de las series temporales. Las consecuencias de esas distorsiones pueden ser comparables a las del cambio climático y pueden suponer la formulación de conclusiones erróneas. De acuerdo con la OMM para el proceso de homogeneización se requieren metadatos ya que no contamos con el historial de cada estación se decidió usar el software RHtests ya que este no requiere de uso de metadatos, el cálculo se realizó para todas las variables meteorológicas. RHtests aplica diversas pruebas de detección de rupturas teniendo en cuenta autocorrelaciones y la distancia respecto de los bordes. RHtests es uno de los pocos métodos que permiten homogeneizar conjuntos de datos sin una referencia. Incluye una prueba para los puntos de ruptura documentados. (OMM, 2020) Metodología RHtests Según (Xiaolan L & Yang, 2013) la metodología de RHtests “emplea funciones de prueba maximizadas F y t con penalización (PMT y PMF), capaces de detectar desplazamientos en la media de series de tiempo de tendencia nula, empleando una función de penalización construida empíricamente para emparejar el perfil de la tasa de falsas alarmas (posee típicamente forma de U).” Básicamente el procedimiento detecta saltos en el tiempo t=k en las series de tiempo {Xt} de la variable, con tendencia lineal probando la hipótesis nula. ????????: ???????? = ???? + ???????? + ???????? ???? = 1,2, … , ???? (Ecuación 12.) contra la alternativa: ????????: { ???????? = ????1 + ???????? + ???????? ???? ≤ ???? ???????? = ????2 + ???????? + ???????? ???? − 1 ≤ ???? ≤ ???? (Ecuación 13.) Donde t denota una variable gaussiana distribuida idéntica e independientemente con media cero y varianza desconocida, y siendo en la ecuación (13)  y  diferentes. Cuando Ha es cierta, entonces t=k es un punto de salto y corresponde a la magnitud del salto (o cambio de media). La Figura 20 muestra la interfaz gráfica del menú de RHtests para la detección de las discontinuidades en una serie de tiempo de precipitación. Una vez hechas las detecciones, el método procede a homogenizar corrigiendo las magnitudes de los saltos en cada punto en cuestión, pudiendo hacerse por ajuste de media (mean-adjust) o por ajuste de cuantiles (QM-adjust). Fuente: (Xiaolan L & Yang, 2013) El método ofrece, por supuesto, información sobre los niveles de significancia estadística encontrados, que permiten evaluar en parte el desempeño del procedimiento. A continuación, se muestra como ejemplo los puntos de cambio detectados para la estación de Achumani rellenado por los 2 métodos. Ver Figura 21 y 22. Fuente: Elaboración propia labor realizada debe ser objeto de una evaluación crítica y los datos homogeneizados deben revisarse a detalle. Fuente: Elaboración propia En el archivo Estacion_fCs.txt se presentan las fechas que tienen saltos y la categoría a la que pertenecen de los cuales se identificó que existen 4 puntos de cambio de los cuales los puntos 3 y 4 son irregularidades producidas al rellenar los datos comparando con una estación cercana se vio que los cambios producidos en el mes de mayo del año 1988 es un cambio que si se registró de la misma forma para el mes de enero del año 2008. La serie corregida para la estación de Achumani es la que se ve en la Figura 24, se procedió a homogeneizar todas las series de datos tanto: temperatura, humedad, velocidad del viento, etc. alance hídrico a nivel mensual. En el Anexo III se tienen las series finales homogeneizadas para todas las variables meteorológicas en la Tabla 21 se muestra un resumen de los resultados en RHtests. Tabla 21 Resumen de resultados obtenidos para la homogeneización en RHtests PRECIPITACION TEMPERATURA MAXIMA ESTACION Pto. cambio detectados Pto. cambio corregidos ESTACION Pto. cambio detectados Pto. cambio corregidos Achachicala 0 0 Achumani 9 6 Achocalla 6 6 Belen 10 8 Achumani 4 3 Chirapaca 5 4 Alto Achachicala 3 2 Chulumani 8 7 Alto Lima 0 0 Collana 8 5 Alto Obrajes 0 0 Copancara 16 13 Alto Obrajes B Magisterio 0 0 Coripata 0 0 Alto Seguencoma 0 0 Coroico 13 10 Bella Vista LP 0 0 El Alto Aeropuerto 0 0 Chicani 2 2 Hichucota 7 4 Chuquiaguillo_LP 2 1 Huarina Cota Cota 0 0 Ciudad Satélite 5 4 Laykacota 6 4 El Alto Aeropuerto 0 0 Palca_LP 11 8 El Tejar 3 3 San Calixto 13 10 Hichucota 2 2 Viacha 7 7 Lambate 4 3 TEMPERATURA MINIMA Laykacota 3 2 ESTACION Pto. cambio detectados Pto. cambio corregidos Mallasa 0 0 Mecapaca 0 0 Achumani 6 4 Milluni 5 4 Belen 7 5 Ovejuyo 4 3 Chulumani 12 11 Palca_LP 5 4 Collana 6 3 Pampahasi 0 0 Copancara 9 8 Pasankeri 4 4 Coripata 11 9 Pinaya 8 6 Coroico 4 4 Plaza Villarroel 0 0 El Alto Aeropuerto 12 11 Rio Seco 3 2 Hichucota 10 9 San Calixto 0 0 Huarina Cota Cota 6 5 Unduavi_h 5 4 Laykacota 17 13 Viacha 1 1 Palca_LP 13 10 Villa Armonía 0 0 San Calixto 5 5 Villa Copacabana 0 0 Viacha 4 4 Vino Tinto 2 1 HUMEDAD RELATIVA ACHHIP007 0 0 ESTACION Pto. cambio detectados Pto. cambio corregidos ACHHIP010 0 0 CHOHIP005 0 0 Belen 14 9 CHOHIP006 0 0 Chulumani 8 6 CHOHIP010 0 0 Collana 13 7 CHOHIP011 0 0 Copancara 2 2 CHOHIP015 0 0 Coripata 7 5 EM002 0 0 Coroico 10 8 IRPHIP003 0 0 El Alto Aeropuerto 14 10 IRPHIP004 0 0 Hichucota 9 6 IRPHIP005 0 0 Huarina Cota Cota 9 7 VELOCIDAD