Influencia de la isla urbana de calor en la estimación de las tendencias seculares de la temperatura en Argentina subtropical



Descargar 110,54 Kb.
Fecha de conversión10.04.2017
Tamaño110,54 Kb.
Influencia de la isla urbana de calor en la estimación de las tendencias seculares de la temperatura en Argentina subtropical

Inés Camilloni y Vicente Barros

Dep. de Ciencias de la Atmósfera - Universidad de Buenos Aires

Abstract

The population dependence of the urban temperature excess in Argentine cities is compared the those found in Australia and the United States. The regional temperature trend is 0.2°/100 years for the last century and is less than a half of the trend estimated by Jones et al. (1991). This difference is due to the lack of identification of urban series by Jones et.al (1991). In addition, a negative correlation between mean anuual rural temperature and urban temperature excess is found in Argentine and Australian locations, indicating the possible overestimation of the urban warming in corrections made by many authors.



1. Introducción

Algunos autores (Wigley y Jones,1988; Wood, 1988) sugieren que por lo menos una parte del calentamiento global observado en las últimas décadas (Jones, 1986a, 1986b) podría deberse al crecimiento de los centros urbanos cercanos a las estaciones meteorológicas consideradas. Jones (1989) estimó que sus análisis previos de tendencias del hemisferio norte (Jones, 1986a) podrían tener una componente inducida por la urbanización de +0.1°C.

En este trabajo se analiza la importancia de la componente urbana de la temperatura media de la región norcentral de Argentina y Chile y oeste de Uruguay (Figura 1), obtenida a través de la base de datos producida por Jones y otros (1991). Con esta finalidad, se propone un método a través del cual los efectos urbanos en ciudades argentinas pueden ser filtrados de las series de temperatura, haciéndolas aptas para ser utilizadas en estudios climáticos.

Se estudia también la posibilidad de que el efecto de isla urbana de calor sea función de la temperatura en áreas rurales.



2. Diferencia urbana-rural de la temperatura media anual en función de la población

En diversos trabajos se cuantifican distintos aspectos de la diferencia máxima instantánea de temperatura entre pares de estaciones urbano-rurales en función de la población (Oke, 1973; Landsberg, 1981). Sin embargo, los resultados presentados son difíciles de relacionar con las diferencias entre las temperaturas medias anuales o estacionales. En este trabajo se consideran pares de estaciones urbano-rurales en la Argentina y se analizan las diferencias de la temperatura media anual en función de la población. Los resultados obtenidos son comparados con los hallados para ciudades de EE.UU y Australia.


Figura 1. Area de trabajo



2.1. Información utilizada

Se consideran nueve pares de estaciones urbano-rurales argentinas ubicadas dentro de la región señalada en la Figura 1. Cuando no se dispone de una estación rural próxima a la estación urbana, la temperatura "rural" fue reconstruida según el modelo geográfico propuesto por Barros y Camilloni (1994).



2.2. Regresión entre _Tu-r y POB

Karl y otros (1988) proponen una relación exponencial entre _Tu-r y la población (POB) de la forma:

DELTA T sub {u-r}~=~a (POB) sup b (1)

En la Tabla I se presentan los valores de los parámetros a y b, del coeficiente de correlación y del rango de población en el que tiene validez la ecuación propuesta, para ciudades argentinas. Asimismo, se comparan los resultados obtenidos al aplicar el modelo (1) con los hallados por Karl y otros (1988) para ciudades de EE.UU y por Coughlan y otros (1989) para Australia.

Se encuentra que el calentamiento urbano en EE.UU es mayor que en Argentina para idénticas poblaciones. Esto estaría vinculado con el mayor consumo de energía por habitante de EE.UU y a diferencias en las características de las construcciones. Australia, muestra valores inferiores a los de EE.UU y levemente superiores a los de Argentina para poblaciones menores a un millón de habitantes. Esta relación se invierte en ciudades más populosas. La similitud entre las curvas de Argentina y Australia se debe probablemente a que ambas regiones están sometidas a climas similares y responderían de la misma forma a perturbaciones externas semejantes.

país

a

b

R

N

rango de población

Argentina

0.0037

0.38

0.91

16

20000

EE.UU

0.0018

0.45

0.57

414

POB>2000

Australia

0.0113

0.30

0.78

17

115000

Tabla I. Coeficientes a y b de la ecuación (1), coeficiente de correlación (R), cantidad de datos utilizados en el cálculo de los coeficientes (N) y rango de población para los que son válidos los coeficientes.



3. Diferencia urbana-rural de la temperatura media anual en función de T(rural)

Se estudia si la correlación negativa hallada por Barros y Camilloni (1994) entre _Tu-r y Tr para la ciudad de Buenos Aires se observa en otras ciudades de Argentina y Australia, considerando a Tr como representativa de las condiciones atmosféricas regionales. En la Tabla II se presentan los resultados encontrados. Se observa que, en la mayoría de los casos, hay una relación inversa entre calentamiento regional e intensidad del calentamiento urbano. La causa física de la correlación negativa hallada es que el exceso urbano de temperatura es mayor en condiciones de alta estabilidad hidrostática, mayormente asociadas a bajas temperaturas en superficie (Lee, 1975). Es por ello que en los años más cálidos, en los que estas situaciones son menos frecuentes, el exceso urbano de temperatura resulta generalmente menor.



4. Corrección de tendencias regionales obtenidas a partir de la serie de Jones

4.1. Descripción de la base de datos de Jones

La base de datos conformada por Jones y otros (1991) fue construida a partir de información de 243 estaciones entre 2.5°S y 62.5°S. El método de análisis de homogeneidad utilizado por Jones no permite separar los efectos urbanos cuando la mayoría de las estaciones de la región están en ciudades.

Debido a la distribución irregular de las estaciones y para poder calcular promedios espaciales a escala regional o hemisférica, los datos fueron reducidos a anomalías respecto del período 1951-70 e interpolados a puntos de grilla. Las anomalías en cada punto (TgJ) fueron calculadas promediando todas las estaciones cercanas al punto y utilizando como peso la inversa de la distancia entre sí. En las regiones con poca información ésta no parecería ser la técnica más apropiada por cuanto arbitrariamente algunas estaciones reciben más peso que otras.

4.2. Identificación y corrección de estaciones con componente urbana

En la región representada en la Figura 1, Jones dispone de información en 31 estaciones, de las cuales 27 pertenecen a Argentina, 2 a Chile y 2 a Uruguay. A partir del relevamiento realizado, se encontró que 16 estaciones argentinas de las utilizadas estuvieron o están emplazadas dentro de ambientes urbanos.



ciudad

estación urbana

estación rural

R

N

nivel de signif.

Buenos Aires

Buenos Aires Obs.

modelo

-0.50

63

99

La Plata

La Plata Obs.

La Plata Aero

-0.30

17

80

Rosario

Rosario

modelo

-0.70

15

95

Corrientes

Corrientes

Aero-modelo

-0.30

44

95

Concordia

Concordia

modelo

-0.32

25

90

Córdoba

Córdoba Obs.

Córdoba Aero

0.27

39

90

Tucumán

Tucumán Aero

Tucumán Obs.

0.02

18

no sig.

Santa Fe

I. Concepción

S.Viejo Aero

-0.15

11

60

Goya

Goya

Goya-modelo

-0.25

14

80

Melbourne

Melbourne R.O.

Laverton

-0.62

21

99

Melbourne

Melbourne R.O.

East Sale

-0.10

21

60

Sidney

Sidney

Richmond

-0.72

10

99

Sidney

Sidney

Nowra

-0.71

10

95

Brisbane

Brisbane

Amberley

-0.43

17

95

Perth

Perth

Perth Airport

-0.42

10

80

Tabla II. Coeficientes de correlación entre _Tu-r. N es la cantidad de datos.

(modelo = modelo geográfico propuesto por Barros y Camilloni, 1994)

Utilizando la ecuación (1) y considerando los parámetros hallados para Argentina (ver Tabla I), se calcularon y aplicaron las correcciones a las estaciones argentinas con períodos "urbanos" para convertirlas en "rurales".

Otra forma de realizar la interpolación es realizar un promedio sin utilizar pesos, ya que la anomalía en cada punto de grilla no representa un valor puntual sino el valor promedio para el área representativa del punto de grilla. De esta forma se obtiene un tercer valor de anomalías para cada punto de grilla (Tgu).

4.3. Corrección de estaciones por componente urbana y por efecto de calentamiento regional

A partir de las regresiones lineales entre _Tu-r y Tr para ciudades argentinas (ver Tabla II) se estimó una función del coeficiente de regresión (a) vs. población. Debido a la dispersión de los datos se consideró un valor constante para el rango de poblaciones menores a 250.000 habitantes y luego un ajuste lineal. Esta función propuesta fue utilizada en aquellas estaciones urbanas para las que no fue posible estimar la intensidad del calentamiento urbano _Tu-r, por falta de temperaturas rurales de referencia. Por lo tanto, la anomalía de cada estación corregida por los efectos de urbanización y calentamiento regional puede ser calculada de acuerdo con:

A(Tr)i = [Tuoi -Tu*-F(Pi)+F(P*)]/(a’+1) (2)

donde Tuoi es la temperatura urbana observada el año i, Tu* es la temperatura urbana media del período de referencia, y F(Pi) y F(P*) son los resultados de aplicar la ecuación (1) a las poblaciones del año i y del período de referencia, respectivamente.



4.4. Temperatura media regional

Considerando los cuatro puntos de grilla que están incluídos en el área de análisis de este trabajo se calculó la temperatura media regional mediante la fórmula propuesta por Jones y otros (1986a, 1986b).



En las curvas obtenidas para el promedio regional (período 1895‑1988) utilizando las anomalías de Jones (TgJ) y las calculadas mediante el promedio aritmético de la región no se presentan diferencias significativas por lo que la posterior discusión se hará con los promedios aritméticos regionales.

Figura 2. Anomalías de temperatura media regional corregidas por calentamiento urbanno (a) y por calentamiento urbano y regional (b).

En las Figuras 2a y 2b se presentan las anomalías calculadas corregidas por calentamiento urbano, ecuación (1), y las que incluyen las correcciones por efecto urbano y por variación de la temperatura regional, ecuación (2). De la comparación de las curvas se observa que las diferencias conceptuales en la forma de interpolar los puntos de grilla pesando por la inversa de la distancia al punto de grilla y sin aplicar pesos se traducen en leves variaciones en los resultados obtenidos. Por otra parte, las correcciones aplicadas en las series, en su mayoría hasta la década del '50, muestran que las mayores diferencias entre los resultados según Jones y los nuestros se encuentran en el período 1910‑1940 y 1965‑80. En ambos casos las anomalías de Jones son más negativas que las nuestras. Las diferencias a partir de 1965 se acentúan debido a que desde 1946 muchas estaciones hasta ese momento urbanas, fueron trasladadas a los aeropuertos de las ciudades ubicados en áreas rurales. Estos cambios de ubicación fueron considerados en nuestras correcciones, lo que no fue hecho en la serie original de Jones.

En la Tabla III se presentan las tendencias de calentamiento de cada una de las curvas para el período completo (1895‑1988) y para el período de máximo calentamiento (1906‑50). Se encuentra que la serie construida con los datos de Jones y otros (1991) está fuertemente influenciada por el efecto urbano presentando tendencias magnificadas. En el período de mayor calentamiento estas tendencias son mayores y la diferencia entre la serie de Jones y la corregida por urbanización sigue siendo 0.3°/100 años.

El efecto de la corrección por la variación de la temperatura regional es de sentido opuesto al de la corrección por urbanización. No introduce diferencias en la tendencia del período 1895‑1988, pero sí en el período 1906‑50. Ello se debe a que un alto porcentaje de las estaciones pasaron a ser rurales a partir de 1950.

Si bien el efecto de corregir series por urbanización y por calentamiento regional se traduce en variaciones de tendencia, esta corrección aparece como menos importante al calcular promedios regionales. Sin embargo, es de esperar que este efecto sea más significativo en regiones donde la mayor parte de la información utilizada en el cálculo de tendencias hemisféricas o regionales provenga de estaciones urbanas, como sucede en amplias zonas de EE.UU y Europa.




serie

período

tendencia

gJ>

1895-1988

0.5°/100 años

gJ>

1906-1950

1.1°/100 años

gu>

1895-1988

0.2°/100 años

gu>

1906-1950

0.8°/100 años

gur>

1895-1988

0.2°/100 años

gur>

1906-1950

0.9°/100 años

Tabla III. Tendencias de las series promediadas para la región indicada en la Figura 1: gJ> (según Jones), gu> (corregida por urbanización) y gur> (corregida por urbanización y calentamiento rural).



5. Conclusiones

La dependencia del exceso urbano de temperatura con la población es en la Argentina muy similar a la de Australia e inferior a la de EE.UU.

En la región analizada se encuentra que las tendencias de la temperatura regional en el último siglo son débiles y representan menos de la mitad de las estimadas a partir de los datos de Jones y otros (1991). La correlación entre la temperatura media anual de las áreas rurales y el exceso urbano de temperatura es negativa en Argentina y Australia indicando la posibilidad de que este exceso esté siendo sobrestimado en las correcciones de temperatura por urbanización.

Referencias

Barros,V. and Camilloni,I.(1994).Urban-biased trends in Buenos Aires' mean temperature. Climate Research 4, 33-45.

Jones,P.; Raper,S.; Bradley,R.; Diaz,H.; Kelly,P. and Wigley,T.(1986a). Northern hemisphere surface Air temperature variations:1851‑1984. J.C. Appl. Met. 25.

Jones,P.; Raper,S. and Wigley,T.(1986b). Southern Hemisphere surface air temperature variations 1851‑1984. J. Clim. Appl. Met. 25, 1213‑30.

Jones,P.; Kelly,P.; Goodess,C. and Karl, T.(1989). The Effect of urban warming on the northern hemisphere temperature average. J. of Climate 2, 285‑290.

Jones,P.; Raper,S.; Cherry,B.; Goodess,C.; Wigley,T.; Santer,B.; Kelly,P.; Bradley, R. and Diaz, H. (1991) An updated global grid point surface air temperature anomaly data set: 1851‑1990. Environmental Sciences Division. Publication No. 3520. 346 pp.

Karl,T.; Diaz,H. and Kukla,G.(1988).Urbanization: its detection and effect in the United States Climate Record. J. of Climate 1, 1099‑1123.

Karl,T. and Jones,P.(1989).Urban Bias in area-averaged surface air temperature trends. Bull. Am. Meteorol. Soc. 70, 265-270.

Lee,D. (1975).Rural atmospheric stability and the intensity of London's heat island. Weather 30, 102‑109.

Oke,T. (1973).City size and the urban heat island. Atmos. Environ. 7, 769‑779.

Landsberg,H. (1981).The Urban Climate. Academic Press, 285 pp.

Wigley,T. and Jones,P. (1988). Do large-area-average temperature series have an urban warming bias? (Response to the ms. by F. Wood). Cl. Change 12, 313‑319.



Wood,F. (1988). Comment: On the need for validation of the Jones et al. temperature trends with respect to urban warming. Climatic Change 12, 297‑312.




La base de datos está protegida por derechos de autor ©absta.info 2016
enviar mensaje

    Página principal