MIRA ON

GIS & RS
ATLAS CLIMTICO DIGITAL
DE LA PENNSULA IBRICA
ATLAS CLIMTICO DIGITAL
DE LA PENNSULA IBRICA
Miquel Ninyerola | Xavier Pons | Joan M. Roure
Departament de Biologia Animal,
Biologia Vegetal i Ecologia
Unitat de Botnica
i
Departament de Geografia
http://opengis.uab.es/wms/iberia/index.htm
Metodologa y aplicaciones en bioclimatologa y geobotnica
Datos procesados y visualizados
con el SIG MiraMon
2 Atlas climtico digital de la Pennsula Ibrica
Atlas climtico digital de la Pennsula Ibrica
Metodologa y aplicaciones en bioclimatologa y geobotnica
Informacin cartogrfica y bibliogrfica actualizada en Internet: http://opengis.uab.es/wms/iberia/index.htm
Universitat Autnoma de Barcelona
Departament de Biologia Animal, Biologia Vegetal i Ecologia (Unitat de Botnica)
Departament de Geografia
08193 Cerdanyola del Valls
Equipo de autores: Miquel Ninyerola
Xavier Pons
Joan M. Roure
Diseo y produccin grfica: argania editio SCP
Diseo de portada y contraportada: BB Disseny Digital
Impresin: Anman Grfiques del Valls, S. L.
Primera edicin: setiembre 2005
Tiraje: 1000 ejemplares
DL: B-42538-2005
ISBN: 932860-8-7
Agradecimientos
A Sergi Gum, por el trabajo realizado para convertir los mapas del Atlas al formato del Navegador de Mapas de MiraMon incluso ms all del marco del
proyecto de fin de Mster en SIG y Teledeteccin (IEEC, 2003-04).
A Joan Mas (CREAF), por ser uno de los responsables del excelente Navegador de Mapas de MiraMon y por su contribucin a facilitar la implementacin
de nuestro Atlas en dicho entrono.
A Guadalupe Barea (BB Disseny Digital), por la maquetacin del texto y el diseo, tanto de esta publicacin como de la pgina web asociada. Frecuentemente
los que nos dedicamos a la ciencia consideramos los aspectos estticos de forma secundaria. Esta diseadora nos demuestra que no podemos olvidar que
el diseo es en realidad un pilar para mejorar la calidad de la transmisin de las ideas.
Finalmente, agradecer a tres personas que nos han ofrecido sus conocimientos y sus datos durante el largo camino recorrido: Javier Martn Vide (Departa-
ment de Geografia Fsica i Anlisi Geogrfic), ngel M. Felicsimo (Departamento de Expresin Grfica, UNEX) y Roberto Vallejo (Inventario Forestal Naci-
onal).
Ninyerola, Pons y Roure 3
INTRODUCCIN Y OBJETIVOS
En una de sus acepciones, los SIG son un conjunto de herra-
mientas orientadas al tratamiento de informacin digital que
contenga una componente de inters espacial. Es decir, nos ofrecen
la posibilidad de trabajar con cartografa de una manera concep-
tualmente similar a la que tradicionalmente se ha desarrollado en
soporte analgico, pero sacando provecho de las consabidas mejoras
de la era digital. Es decir, podemos realizar un mapa o digitalizar uno
de preexistente con las facilidades de repetibilidad, correccin de
errores, diseo y consulta de forma similar a las que hemos vivido con
el paso de la mquina de escribir al procesador de textos. Ahora bien,
con los SIG podemos superar el concepto clsico de mapa, ya que
permiten integrar la modelizacin numrica con las herramientas
cartogrficas. De esta manera se pueden generar mapas objetivos
(en el sentido de que no contienen una interpretacin subjetiva) y
predictivos (en el sentido que no son exclusivamente interpretativos
de los datos actuales). Este concepto moderno de la cartografa es
un paso adelante ya que une el mbito de la modelizacin (muy en
boga en todas las Ciencias de la Tierra) con la expresin espacial de
estos modelos, aspecto muy til tanto para la planificacin y gestin
del territorio como para la comprensin de los diversos fenmenos que
a distintas escalas, en l se presentan.
Adems de proveer capacidades espaciales, los SIG permiten
una integracin ms fcil y consistente de los diferentes pasos del
proceso de cartografiado: filtrado de datos, consulta, modelizacin,
visualizacin, impresin y difusin por Internet. Si bien el producto
final puede ser trasladado a un soporte analgico (mediante dife-
rentes dispositivos de impresin) el hecho de disponer de la versin
digital nos permite incorporar la informacin en otros sistemas (ya
sean SIG corporativos o entornos de modelizacin) o simplemente
ponerlos a disposicin de los usuarios mediante CD/DVD o Internet
para su consulta.
Los avances cientficos de las ltimas dcadas en el campo de
de las tecnologas de la informacin geogrfica (Sistemas de
Informacin Geogrfica, Teledeteccin, etc) han permitido afrontar
la elaboracin de cartografa digital de calidad con un elevado nivel
de resolucin para grandes regiones del planeta. Tampoco hay que
olvidar que las mejoras en el campo de la informtica han puesto a
disposicin de los usuarios computadoras con elevada capacidad
de clculo a precios razonables. Esta capacidad de clculo,
conjuntamente con las herramientas de los Sistemas de Informacin
Geogrfica (SIG), facilita cada vez ms que se pueda plasmar
cartogrficamente una gran cantidad de informacin con una
componente de inters espacial.
Como geobotnicos nos encontramos, en su momento, con la
necesidad de disponer de mapas de distintas variables climticas
para poder modelizar la distribucin de la vegetacin, as como para
atisbar el impacto de un posible cambio climtico sobre ella. Existen,
adems, mltiples estudios relacionados con diversas Ciencias de
la Tierra en los que la cartografa del clima es una pieza fundamental.
Fue en ese momento cuando nos dimos cuenta de la ausencia de
cartografa climtica (en el mbito de la Pennsula Ibrica) genera-
da mediante mtodos objetivos y, por tanto, con la posibilidad de ser
validada numricamente. La cartografa climtica existente en ese
momento (vase Bibliografa. Atlas climticos tradicionales) era
analgica en su origen y basada, principalmente, en la interpretacin
por parte de los expertos.
En ciertos estudios de anlisis espacial, los datos climticos
pueden ser requeridos bien para unos puntos concretos, bien para
toda la rea de estudio. Aunque en el primer caso se puedan obtener
mediante aparatos de medida propios o utilizando los datos de las
estaciones ms prximas, a menudo existe la necesidad de disponer
de superficies climticas continuas. Hoy en da, un mapa climtico
puede obtenerse mediante interpolacin espacial de datos puntua-
les (usualmente estaciones meteorolgicas) o digitalizando estos
mapas preexistentes. El segundo caso puede ser til cuando los
datos de las estaciones meteorolgicas no estn disponibles, pero
no es el mtodo preferible ya que estos mapas tradicionales
representan la variacin a travs de isolneas o coropletas que
discretizan el espacio (modo vectorial). Aunque es posible aplicar un
interpolador de isolneas para obtener una superficie cas continua
(modo rster o matricial), parece ms apropiado interpolar los datos de
las estaciones meteorolgicas como punto de partida. Actualmente
existen muchas ms estaciones meteorolgicas nuevas (o con se-
ries ms largas) que justificaran por s mismas la reelaboracin de
antiguos atlas o la generacin de nuevos atlas. Adems, la po-
sibilidad de combinar e integrar informacin mediante los SIG nos
4 Atlas climtico digital de la Pennsula Ibrica
permite trabajar con un nivel de objetividad mucho mayor que
antao. Podemos afirmar que, en el presente, un enfoque basado
solamente en la visin del experto no ser adecuado. Es importante
recordar que las tcnicas de interpolacin ya han sido usadas en los
atlas tradicionales dnde restringidos por las tcnicas disponibles,
pero, el conocimiento de los expertos ha pesado ms que los
mtodos objetivos de interpolacin. Por otro lado, como los mtodos
numricos no pueden explicar toda la variabilidad (existencia de
anomalas), parecera que la situacin ptima para producir
superficies climticas de calidad sera empezar por un mtodo
objetivo que finalmente pudiera ser revisado por expertos.
En este contexto, la combinacin de herramientas SIG, mtodos
estadsticos y tcnicas de interpolacin espacial resultan adecuadas
para afrontar el reto de generar una nueva cartografa climtica que
pueda servir para mejorar la comprensin y gestin de nuestro
entorno. La cuantificacin no slo es importante para introducir
objetividad en el proceso de cartografiado sino tambin para calcu-
lar el error asociado de los mapas resultantes. Hay que tener en
cuenta que el error o validacin numrica es un elemento clave, no
slo para evaluar la calidad cartogrfica de un mapa, sino para
permitir la aplicacin de la teora de propagacin de errores (vase
apartado Metodologa: 5) cuando este mapa es utilizado para deri-
var nueva informacin. Por otro lado, los SIG nos aportan ventajas
adicionales a las comentadas anteriormente. La actualizacin de los
mapas se puede realizar ms fcilmente cuando nueva informacin
(estaciones que adquieren una longitud de series temporales
adecuadas) est disponible en un futuro. Adems, la ausencia de
un mtodo de interpolacin ideal implica que hay que validar distintas
pruebas cartogrficas para detectar el modelo ms robusto y fiable.
Es importante, por tanto, automatizar los procesos para minimizar
los errores y facilitar el manejo de los datos. Finalmente, el modelo
de representacin rster (que la mayora de los SIG proporcionan)
es ms apropiado que el sistema vectorial ya que las variables
climticas son realmente continuas en el espacio.
Nuestro objetivo ha sido el de aplicar la potencia actual de los
SIG al cartografiado de distintas variables climticas. El Atlas
Climtico Digital de la Pennsula Ibrica (ACDPI) surgi, tal como
hemos sugerido, con la necesidad de disponer de estos mapas
conjuntamente con la posibilidad tcnica de realizarlos. As pues,
podemos considerar el ACDPI como un modelo matemtico-
estadstico implementado en un SIG con el objetivo de generar una
cartografa continua a partir de los datos discretos de las estacio-
nes meteorolgicas. Adems, no olvidemos que los SIG permiten,
hoy en da, la difusin de los mapas obtenidos a travs de Internet.
En nuestro caso, y mediante la tecnologa del Navegador de Mapas
de MiraMon (Pons, 2004), hemos puesto a disposicin de los inte-
resados los mapas climticos obtenidos con toda su riqueza y en
formato SIG. A diferencia de otros servidores de cartografa, la
informacin servida no es un bitmap sin georeferenciacin sino una
capa que puede ser inmediatamente incorporada en un SIG y, por
tanto, tratada y cruzada con otra informacin. Esto es especialmente
sencillo de realizar cuando la otra cartografa es servida, al igual que
en el caso del Navegador de Mapas de MiraMon, siguiendo los
estndares del Open Geospatial Consortium (OGC). La direccin
web en la que habita el servidor de cartografa del ACDPI es: http://
opengis.uab.es/wms/iberia/index.htm.
Podemos definir el ACDPI como un conjunto de mapas digitales
de temperatura media del aire (mnima, media y mxima), precipi-
tacin y radiacin solar para toda la Pennsula Ibrica con una resolu-
cin temporal mensual y anual y con 200 m de resolucin espacial. El
conjunto de mapas, para cada variable, est formado por 13 mapas
(12 mensuales y el anual). De forma similar podemos definir el trabajo
precursor: el Atles Climtic Digital de Catalunya (publicado en Internet
en http://www.uab.es/atles-climatic y en CD-ROM por Ninyerola et al.,
2003) y que puede ser solicitado al Servei Meteorologic de Catalunya.
Este atlas contiene aproximadamente el mismo nmero de mapas,
una resolucin parecida (180 m) y una metodologa similar aunque
aplicada nicamente al marco geogrfico de Catalua.
Ninyerola, Pons y Roure 5
METODOLOGA
Explicaremos, de forma detallada pero evitando tecnicismos,
como se ha elaborado esta cartografa no solamente para ilustrar
el proceso sino para que el usuario de los mapas disponga de criterio
si desea incorporarlos a sus estudios o simplemente consultarlos.
Para una descripcin y discusin ms detalladas pueden consultarse
los diversos artculos recogidos en el apartado bibliogrfico. Prcti-
camente todo el proceso ha sido implementado en un SIG, MiraMon
(Pons, 2004) en nuestro caso, exceptuando el anlisis estadstico.
A continuacin describiremos los seis pasos seguidos:
1 Elaboracin de los modelos
2 Preparacin de la informacin bsica
3 Ajuste del modelo de regresin
4 Cartografa del modelo y correccin de los residuos
5 Clculo del nivel de error asociado (validacin cruzada)
6 Publicacin de los mapas
1. ELABORACIN DE LOS MODELOS
Nuestro objetivo ha sido desarrollar unos mapas climticos para
toda la Pennsula Ibrica que presenten la mxima objetividad
(usando tcnicas estadsticas) y la mejor aproximacin cartogrfica
posibles (utilizando SIG).
El problema se centra en obtener una superficie de valores
continuos a partir de los datos de las estaciones meteorolgicas
disponibles en nuestro territorio (estaciones del Instituto Nacional
de Meteorologa), teniendo en cuenta la informacin geogrfica
existente (altitud, latitud, etc.). Diferentes tcnicas de interpolacin
espacial han sido desarrolladas para resolver este problema comn
a muchas y diversas disciplinas cientficas y tcnicas. En nuestro
caso, hemos optado por utilizar con xito una metodologa de
interpolacin espacial basada en el anlisis de regresin mltiple
(aunque hemos aplicado otras tcnicas para comparar resultados).
Es decir, predeciremos el valor de temperatura o precipitacin que
tiene una celda de nuestro territorio basndonos en las principales
variables geogrficas susceptibles de influir en el clima y de las
cuales tenemos informacin en el SIG. En el campo de la interpo-
lacin espacial difcilmente habr una solucin nica y diferentes
mtodos funcionan mejor o peor dependiendo de la situacin que
tengamos (tipo de variable a interpolar, distribucin espacial de los
datos, complejidad geogrfica del territorio, etc). Por ello, es muy
importante realizar validaciones con datos independientes para
comprobar si el mtodo utilizado es el ms adecuado (ver apartado
Metodologa: 5).
Al trabajar con un territorio tan extenso y heterogneo desde el
punto de vista climtico como es la Pennsula Ibrica, ha sido
necesario buscar algn mtodo para trabajar con subreas. As
pues, hemos desarrollado distintos modelos por lo que respecta al
conjunto de estaciones meteorolgicas utilizadas: un modelo gene-
ral (con todas las estaciones y por tanto sin subdividir el territorio)
versus distintos modelos para cada una de las principales cuencas
hidrogrficas (bien solamente con las estaciones del interior de la
cuenca, bien aadiendo una corona de estaciones del exterior).
2. PREPARACIN DE LA INFORMACIN BSICA
Los interpoladores espaciales que utilizan informacin geogr-
fica se benefician particularmente de la implementacin en SIG, ya
que esta informacin puede ser generada o manejada a partir de las
herramientas que nos facilitan estos sistemas. En particular, ste es
el caso de la interpolacin mediante regresin mltiple, ya que hay
que utilizar datos climticos y geogrficos. Este mtodo obtiene el
beneficio de la prediccin estadstica y slo la parte no explicada
(residual) por sta es sometida al proceso de interpolacin propia-
mente dicho. La idea es realizar diversos anlisis de regresin ml-
tiple (uno para cada variable climtica y mes) siendo la variable
climtica la dependiente y las variables geogrficas las indepen-
dientes. Por lo tanto, el primer paso es obtener y filtrar los datos de
las estaciones meteorolgicas, mientras que el segundo paso es se-
leccionar las variables geogrficas que influencian el clima y que en
nuestro poder servirn finalmente para elaborar un mapa rster para
6 Atlas climtico digital de la Pennsula Ibrica
cada factor climtico. Estos mapas han representado dos papeles
distintos. Primero, han sido la fuente de informacin geogrfica (por
ejemplo, la radiacin solar) para cada estacin meteorolgica,
permitiendo realizar el anlisis de regresin mltiple. En segundo
lugar, han sido las capas de base usadas para obtener la cartografa
final mediante lgebra de mapas al reproducir la ecuacin del mo-
delo de regresin.
Informacin climatolgica: las estaciones meteorolgicas
Los datos de las estaciones meteorolgicas se han comprado al
Instituto Nacional de Meteorologa (INM) y se han obtenido mediante
bibliografa en el caso de Portugal tras haber intentado su adqui-
sicin. Por este motivo, la cartografa del territorio portugus se debe
tomar con cierta precaucin ya que solamente se han utilizado 47
estaciones. Los valores brutos utilizados han sido datos mensuales
de cada ao, a partir de los cuales hemos elaborado nuestros propios
resmenes para cada mes y variable estudiada. Hemos enlazado
la base de datos (obtenida mediante la modificacin de los datos
climticos brutos) a un vector estructurado topolgicamente usando
los datos auxiliares proporcionados para cada estacin (longitud,
latitud y cdigo de estacin). A continuacin hemos clasificado las
estaciones meteorolgicas en diversas cuencas hidrogrficas (figura
1). Es cierto que el cdigo de cada estacin ya informa sobre la
pertinencia a una determinada cuenca hidrogrfica, pero no hemos
seleccionado siempre las estaciones del interior de las cuencas sino
tambin las estaciones que rodean las cuencas para elaborar los
modelos sin buffer y con buffer respectivamente (vase el apartado
Metodologa: 1). Para este propsito, hemos digitalizado los lmites
de las principales cuencas hidrogrficas (figura 2) a partir de la
cartografa topogrfica 1:200000 del Servicio Geogrfico del Ejrci-
to. Estos lmites han permitido generar polgonos que han sido utili-
zados como objetos diana para elaborar un mapa rster (para cada
cuenca) de la distancia euclidiana de cualquier punto del territorio a
una determinada cuenca. Mediante estos mapas y el mdulo de
combinacin de capas de MiraMon hemos obtenido nuevos campos
en la base de datos, facilitndonos la seleccin de los diversos mode-
los (general y por cuencas con o sin buffer).
Desarrollando programas propios, hemos transformado el forma-
to original de los datos en una base de datos. Adems, hemos apro-
vechado para calcular las medias mensuales de los distintos aos,
as como para generar un campo con el nmero de datos en que se
han basado dichas medias. Este campo ha sido consultado para
validar diversas longitudes de series con el objetivo de alcanzar un
compromiso entre la longitud de la serie (cobertura temporal) y su
densidad (cobertura espacial). Las pruebas estadsticas se han
utilizado para ajustar la longitud suficiente de la serie bajo ambos
compromisos: 15 aos para la temperatura y 20 aos para la pre-
cipitacin durante el perodo 1950-1999. Finalmente, para separar
el subconjunto de ajuste del modelo (el 60 % de las estaciones
meteorolgicas) y el subconjunto de validacin (el 40 % de las esta-
ciones meteorolgicas), hemos agregado un campo a la base de
datos de las estaciones que contiene un valor al azar que permita
separar ambos subconjuntos.
Informacin geogrfica: las matrices rster
El primer problema que se nos presenta es el de obtener los
valores de las variables geogrficas en los puntos donde existen
estaciones meteorolgicas. Lgicamente, hay que utilizar aquellas
variables que, a priori, mejor puedan explicar la variabilidad del cli-
ma. En nuestro caso hemos utilizado la altitud, la latitud, la conti-
nentalidad (modelizada mediante diversas aproximaciones), la
radiacin solar y la geomorfologa del terreno. Hay que tener en
cuenta que si nuestro propsito final es obtener valores en las celdas
sin datos, necesitaremos tambin los valores de estas variables no
slo en los lugares donde hay estaciones sino en toda el rea estu-
diada. Diferentes mtodos estn disponibles en la mayora de los
paquetes de SIG para conseguir mapas continuos de estas varia-
bles. Una vez realizado el anlisis de regresin mltiple, podremos
utilizar los coeficientes de regresin (que nos indican el peso que
tiene cada variable) para reconstruir el valor climtico en una determina-
da celda del territorio. Aprovechando las mencionadas posibilidades
de realizar clculos masivos, obtendremos una superficie climtica
para todas las celdas del territorio (alrededor de 14 millones).
Finalmente podremos darle un formato de mapa y publicarlo (ver
apartado Metodologa: 6).
De las variables geogrficas mencionadas para explicar la
variabilidad climtica, la altitud y la latitud se han utilizado comn-
mente como factores climticos en diversos trabajos. Sin embargo,
la continentalidad ha sido substituida generalmente por una medida
indirecta como es la posicin en X. Mientras que la posicin en Y tiene
Ninyerola, Pons y Roure 7
un sentido fsico (ya que puede aproximarse a la latitud), la posicin
en X (basada en un meridiano de referencia) no tiene ningn
significado fsico y es mejor, si es posible, utilizar un modelo con un
sentido ms geogrfico como la continentalidad. Finalmente en los
ltimos aos, y con relacin a las herramientas SIG disponibles, ha
habido un incremento en el uso de las capas de radiacin solar y
geomorfologa del terreno.
Altitud
El Modelo Digital de Elevaciones (MDE) ha sido obtenido
mediante la digitalizacin de las curvas de nivel de los mapas
topogrficos 1:200000 del Servicio Geogrfico del Ejrcito y la pos-
terior interpolacin de estas isohipsas usando el mdulo ISOMDE del
SIG MiraMon (figura 3). Este programa es un interpolador de iso-
lneas que combina las tcnicas clsicas de interpolacin con reglas
empricas y heursticas para evitar artefactos matemticos tpicos
(ver Pons et al. 2004). Es importante notar que la resolucin espa-
cial del MDE (200 m) determinar la resolucin del conjunto de la
cartografa climtica. Aunque las matrices rster de la latitud y de la
continentalidad se podran obtener con cualquier resolucin espa-
cial (limitada solamente por la capacidad de clculo), la radiacin
solar y la curvatura del terreno se derivan a partir del MDE. Hay que
tener en cuenta que una resolucin espacial ms detallada no aporta
prcticamente ninguna mejora, ya que los datos de las estaciones
meteorolgicas son representativos de un entorno ms amplio
debido a la homogenizacin del aire, etc. En ciertos casos, incluso
utilizando resoluciones ms generales (e.g., 500 m) se pueden
obtener resultados similares. Esto nos indica que una resolucin
espacial de 200 m parece ser adecuada para una cartografa
climtica peninsular, aunque hacen falta ms estudios a distintas
escalas para mejorar la comprensin del problema.
Latitud
Esta matriz rster se obtiene aplicando operadores de distancia
para obtener la distancia desde el Ecuador al punto deseado sobre
la curva del elipsoide terrestre. Es importante observar que hemos
utilizado la latitud independientemente de la radiacin solar porque
el modelo de radiacin solar utiliza el punto central de la matriz rster
y, por tanto, no incluye el factor latitudinal.
Continentalidad
Hemos modelizado la continentalidad como la distancia al mar,
siguiendo tres funciones matemticas: linear, logartmica y cuadr-
tica. La matriz de distancia lineal se ha obtenido con un operador que
calcula la distancia lineal a la costa. Entonces, usando operadores
de lgebra de mapas, hemos obtenido las matrices rster logart-
mica y cuadrtica. La funcin linear responde a la idea de simplicidad
al no poder disponer de datos del campo para calibrar y validar
modelos sofisticados. La funcin de distancia logartmica conside-
ra el efecto de barrera de los sistemas montaosos litorales: dos
puntos prximos cercanos a la costa tendrn valores ms distintos
que dos puntos prximos alejados de la costa). Finalmente, la dis-
tancia cuadrtica responde a la idea de modelar las situaciones en
que los puntos lejanos a la costa reciben menos influencia marti-
ma.
La distancia no ha sido calculada respecto a toda la costa de la
Pennsula Ibrica, sino que hemos partido la costa en tres porciones
(vase la figura 2): la costa mediterrnea (del norte de Catalua a
Gibraltar), la costa atlntica (de Gibraltar a la Estaca de Bares) y la
costa del Cantbrico (de la Estaca de Bares al este del Pas Vasco).
Esta divisin de la costa tiene un sentido fsico ya que las influencias
climticas son distintas en cada caso.
Radiacin solar
Esta variable desempea dos papeles distintos. Por una parte,
es una variable geogrfica independiente que se utiliza como
predictor en el ajuste de regresin, mientras que por otra parte es
un producto final de la cartografa del atlas ya que tambin es una
variable climtica de inters. Es importante notar que la radiacin
solar ha sido obtenida utilizando una metodologa distinta de las
otras variables climticas. En vez de una regresin mltiple con inter-
polacin de residuos, se ha utilizado un modelo fsico, totalmente
computacional, basado en un MDE y en las ecuaciones astron-
micas de la posicin relativa del sistema Tierra-Sol (figura 4).
A diferencia del caso de Catalua (Ninyerola et al., 2000), no
hemos corregido los mapas solares de radiacin con datos de campo
(estaciones meteorolgicas). Estos datos todava no se encuentran
fcilmente disponibles, hoy en da, para la totalidad de la Pennsula
8 Atlas climtico digital de la Pennsula Ibrica
Ibrica. Esto significa que hemos obtenido una matriz rster de
radiacin solar potencial considerando condiciones atmosfricas
estndares y uniformes. Sin embargo, la radiacin solar sigue siendo
una variable apriorsticamente interesante ya que integra la informa-
cin topogrfica (pendiente, orientacin y sombreado) que influencia
la temperatura del aire y la precipitacin, y adems establece patro-
nes en la formacin de niebla, nubes y circulacin local del viento.
Geomorfologa del terreno
Esta variable ha sido derivada del MDE puesto que la curvatura
es la segunda derivada de la altitud. Por lo tanto, esta variable nos
provee con un ndice que nos informa del grado de convexidad-
concavidad del terreno. Adems, el carcter numrico y continuo de
este ndice nos permite incorporarlo en el ajuste de regresin.
Enriquecimiento de la base de datos: combinando informacin
climtica y geogrfica
La base de datos de las estaciones meteorolgicas se ha
enriquecido con los valores de las variables independientes geo-
grficas necesarias para desarrollar el anlisis de regresin mlti-
ple. Como se ha comentado anteriormente, para enriquecer la base
de datos, hemos utilizado el mdulo de combinacin de capas que
permite combinar capas rster y vectoriales. Resumiendo, hemos
obtenido una capa vectorial estructurada topolgicamente de tipo
punto (representando todas las estaciones meteorolgicas filtradas)
que tiene una base de datos asociada que contiene los campos
siguientes: el cdigo y el nombre de la estacin, los valores climticos
medios, la longitud de la serie, la distancia a cada cuenca hidrogrfica
y los datos geogrficos para el modelo de regresin (altitud, latitud,
distancias a la costa, radiacin solar y curvatura del terreno).
3. AJUSTE DEL MODELO DE REGRESIN
La base de datos de las estaciones meteorolgicas se ha
importado al paquete estadstico Statistica 5.5 (StatSoft, Inc., 2000).
Aunque el anlisis de la regresin proporciona informacin inte-
resante sobre la relacin entre los factores geogrficos y climticos
a travs del ao, si nos centramos en el propsito de cartografiar las
variables climticas, los coeficientes de la regresin mltiple son
nuestro objetivo final. Hemos introducido, como parmetros en el
procesamiento por lotes (BATCH), los coeficientes no normalizados
obtenidos en el anlisis de regresin mltiple asociando de esta
manera el anlisis estadstico a nuestro SIG.
Hemos ajustado tres ecuaciones de regresin distintas (1, 2, y
3) para modelar el factor de continentalidad, segn lo explicado en
el apartado Metodologa: 2.
Estas ecuaciones de regresin se han aplicado a los diversos
modelos: 20 modelos de cuencas hidrogrficas (10 modelos con
buffer y 10 sin buffer) y 1 modelo general. La combinacin de todas
las posibilidades proporciona 63 modelos (21 3) para cada una de
las cuatro variables climticas analizadas. Finalmente tendremos
252 modelos (63 4) para cada mes del ao ms el anual. De estos
3276 modelos (252 13) nicamente elaboraremos como mapas
los mejores 52 (13 4), ms los 13 de radiacin solar potencial,
obteniendo finalmente un atlas climtico de 65 mapas.
4. CARTOGRAFA DEL MODELO Y CORRECCIN
RESIDUAL
Una vez obtenidos los coeficientes de regresin mltiple, hemos
reproducido la ecuacin del ajuste de regresin mediante lgebra
Y=b
0
+b
1
ALT+b
2
LAT+b
3
D_LI_MED+b
4
DI_LI_ATL+ +b
5
SOL_RAD+b
6
CURV (1)
Y=b
0
+b
1
ALT+b
2
LAT+b
3
D_LG_MED+b
4
DI_LG_ATL+b
5
DI_LG_CAN+b
6
SOL_RAD+b
7
CURV (2)
Y=b
0
+b
1
ALT+b
2
LAT+b
3
D_QU_MED+b
4
DI_QU_ATL+b
5
DI_QU_CAN+b
6
SOL_RAD+b
7
CURV (3)
Ninyerola, Pons y Roure 9
de mapas de las matrices rster de las variables independientes
(figura 5). Como resultado se han obtenido lo que hemos llamado
mapas potenciales, puesto que hasta el momento no han sido corre-
gidos mediante los residuos de regresin.
Obtencin de residuos y correccin de errores
Para obtener los residuos hemos restado los valores observados
(capa vectorial de las estaciones meteorolgicas) de los valores
predichos por el modelo de regresin (capas rster de los mapas
potenciales) usando operadores matemticos de nuestro SIG.
Puesto que el resultado es una matriz rster, hemos enriquecido la
capa vectorial de las estaciones meteorolgicas con estos valores
residuales. Estos valores residuales se han interpolado espacial-
mente para todo el territorio, usando interpoladores que no utilizan
informacin geogrfica tales como splines e inverso ponderado de
la distancia. Las matrices rster resultantes han recibido el nombre
de mapas de anomalas (figura 6). Todo este proceso tambin se ha
automatizado mediante el procesamiento por lotes.
Los residuos del ajuste de regresin, en cada estacin meteoro-
lgica, reflejan tanto la variacin inexplicada (variables no considera-
das) como los errores metodolgicos acumulados (bien a nivel de
la obtencin de los valores en las estaciones, bien durante el proceso
realizado posteriormente).
Finalmente, estos mapas de anomalas se han agregado a los
mapas potenciales mediante lgebra de mapas para conseguir de
esta manera dos mejoras. Por un lado, esta correccin ha convertido
un interpolador inexacto (regresin mltiple) en un interpolador
exacto. Es decir, los mapas finales contienen los valores observados
en las celdas que correspondan a las estaciones meteorolgicas.
Estos mapas resultantes han sido llamados mapas reales puesto que
son mapas potenciales corregidos (figuras 7 y 8). Por otra parte,
existir una mejora substancial de los resultados de las variables que
son ms difciles de modelizar exclusivamente mediante variables
geogrficas. Al igual que en los otros casos, hemos automatizado
enteramente el proceso mediante procesamiento por lotes.
5. ESTIMACIN DE LA FIABILIDAD
(VALIDACIN CRUZADA)
En este punto del proceso es interesante realizar la siguiente
reflexin: qu fiabilidad presentan los mapas desarrollados? Esta
cuestin surge porque los usuarios deben saber qu tienen entre
manos cuando consultan puntualmente estos mapas o cuando los
incluyen en otros modelos (e.g., cartografa predictiva, prevencin
de riesgos, evapotranspiracin). Sin este ndice obraran sin
garantas de utilizar o elaborar una cartografa con la fiabilidad
necesaria para sus propsitos. En el caso de utilizar los mapas
climticos del Atlas para derivar otras cartografas o modelos, es muy
importante realizar el clculo de la propagacin de errores. Hoy en da,
la potencialidad para integrar distinta informacin empieza a ser ele-
vada y, por tanto, es esencial estimar el error que se genera al mezclar
mapas que contienen, cada uno, un determinado error asociado.
Tambin necesitamos conocer la fiabilidad para comparar y valorar si
un modelo es mejor que otro (modelo general versus modelo de cuencas
hidrogrficas, modelo con buffer versus modelo sin buffer), as como
para comparar el comportamiento de las distintas variables climticas,
los diferentes meses y las tcnicas de interpolacin empleadas.
El proceso de la validacin cruzada consiste en la comparacin de
los valores predichos por los mapas reales con los valores de las esta-
ciones meteorolgicas que no han intervenido en la calibracin del
modelo (ajuste de regresin) ni en el proceso de correccin de resi-
duos. En otras palabras, hemos comparado los valores predichos y
observados para un subconjunto (40 %) de estaciones reservadas
para este fin. De nuevo, hemos enriquecido la base de datos de las esta-
ciones meteorolgicas con los valores predichos, usando el mdulo de
combinacin de capas de MiraMon. El coeficiente de determinacin
obtenido nos dar informacin de la fiabilidad del mapa. Mtodos
exhaustivos de validacin (e.g., bootstrap) no se han utilizado debido
al enorme coste computacional que esto supondra en nuestro caso,
pero el elevado nmero de estaciones de validacin parece ofrecer
suficientes garantias.
Los resultados han sido expresados a travs del coeficiente de
determinacin (R
2
) obtenido a partir de efectuar la regresin de los
valores observados con los predichos de las estaciones de valida-
cin. Este ndice de fiabilidad es independiente de las unidades de
10 Atlas climtico digital de la Pennsula Ibrica
Tabla 1. Validacin de la cartografia mediante la obtencin de
coeficientes de determinacin (R
2
) y RMS (Root Means Square)
mensuales para las distintas variables cartografiadas.
R
2
RMS (C)
Enero 0.92 0.9
Febrero 0.92 0.8
Marzo 0.91 0.9
Abril 0.92 0.9
Mayo 0.90 0.9
Junio 0.89 1.0
Julio 0.87 1.2
Agosto 0.88 1.1
Setiembre 0.89 1.0
Octubre 0.92 0.9
Noviembre 0.92 0.9
Diciembre 0.91 0.9
Anual 0.90 0.8
a) TEMPERATURA MEDIA. Interpolador: regresin mltiple (altitud, lati-
tud, continentalidad, radiacin solar) con correccin de residuos usando
inverso de la distancia al cuadrado.
R
2
RMS (C)
Enero 0.84 1.2
Febrero 0.86 1.2
Marzo 0.84 1.2
Abril 0.86 1.1
Mayo 0.83 1.2
Junio 0.82 1.2
Julio 0.79 1.5
Agosto 0.81 1.5
Setiembre 0.82 1.4
Octubre 0.84 1.3
Noviembre 0.85 1.2
Diciembre 0.84 1.2
Anual 0.83 1.2
b) TEMPERATURA MEDIA DE LAS MNIMAS. Interpolador: regresin
mltiple (altitud, latitud, continentalidad, radiacin solar) con correccin de
residuos usando inverso de la distancia al cuadrado.
R
2
RMS (C)
Enero 0.89 1.1
Febrero 0.88 1.1
Marzo 0.86 1.2
Abril 0.89 1.1
Mayo 0.86 1.2
Junio 0.86 1.4
Julio 0.85 1.6
Agosto 0.84 1.5
Setiembre 0.84 1.4
Octubre 0.87 1.1
Noviembre 0.89 1.1
Diciembre 0.88 1.1
Anual 0.87 1.0
c) TEMPERATURA MEDIA DE LAS MXIMAS. Interpolador: regresin
mltiple (altitud, latitud, continentalidad, radiacin solar) con correccin de
residuos usando inverso de la distancia al cuadrado.
R
2
RMS (mm)
Enero 0.83 18.7
Febrero 0.83 16.0
Marzo 0.72 17.5
Abril 0.83 12.5
Mayo 0.84 11.1
Junio 0.88 7.6
Julio 0.92 5.9
Agosto 0.90 7.9
Setiembre 0.86 9.6
Octubre 0.80 14.8
Noviembre 0.83 17.0
Diciembre 0.84 20.5
Anual 0.84 137.8
d) PRECIPITACIN. Interpolador: regresin mltiple (altitud, latitud,
continentalidad, radiacin solar y curvatura del terreno) con correccin de
residuos usando splines.
Ninyerola, Pons y Roure 11
las variables y, por tanto, permite la comparacin de distintos mapas.
Ahora bien, precisamente al ser una magnitud adimensional, dificulta
que el usuario se haga una idea de la calidad del mapa. En cambio,
el error RMS (Root Mean Square) nos permite conocer el error
asociado en trminos de las unidades del mapa. Por este motivo,
en la Tabla 1 hemos incluido tanto los coeficientes de determinacin
como el error RMS obtenidos para los mejores modelos de cada una
de las variables climticas cartografiadas.
6. PUBLICACIN DE LOS MAPAS: SERVIDOR DE
CARTOGRAFA
Una vez obtenido el nivel de fiabilidad de los mapas reales
(calculados a partir del 60 % de las estaciones), hemos seleccionado
los mejores mapas para cada mes y variable. Obviamente, para obte-
ner los 52 mapas finales hemos reproducido todos los pasos descri-
tos, pero usando el 100 % de las estaciones meteorolgicas en vez
del 60 %. Este hecho ha permitido mejorar los resultados (que sern
mejores o iguales en el peor de los casos), aunque la fiabilidad ser
indicada por la validacin usando el 40 % de estaciones indepen-
dientes. Aunque los mapas seleccionados relativamente son pocos,
durante el proceso completo hemos elaborado muchsimos mapas
(ver apartado Metodologa: 3). Para almacenarlos y poderlos ma-
nejar con agilidad, hemos aplicado algunas soluciones compresivas:
usar variables enteras en vez de reales (las dcimas de milme-
tro o de grado centgrado reducen el tamao del archivo a la mitad
porque no precisan decimales).
usar el mtodo RLE (Run Length Encoding), una tcnica de
compresin que es muy potente en las reas con variabilidad
baja (por ejemplo, el mar).
usar el algoritmo MMZ, compresin basada en el algoritmo ZIP
implementado en el SIG MiraMon.
Estas 52 superficies climticas rster han sido corregidas y
convertidas en mapas (figuras 4, 7 y 8) agregando la malla UTM, la
escala, la leyenda y documentando los metadatos con la fiabilidad
de cada mapa, obtenida en las pruebas de la validacin. Usando la
tecnologa del Navegador de Mapas de MiraMon hemos transforma-
do estos mapas para ser publicados, consultados, combinados con
otra cartografa y descargados a travs de Internet en la direccin
ya comentada: http://opengis.uab.es/wms/iberia/index.htm.
Es decir, estos mapas podrn ser visualizados en un entorno
web disfrutando de las posibilidades de las herramientas SIG.
Adems, los mapas podrn ser integrados en el SIG del usuario
tanto para su consulta (figura 9) como para su anlisis. En el sub-
apartado Servidores de cartografa climtica de la Bibliografa
hemos listado algunos de los servidores de cartografa climtica
ms interesantes, tanto a nivel mundial como a nivel de nuestro
entorno ms cercano. Ahora bien, la mayora de servidores, a di-
ferencia del Navegador de Mapas de MiraMon, no ofrecen simult-
neamente la posibilidad de trabajar en un entrono web con la
potencialidad de las herramientas SIG. As, podemos encontrar
servidores de cartografa que se limitan a dar un listado de mapas
para ser descargados e introducidos posteriormente en el SIG del
usuario. Des de un punto de vista SIG, sin embargo, el peor de los
casos es cuando se ofrece la posibilidad de visualizar los mapas
sin permitir su descarga en formatos SIG limitando, por tanto, su
uso al anlisis visual. Si bien la visualizacin es suficiente para
muchos usuarios, es una lstima no poder disponer de esta informa-
cin integrada con la potencialidad de los SIG. El Navegador de
Mapas de MiraMon, como se ha comentado antes, ofrece los
mapas siguiendo el estndar OGC, con lo que pueden ser visuali-
zados desde otros navegadores de cartografa.
12 Atlas climtico digital de la Pennsula Ibrica
RESULTADOS PRINCIPALES
A continuacin, sintetizaremos, de manera muy breve, los re-
sultados obtenidos para que el lector pueda ver las tendencias ge-
nerales que hemos observado. Para informacin ms detallada,
vase el apartado bibliogrfico.
1 El modelo general (usando todas las estaciones) ha proporcio-
nado mejores resultados que los modelos por cuencas hidrogr-
ficas. Esto ha sido una sorpresa ya que a priori esperbamos
mejores resultados al trabajar con subconjuntos de estaciones
pertenecientes a zonas climticamente ms homogneas. Evi-
dentemente hay algunas cuencas que presentan mayor fiabilidad
que el caso general (por ejemplo, la cuenca del Ebro), pero si
promediamos todas la cuencas podemos afirmar que el modelo
general es mejor.
2 Los modelos por cuencas hidrogrficas utilizando buffer son
mejores que los que no utilizan buffer. Es decir, siguiendo la
tendencia anterior, cuantas ms estaciones se incluyen en el
modelo, mejor se modeliza la relacin entre los elementos y los
factores climticos.
3 Evidentemente, la temperatura media es la variable con mejores
resultados ya que presenta un comportamiento climtico en ge-
neral ms uniforme. Por orden decreciente de fiabilidad, le siguen
las temperaturas medias de las mximas, la precipitacin y las
temperaturas medias de las mnimas. Especialmente en el caso
de la precipitacin, existen diferencias muy marcadas en funcin
de los meses (por ejemplo los meses de otoo presentan una
modelizacin dificultosa, especialmente en la costa mediterrnea,
debido a los temporales).
4 La precipitacin funciona mejor modelizando la continentalidad
mediante la distancia cuadrtica a la costa, y las temperaturas
mediante las distancias logartmicas, aunque no existen dife-
rencias excesivamente acusadas.
CONCLUSIONES
A continuacin enumeraremos los puntos ms destacados del
trabajo realizado para desarrollar el Atlas Climtico Digital de la
Pennsula Ibrica:
1 Obtencin de un conjunto de 65 mapas (60 mensuales y 5 anua-
les) de temperatura media (mnimas, medias y mximas), pre-
cipitacin y radiacin solar para toda la Pennsula Ibrica, que
probablemente son los mejores disponibles actualmente teniendo
en cuenta la resolucin espacial, el numero de estaciones
meteorolgicas usadas, la aplicacin de mtodos de interpolacin
objetivos y el uso de tcnicas de validacin cruzada.
2 Los mtodos de validacin con datos independientes nos proveen
con un ndice de fiabilidad para cada mapa que ayudarn al
usuario a utilizar el mapa con criterio, as como a calcular la
propagacin de errores en caso de introducir estos mapas
climticos en otros modelos.
3 Los resultados nos informan, por un lado, sobre la relacin entre
las variables geogrficas y los elementos climticos (gracias al
anlisis de regresin mltiple). De otro lado, nos muestran
diferentes reglas genricas: el modelo general funciona mejor que
los modelos por cuencas, los modelos con buffer funcionan mejor
que los modelos sin buffer, etc.
4 Los mapas de anomalas representan una interesante fuente para
la investigacin en climatologa puesto que ponen de manifiesto
qu reas resultan ms singulares respecto a los modelos de
comprensin general del clima de la Pennsula Ibrica.
5 Se ha realizado de un esfuerzo para integrar diferentes tcnicas:
mtodos de interpolacin espacial, anlisis estadstico y SIG a
travs de una implementacin total: desde el proceso de interpo-
lacin, pasando por la elaboracin de mapas hasta su publicacin
en Internet (http://opengis.uab.es/wms/iberia/index. htm).
Ninyerola, Pons y Roure 13
APLICACIONES EN EL MBITO DE LA
BIOCLIMATOLOGA Y LA GEOBOTNICA
1. ANLISIS DE GRADIENTES
Aprovechando las herramientas SIG, podemos utilizar los mapas
climticos del ACDPI para analizar gradientes espaciales. Con fines
ilustrativos se ha digitalizado un transecto entre el NO de la Penn-
sula Ibrica (Cabo de Finisterre) y el SE (Cabo de Gata). Combi-
nando las capas climticas (temperatura media anual y precipitacin
anual) con el vector del transecto, hemos obtenido los perfiles
climticos que expresan el gradiente existente (figura 10).
2. IDONEIDAD DE LA DISTRIBUCIN DE LAS
ESPECIES VEGETALES
Estos mapas climticos nos permiten realizar un interesante
estudio numrico de las relaciones entre el clima y la vegetacin. Si
disponemos de datos referentes a la distribucin espacial de la
vegetacin (i.e., mapas de vegetacin, inventarios forestales, etc.)
podemos cruzar esta informacin con los mapas climticos y otras
variables influyentes en la vegetacin (suelo, altitud, pendiente, etc.)
para obtener el espacio geoclimtico multidimensional en el que un
determinado tipo de vegetacin se halla ubicado. La idea consiste
en obtener los rangos ecolgicos ptimos de los diferentes tipos de
vegetacin para las diferentes variables geoclimticas. Existen
diferentes tcnicas (no detalladas aqu) para determinar la relacin
vegetacin-geoclima que permiten realizar una cartografa pre-
dictiva con una base ms objetiva que con los mtodos tradicionales.
Utilizando herramientas SIG y anlisis estadsticos podemos obtener
la probabilidad de encontrar una especie o una comunidad vegetal
en un determinado territorio (una celda de nuestra matriz rster),
aunque actualmente no est presente all. De los mapas resultantes
se entrev fcilmente una utilidad en la gestin forestal, la conserva-
cin de especies y paisajes, un inters puramente cientfico, una
aplicacin al impacto que pueda tener el cambio climtico, etc. La
figura 11 nos muestra el caso del haya (Fagus sylvatica).
3. SIMULACIONES DE ESCENARIOS:
RESPUESTAS A UN POSIBLE CAMBIO
CLIMTICO
Utilizando uno de los pilares de la era digital, la facilidad de
modificacin de la informacin para realizar prospectiva, podemos
realizar con facilidad cambios en nuestros mapas climticos. Por
ejemplo, podemos utilizar los datos del IPCC (Intergovernmental
Panel of Climatic Change) que predicen, para un futuro relativamente
prximo, un incremento de temperatura anual de unos 3 C, una
disminucin de la precipitacin anual del 10 %, etc. As pues, pode-
mos obtener una cartografa climtica bajo estos supuestos y de esta
manera ver como, a partir de las preferencias actuales de la vege-
tacin, sta se ver modificada en su distribucin (figura 12). En una
direccin similar respecto a la metodologa empleada, pero opuesta
en el tiempo podemos simular escenarios climticos pasados a partir
de los datos paleopalinolgicos disponibles. Esta informacin nos
ser til para estudiar el cambio climtico pasado y poder as gene-
rar una cartografa temporal de la vegetacin.
14 Atlas climtico digital de la Pennsula Ibrica
BIBLIOGRAFA
OTROS ATLAS CLIMTICOS
Atlas climticos tradicionales
Clavero, P.; Martn Vide, J.; Raso, J. M. 1996. Atles Climtic de
Catalunya. Institut Cartogrfic de Catalunya y Departament de
Medi Ambient de la Generalitat de Catalunya, 42 lminas. ISBN:
84-393422-7-6.
Febrer, J. 1930. Atlas pluviomtric de Catalunya. Instituci Patxot,
518 p.
Font Tullot, I. 1983. Atlas climtico de Espaa. Instituto Nacional de
Meteorologa, 43 lminas. ISBN: 84-500949-5-X.
Atlas climticos objetivos
Atlas climticos digitales:
Instituto Geogrfico e Cadastral. 1988. Atlas do Ambiente. Lisboa.
Ninyerola, M.; Pons, X.; Roure, J. M.; Martn Vide, J.; Raso, J. M.;
Clavero, P. 2003. Atles Climtics de Catalunya. CD-ROM. Ser-
vei Meteorolgic de Catalunya y Departament de Medi Ambient
de la Generalitat de Catalunya. ISBN: 84-932860-5-2.
Atlas climticos realizados con tcnicas objetivas de interpolacin
pero sin difundir los resultados digitalmente:
Snchez, O.; Snchez, F.; Carretero, M. P. 1999. Modelos y carto-
grafa de estimaciones climticas termopluviomtricas para la
Espaa peninsular. Ministerio de Agricultura, Pesca y Alimenta-
cin. Instituto Nacional de Investigacin y Tecnologa Agraria y
Alimentaria, 192 p. ISBN: 84-749847-0-X
Thompson, R. S.; Anderson, H.; Barlein, P. J. 1998. Atlas of relations
between climatic parameters and distributions of important trees
and shrubs in North America. Introduction and Conifers. U.S.
Geological Survey, 269 p. ISBN: 0-607-91368-1.
SOFTWARE UTILIZADO
Pons, X. 2004. MiraMon. Geographical information system and
remote sensing software. Versin 5. Centre de Recerca Ecol-
gica i Aplicacions Forestals (CREAF). ISBN: 84-931323-4-9.
WEB: http://www.creaf.uab.es/miramon
Pons, X.; Dalmases. C.; Pesquer, L.; Marcer, A.; Mas, J. 2004.
IsoMDE: Una nueva aproximacin a la generacin de Modelos
Digitales del Terreno. En: Territorio y Medio Ambiente. Mtodos
Cuantitativos y Tcnicas de Informacin Geogrfica. Conesa C,
Martnez Guevara JB. (eds). Grupo de Mtodos Cuantitativos,
SIG y Teledeteccin y Departamento de Geografa. Universidad
de Murcia. ISBN: 84-837148-4-1.
StatSoft Inc. 2000. STATISTICA for Windows [Computer program
manual]. Tulsa, OK: StatSoft, Inc. WEB: http://www.statsoft.com
ESTUDIOS PREVIOS
Ninyerola, M. 2001. Modelitzaci climtica mitjanant eines SIG i la
seva aplicaci a lanlisi quantitatiu de la distribuci despecies
vegetals a lEspanya peninsular. Tesis doctoral. Universidad
Autnoma de Barcelona, 202 p.
Ninyerola, M.; Pons, X.; Roure, J. M. 2000. A methodological
approach of climatological modelling of temperature and
precipitation through GIS techniques. International Journal of
Climatology, 20: 1823-1841.
Ninyerola, M.; Pons, X.; Roure, J. M. (en revisin). Monthly
precipitation mapping of the Iberian Peninsula using spatial
Ninyerola, Pons y Roure 15
interpolation tools implemented in a Geographic Information
System. Theoretical and Applied Climatology.
Ninyerola, M.; Pons, X.; Roure, J. M. (aceptado, 2005). Monthly mean
air temperature (minimum, mean and maximum) objective mapping
for the entire Iberian Peninsula using spatial interpolation and GIS
tools. International Journal of Climatology.
Pons, X. 1996. Estimacin de la Radiacin Solar a partir de modelos
digitales de elevaciones. Propuesta metodolgica. En: VII Colo-
quio de Geografa Cuantitativa, Sistemas de Informacin Geo-
grfica y Teledeteccin. Juaristi J. y Moro I. (eds.) Vitoria-Gasteiz.
OTROS ESTUDIOS DE INTERPOLACIN
CLIMTICA EN LA PENNSULA IBRICA
Felicsimo, A. M.; Morn, R.; Snchez, J. M.; Prez, D. 2001. Elabo-
racin del Atlas climtico de Extremadura mediante un sistema
de informacin geogrfica. GeoFocus, 1: 17-23.
Vicente-Serrano, S. M.; Saz-Snchez, M. A.; Cuadrat, J. M. 2003.
Comparative analysis of interpolation methods in the middle Ebro
Valley (Spain): application to annual precipitation and tempe-
rature. Climate Research, 24: 161-180.
ESTUDIOS DE INTERPOLACIN ESPACIAL
APLICADOS A LA CLIMATOLOGA
Hutchinson, M. F. 1995. Interpolating mean rainfall using thin plate
smoothing splines. International Journal of Geographic Informa-
tion Systems, 9: 385-403.
Lennon, J. J.; Turner, J. R. 1995. Predicting the spatial distribution
of climate temperature in Great Britain, Journal of Animal Ecology,
64: 370-392.
SERVIDORES DE CARTOGRAFA CLIMTICA
Atlas Climtico Digital de la Pennsula Ibrica (ACDPI)
http://opengis.uab.es/wms/iberia/index.htm
Contenido: superficies climticas de la Pennsula Ibrica. Ser-
vidor de cartografa en formato SIG: posibilidad de visualizar los
mapas en un entorno web y posibilidad de descarga.
Atles Climtic Digital de Catalunya (ACDC)
http://www.uab.es/atles-climatic/
Contenido: superficies climticas de Catalunya. Servidor de
cartografa en formato SIG: posibilidad de visualizar los mapas en
un entorno web y posibilidad de descarga.
SIG del Departament de Medi Ambient de la Generalitat de
Catalunya
http://mediambient.gencat.net/cat/el_departament/cartografia/
inici.jsp
Contenido: mapas digitalizados de la versin analgica del At-
las Climtic de Catalunya (ver bibliografa). Servidor de cartografa
en formato SIG: sin posibilidad de visualizar los mapas climticos
en un entorno web pero con posibilidad de descarga.
SIG de la Comunidad Autnoma de La Rioja
http://www.larioja.org/sig/
Contenido: superficies climticas de la Comunidad Autnoma de
La Rioja. Servidor de cartografa: posibilidad de visualizar los mapas
en un entorno web y posibilidad de descarga, pero no en un formato
SIG.
Confederacin Hidrogrfica del Ebro
http://oph.chebro.es/ContenidoCartoClimatologia.htm
16 Atlas climtico digital de la Pennsula Ibrica
Contenido: superficies climticas de la cuenca hidrogrfica del Ebro.
Servidor de cartografa en formato SIG: sin posibilidad de visualizar los
mapas en un entorno web pero con posibilidad de descarga.
SIAM (Sistema de Informacin Ambiental de Vitoria-Gasteiz)
http://www.vitoria-gasteiz.org/ceac/siam/
Contenido: superficies climticas de la provincia de Gasteiz.
Servidor de cartografa en formato SIG: posibilidad de visualizar los
mapas en un entorno web pero sin posibilidad de descarga.
Atlas do Ambiente. Instituto do Ambiente. Direco General
do Ambiente de Portugal
http://atlas.isegi.unl.pt/website/atlas/din/viewer.htm
Contenido: superficies climticas de Portugal. Servidor de
cartografa en formato SIG: posibilidad de visualizar los mapas en
un entorno web y posibilidad de descarga.
Centre for Resource and Environmental Studies
(Australian National University)
http://cres.anu.edu.au/outputs/software.php
Contenido: superficies climticas de Australia. Servidor de
cartografa en formato SIG: sin posibilidad de visualizar los mapas
en un entorno web pero con posibilidad de descarga.
Oregon Climate Service
http://www.ocs.orst.edu/prism/state_products/maps.phtml?id=US
Contenido: superficies climticas del estado de Oregon (USA).
Servidor de cartografa en formato SIG: sin posibilidad de visualizar
los mapas en un entorno web pero con posibilidad de descarga.
Potsdam Institute for Climate Impact Research
http://www.pik-potsdam.de/~cramer/climate.html
Contenido: superficies climticas a nivel mundial. Servidor de
cartografa en formato SIG: sin posibilidad de visualizar los mapas
en un entorno web pero con posibilidad de descarga.
Digital Atlas of the World Water Balance
http://www.ce.utexas.edu/prof/maidment/atlas/atlas.htm
Contenido: superficies climticas a nivel mundial. Servidor de
cartografa: posibilidad de visualizar los mapas en un entorno web,
pero no en un entrono SIG.
Sustainable Development Department, Food and
Agriculture Organization (FAO)
http://www.fao.org/waicent/faoinfo/sustdev/eidirect/climate/
eisp0002.htm
Contenido: superficies climticas a nivel mundial. Servidor de
cartografa en formato SIG: sin posibilidad de visualizar los mapas
en un entorno web pero con posibilidad de descarga. Tambin se
puede descargar un visualizador.
WorldClim: database of global climate
http://biogeo.berkeley.edu/worldclim/worldclim.htm
Contenido: superficies climticas a nivel mundial. Servidor de
cartografa en formato SIG: sin posibilidad de visualizar los mapas
en un entorno web pero con posibilidad de descarga.
Globe program
http://viz.globe.gov/
Contenido: superficies climticas a nivel mundial. Servidor de
cartografa sin formato SIG: posibilidad de visualizar los mapas en
un entorno web pero sin posibilidad de descarga.
ATLAS CLIMTICO DIGITAL
DE LA PENNSULA IBRICA
ATLAS CLIMTICO DIGITAL
DE LA PENNSULA IBRICA
FIGURAS
Metodologa y aplicaciones en bioclimatologa y geobotnica
MIRA ON

GIS & RS
ATLAS CLIMTICO DIGITAL
DE LA PENNSULA IBRICA
ATLAS CLIMTICO DIGITAL
DE LA PENNSULA IBRICA
Miquel Ninyerola | Xavier Pons | Joan M. Roure
Departament de Biologia Animal,
Biologia Vegetal i Ecologia
Unitat de Botnica
i
Departament de Geografia
http://opengis.uab.es/wms/iberia/index.htm
Metodologa y aplicaciones en bioclimatologa y geobotnica
Datos procesados y visualizados
con el SIG MiraMon