Error and inhomogeneity detection in climate time series

Los problemas de calidad en series de datos meteorológicos resultan principalmentede errores de medición o registro y de cambios en las condicionesde medición o en el entorno de la estación meteorológica (inhomogeneidades). Cuando no se dispone de información adicional (metadata) es necesario contarcon una metodología confiable de control de calidad que permita detectar,en una serie de datos meteorológicos proveniente de una estación, errores einhomogeneidades. En esta tesis se presenta una caracterización detalladade las series de datos de temperatura y precipitación, y se discuten las diferenciasentre estos dos tipos de variables. Se introduce un marco conceptualbasado en modelos estadísticos para los problemas de detección de errores yde detección de inhomogeneidades (puntos de corte en la serie). Se muestra laimportancia de la apropiada selección del modelo y se propone metodologíapara cada uno de los problemas en los dos tipos de variables meteorológicas. Características de los métodos propuestos para controlar la serie dedatos de una estación objetivo: 1) Multivariados, usan las series de observacionesde estaciones cercanas; 2) No hacen supuestos sobre la distribuciónde los datos; 3) Usan procedimientos de estimación robustos; 4) Atiendena la estructura de correlación presente en la serie de datos; 5) Son capacesde detectar múltiples tipos de inhomogeneidades. Usando datos de modelosnuméricos regionales se estudia el desempeño de los métodos propuestos bajodiferentes escenarios. The lack of quality in climate data is mostly the result of measurementor recording errors and arbitrary changes in the monitoring conditions orsurrounding environment (inhomogeneities). When additional information (metadata) is not available, a reliable methodology to detect errors and inhomogeneitiesis required. In this thesis we present a detailed characterizationof temperature and precipitation time series, while discussing their basic differences. We introduce a conceptual framework based on statistical modelsfor the error and inhomogeneity detection issues. The relevance in the choiceof the statistical model is shown, and separate methods are developed forboth problems and these two main meteorological variables. Main featuresof the proposed methods, to control the target station time series, are: 1) Multivariate, they use data from nearby stations; 2) No specific assumptionsabout the distribution of data; 3) Use of robust estimation procedures; 4) They respond to the actual correlation structure present in data; 5) Capableof detecting several types of inhomogeneities. Finally, we study the performanceof the methods through the use of numerical regional models underchanging scenarios. Fil: Farall, Rodolfo Andrés. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.