Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE LETRAS
DEPARTAMENTO DE GEOGRAFÍA
TESIS DOCTORAL
Dirigida por:
Dr. D. Carmelo Conesa García
Universidad de Murcia
Murcia, 2020
Agradecimientos
Del mismo modo siento una gran gratitud hacia el Dr. Jorge Olcina Cantos (Universidad
de Alicante), co-director de esta Tesis Doctoral y referente para mí en el mundo de la
Climatología. Sus sabios consejos, acompañados del gran entusiasmo que siente por
su trabajo, me han ayudado y motivado a mejorar día a día en este campo.
A los amigos e integrantes del proyecto FrostSE: Juan Antonio Amor Jiménez,
Marcos Ruiz Álvarez, Javier Martí Talavera, José María Serna García, Francisco
Sandoval Gómez, José Marín Salcedo, Miguel Ángel Requena, David Roldán
Tercero, Ramón García Avilés, Pedro José Gómez Cascales, Pedro Martínez, Juan
Manuel Navarro Martínez, Pablo Soler Calleja y Javier Valdelvira. Por su inestimable
y transcendental ayuda en el trabajo de campo realizado para la instalación y
mantenimiento de la red propia de termómetros. Por esas campañas de recogidas de
datos térmicos, muchas de ellas arduas y complejas.
A Raúl y María José, dueños del restaurante y albergue ‘’La Fonda Del Perchel’’ en
Pontones (Jaén), por su hospitalidad y amabilidad en cada una de las expediciones a
los Campos de Hernán Perea, mi segunda casa. Y a Jesús Cózar, vecino de Santiago
de la Espada (Jaén), por su reiterada y crucial compañía en varias visitas.
A MIS PADRES, por alentarme y darme alas, y por estar siempre ahí. Sabéis que no os
lo digo, pero siempre tengo muy presente estas dos cosas: os quiero y gracias.
I
II
Abstract
In this research, the characteristics and factors that trigger the situations of nocturnal
temperature inversion are analyzed, and the notable thermal differences that they
generate between valley zones and orographically complex areas, with the use of
climatic data associated with observatories and meteorological stations, to its own
network of recording thermometers (datalogger), atmospheric soundings carried out in
the study area, in particular those related to the temperature regime, vertical thermal
stratification and indicators of atmospheric stability, and the use of satellite images.
The regularity of nocturnal inversion processes throughout the year, especially in winter,
is one of the main causes for the appearance of a large number of frosts in inland valleys.
Throughout the Doctoral Thesis, the spatio-temporal trend of various climatic indices
associated with minimum temperatures is analyzed, where a clear thermal rise and a
significant reduction in frost days during the last decades is highlighted. Finally, as a
complement to the analysis of physical factors, an in-depth study of agricultural land uses
and their interaction with the effects generated by frost on the main groups of crops in
the study area is carried out, with the elaboration of risk mapping og high resolution.
III
IV
Índice general
RESUMEN ..................................................................................................................... I
V
Capítulo 3. Inversiones térmicas nocturnas con estrato cálido en niveles bajos:
contrastes térmicos significativos en la Demarcación Hidrográfica del Segura
(DHS)........................................................................................................................ 112
VI
5.3. Material y métodos ......................................................................................... 291
5.3.1. Datos ....................................................................................................... 291
VII
7.3. Resultados ..................................................................................................... 490
7.3.1. Análisis de la peligrosidad de heladas ..................................................... 490
7.3.4. Propuesta cartografía de alta resolución del riesgo de helada ................. 498
8.2.2. ¿Cómo identificar piscinas de aire frío y su potencial para acumular aire más
frío bajo condiciones nocturnas estables? ......................................................... 560
VIII
Índice de figuras
Fig. 1.2. CMIP5 cambios geográficos medios multimodelos (en relación con un período
de referencia de 1981 2000) en común con CMIP3, bajo RCP8.5 y series temporales
suavizadas de 20 años para RCP2.6, RCP4.5 y RCP8.5. Fuente: IPCC (2013). .......... 4
Fig. 1.4. Tendencia espacio-temporal de los días de helada (FD) en Europa. Fuente:
climdex.org ................................................................................................................... 5
Fig. 1.5. Tendencia temporal de los días de helada (FD) en la Península Ibérica. Fuente:
climdex.org ................................................................................................................... 6
Fig. 1.7. Nº días helada (FD): nº de días con temperatura mínima inferior a 0º C.
Proyecciones regionalizadas del AR5 (CORDEX) para la España peninsular y la
Demarcación Hidrográfica del Segura (DHS). Fuente: AEMET. .................................... 8
IX
Fig. 2.4. Diagrama prototipo de estrato de inversión térmica en niveles bajos. Fuente:
Iacobellis et al. (2009). ................................................................................................ 52
Fig. 2.5. Frecuencia relativa mensual de jornadas con inversión térmica nocturna (ITN
(Período 1986-2015). Centro Meteorológico Territorial (CMT) de Guadalupe (Murcia).
................................................................................................................................... 54
Fig. 2.6. Distribución porcentual de la intensidad (DT INV), del espesor (DZINV) y de la
altitud media del estrato de IT. .................................................................................... 55
Fig. 2.7. Distribución relativa mensual de las SBIs y ELIs en la ciudad de Murcia (período
1986-2015). Datos de AEMET. ................................................................................... 57
Fig. 2.8. Esquema teórico de inversión térmica superficial o de irradiación. Fuente: Barry
(1981) ......................................................................................................................... 58
Fig. 2.9. Distribución mensual de SBIs y ELIs (1986-2015) a lo largo del año. Datos de
AEMET. ...................................................................................................................... 59
Fig. 2.11. Evolución anual de la intensidad media (DT INV) de las inversiones térmicas
nocturnas (1986-2015). Línea azul representa un método de suavizado de paso bajo
(smoothing method loess). Datos de AEMET. ............................................................. 62
Fig. 2.13. Frecuencia relativa mensual de jornadas con inversión térmica >5ºC (Período
1986-2015). Centro Meteorológico Territorial (CMT) de Guadalupe (Murcia). ............. 64
Fig. 2.15. Evolución de la altitud media de la base del estrato de inversión térmica (Z BASE)
de las inversiones térmicas nocturnas (1986-2015). Línea azul representa un suavizado
de paso bajo (Smoothing Method Loess). Datos de AEMET. ...................................... 66
Fig. 2.17. Evolución de la temperatura media de la base del estrato de inversión térmica
(TBASE) de las inversiones térmicas nocturnas (1986-2015). Línea azul un suavizado de
paso bajo (Smoothing Method Loess). Datos de AEMET............................................ 68
X
Fig. 2.18. Histograma de frecuencias y curva de densidad de ZTOP (m) (1986-2015).
Datos de AEMET. ....................................................................................................... 69
Fig. 2.19. Evolución de la altitud media del tope del estrato de inversión térmica (T BASE)
de las inversiones térmicas nocturnas (1986-2015). Línea azul representa un suavizado
de paso bajo (Smoothing Method Loess). Datos de AEMET. ...................................... 70
Fig. 2.21. Evolución de la temperatura media del tope del estrato de inversión térmica
(TBASE) de las IT nocturnas (1986-2015). Línea azul representa un suavizado de paso
bajo (Smoothing Method Loess). Datos de AEMET. ................................................... 72
Fig. 2.23. Evolución del espesor medio del estrato de inversión térmica (DZ INV) de las IT
nocturnas (1986-2015). Línea azul representa un suavizado de paso bajo (Smoothing
Method Loess). Datos de AEMET. .............................................................................. 74
Fig. 2.25. Evolución del gradiente térmico medio del estrato de inversión térmica (LR)
de las IT nocturnas (1986-2015). Línea azul representa un suavizado de paso bajo
(Smoothing Method Loess). Datos de AEMET. ........................................................... 75
Fig. 2.27. Evolución de la presión atmosférica media (PA) en las IT nocturnas (1986-
2015). Línea azul representa un suavizado de paso bajo (Smoothing Method Loess).
Datos de AEMET. ....................................................................................................... 77
Fig. 2.28. Histograma de frecuencias y curva de densidad de T500 y T850 (ºC) (1986-
2015). Datos de AEMET. ............................................................................................ 78
XI
Fig. 2.31. Gráfico Biplot o círculo de correlaciones obtenidas en el PCA. Combina la
representación de las observaciones y de las variables.............................................. 83
Fig. 2.32. Matriz de correlación estadística según Kendall entre las diferentes variables
analizadas. Station hace referencia a las temperaturas mínimas de 22 observatorios
meteorológicos de la DHS. ......................................................................................... 84
Fig. 2.35. Evolución anual del número de eventos de inversión térmica nocturna (1986-
2015). ......................................................................................................................... 90
Fig. 2.36. Evolución anual del número de episodios de inversión térmica nocturna, y su
duración (1986-2015).................................................................................................. 91
Fig. 2.37. Evolución anual de la intensidad media de los eventos de inversión térmica
nocturna (1986-2015). ................................................................................................ 94
Fig. 3.2. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (Altiplano) e indicación de las temperaturas mínimas
absolutas registradas en la ITN de mayor diferencia térmica (periodo 2011-16). ...... 124
Fig. 3.3. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas de ITN más intensas en la Comarca del Altiplano (período 2011-2016). .... 125
Fig. 3.4. Distribución de la humedad relativa media nocturna (%) durante las 50 jornadas
de ITN más intensas en la Comarca del Altiplano (período 2011-2016). ................... 126
Fig. 3.6. Gráficos de cajas que representan la distribución frecuencial de los valores de
CINV (ºC) en las 50 ITN más intensas de la Comarca del Altiplano (período 2011-16).
................................................................................................................................. 129
Fig. 3.7. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas analizadas en la Comarca del Noroeste. .................................................... 131
XII
Fig. 3.8. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (Comarca del Noroeste) e indicación de las temperaturas
mínimas absolutas registradas en la ITN de mayor diferencia térmica (periodo 2011-16).
................................................................................................................................. 132
Fig. 3.11. Distribución frecuencial de los valores de CINV (ºC) obtenidos a partir de las 50
ITN más intensas registradas en las estaciones de la Comarca del Noroeste (período
2011-16). .................................................................................................................. 136
Fig. 3.12. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (Guadalentín) e indicación de las temperaturas mínimas
absolutas registradas en la ITN de mayor diferencia térmica (periodo 2011-16). ...... 138
Fig. 3.13. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas analizadas en el Bajo Guadalentín. ............................................................ 139
Fig. 3.14. Distribución de la humedad relativa media nocturna (%) durante las 50
jornadas analizadas en el Bajo Guadalentín. ............................................................ 140
Fig. 3.16. Distribución frecuencial de los valores de CINV (ºC) en las 50 ITN más intensas
registradas en las estaciones del Bajo Guadalentín. ................................................. 143
Fig. 3.17. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas analizadas en la VARS. .............................................................................. 145
Fig. 3.18. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (VARS) e indicación de las temperaturas mínimas absolutas
registradas en las ITN de mayor diferencia térmica (periodo 2011-16). .................... 146
Fig. 3.19. Distribución de la humedad relativa media nocturna (%) durante las 50
jornadas analizadas en la VARS ............................................................................... 147
XIII
Fig. 3.21. Distribución de la CINV(ºC) durante las 50 jornadas analizadas en la VARS.
................................................................................................................................. 148
Fig. 3.22. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas analizadas en la VMRS. ............................................................................. 149
Fig. 3.23. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (VMRS) e indicación de las temperaturas mínimas absolutas
registradas en la ITN de mayor diferencia térmica (periodo 2011-16). ...................... 150
Fig. 3.25. Diagrama “windrose”, que representa la distribución frecuencial, por estación,
de la velocidad y dirección del viento nocturno, durante las 50 ITN más intensas de la
VMRS en el periodo 2011-20. ................................................................................... 154
Fig. 3.27. Distribución de a) T300, T500, T700 y T850 y b) y RH300, RH500, RH700 y
RH850 durante las 50 jornadas analizadas. Sondeo atmosférico de Murcia. ............ 157
Fig. 3.28. Diagrama “windrose” con la distribución de la velocidad y dirección del viento
nocturno para los geopotenciales de 850, 700, 500 y 300 hPa en las 50 jornadas
analizadas en la VMRS. ............................................................................................ 158
Fig. 3.29. Distribución del coeficiente de mezcla vertical (Kz) y la altura de la capa límite
(Zi) durante las 50 jornadas analizadas. Sondeo atmosférico de Murcia (00 UTC). .. 159
Fig. 3.30. Gráfica de sedimentación (PCA) que muestra la proporción de varianza (%)
de los componentes principales analizados. ............................................................. 160
XIV
Fig. 3.34. Correlación de correlación según Kendall entre la diferencia de temperatura
(ºC) en observatorios en zonas de CAP y el resto sin influencia de IT vs. coeficiente de
mezcla vertical (Kz) durante las 50 jornadas analizadas. .......................................... 165
Fig. 3.35. Altitud media (m) de los niveles geopotenciales de 300, 500, 700, y 850 hPa
de las 50 jornadas analizadas. Fuente: NOAA Physical Sciences Laboratory (PSL). 166
Fig. 3.36. Temperatura media (ºC) en los niveles geopotenciales de 300, 500, 700, y
850 hPa de las 50 jornadas analizadas. Fuente: NOAA Physical Sciences Laboratory
(PSL). ....................................................................................................................... 167
Fig. 3.37. Humedad relativa media (%) en los niveles geopotenciales de 300, 500, 700,
y 850 hPa de las 50 jornadas analizadas. Fuente: NOAA Physical Sciences Laboratory
(PSL). ....................................................................................................................... 168
Fig. 3.38. Dirección y velocidad media del viento (m/s) en los niveles geopotenciales de
300, 500, 700, y 850 hPa de las 50 jornadas analizadas. Fuente: NOAA Physical
Sciences Laboratory (PSL). ...................................................................................... 169
Fig. 3.39. Presión atmosférica media reducida al nivel del mar (mb o hPa) de las 50
jornadas analizadas. Fuente: NOAA Physical Sciences Laboratory (PSL). ............... 170
Fig. 3.40. Trayectoria de masas de aire durante las 50 jornadas analizadas. Fuente :
HYSPLIT (NOAA) ..................................................................................................... 171
Fig. 3.41. Punto de origen de las masas de aire durante las 50 jornadas analizadas.
Fuente : HYSPLIT (NOAA) ....................................................................................... 171
Fig. 3.42. Trayectorias de masas de aire durante las 10 jornadas analizadas con mayor
intensidad de inversión. Fuente : HYSPLIT (NOAA) ................................................. 172
XV
Fig. 3.47. Termografía nocturna (ASTER-EOS) de Yecla e inmediaciones (11 de
noviembre 2017) ....................................................................................................... 177
Fig. 3.49. Termografía nocturna (ASTER-EOS) del Noroeste de la Región y Tierras Altas
de Lorca, Región de Murcia (9 de enero 2018) ......................................................... 180
Fig. 3.51. Termografía nocturna (ASTER-EOS) de la Vega Baja del río Segura (24 de
septiembre2017). ...................................................................................................... 182
Fig. 4.1. Ejemplo del producto VIIRS LST del 4 de diciembre de 2017, con el fichero
original a la izquierda, y el procesado con el software ARCGIS 10.3 a la derecha. Fuente:
VIIRS SUOMI - NPP. ................................................................................................ 206
Fig. 4.2. Distribución espacial de las temperaturas medias de las mínimas del mes de
enero (producto BIO6), y regionalización en comarcas climáticas (Fig. 5). Fuente:
EuroLST ................................................................................................................... 208
Fig. 4.4. Malla de puntos creada para el análisis estadístico en a) el área de estudio
completa, y b) en zonas de CAP (zonas de inversión térmica con círculos de color azul)
y WAM (aire cálido en terrenos orográficamente complejos, en círculos de color verde).
................................................................................................................................. 212
XVI
Fig. 4.6. Correlación estadística según Spearman entre las temperaturas del proyecto
EuroLST (BIO6) y los productos a) MODIS LST y b) VIIRS LST, con niveles de
significancia estadística de 0,90*, 0,95**, y 0,99***. .................................................. 217
Fig. 4.7. Correlación estadística según Spearman entre las temperaturas del proyecto
EuroLST (BIO6) y a) zonas de CAP producto MODIS LST y b) WAM MODIS LST, c)
CAP VIIRS LST y d) WAM VIIRS LST con niveles de significancia estadística de 0,90*,
0,95**, y 0,99***. ....................................................................................................... 218
Fig. 4.8. Correlación estadística según Spearman entre las temperaturas del proyecto
EuroLST (BIO6) y la combinación de los productos MODIS y VIIRS LST, con niveles de
significancia estadística de 0,90*, 0,95**, y 0,99***. .................................................. 220
Fig. 4.12. Diferencia térmica (ºC) entre ST y a) MODIS LST b) VIIRS LST, en las 50
imágenes satelitales analizadas................................................................................ 225
Fig. 4.13. Correlación estadística (R2 de Spearman) entre ST y a) MODIS LST b) VIIRS
LST, en las imágenes 50 imágenes satelitales analizadas........................................ 226
Fig. 4.14. Diferencia térmica promedio entre los productos VIIRS y MODIS LST. Colores
crema, significa temperaturas superiores del sensor MODIS, y viceversa, colores azules,
el sensor MODIS refleja temperaturas más frías. ...................................................... 227
Fig. 4.15. Desviación estándar (ºC) de las 50 jornadas analizadas para VIIRS y MODIS
LST. .......................................................................................................................... 228
Fig. 4.16. Termografía del producto VIIRS LST con el promedio de las 50 imágenes
satelitales analizadas. Delimitación de las 22 comarcas climáticas. .......................... 229
Fig. 4.17. Termografía del producto MODIS LST con el promedio de 50 imágenes
satelitales analizadas. Delimitación de las 22 comarcas climáticas........................... 231
XVII
Fig. 4.18. Promedio de los productos MODIS y VIIRS LST con las 50 imágenes
satelitales analizadas. Transectos de 6 cortes térmicos ............................................ 232
Fig. 4.19. Cortes térmicos sobre el promedio del producto satelital combinado de MODIS
y VIIRS LST. Nomenclatura de los cortes reflejada en la Fig. 26. Símbolos rojos
referencia a entidades poblacionales, y marrones a picos montañosos .................... 234
Fig. 4.20. Correlación estadística según Spearman entre altitud (m) y temperatura en
las CAPs, a) proyecto EuroLST (BIO6) y b) termografía combinada (MODIS-VIIRS), con
niveles de significancia estadística de 0,90*, 0,95**, y 0,99***. ................................. 236
Fig. 4.21. Correlación estadística según Spearman entre altitud (m) y temperatura en de
las WAM, a) proyecto EuroLST y b) termografía (MODIS-VIIRS). con niveles de
significancia estadística de 0,90*, 0,95**, y 0,99***. .................................................. 236
Fig. 4.22. Temperatura media por intervalo altitudinal dentro de las CAP. EuroLST
(BIO6) con línea azul oscura y producto combinado (MODIS-VIIRS LST) con línea azul
turquesa.................................................................................................................... 237
Fig. 4.23. Temperatura media por intervalo altitudinal dentro de las WAM. EuroLST
(BIO6) con línea azul oscura y producto combinado (MODIS-VIIRS LST) con línea azul
turquesa.................................................................................................................... 238
Fig. 4.24 Intervalos de temperatura (promedios más elevados) del producto combinado
MODIS y VIIRS (LST). Fuente: MODIS/VIIRS LST ................................................... 239
Fig. 4.26. Intervalos de temperatura (promedios más fríos) del producto combinado de
MODIS y VIIRS LST. Fuente: MODIS/VIIRS LST ..................................................... 246
XVIII
Fig. 4.32. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C6. Fuente: MODIS/VIIRS LST. ..................................................... 255
XIX
Fig. 4.48. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C22. Fuente: MODIS/VIIRS LST. ................................................... 274
Fig. 5.2. Importante nevada en el Calar de Hernán Perea (13 diciembre de 2017). .. 289
Fig. 5.3. Intensa helada en Rambla Seca - Hernán Perea (16 de octubre de 2016). 289
Fig. 5.4. Distribución de los dataloggers utilizados (ID y características en Tabla 1). 290
Fig. 5.5. Ejemplo de garita meteorológica artesanal construida con platos. En éste caso,
ubicada en las Tierras Altas de Lorca, a las afueras de la pedanía de Avilés. En su
interior, termómetro registrador Elitech RC-5. ........................................................... 292
Fig. 5.6. Estación meteorológica tipo Davis VUE, instalada en colaboración con la
Asociación Meteorológica del Sureste (AMETSE), en el pico de la Selva (Sierra de Pedro
Ponce), en el centro de la Región de Murcia............................................................. 293
Fig. 5.8. Mega dolina de la Nava del Polvo (Sª de la Cabrilla), junto a Calar de Hernán
Perea. Garita meteorológica de tipo Pagoda, cedida por AEMET, y sensor HOBO MX25
................................................................................................................................. 295
Fig. 5.9. Poljé colgado de Navalasno, al fondo Calar de Hernán Perea. Garita
meteorológica de tipo Pagoda, cedida por AEMET, y sensor microlite 32K. ............. 298
Fig. 5.10. Temperatura media de las mínimas diarias (ºC) para el conjunto de los 21
datalogger analizados (oct 16-mar 20). ..................................................................... 305
Fig. 5.11. Diagrama de cajas o boxplot de las temperaturas mínimas diarias de los 21
datalogger utilizados (oct 16 – mar 20). .................................................................... 306
Fig. 5.12. Temperaturas medias de las mínimas mensuales (ºC), y promedio del periodo
frío (octubre a marzo), y trimestre invernal (DEF) en los 21 datalogger analizados (oct
16 – mar 20). ............................................................................................................ 307
Fig. 5.13. Temperaturas medias de las mínimas (ºC) por trimestre invernal (DEF) en los
21 datalogger analizados (oct 16 – mar 20). ............................................................. 308
XX
Fig. 5.15. Temperaturas mínimas absolutas (ºC) por trimestre invernal (DEF), valor
mínimo absoluto (MIN) y media de las mínimas absolutas anuales (MED) de los 21
datalogger analizados (oct 16 – mar 20). .................................................................. 311
Fig. 5.16. Número de días de heladas mensuales, y promedio anual en los 21 datalogger
analizados (oct 16 – mar 20)..................................................................................... 312
Fig. 5.17. Número de días de helada (FD) por periodo frío de los 21 datalogger
analizados ................................................................................................................ 313
Fig. 5.18. Longitud del periodo medio de heladas (FP) en los 21 datalogger analizados
................................................................................................................................. 319
Fig. 5.19. Temperaturas mínimas absolutas por meses en las ubicaciones de Hernán
Perea y Sª de la Cabrilla ........................................................................................... 322
Fig. 5.21. Evolución de las temperaturas mínimas en Monterilla (Hernán Perea), desde
el 1 de noviembre de 2016 al 31 de marzo de 2020. ................................................. 324
Fig. 5.22. Evolución diaria de la intensidad de helada (IH) en Monterilla (Hernán Perea),
desde el 1 de octubre de 2016 a al 31 de marzo de 2020. ........................................ 326
Fig. 5.23. “Evolución de temperatura horaria en los tres periodos templados analizados
(15/10/2016 a 15/11/2020). ....................................................................................... 328
Fig. 5.24. “Evolución de temperatura horaria en los cuatro periodos fríos analizados
(15/10/2016 a 15/11/2020). ....................................................................................... 329
Fig. 5.25. “Heatmap” o mapa de calor con la distribución de la temperatura media anual
horaria en Monterilla (Hernán Perea). ....................................................................... 331
Fig. 5.26. Esquema teórico del tipo 1, y ejemplo de la evolución de temperatura del 9-
10 de febrero de 2017 (de 12 a 12 h UTC). La línea negra discontinua muestra la
evolución de temperatura del datalogger del Pico de la Selva (1521 m), donde no existe
proceso de IT. ........................................................................................................... 334
Fig. 5.27. Cartografía sinóptica promedio del tipo de CAP erosión turbulenta: a) altura
geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y velocidad
del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA. ..................................................................................... 335
XXI
Fig. 5.28. Esquema del tipo “perturbación alta”, y ejemplo del 26 de diciembre de 2016
(de 12 a 12 h UTC). La línea negra discontinua muestra la evolución de temperatura del
datalogger del Pico de la Selva (1521 m), donde no existe proceso de ITN. ............. 337
Fig. 5.29. Cartografía sinóptica promedio del tipo de CAP “perturbación alta” de: a) altura
geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y velocidad
del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA. ..................................................................................... 339
Fig. 5.30. Esquema del tipo “evolución inalterada” según Dorninger, y ejemplo del 11 de
diciembre de 2016 (de 12 a 12 h UTC). La línea negra discontinua muestra la evolución
de temperatura del datalogger del Pico de la Selva (1521 m), donde no existe proceso
de It. ......................................................................................................................... 340
Fig. 5.31. Cartografía sinóptica promedio del tipo de CAP “evolución inalterada” de: a)
altura geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y
velocidad del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el
geopotencial de 500 hPa. Fuente: NOAA. ................................................................ 341
Fig. 5.32. Esquema del tipo “formación tardía” y ejemplo del 10 de diciembre de 2016
(de 12 a 12 h UTC). La línea negra discontinua muestra la evolución de temperatura del
datalogger del Pico de la Selva (1521 m), donde no existe proceso de ITN. ............. 343
Fig. 5.33. Cartografía sinóptica promedio del tipo de CAP “formación tardía” de: a) altura
geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y velocidad
del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA ...................................................................................... 344
Fig. 5.34. Esquema del tipo “evento de mezcla”, y ejemplo del 1 de febrero de 2016 (de
12 a 12 h UTC). La línea negra discontinua muestra la evolución de temperatura del
datalogger del Pico de la Selva (1521 m), donde no existe proceso de It. ................ 345
Fig. 5.35. Cartografía sinóptica promedio del tipo de CAP “evento de mezcla”: a) altura
geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y velocidad
del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA. ..................................................................................... 347
Fig. 5.36. Correlación estadística según Kendall, entre a) humedad relativa vs.
intensidad de inversión térmica, y b) temperaturas mínimas en Monterilla vs.
acumulación de nieve fresca..................................................................................... 347
XXII
Fig. 5.37. Cartografía sinóptica promedio de las jornadas de ITN con las temperaturas
mínimas más bajas registradas: a) altura geopotencial a 500 hPa; b) presión atmosférica
al nivel del mar; c) temperatura en el geopotencial de 850 hPa; d) dirección y velocidad
del viento en el geopotencial de 500 hPa; y e) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA ...................................................................................... 350
Fig. 5.38. Configuración sinóptica del 2 de diciembre de 2017 a las 00 h UTC. Líneas
azules (geopotencial a 300 hPa), líneas rosas (temperatura a 850 hPa), y fondo (canal
masas de aire de EUMETSAT). Fuente: eumetrain.org. ........................................... 352
Fig. 5.40. Retrotrayectorias de las masas de aire a 1000 y 950 hPa, desde el 26 de
noviembre al 2 de diciembre de 2017. Fuente: NOAA HYSPLIT MODEL. ................ 354
Fig. 5.41. Imagen satelital Terra, MODIS (3-6-7), corrected reflectance del 4 de
diciembre de 2017. Puntos, datalogger utilizados, y su temperatura mínima absoluta del
episodio. Fuente: earthdata.nasa.gov. ...................................................................... 355
Fig. 5.42. Termografía del satélite VIIRS-SUOMI del 4 de diciembre de 2017, y valores
de temperatura mínima en los diferentes datalogger para dicha jornada. ................. 356
Fig. 5.45. Configuración sinóptica del 12 de diciembre de 2017 a las 12 h UTC. Líneas
azules (geopotencial a 300 hPa), líneas rosas (temperatura a 850 hPa), y fondo (canal
masas de aire de EUMETSAT). Fuente: eumetrain.org. ........................................... 361
Fig. 5.47. Retrotrayectorias de las masas de aire a 1000 y 950 hPa, desde el 10 de
diciembre al 13 de diciembre de 2017. Fuente: NOAA HYSPLIT MODEL ................ 363
Fig. 5.48. Imagen satelital Terra, MODIS (3-6-7), corrected reflectance del 13 de
diciembre de 2017. Puntos, datalogger utilizados, y su temperatura mínima absoluta del
episodio. Fuente: earthdata.nasa.gov ....................................................................... 364
Fig. 5.49. Termografía del satélite VIIRS-SUOMI del 13 de diciembre de 2017, y valores
de temperatura mínima en los diferentes datalogger para dicha jornada. ................. 365
XXIII
Fig. 5.50. Evolución temporal de la temperatura en una selección de datalogger propios,
del 10 al 14 de diciembre de 2017 ............................................................................ 369
Fig. 5.52. Configuración sinóptica del 5 de febrero de 2018 a las 12 h UTC. Líneas
azules (geopotencial a 300 hPa), líneas rosas (temperatura a 850 hPa), y fondo (canal
masas de aire de EUMETSAT). Fuente: eumetrain.org ............................................ 371
Fig. 5.53. Retrotrayectorias de las masas de aire a 1000 y 950 hPa, desde el 31 de
enero al 5 de febrero. Fuente: NOAA HYSPLIT MODEL .......................................... 372
Fig. 5.55. Imagen satelital Terra, MODIS (3-6-7), “corrected reflectance” del 4 de febrero
de 2018. Puntos, datalogger utilizados, y su temperatura mínima absoluta del episodio.
Fuente: earthdata.nasa.gov ...................................................................................... 374
Fig. 5.56. Termografía del satélite VIIRS LST del 7 de febrero de 2018, y valores de
temperatura mínima en los diferentes datalogger para dicha jornada ...................... 375
Fig. 5.59. Fotografía tomada en uno de los páramos próximo a Monterilla, Calar de
Hernán Perea, del 5 de febrero de 2018. Foto: José María Serna García. ................ 380
Fig. 5.60. Configuración sinóptica del 23 de febrero de 2018 a las 06 h UTC. Líneas
azules (geopotencial a 300 hPa), líneas rosas (temperatura a 850 hPa), y fondo (canal
masas de aire de EUMETSAT). Fuente: eumetrain.org ............................................ 382
Fig. 5.61. Retrotrayectorias de las masas de aire a 1000 y 950 hPa, desde el 20 de
febrero al 24 de febrero. Fuente: NOAA HYSPLIT MODEL. ..................................... 383
Fig. 5.62. Sondeo termodinámico lanzado desde Murcia, el 23 de febrero de 2018 a las
00 UTC. Fuente: Meteociel.fr. ................................................................................... 384
Fig. 5.63. Imagen satelital Terra, MODIS (3-6-7), corrected reflectance del 23 de febrero
de 2018. Puntos, datalogger utilizados, y su temperatura mínima absoluta del episodio.
Fuente: earthdata.nasa.gov ...................................................................................... 385
XXIV
Fig. 5.64. Evolución de las clases de estabilidad de Pasquill, del 22 al 27 de febrero de
2018. Fuente: NOAA................................................................................................. 386
Fig. 5.65. Termografía del satélite VIIRS-SUOMI del 24 de febrero de 2018, y valores
de temperatura mínima en los diferentes datalogger para dicha jornada .................. 387
Fig. 6.2. Distribución espacial de los observatorios meteorológicos para el período 1997-
2016. ........................................................................................................................ 405
Fig. 6.3. Gráfico “boxseries” (diagrama de caja anual) de las temperaturas mínimas
diarias de la estación meteorológica de Fuente Álamo – AEMET (7023). Generado por
ClimPACT2 ............................................................................................................... 407
Fig. 6.7. Ejemplo, a la izquierda, de las series con las anomalías más homogénea
(Alcantarilla) y de la más inhomogénea (Pinoso). A la derecha, reconstrucción de sub-
periodos homogéneos, con un proceso de homogeneización muy leve (Alcantarilla), y
extremadamente fuerte (Pinoso). .............................................................................. 414
Fig. 6.8. Número de "roturas " o inhomogeneidades detectadas por Climatol en relación
con el número de estaciones afectadas y el período de análisis (1997-2016). .......... 416
Fig. 6.10. Ejemplo, a la izquierda, de la serie con las anomalías más homogénea (Emb.
Cenajo) y de la más inhomogénea (Alfonso X). A la derecha, reconstrucción de sub-
periodos homogéneos, con un proceso de homogeneización muy leve (Emb. Cenajo), y
extremadamente fuerte (Alfonso X) .......................................................................... 418
XXV
Fig. 6.11. Mapas de las tendencias temporales de los días de helada (FD) para el
período 1950-2016 (izquierda) y 1997-2016 (derecha) ............................................. 421
Fig. 6.12. a) Tendencias temporales de los días de helada (FD) en ventanas temporales
desde 1951-1980 a 1987-2016 (rangos en ventanas móviles de 30 años), b) Tendencias
temporal en ventanas móviles de 30 a 20 años, desde 1986-2016 a 1996-2016. Las
estrellas indican significancia estadística a un nivel de confianza del 0.05................ 422
Fig. 6.13. Evolución temporal anual de las anomalías estandarizadas de los días de
helada (FD) en las regiones climáticas definidas por cluster (1950-2016). Cálculo
respecto al periodo de referencia 1981-2010 ............................................................ 423
Fig. 6.14. Mapas de las tendencias temporales de los días de helada (FD) a nivel
mensual para el período 1950-2016. De arriba abajo, e izquierda a derecha (octubre,
noviembre, diciembre, enero, febrero, marzo y abril). ............................................... 425
Fig. 6.15. Mapas de las tendencias temporales de las rachas frías (CSDI) para el
período 1950-2016 (izquierda) y 1997-2016 (derecha) ............................................. 426
Fig. 6.17. Evolución temporal anual de las anomalías estandarizadas de los días de
helada (FD) en las regiones climáticas definidas por cluster (1950-2016). Cálculo
respecto al periodo de referencia 1981-2010 ............................................................ 429
Fig. 6.18. Mapas de las tendencias temporales de las temperaturas medias de las
mínimas (TNm) para el período 1950-2016 (izquierda) y 1997-2016 (derecha). ....... 430
Fig. 6.21. Mapas de las tendencias temporales de las temperaturas medias de las
mínimas (TNm) a nivel mensual para el período 1950-2016. De arriba abajo, e izquierda
a derecha (octubre, noviembre, diciembre, enero, febrero, marzo y abril). ................ 434
XXVI
Fig. 6.22. Mapas de las tendencias temporales del percentil 10 de las temperaturas
mínimas (TN10p) para el período 1950-2016 (izquierda) y 1997-2016 (derecha). .... 436
Fig. 6.23. a) Tendencias temporales del P10 de las temperaturas mínimas (%/década)
en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en ventanas móviles de
30 años). b) Tendencias temporal en ventanas móviles de 30 a 20 años, desde 1986-
2016 a 1996-2016. Las estrellas indican significancia estadística a un nivel de confianza
del 0.05. .................................................................................................................... 436
Fig. 6.24. Evolución temporal anual de las anomalías estandarizadas del percentil 10 de
las temperaturas mínimas (TN10p) en las regiones climáticas definidas por cluster
(1950-2016). Cálculo respecto al periodo de referencia 1981-2010 .......................... 438
Fig. 6.25. Mapas de las tendencias temporales de los días con temperaturas mínimas
(TN) < a -2ºC (TNltm2) para el período 1950-2016 (izquierda) y 1997-2016 (derecha).
................................................................................................................................. 440
Fig. 6.26. a) Tendencias temporales de los días con temperatura mínima inferior a -2ºC
(días/década) en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en
ventanas móviles de 30 años). b) Tendencias temporal en ventanas móviles de 30 a 20
años, desde 1986-2016 a 1996-2016. Las estrellas indican significancia estadística a un
nivel de confianza del 0.05........................................................................................ 441
Fig. 6.27. Evolución temporal anual de las anomalías estandarizadas los días con
temperatura mínima inferior a -2ºC (días/década) en las regiones climáticas definidas
por cluster (1950-2016). Cálculo respecto al periodo de referencia 1981-2010......... 442
Fig. 6.28. Mapas de las tendencias temporales de los días con temperaturas mínimas
(TN) < a 2ºC (TNlt2) para el período 1950-2016 (izquierda) y 1997-2016 (derecha). 443
Fig. 6.29. a) Tendencias temporales de los días con temperatura mínima inferior a 2ºC
(días/década) en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en
ventanas móviles de 30 años). b) Tendencias temporal en ventanas móviles de 30 a 20
años, desde 1986-2016 a 1996-2016. Las estrellas indican significancia estadística a un
nivel de confianza del 0.05........................................................................................ 444
Fig. 6.30. Evolución temporal anual de las anomalías estandarizadas los días con
temperatura mínima inferior a 2ºC (días/década) en las regiones climáticas definidas por
cluster (1950-2016). Cálculo respecto al periodo de referencia 1981-2010. .............. 445
Fig. 6.31. Mapas de las tendencias temporales de las temperaturas mínimas absolutas
anuales (TNn) para el período 1950-2016 (izquierda) y 1997-2016 (derecha). ......... 446
XXVII
Fig. 6.32. a) Tendencias temporales de las temperaturas mínimas absolutas anuales
(ºC/década) en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en
ventanas móviles de 30 años). b) Tendencias temporal en ventanas móviles de 30 a 20
años, desde 1986-2016 a 1996-2016. Las estrellas indican significancia estadística a un
nivel de confianza del 0.05........................................................................................ 447
Fig. 6.34. Mapa de tendencia temporal de la primera helada del periodo (FFF) para el
período 1950-2016.................................................................................................... 450
Fig. 6.37. Mapa de tendencia temporal de la última helada del periodo (LSF) para el
período 1950-2016.................................................................................................... 453
Fig. 6.38. a) Tendencias temporales de la última helada del periodo (LSF) (días/década)
en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en ventanas móviles de
30 años). b) Tendencias temporal en ventanas móviles de 30 a 20 años, desde 1986-
2016 a 1996-2016. Las estrellas indican significancia estadística a un nivel de confianza
del 0.05. .................................................................................................................... 453
Fig. 6.39. Evolución temporal anual de las anomalías estandarizadas de la última helada
del periodo (LSF) (días/década) en las regiones climáticas definidas por cluster (1950-
2016). Cálculo respecto al periodo de referencia 1981-2010. ................................... 455
Fig. 6.40. Mapa de tendencia temporal de la longitud del periodo de helada (FP) para el
período 1950-2016.................................................................................................... 456
XXVIII
años, desde 1986-2016 a 1996-2016. Las estrellas indican significancia estadística a un
nivel de confianza del 0.05........................................................................................ 457
Fig. 6.42. Evolución temporal anual de las anomalías estandarizadas de la longitud del
periodo de heladas (FP) (días/década) en las regiones climáticas definidas por cluster
(1950-2016). Cálculo respecto al periodo de referencia 1981-2010. ......................... 459
Fig. 6.43. Variabilidad temporal de las anomalías estandarizadas durante la época fría
(noviembre-abril) del índice EA y a) FD, b) TNm, c) TN10p y d) FP en la DHS. Línea de
media móvil con un promedio de 10 años (1950-2016)............................................. 459
Fig. 6.44. Patrón de la fase positiva del EAi de presión atmosférica en el geopotencial
de 500 hPa (Z500) y temperaturas en el geopotencial a 850 hPa (T850). Tonos cálidos
con anomalías positivas, y fríos anomalías negativas. Fuente: cdc.noaa.gov ........... 462
Fig. 6.45. Coeficientes de correlación según Kendall entre los índices ET-SCI y el EAi,
para cada observatorio meteorológico (1950-2016) .................................................. 463
Fig. 6.46. Evolución anual de los días de helada (FD) en el conjunto de la DHS (1950-
2016) ........................................................................................................................ 464
Fig. 6.47. Evolución anual de la temperatura media anual invernal (TNm) en el conjunto
de la DHS (1950-2016) ............................................................................................. 466
Fig. 6.48. Evolución anual del percentil 10 de las temperaturas mínimas invernales
(Tn10p) en el conjunto de la DHS (1950-2016) ......................................................... 467
Fig. 6.49. Evolución anual de las rachas frías (CSDI) en el conjunto de la DHS (1950-
2016) ........................................................................................................................ 468
Fig. 7.2. Diagrama resumen para la obtención de la cartografía final del riesgo de
helada. ...................................................................................................................... 489
Fig. 7.3. Evolución temporal de la aparición de la primera helada (FFF) para el conjunto
de 22 observatorios meteorológicos de la DHS (1950-2016). ................................... 491
Fig. 7.4. Evolución temporal la última helada (LSF) para el conjunto de 22 observatorios
meteorológicos de la DHS (1950-2016). ................................................................... 492
Fig. 7.5. Evolución temporal de la longitud del periodo de heladas (FP) para el conjunto
de 22 observatorios meteorológicos de la DHS (1950-2016). ................................... 493
XXIX
Fig. 7.6. Evolución de las toneladas producidas para diferentes grupos de cultivo en la
Región de Murcia (1975-2018). Fuente: Comunidad Autónoma de la Región de Murcia
(Consejería de Agricultura y Agua). .......................................................................... 495
Fig. 7.8. Evolución del precio percibido por el agricultor para diferentes grupos de cultivo
en la Región de Murcia (2075-2018). Fuente: Comunidad Autónoma de la Región de
Murcia (Consejería de Agricultura y Agua). ............................................................... 497
Fig. 7.9. Franja de separación entre la zona occidental con la peligrosidad de helada
más elevada, y la zona oriental, con valores de menor peligrosidad. Peligrosidad general
de helada (noviembre a abril) ................................................................................... 499
Fig. 7.24. Riesgo de helada general (promedio noviembre a abril) para los diferentes
grados de riesgo (de muy alto a moderadamente bajo, de arriba abajo, e izquierda a
derecha). .................................................................................................................. 521
XXX
Fig. 7.25. Riesgo de helada general (promedio noviembre a abril) para los diferentes
tipos de cultivo mayoritarios en la DHS. .................................................................... 525
Fig. 7.32. Distribución espacial por tipología de cultivo en las cuatro zonas más frías de
valle. Elaborado a partir del producto de termografías. ............................................. 536
Fig. 8.1. Altura de piscina (m) en depresiones cerradas. Altiplano kárstico de Hernán
Perea (Jaén). ............................................................................................................ 556
Fig. 8.2. Altura de piscina (m) en depresiones cerradas. Altiplano kárstico de la Sierra
de la Cabrilla (Jaén). ................................................................................................. 558
Fig. 8.3. Altura de la piscina(m) de inversión térmica (líneas negras) y Sky view Factor
(coloreado). Altiplano kárstico de Hernán Perea (Jaén). ........................................... 559
Fig. 8.4. Altura de la piscina(m) de inversión térmica (líneas negras) y Sky view Factor
(coloreado). Altiplano kárstico de la Sierra de la Cabrilla (Jaén). .............................. 560
Fig. 8.5. Propuesta de índice topográfico integrado (ITI). Altiplano kárstico de Hernán
Perea (Jaén). ............................................................................................................ 561
Fig. 8.6. Propuesta de índice topográfico integrado (ITI). Altiplano kárstico de la Sierra
de la Cabrilla (Jaén). ................................................................................................. 562
Fig. 8.7. Localización geográfica del Calar del Mundo (Albacete) y dolina de Pozo
Romero. .................................................................................................................... 563
Fig. 8.8. Termografía de muy alta resolución de Landsat 7 en una jornada de verano,
donde se estima una diferencia de casi 7ºC entre el fondo y borde de la dolina. ...... 563
Fig. 8.9. Panorámica de la sub-dolina de menor altitud en Pozo Romero, Siles (Jaén).
................................................................................................................................. 565
Fig. 8.10. Evolución térmica diezminutal durante las jornadas del 30 al 31 de agosto de
2020 para los sensores de Pozo Romero y los ubicados en el Calar de Hernán Perea e
inmediaciones: Era Alta de Pontón Alto, la dolina de Monterilla y Navalasno (Jaén). Eje
X: temperaturas (ºC), eje Y: horas. ........................................................................... 566
XXXI
Fig. 8.11. Ejemplo de la evolución térmica con datos diezminutales del sensor Elitech
RC-5 de Pozo Romero del 06/10/2020 al 16/10/2020, extraído directamente del software
del datalogger. .......................................................................................................... 567
Fig. 8.12. Temperaturas mínimas absolutas (ºC) en el periodo invernal del 15/12/2019
al 15/01/2020 en los parajes de la Nava del Polvo (Cazorla, Jaén), Pozo Romero (Siles,
Jaén), Vega de Liordes (Posada de Valdeón, León), y Estany Saburó (Torre de
Cabdella, Lleida). ...................................................................................................... 568
Fig. 8.13. Temperaturas mínimas absolutas (ºC) en el periodo canicular del 15/07/2020
al 15/08/2020 en los parajes de la Nava del Polvo (Cazorla, Jaén), Pozo Romero (Siles,
Jaén), Prado Veneiro (Cospedal, León), y La Vasequilla (Checa, Guadalajara). ...... 569
XXXII
Índice de tablas
Tabla 1.1. Temperaturas mínimas extremas registradas en las principales olas de frío
de las últimas décadas en zonas litorales y prelitorales de Murcia y Alicante. Datos de
AEMET. ...................................................................................................................... 22
Tabla 2.1. Umbrales de I para los tipos de IT establecidos por Tavousi y Abadi (2016)
según su intensidad. ................................................................................................... 51
Tabla 2.2. Umbrales de CINV (ºC) según el índice propuesto por el autor .................... 51
Tabla 2.4. Valores medios mensuales estimados para las variables utilizadas en la
caracterización de las ITs nocturnas (1986-2015). Fuente: AEMET. ........................... 56
Tabla 2.6. Jornadas con las inversiones térmicas nocturnas más intensas (DT INV) en el
periodo (1986-2015). Fuente: AEMET. ....................................................................... 80
Tabla 2.7. Puntos de observación con mayor y menor C INV media (ºC) en la DHS.
(octubre 2016 - mayo 2018). ....................................................................................... 87
Tabla 2.8. Puntos de observación con mayor y menor CINV absoluta (ºC) en la DHS.
(octubre 2016 - mayo 2018). ....................................................................................... 89
XXXIII
Tabla 2.12. Tendencias estadísticas según Kendall (tendencias/década) con un
intervalo de confianza del 95% (en negrita significancia estadística). Nivel de
significancia (P-value) según el Test de Wilcoxon Signed-Rank <0.01 (en rojo) y < 0.05
(en naranja) estimadas para PA, T850 y T500. ........................................................... 96
Tabla 3.2. Jornadas con inversiones térmicas nocturnas más intensas en la DHS (2011-
2016) identificadas mediante los índices de Tavousi y Abadi (2016) y de Ferreira y Shipp
(2005). ...................................................................................................................... 120
Tabla 3.3. Diferencias absolutas y gradientes térmicos entre las estaciones de Las
Encebras, ubicada en un CAP, (a menor altitud) (A) y de La Zarza situada sobre terrenos
irregulares de mayor altitud (B) (2011-2016). Comarca del Altiplano. ....................... 124
Tabla 3.4. Diferencias y gradientes térmicos entre estaciones ubicadas en CAP (fondos
de valle) y en laderas. Comarca del Noroeste (periodo 2011-2016).......................... 130
Tabla 3.5. Diferencias y gradientes térmicos entre estaciones ubicadas en CAP (fondos
de valle) y en laderas. Comarca del Bajo Guadalentín (periodo 2011-2016). ............ 138
Tabla 3.6. Diferencias y gradientes térmicos entre estaciones ubicadas en CAP (fondos
de valle) y en laderas. Comarca de la VARS (periodo 2011-2016). .......................... 144
Tabla 3.7. Diferencias y gradientes térmicos entre estaciones ubicadas en CAP (fondos
de valle) y en laderas. Comarca de la VMRS (periodo 2011-2016). .......................... 152
Tabla 4.3. Correlación estadística entre los productos VIIRS LST vs. MODIS LST. P
Value en negrita con significancia estadística para un nivel de confianza del 99%. Según
el test de Sapiro-Wilk se utiliza el test “S” (Spearman) o “P” (Pearson), según la
normalidad de la muestra.......................................................................................... 218
Tabla 4.4. Correlación estadística entre EuroLST (BIO6) vs. los productos VIIRS LST y
MODIS LST. P Value en negrita con significancia estadística para un nivel de confianza
del 99%. Según el test de Sapiro-Wilk, se utiliza el test “S” (Spearman) o “P” (Pearson),
según la normalidad de la muestra. .......................................................................... 219
Tabla 4.5. Correlación estadística entre los productos VIIRS / MODIS LST vs. ST. P
Value en negrita, con significancia estadística para un nivel de confianza del 99%. Según
XXXIV
el test de Sapiro-Wilk se utiliza el test “S” (Spearman) o “P” (Pearson), según la
normalidad de la muestra.......................................................................................... 222
Tabla 4.7. Entidades poblacionales (habitadas, según último Padrón municipal, 2018)
que se encuentran en los umbrales térmicos más fríos de la termografía final
(MODIS/VIIRS LST) en la DHS ................................................................................. 247
Tabla 5.3. Índices climáticos analizados en los 21 datalogger analizados (octubre 2016
– marzo 2020)........................................................................................................... 299
Tabla 5.4. Umbrales propuestos para el índice de intensidad de rachas de helada (IRH).
................................................................................................................................. 300
Tabla 5.5. Condiciones atmosféricas definidas por Pasquill (clases de estabilidad). 301
Tabla 5.6. Temperaturas mínimas absolutas registradas por la red propia de datalogger.
................................................................................................................................. 303
Tabla 5.7. Temperaturas mínimas absolutas (ºC) más bajas registradas en la mitad sur
de la Península Ibérica (1933-2020). ........................................................................ 310
Tabla 5.8. Número medio total de horas de heladas (año y trimestre invernal), y ratio por
día de helada en los 21 datalogger analizados (oct 16 – mar 20). ............................ 315
Tabla 5.9. Tasas de enfriamiento (TE) medio y absoluto (ºC) en los 21 datalogger
analizados (oct 16 – mar 20)..................................................................................... 316
Tabla 5.10. Capacidad de inversión térmica media y absoluta (CINV) en los 21 datalogger
analizados. ............................................................................................................... 317
Tabla 5.11. Características del FP en los 21 datalogger analizados (FFF, LSF, FP e ICH)
................................................................................................................................. 320
Tabla 5.13. Temperaturas mínimas absolutas (ºC) en Monterilla - Hernán Perea (oct 16
– mar 20). ................................................................................................................. 325
XXXV
Tabla 5.14. Resumen mensual de las características de la intensidad de helada en
Monterilla (Hernán Perea). (oct 16 – mar 20). ........................................................... 327
Tabla 5.15. Nº total de horas con temperatura negativa y peso relativo respecto al total
en Monterilla (oct 16 – mar 20). ................................................................................ 328
Tabla 5.16. Temperatura media por intervalo temporal durante el trimestre invernal.
................................................................................................................................. 330
Tabla 5.19. Temperaturas mínimas absolutas (ºC) registrada en la red de datalogger del
2 al 7 de diciembre de 2017. ..................................................................................... 357
Tabla 5.22. Temperaturas mínimas absolutas del 2 al 7 de diciembre de 2017 con y sin
datalogger de la red FrostSE. Redes utilizadas: SIAM IMIDA, SAIH Segura, AEMET,
Meteoclimatic. ........................................................................................................... 359
Tabla 5.23. Temperaturas mínimas absolutas (ºC) registrada en la red de datalogger del
11 al 14 de diciembre de 2017. ................................................................................. 366
XXXVI
Tabla 5.27. Temperaturas mínimas absolutas (ºC) registrada en la red de datalogger del
5 al 9 de febrero de 2018, y tipología de estabilidad durante las horas nocturnas en cada
jornada...................................................................................................................... 377
Tabla 5.31. Temperaturas mínimas absolutas (ºC) registrada en la red de datalogger del
22 al 26 de febrero de 2018. ..................................................................................... 388
Tabla 5.34. Temperaturas mínimas absolutas del 22 al 26 de febrero de 2018 con y sin
datalogger de la red FrostSE. Redes utilizadas: SIAM IMIDA, SAIH Segura, AEMET,
Meteoclimatic. ........................................................................................................... 391
Tabla 6.2 Índices climáticos utilizados en el análisis de las tendencias temporales. . 409
Tabla 6.3. Resumen estadístico del QC aplicado por el software ClimPACT2 para las 63
estaciones meteorológicas escogidas inicialmente. .................................................. 410
Tabla 6.4. Resumen, por estación meteorológica, de las variables del proceso de
homogeneización por Climatol. El nombre de la serie hace referencia a la serie
homogeneizadas elegida para el análisis de tendencias temporales. ....................... 415
Tabla 6.5. Resumen, por estación meteorológica, de las variables del proceso de
homogeneización por Climatol. Series homogeneizadas para el posterior análisis de
tendencias temporales. ............................................................................................. 419
XXXVII
Tabla 6.6. Tendencias temporales (/ 10 años) de los días de helada (FD) para las
regiones climáticas definidas por cluster, en el período 1950-2016. Nivel de confianza
(p value) < 0,05. ........................................................................................................ 421
Tabla 6.7. Tendencias temporales (/ 10 años) de los días de helada (FD) a nivel mensual
para las regiones climáticas definidas por cluster (1950-2016). Nivel de confianza (p
value) < 0,05 ............................................................................................................. 425
Tabla 6.8. Tendencias temporales (/ 10 años) de las rachas frías (CSDI) para las
regiones climáticas definidas por cluster, en el período 1950-2016. Nivel de confianza
(p value) < 0,05. ........................................................................................................ 426
Tabla 6.13. Tendencias temporales (/ 10 años) los días con temperaturas mínimas (TN)
< a -2ºC (TNltm2) para las regiones climáticas definidas por cluster, en el período 1950-
2016. Nivel de confianza (p value) < 0,05. ................................................................ 440
Tabla 6.14. Tendencias temporales (/ 10 años) los días con temperaturas mínimas (TN)
< a 2ºC (TNlt2) para las regiones climáticas definidas por cluster, en el período 1950-
2016. Nivel de confianza (p value) < 0,05. ................................................................ 443
Tabla 6.16. Tendencias temporales (/ 10 años) de la primera helada del periodo (FFF)
para las regiones climáticas definidas por cluster, en el período 1950-2016. Nivel de
confianza (p value) < 0,05. ........................................................................................ 449
XXXVIII
Tabla 6.17. Tendencias temporales (/ 10 años) de la última helada del periodo (LSF)
para las regiones climáticas definidas por cluster, en el período 1950-2016. Nivel de
confianza (p value) < 0,05. ........................................................................................ 452
Tabla 6.19. Coeficientes de correlación según Kendall entre los índices EAi y ET-SCI.
En negrita, significancia estadística al nivel de confianza del 99%. ........................... 461
Tabla 6.20. Resumen de las tendencias temporales de los índices analizados, según
dos periodos temporales (1950-2016) y (1997-2016). En negrita, con p value significativo
con un nivel de confianza del 95%. ........................................................................... 465
Tabla 6.21. Inviernos meteorológicos (DIC, ENE y FEB) con las temperaturas medias
de las mínimas (TNm) más frías y más templadas en el conjunto de la DHS (1950-2016),
y valor del índice EA. ................................................................................................ 469
Tabla 6.22. Inviernos meteorológicos (DIC, ENE y FEB) con el mayor y menor número
de días de helada (FD) en el conjunto de la DHS (1950-2016), y valor del índice EA en
el mismo periodo. ..................................................................................................... 470
Tabla 7.1. Niveles de reclasificación utilizados para la vulnerabilidad (V), exposición (E)
y peligrosidad (P) de heladas.................................................................................... 484
Tabla 7.3. Promedio estadístico diferentes índices climáticos por década para el
conjunto de 22 observatorios meteorológicos de la DHS (1950-2016) ...................... 490
Tabla 7.4. Promedio estadístico de la aparición de la primera helada del periodo (FFF),
de la última (LSF), longitud del periodo (FP), índice ICH y su tendencia temporal
días/década (estadísticamente significativo en negrita) para los 22 observatorios
meteorológicos analizados en la DHS (1981-2010) .................................................. 494
Tabla 7.5. Evolución de las toneladas producidas para diferentes grupos de cultivo en
la Región de Murcia (1975-2018). Fuente: Comunidad Autónoma de la Región de Murcia
(Consejería de Agricultura y Agua). .......................................................................... 495
Tabla 7.6. Evolución del precio percibido por el agricultor para diferentes grupos de
cultivo en la Región de Murcia (1975-2018). Fuente: Comunidad Autónoma de la Región
de Murcia (Consejería de Agricultura y Agua). .......................................................... 497
XXXIX
Tabla 7.7. Superficie (km2) de los diferentes usos del suelo en la Demarcación
Hidrográfica del Segura. Fuente: Catastro. ............................................................... 507
Tabla 7.8. Superficie (km2) de los diferentes tipos de cultivo del uso agrícola en la
Demarcación Hidrográfica del Segura. Fuente: Catastro. ......................................... 508
Tabla 7.10. Superficie total y relativa (km2) de los diferentes grados de vulnerabilidad de
helada en la Demarcación Hidrográfica del Segura. Fuente: Catastro. ..................... 509
Tabla 7.12. Superficie (km2) de los tipos de cultivo predominantes por el mayor grado
de riesgo de helada durante los meses de marzo y abril en la DHS. Fuente: Catastro.
................................................................................................................................. 523
Tabla 7.13. Superficie (km2) por tipo de cultivo y nivel de riesgo de helada en la DHS
................................................................................................................................. 527
Tabla 7.14. Peso relativo (%) por tipo de cultivo y nivel de riesgo de helada en la DHS
................................................................................................................................. 527
Tabla 7.15. Superficie absoluta (km2) y relativa (%) por tipología de cultivo en las cuatro
zonas más frías de valle. Elaboración a partir del producto de termografías. ............ 535
Tabla 8.1. Características térmicas de los puntos más fríos del sureste peninsular (DHS)
y a nivel nacional (España) en el periodo 15/12/2019 al 15/01/2020. ........................ 568
Tabla 8.2. Características térmicas de los puntos más fríos del sureste peninsular (DHS)
y a nivel nacional (España) en el periodo canicular del 15/07/2020 al 15/08/2020. ... 569
Tabla 8.3. Temperaturas mínimas absolutas (ºC) más bajas a nivel nacional durante dos
de las jornadas más relevantes en Pozo Romero, correspondientes al 31 de agosto y 16
de octubre de 2020. Fuente: redes meteorológicas oficiales y aficionadas. .............. 570
XL
“Tuve la idea de medir la caída de temperatura nocturna en el Sèche des
suelo con el cielo despejado. Me gusta admitir que fue un placer secreto para
mí pasar la noche bajo un cielo azul, solo con la naturaleza dormida. Poco
después del atardecer en la Sèche, todos mis termómetros, que leeré hora
Ya no se oye nada excepto las campanas del ganado que todavía están a lo
perturbada por el amanecer del nuevo día, ni siquiera por un soplo de viento,
INTRODUCCIÓN
1.1. MARCO CONCEPTUAL
La Tesis Doctoral desarrollada en los siguientes capítulos se enmarca dentro de la
disciplina científica de la Climatología, con el principal objetivo, a través de estas
páginas, a contribuir con el avance del estudio teórico-práctico en el ámbito de la
modelización climática y a la mejora en la comprensión del sistema Atmósfera-Tierra.
La interrelación existente y tan ligada entre los procesos atmosféricos y las actividades
económicas humanas, requiere del constante estudio y conocimiento de tales procesos
y sus efectos sobre aquellos modelos productivos, que tan estrechamente dependen de
la atmósfera. En la actualidad, y concretamente en la Región de Murcia, la tecnificación
y el avance de los procesos agro-industriales provoca que la autonomía con respecto a
los eventos meteorológicos sea máxima, siendo necesario un estudio y seguimiento
exhaustivo de tales procesos. Uno de las demandas actuales es la predicción y
evolución meteorológica espacio-temporal, cada vez con una mayor rigurosidad y
veracidad. Hoy más que nunca, las elaboraciones científicas teórica-prácticas
insertadas en la rama de la Geografía están siendo cada vez más recurrentes y
demandadas en el mercado profesional, por lo que uno de los retos más ambiciosos de
esta investigación, es la de facilitar nuevas metodologías y cartografía de alta resolución,
para aumentar el nivel de mejora entre agricultura y agricultor, e intentar huir, por tanto,
de lo meramente teórico.
2
1.1.1. Las temperaturas mínimas en el sistema climático global
Uno de los grandes objetivos globales de la presente Tesis Doctoral es el estudio
espacio-temporal pormenorizado y detallado del frío nocturno durante el periodo frío
anual, y su interrelación con la cobertura agraria en la Demarcación Hidrográfica del
Segura (DHS). El estudio de la peligrosidad de helada, y su influencia en los diferentes
tipos de cultivos del área de estudio (vulnerabilidad y exposición), vienen determinadas
por la evolución temporal de los índices climáticos referentes al frío nocturno (días de
helada, temperaturas mínimas absolutas…).
El 5º informe del IPCC (Hartmann et al., 2013) indica una reducción planetaria de los
días de helada o FD (temperatura <0ºC), con un elevado nivel de confianza en
Norteamérica y América Central, sureste de Asia, Oceanía, suroeste de África, Europa,
3
y países del Mediterráneo (Fig. 1.2). Con una confianza media, aparecen descensos en
Sudamérica, norte y mitad este de África. Tan sólo algunos sectores de Asia, excluyendo
el sureste, presenta incrementos con una elevada confianza. Los diferentes escenarios
(RCP 2.6, 4.5 y 8.5) muestran descensos de 7 a 15 días en el año 2050, y entre 7 y 22
días para 2100, dependiendo del ritmo de emisiones durante los próximos años.
Fig. 1.2. CMIP5 cambios geográficos medios multimodelos (en relación con un período
de referencia de 1981 2000) en común con CMIP3, bajo RCP8.5 y series temporales
suavizadas de 20 años para RCP2.6, RCP4.5 y RCP8.5. Fuente: IPCC.
Los extremos de temperatura mostraron una gran variabilidad temporal, con importantes
cambios en relación al calentamiento global y una reducción generalizada de las heladas
en regiones de latitudes medias (Fig. 1.3), con descensos de -3,9 a -4,5 días/década
(Caesar et al., 2006; Donat et al., 2013a; Donat et al., 2013b). En Europa, de acuerdo
con las conclusiones del AR4, los estudios recientes de eventos extremos apuntan a
una disminución del número de días y noches frías desde 1950. Existe, además, una
gran confianza en las proyecciones del modelo de temperatura media en los países
europeos del Mediterráneo.
4
Es muy probable que las temperaturas medias continúen aumentando durante el siglo
XXI, siendo relevantes durante el periodo de invierno, lo que repercutirá en una
disminución de la peligrosidad de helada en zonas de importancia en la concentración
de cultivos agrarios, como es el caso del sureste de la Península Ibérica.
Fig. 1.4. Tendencia espacio-temporal de los días de helada (FD) en Europa. Fuente:
climdex.org.
5
son menos importantes en la fachada occidental del continente, en especial la Península
Ibérica (Fig. 1.4), donde el descenso ha sido mucho más paulatino durante las últimas
décadas (Fig. 1.5). Este aspecto, en el contexto del área de estudio (DHS), será
analizado en el capítulo 5 de la presente Tesis Doctoral.
Fig. 1.5. Tendencia temporal de los días de helada (FD) en la Península Ibérica. Fuente:
climdex.org.
6
peninsular, con una reducción del 10/15% para el año 2050. Por su parte, para el mismo
año, los escenarios RCP4.5 y 8.5 muestra una reducción del 20%.
Fig. 1.6. Nº días helada (FD): nº de días con temperatura mínima inferior a 0º C.
Proyecciones regionalizadas del AR5 (CORDEX) para la España peninsular y la
Demarcación Hidrográfica del Segura (DHS). Fuente: AEMET.
7
Fig. 1.7. Cambios temporales en el histograma de temperatura (media y varianza).
Fuente: IPCC (2003).
8
1.1.2. Los procesos de inversión térmica nocturna (ITN)
El fenómeno de inversión térmica nocturna (ITN) vertebra los capítulos de la Tesis
Doctoral, y repercute de forma muy notable en la distribución de las temperaturas en la
superficie terrestre. La inversión de temperatura nocturna supone un cambio térmico en
el gradiente altitudinal, con temperaturas más bajas por debajo del estrato de inversión,
y valores más elevados en un nivel superior. La orografía más accidentada con
alternancia de valles y crestas, laderas o picos determina una distribución térmica
compleja. Juega un papel importante en la meteorología de las regiones montañosas y
en la distribución de las temperaturas nocturnas. Ocurre con frecuencia bajo condiciones
anticiclónicas tranquilas, cuando la radiación al enfriarse en el nivel de fondo, unido al
aire frío que drena por la ladera de la montaña, se acumula en los valles durante las
horas nocturnas, especialmente en condiciones claras, tranquilas y frías. (Burroughs,
1995).
El inicio del proceso se sitúa hacia primeras horas de la tarde, bajo condiciones estables,
soleadas y con una escasa velocidad del viento. El sol ya no está en su cénit,
progresivamente pierde altura en el horizonte, pero el balance de radiación sigue siendo
positivo, y por lo general, se registra la temperatura más elevada de la jornada. Los
procesos convectivos, con una atmósfera mezclada, determina que la temperatura
disminuya con la altitud, con valores térmicos más elevado en las zonas de menor altitud
del valle. La pérdida de altura del sol con el transcurso de la tarde-noche deja cada vez
más porciones de sombra, clave en un mayor ritmo de descenso de la temperatura. El
balance de radiación se vuelve negativo, y, por tanto, la capa de aire inmediatamente
superior a la superficie empieza a enfriarse. Una vez los últimos rayos del sol
desaparecen, la radiación directa de onda corta se desvanece por completo, aunque
una pequeña porción de radiación difusa continúa. Durante los primeros minutos de
balance negativo las temperaturas superficiales son todavía altas, debido a la radiación
infrarroja de onda larga.
La capa de aire más fría en contacto con la superficie, que se forma en las laderas del
valle o depresión, posee una densidad elevada, por lo que fluye por gravedad hacia
cotas altitudinales más bajas. Según la pendiente y rugosidad de la ladera, la velocidad
puede alcanzar 1 a 4 m/s a una altura de 1 a 3 metros sobre el suelo (Whiteman, 2000).
El viento impulsado por gravedad se conoce como viento catabático o brisa de montaña,
y será desarrollado en los próximos capítulos. Una vez alcanza el fondo del valle, el aire
más denso no puede seguir fluyendo, por lo que se acumula en la zona de menor altitud
de la depresión. Ésta capa de aire frío continúa enfriándose durante las próximas horas,
9
y el aire recién enfriado y suministrado desde las laderas del área de captación, se
superpone sobre el aire más frío del fondo
A partir de ese momento empieza a formarse la piscina de aire frío o “cold air pools”
(CAP). Si no se ve perturbada por sistemas de viento a gran escala, o por nubosidad, el
fondo del valle o depresión se “desacopla” del resto de la atmósfera adyacente,
constituyendo una inversión de temperatura vertical, y, por tanto, un área con
condiciones microclimáticas diferentes. A partir de este momento, la temperatura
aumenta con el ascenso altitudinal, hasta llegar al límite superior de la CAP. Whiteman
et al. (2004) observan gradientes térmicos de 0.2 - 0.3 ºK/m en verano y de 0.3 a 1 ºK/m
con cubierta de nieve en invierno.
10
superficie en forma de rocío o escarcha. El proceso de condensación libera calor a la
atmósfera, lo que ralentiza aún más el enfriamiento. Por tanto, un punto de rocío más
bajo, y una menor humedad relativa ambiental, favorece un mayor descenso de la
temperatura. El flujo lento del fondo del valle interacciona de forma débil con la mezcla
vertical inmediatamente superior, lo que permite que el proceso de enfriamiento local
siga confinado y desacoplado del flujo sinóptico más cálido de niveles altitudinalmente
superior (Sheridan, 2019) (Fig. 1.8).
Las temperaturas más bajas se registran poco antes del amanecer. A medida que el sol
se eleva en el horizonte, el balance radiación vuelve a ser positivo. Las pendientes
expuestas al sol empiezan a calentarse, el aire se eleva comenzando la circulación, y la
piscina de aire frío se hunde. La disipación de la CAP se produce porque la radiación
solar calienta las pendientes expuestas y el aire del fondo del valle empieza a ascender.
La energía suministrada por el sol se utiliza en gran medida para evaporar las heladas
o rocío. Esta transición de agua es tan intensa desde el punto de vista energético, que
el aire sólo empieza a ascender la temperatura tras finalizar este proceso.
En esta línea se enmarca la presente investigación científica, que tiene por objeto
principal el estudio de las inversiones térmicas nocturnas con génesis de helada en la
DHS. Se origina con el propósito de abordar uno de los riesgos atmosféricos quizás
menos estudiados en el ámbito mediterráneo: las heladas, debido especialmente al
vasto estudio que ha sido protagonizado por las inundaciones, lluvias torrenciales, olas
de calor y sequías, debido en buena lógica a su mayor incidencia y repercusión
territorial. Por tratarse de un espacio inserto dentro del Sureste Peninsular y próximo al
ámbito subtropical, el estudio podría carecer de interés debido a la mitificación de
bonanza climática que se le atribuye el sureste peninsular, pero en detrimento de la
lógica, su compleja morfología topográfica unida a determinadas configuraciones
sinópticas particulares, propician que las heladas en esta zona -de gran tradición
hortofrutícola- sean relevantes, especialmente asociadas a fenómenos de inversiones
térmicas. Presenta, por tanto, una justificación más notable para su estudio, sin duda es
novedoso y pionero en las regiones meridionales de la Península Ibérica.
11
de total estabilidad, es un hecho relativamente frecuente en valles agrícolas del interior
sureste peninsular, incluso en enclaves situados a poca altitud, donde se asientan
cultivos horto-frutícolas de gran valor económico.
Una piscina de aire frío (CAP) es una capa de aire estable y estratificada que se
encuentra confinada en el fondo de un valle o cuenca. Las CAP se forman con
frecuencia durante las horas nocturnas bajo cielo despejado y condiciones de vientos
sinópticos débiles, destruyéndose por convección después del amanecer (Arduini et al.,
2020). Durante noches tranquilas y despejadas, especialmente en invierno, las
temperaturas superficiales en los fondos de los valles caen y el debilitamiento de la
turbulencia ayuda a crecer a una capa cerca de la superficie con aire más frío que arriba,
produciendo una inversión térmica. El aire frío que se forma cerca del suelo, tanto en
los lados del valle como en el fondo del valle, fluye cuesta abajo, pero puede quedar
atrapado por la topografía, un proceso conocido como agrupación de aire frío (Lundquist
y Huggett., 2008).
12
advección o invasión horizontal, por debajo de aire frío, o por encima de cálido, son más
frecuentes, extensas e importantes que las de irradiación según el ámbito geográfico
del planeta (Trewartha, 1943).
Los CAP en dolinas y valles se han examinado ampliamente en las últimas décadas,
pero los mecanismos de su formación y evolución no se comprenden completamente, y
todavía están mal modelizados. La diferencia entre las temperaturas en el fondo del
valle y fuera del valle puede ser de varios grados (Smith et al., 2010; Jiménez et al.,
2015), con diferencias de hasta 20ºC en depresiones cerradas (Iijima y Shinoda, 2000).
Numerosos autores han determinado que los elementos topográficos subsidentes,
registran las temperaturas más bajas durante los fenómenos de ITN (Clements et al,
2003). Por ejemplo, la deposición de masas de aire frío estable en Peter Sink (Utah),
llega a presentar un acopio máximo de frío (-56ºC) en las disoluciones calizas (dolinas).
Los valles también conforman espacios desacoplados dinámicamente de la atmósfera
superior, donde los flujos descendentes pueden persistir por más tiempo, llegando a un
estado casi estable si se desarrolla un flujo descendente durante la noche (Burns y
Chemel, 2015; Arduini et al., 2016). También han sido notorios los esfuerzos por el
estudio de la rotura de la capa de inversión térmica, especialmente en el paso nocturno
de condiciones irradiativas a advectivas (Zhong et al., 2001).
La forma del valle a lo largo de su eje longitudinal es importante, debido a las diferencias
de presión inducidas a lo largo del valle producidas por las diferencias en la velocidad
de enfriamiento y calentamiento dependiendo de la forma de corte transversal. Tales
diferencias producen drenaje por un lado o atrapan el aire por otro lado, lo que debilita
o fortalece la CAP respectivamente. Este efecto se calcula utilizando el factor de
amplificación topográfico (Whiteman, 1990).
Las condiciones climáticas locales, asociadas a una frecuente concentración de aire frío
en superficie, suele tener efectos significativos sobre los usos del suelo, y en particular
sobre la fenología de los cultivos (Rodrigo, 2000; Chung et al., 2006). Chung aborda los
perjuicios en la floración de yemas en frutales de climas templados, ideando un
esquema de interpolación espacial que fue desarrollado para pronosticar la acumulación
de aire frío en un área geográfica local. La interpolación espacial ha sido ampliamente
aplicada para la cartografía de temperaturas mínimas en zonas montañosas (Thornton
et al., 1997; Bolstad et al., 1998; Jarvis y Stuart, 2001). La mayoría de los modelos de
interpolación espacial para la estimación de temperatura mínima, incorpora una
corrección de gradiente vertical con el fin de acomodar la diferencia de elevación
(Dodson y Marks, 1997; Nalder y Wein, 1998).
13
La mayoría de las especies de árboles frutales caducifolios requieren un mínimo de
acumulación de unidades de frío durante el invierno, para romper así con la latencia. Tal
condición se acompaña a menudo por períodos de temperaturas de congelación durante
la brotación y la floración. Si bien las bajas temperaturas invernales pueden limitar la
distribución geográfica de un determinado cultivo, bajo temperaturas primaverales
pueden perjudicar seriamente la producción en las zonas donde en particular está bien
establecida (Rodrigo, 2000). Además, en muchos otros lugares del mundo las
acumulaciones de aire frío son responsables de muchos episodios de contaminación
del aire durante las noches de la época invernal (Allwine et al., 1992). Los
contaminantes liberados dentro de un CAP pueden quedar atrapados dentro de ellos,
causando riesgos potenciales para la salud en áreas con mucho tráfico o industrias
(Young y Whiteman, 2015). La producción de frío persistente, si van acompañados por
las nubes, de lloviznas o lluvia ligera, tienen efectos importantes en la visibilidad y llega
a producir efectos adversos significativos sobre el transporte y la salud.
Las primeras percepciones del fenómeno en España son constatadas en los siglos XVI
y XVIII (Torriani, 1978), cuando por primera vez aparecen alusiones al “mar de nubes”
canario (consecuencia de las continuas inversiones térmicas que se suceden en este
archipiélago atlántico) y al cambio térmico producido por la abundante presencia de
Stratocumulus (Dorta Antequera, 1994), haciendo alusión en una primera instancia a
inversiones de tipo subsidente en niveles altos atmosféricos. Pese a que los efectos de
las inversiones térmicas fueron percibidos con anterioridad, López Gómez (1975) sitúa
la primera referencia explícita a este tipo de situaciones hacia mediados del siglo XIX,
tras la ascensión del astrónomo Piazzi-Smyth a la cumbre del Teide (Tenerife) en 1856.
Tullot (1956) y Capel Molina (2005) analizan dos de los episodios fríos más relevantes
de la reciente historia climatológica de nuestro país: la gran ola de frío de febrero de
1956 y la acontecida en enero de 2005. Concluyen la importancia que atesoran las
advecciones frías –polares/árticas- en las características que posteriormente tendrán
las heladas de irradiación, una vez la atmósfera se estabilice, y que por lo general suelen
dejar los registros record de temperatura en los fondos de valle.
14
Los estudios realizados en el ámbito regional son escasos y recientes en el tiempo. Tras
la consulta de la bibliografía científica se constata un exiguo tratamiento acerca de las
inversiones térmicas en la Región de Murcia, solamente con algunas investigaciones
puntuales sobre heladas en un ámbito general. Destacan en este sentido, las
aportaciones de Gala (1993), quien analiza los episodios de heladas severas de enero
1985 y enero de 1991, concluyendo con unas pérdidas económicas totales 944.000.000
mill. de pesetas. Ferreras Fernández et al. (2003) propone una revisión extensa acerca
de las heladas en la Huerta de Murcia con determinación de periodos de retorno para
diferentes umbrales térmicos, así como la adaptación de métodos empíricos de
predicción de temperaturas mínimas al área de estudio. Quiles Payá (2011) analiza las
heladas producidas en los cítricos de la Región de Murcia en el año 2010-2011,
determinando que los municipios con los daños más severos en cítricos correspondieron
a Molina de Segura, Alhama de Murcia y Puerto Lumbreras.
El análisis climático efectuado en la Tesis Doctoral utiliza como fuente de datos principal
los registros diarios de temperatura mínima absoluta. Han sido recopilados un total de
389 series meteorológicas de diferentes organismos y longitud temporal, creando una
amplia base de datos en la Demarcación Hidrográfica del Segura. Del total de series,
155 pertenecen a la Agencia Estatal de Meteorología (AEMET), 49 al Instituto Murciano
de Investigación y Desarrollo Agrario y Alimentario (IMIDA), 142 al Sistema de Alerta e
Información Hidrológica de la Confederación Hidrográfica del Segura (SAIH Segura), y
finalmente 42 series pertenecientes a la red propia de termómetros registradores
(datalogger). Los datos diarios de temperatura mínima han sido utilizados para el
análisis estadístico de periodos temporales homogéneos, para el cálculo de diversos
índices climáticos, elaboración de cartografía de riesgo de helada, o análisis de
situaciones meteorológicas concretas.
15
1.3. ESTRUCTURA DE LA TESIS DOCTORAL
16
zonas de valle y en ámbitos montañosos (orográficamente accidentados), con
diferencias de temperatura muy importantes en apenas centenares de metros.
Ante la imposibilidad de efectuar una radiografía precisa, debido a la escasa
densidad de estaciones meteorológicas, se propone la utilización de
termografías para una cartografía de detalle de la distribución térmica durante
las madrugadas con procesos de ITN. Se comprueba, que la distribución de
temperaturas mínimas durante dichas madrugadas, siguen el mismo patrón
espacial, con formación de piscinas de aire frío en zonas de valle y espacios
deprimidos (CAPs), y zonas templadas (WAM) en áreas orográficamente
accidentadas. Las termografías, realizadas con productos satelitales de MODIS
y VIIRS, suponen la única herramienta capaz de abarcar todo el territorio de
estudio, y suplir las limitaciones en la interpolación de temperaturas observadas
en superficie. A pesar, de ser estimaciones, y no temperaturas reales, se realiza
una validación con las temperaturas superficiales registradas en observatorios
meteorológicos, obteniendo, finalmente, una cartografía detallada por comarcas
climáticas generadas por el autor.
17
interior, muestran valores de relativa importancia en el contexto del SE
peninsular. El capítulo, analiza la evolución de tendencia temporal de diferentes
variables climáticas asociadas a indicadores de frío en un periodo temporal
amplio (1950-2016), con el objetivo de obtener una perspectiva más amplia
acerca de los cambios que están teniendo lugar en el área de estudio. Con el fin
de utilizar los datos climáticos de mayor calidad en el análisis estadístico, se
utilizan 22 observatorios meteorológicos para el periodo más amplio (1950-2016)
y 59 para uno más reciente (1997-2016), de un total de 346 estaciones
meteorológicas con datos diarios de temperatura que han sido recopiladas para
la Tesis Doctoral. Los datos finalmente utilizados de las estaciones
anteriormente citadas, han sido sometidos a un exhaustivo control de calidad y
proceso de homogeneización a través de software (ClimPACT 2.0 y Climatol
3.1). A través del índice global de teleconexión East Atlantic Index (EAi), se
explica, la tendencia general al alza (menos frío invernal) en el área de estudio.
18
1.4 JUSTIFICACIÓN, OBJETIVOS E HIPÓTESIS
Las heladas, además, han supuesto históricamente graves pérdidas económicas para
el campo del sureste peninsular, incluso en valles y depresiones prelitorales, tal y como
se ha analizado en años recientes (García Moreno et al., 2010; Conesa et al., 2015;
Guillen-Navarro et al., 2019). En la historia reciente de la Región de Murcia han tenido
lugar algunas periódicas heladas “históricas” (Tabla 1.1), de gran impacto para la
agricultura en el sureste ibérico, entre las que destacan:
Enero de 1945: Se trata de uno de los meses más fríos de la historia reciente
de España. Dio comienzo con un marcado régimen anticiclónico y presión
atmosférica en aumento. Hasta el día 3 se mantienen los cielos despejados y
vientos de componente norte. Las temperaturas disminuyen hasta esta fecha,
con registros extremadamente bajos (mínimas inferiores a 0ºC incluso en el
litoral mediterráneo).
19
prelitoral de la costa mediterránea. El impacto social y económico de las heladas
queda reflejado en la prensa escrita de la época, con numerosos especiales de
varias páginas en los diarios más importantes de mediados de s. XX. Algunas
zonas de la Vega Baja del Segura, como Orihuela o Guardamar del Segura
registran temperaturas mínimas entre -6,0 y -4,0ºC.
Diciembre 1970 – enero 1971: Las bajas temperaturas y las heladas de la última
decena de diciembre de 1970 y la primera semana de enero de 1971 fue un
fenómeno meteorológico adverso de gran repercusión. Toda una catástrofe
económica en Andalucía Oriental, Murcia, Valencia y Castellón, cuyos cultivos
básicos quedaron seriamente dañados.
20
Febrero de 2012: La importante advección fría de origen polar continental
(siberiana) echó a perder prácticamente la totalidad de la cosecha extratemprana
de fruta de hueso que se encontraba en plena floración. Se registran
temperaturas de hasta -6,0ºC en el Valle del Guadalentín (Puerto Lumbreras),
que produce graves daños (irreversibles) en 2600 hectáreas de hortalizas
(alcachofa, lechuga y brócoli), tanto en el Valle de Guadalentín como en el
Campo de Cartagena.
Durante los últimos años, según datos de Agroseguro (2016, 2017, 2018 y 2019), se
han producido cuantiosas pérdidas en el sector hortofrutícola de la Región de Murcia,
de los que a continuación se detallan los más destacados:
17 feb 2016: La entrada de una masa de aire polar, con temperaturas mínimas
de -6/-7ºC, provocó gravísimos daños a la producción temprana de una gran
variedad de cultivos en la Región de Murcia y Alicante, como frutales de hueso,
cítricos, almendros y algunas hortalizas como alcachofa. La indemnización total
es de 29,8 millones de euros.
7/10 abril 2017: Se produce una irrupción de aire frío que coincide con la reciente
brotación del viñedo. Se notifican siniestro en un total de 7268 has en Castilla –
La Mancha y 275 has en Murcia.
21
Tabla 1.1. Temperaturas mínimas extremas registradas en las principales olas de frío
de las últimas décadas en zonas litorales y prelitorales de Murcia y Alicante. Datos de
AEMET.
25/30 marzo 2019: Los daños son localmente intensos, con especial incidencia
en determinadas comarcas en cultivos más precoces y plantaciones jóvenes. El
principal efecto que puede observarse es la pérdida de frutos al necrosarse los
tejidos internos. La extensión total afectada es de 2028 has, destacando 1447
de melocotón y 525 de albaricoque. La previsión de indemnización final por estos
siniestros se sitúa en 23 millones de euros.
22
La temperatura mínima es una de las variables climáticas menos estudiadas en el
contexto climático a nivel mundial, y, por tanto, en el área de estudio. Además, los
procesos de inversion térmica apenas han tenido protagonismo científico en el sureste
de la península ibérica, por lo que es necesario un riguroso estudio de éstos, así como
de las heladas que originan en su interrelación de los cultivos del sureste peninsular.
Como se detalla más adelante, se elige como marco de estudio la Demarcación
Hidrográfica del Segura, siendo, por tanto, un análisis regional con un territorio
relativamente extenso (>18.000 km2). Y es que, para poder realizar un estudio
representativo de la distribución del frío nocturno en el área de estudio, con las
herramientas de las que actualmente se puede disponer, se hacía imprescindible la
elección de un área de estudio que abarcase buena parte del sureste peninsular. La
elección de una cuenca natural de primer orden, como es la del Segura, obedece a
criterios eminentemente naturales, pues se trabaja con variables climáticas que no
siguen los límites administrativos. Además, como se verá más adelante, la presente
Tesis Doctoral propone una división regional climática en base a la distribución de
temperaturas mínimas. Finalmente, el ámbito temporal de estudio recoge una doble
vertiente. Por un lado, el análisis de datos climáticos de observatorios meteorológicos
del área de estudio es lo suficientemente amplio como para poder apreciar de la mejor
manera posible los cambios efectuados durante las últimas décadas (1950-2016). Por
otro, los estudios realizados en sondeos atmosféricos, imágenes de satélite, red propia
de datalogger… se adecúan al periodo máximo de disponibilidad de datos.
Para ello, antes de empezar con el desarrollo de los resultados, se plantean una serie
de hipótesis y objetivos de partida:
23
1. Se parte de la premisa inicial de que las condiciones de estabilidad atmosférica
son predominantes en el sureste peninsular, con un importante número de días
de cielos despejados (91 días al año sin nubosidad (0/0 octas) en el observatorio
de AEMET de Aeródromo-Alcantarilla, y un promedio de 2610 horas de sol al
año, según datos de Garrido Abenza et al., (2014). Bajo tales condiciones, en
horas nocturnas se desarrollan procesos de inversión térmica nocturna con un
importante cambio en la distribución térmica normal, desde el punto de vista
espacial y vertical. Por tanto, el principal objetivo es cuantificar el grado de
importancia de los procesos de ITN en el sureste peninsular, así como sus
características. La hipótesis de partida, es, por tanto, una gran importancia de
los procesos de ITN a lo largo del año, que necesitan ser analizados
estadísticamente a través de datos de sondeos atmosféricos, y que, sin duda,
son determinantes en la distribución de temperaturas mínimas superficiales y en
la tipología de heladas.
2. Los procesos de ITN, que son de gran importancia y recurrencia a lo largo del
año, establecen unos patrones de temperatura con valores más fríos en zonas
deprimidas o valle, y temperaturas más elevadas en zonas orográficamente
accidentadas (picos, collados, laderas…). Se analiza detalladamente la base de
datos de temperaturas mínimas diarias de todos los observatorios
meteorológicos de la DHS, pertenecientes a diferentes organismos oficiales
(AEMET, SIAM IMIDA, SAIH Segura…), que nos advierte de la siguiente
hipótesis de partida. Tras elegir las únicas 29 estaciones meteorológicas con una
temperatura media de las mínimas igual o inferior a 0ºC en el mes de enero (con
un periodo homogéneo 2011-2016), para no desvirtuar los datos con estaciones
cercanas al mar, se advierte una correlación estadística con la altitud de la
estación de un R2 de sólo 0,39. Estaciones meteorológicas ubicadas en zonas
de valle de baja altitud (450 m) como la de El Gallego (Albacete) registra un valor
promedio de -0,5ºC, mientras que, la estación meteorológica de Moratalla-
Bebedor de Abajo (Murcia), a una altitud de 1085 m, en terreno más accidentado,
registra una temperatura media de 0,1ºC. Se trata de datos estadísticamente
consistentes, con promedios mensuales durante varios años de observación, lo
que nos plantea como objetivo estudiar detalladamente la distribución y
diferencias térmicas en superficie durante las madrugadas de inversión térmica.
24
térmica superficial en noches de ITN. Por otro lado, la interpolación de datos
espaciales (temperaturas mínimas), necesaria, pero poco precisa durante las
últimas décadas, no permite conocer la realidad territorial en la distribución
térmica, con unos patrones muy complejos durante horas nocturnas con
procesos de ITN (piscinas de aire frío o CAP y entornos cálidos montañosos o
WAM). Por otro lado, las observaciones de los productos satelitales de
MODIS/VIIRS, en relación a las temperaturas superficiales preliminares
efectuadas por el autor y a las buenas validaciones aportadas por otras
investigaciones científicas, auguraban unos buenos resultados de ajuste en el
área de estudio. Por tanto, el objetivo principal es validar y analizar los productos
satelitales (termografías) en el área de estudio, así como identificar las
principales CAP, y obtener así una “fotografía” precisa de la distribución térmica
en madrugadas de ITN en la DHS.
25
cumplimentar el objetivo de analizar dichas tendencias temporales, es necesario
disponer de una base de datos de temperatura diaria de calidad, y que abarque
un intervalo temporal lo suficientemente importante para hacer análisis rigurosos
y robustos estadísticamente. Para ella se marca como objetivo utilizar series
meteorológicas con datos desde 1950 a la actualidad. Se recopila y elabora una
extensa base de datos climáticos con un total de 346 estaciones meteorológicas
que proporcionan datos de temperatura diaria, pertenecientes a varios
organismos oficiales (AEMET, SIAM IMIDA y SAIH Segura). Una de las hipótesis
de trabajo, en virtud a diferentes investigaciones efectuadas con estaciones
meteorológicas longevas, es que la calidad de las estaciones meteorológicas no
son lo suficientemente adecuadas, y deben ser sometidas a un exhaustivo
control de calidad. Por tanto, las series de datos de temperatura que cumplen
con los requisitos del intervalo temporal propuesto son sometidas a varios
controles de calidad y procesos de homogeneización, con un objetivo secundario
pero importante, el de determinar el nivel de calidad de las series de temperatura
oficiales (AEMET) durante las últimas décadas.
26
(4.759 km2), sectores relativamente poco extensos de las provincias de Granada, Jaén,
y norte de Almería (1.787 km2), y finalmente el sur de Alicante (1.299 km2).
27
Fig. 1.9. Delimitación natural de la Demarcación Hidrográfica del Segura (CHS) y
comarcas climáticas generadas en la Tesis Doctoral.
Desde el punto de vista climático, el área de estudio se ubica entorno a una latitud de
38ºN, siendo, por tanto, un ámbito de transición entre climas frescos-húmedos
(perturbaciones del frente polar) y templados-secos (anticiclones subtropicales). El clima
general obtiene rasgos eminentemente mediterráneos, debido a su localización en una
fachada occidental del continente. La influencia recurrente del Anticiclón de las Azores,
y especialmente el ascenso estival del cinturón de altas presiones subtropicales (Rohli
y Vega, 2017), determina un clima seco durante el verano, propiciado por la cercanía
con el borde meridional de la corriente en chorro (Rasilla Álvarez, 2003).
28
temperaturas medias de las máximas alcanzan valores elevados y menos contrastados
entre sus extremos, como, por ejemplo, los 34,4ºC en Abarán (Murcia) y 29,4ºC en San
Javier (Murcia). La continentalidad en verano también genera temperaturas máximas
elevadas, incluso en ámbitos de destaca altitud, como indica el promedio de 30,4ºC en
Pontones (Jaén). Por su parte, durante el invierno se observan mayores diferencias en
las temperaturas medias de las mínimas, con valores suaves a orillas del litoral (7,4ºC
en Águilas) y medias de -2,4ºC en valles continentalizados de elevada altitud
(Pontones).
29
general precipitaciones entorno a los 200-300 mm, y una temporada lluviosa moderada,
cuyas precipitaciones pueden llegar a ser intensas pero breves. Finalmente, en el sector
más meridional del área de estudio, en las costas almerienses, aparece un clima árido
cálido, desértico cálido o sahariano (BWh), con una temperatura media anual superior
a 18°C y precipitaciones inferiores a 200 mm aproximadamente.
Referencias bibliográficas
Agroseguro (2016). Informe sobre la siniestralidad del ejercicio 2016. Agrupación
española de entidades aseguradoras de los seguros agrarios combinados, S.A.
Arduini, G., Staquet, C., y Chemel, C. (2016): “Interactions between the nighttime valley-
wind system and a developing cold-air pool”. Boundary-layer meteorology,
161(1), 49-72. https://doi.org/10.1007/s10546-016-0155-8
30
Arduini, G., Chemel, C., y Staquet, C. (2020): “Local and non‐local controls on a
persistent cold‐air pool in the Arve River Valley”. Quarterly Journal of the Royal
Meteorological Society. https://doi.org/10.1002/qj.3776
Bolstad, P. V., Swift, L., Collins, F., y Régnière, J. (1998): “Measured and predicted air
temperatures at basin to regional scales in the southern Appalachian mountains”.
Agricultural and Forest Meteorology, 91(3-4), 161-176.
https://doi.org/10.1016/S0168-1923(98)00076-8
Caesar, J., L. Alexander, and R. Vose, (2006): “Large-scale changes in observed daily
maximum and minimum temperatures: Creation and analysis of a new gridded
data set”. J. Geophys. Res. Atmos., 111, D05101.
https://doi.org/10.1029/2005JD006280
Capel Molina, J. J. (2005): “La ola de frío de enero de 2005 en España”. Nimbus: revista
de climatología, meteorología y paisaje, 15-16, pp 43-46.
Chemel, C., y Burns, P. (2015): “Pollutant dispersion in a developing valley cold-air pool”.
Boundary-Layer Meteorology, 154(3), 391-408. https://doi.org/10.1007/s10546-
014-9984-5
Chung, U., Seo, H. H., Hwang, K. H., Hwang, B. S., Choi, J., Lee, J. T., y Yun, J. I.
(2006): “Minimum temperature mapping over complex terrain by estimating cold
air accumulation potential”. Agricultural and Forest Meteorology, 137(1-2), 15-24.
https://doi.org/10.1016/j.agrformet.2005.12.011
Clements, C.B., Whiteman, C.D. y Horel, J.D. (2003): “Cold-air-pool structure and
evolution in a mountain basin: Peter Sinks, Utah”. Journal of Applied
Meteorology, 42, 752–768. https://doi.org/10.1175/1520-
0450042<0752:CSAEIA>2.0.CO;2
31
Conesa, A., Nicolás, J. M., Manera, F. J., y Porras, I. (2015). “Frost Damage in Lemon
Orchards in the Province of Murcia”. Acta horticulturae, (1065), 1417-1422.
https://10.17660/ActaHortic.2015.1065.179
Dodson, R., y Marks, D. (1997): “Daily air temperature interpolated at high spatial
resolution over a large mountainous region”. Climate research, 8(1), 1-20.
https://doi.org/10.3354/cr008001
Ferreras Fernández, C., García Lidón, A., y Porras Castillo, I. (2003): “Las heladas en la
zona citrícola de la Huerta de Murcia”. Serie técnica y de estudio. Consejería de
Agricultura, Agua y Medio Ambiente. Murcia.
Font Tullot, I. (1956): “Las olas de frío en el mes de febrero de 1956”. SMN Boletín
mensual climatológico. Madrid, 2-7.
32
Gadea, E., Pedreño, A., y de Castro, C. (2016). “Producing and mobilizing vulnerable
workers: the agribusiness of the region of Murcia (Spain)”. In Migration and
Agriculture (pp. 103-118). Routledge.
García Moreno, R., Tarquis, A. M., Díaz Álvarez, M., Burgaz Moreno, F., y Saa Requejo,
A. (2010). “Influence of climate change on damages to fruit trees produced by
frost temperatures at spanish semiarid Region of Murcia”. In: Semi-Arid
Environments: Agriculture, Water Supply, Nova Science Publishers.
Garrido Abenza, R., Palenzuela Cruz, J. E., y Bañon Peregrín, L. M. (2014). “Atlas
climático de la Región de Murcia”. Agencia Estatal de Meteorología, 167 pp.
Hann, V.J (1914): “Lehrbuch der Meteorologie”. Universität Wien. Dritte, unter
Mitwirkung von Professor Dr. Süring (Potsdam).
33
Jiménez, M.A., Ruiz, A. y Cuxart, J. (2015): “Estimation of cold pool areas and chilling
hours through satellite-derived surface temperatures”. Agricultural and Forest
Meteorology, 207, 58–68. https://doi.org/10.1016/j.agrformet.2015.03.017
Kottek, M., J. Grieser, C. Beck, B. Rudolf, and F. Rubel, (2006): “World Map of the
Köppen-Geiger climate classification updated”. Meteorol. Z., 15, 259-263.
https://doi.org/10.1127/0941-2948/2006/0130
Martín Vide, J. (2005). “Los mapas del tiempo”. Davinci Continental, 219 pp.
Núñez Mora, J. Á., Muedra, C., 7 Aupí, V. (2006): “La gran ola de frío de febrero de 1956
en la España mediterránea”.
Pagès M, Pepin N, Miró JR. (2017): “Measurement and modelling of temperature cold
pools in Cerdanya”. Meteorol. Appl. 24(2): 290–302.
https://doi.org/10.1002/met.1630
34
Pedreño, A., Gadea, E., y de Castro, C. (2014). “Labor, gender, and political conflicts in
the global agri-food system: The case of the agri-export model in Murcia, Spain”.
Labor Relations in a Globalized Food, 193-214. https://doi.org/10.1108/S1057-
192220140000020008
Piazzy Smyth, C. (1858): Astronomical Experiment on the Peak of Teneriffe. Taylor &
Francis.
Quiles Payá, M.I (2011): “Estudio de la helada en cítricos. Campaña 2010/2011. Región
de Murcia”. Trabajo Fin de carrera. Universidad Miguel Hernández de Elche.
Rohli, R. V., y Vega, A. J. (2017). “Climatology”. Jones & Bartlett Learning, 441 pp.
Sheridan, P. F. (2019): “Synoptic‐flow interaction with valley cold‐air pools and effects
on cold‐air pool persistence: Influence of valley size and atmospheric stability”.
Quarterly Journal of the Royal Meteorological Society, 145(721), 1636-1659.
https://doi.org/10.1002/qj.3517
Smith, S.A., Brown, A.R., Vosper, S.B., Murkin, P.A. y Veal, A.T. (2010): “Observations
and simulations of cold air pooling in valleys”. Boundary-Layer Meteorology,
134(1), 85–108. https://doi.org/10.1007/s10546-009-9436-9.
Torriani, L. (1978): “Descripción de las islas Canarias”. Ed Goya, Sta Cruz de Tenerife.
35
Whiteman CD. (1990): “Observations of thermally developed wind systems in
mountainous terrain”. Int. J. Atmos. Sci. 23(45): 5–42.
https://doi.org/10.1007/978-1-935704-25-6_2
Whiteman, C. D., Pospichal, B., Eisenbach, S., Weihs, P., Clements, C. B., Steinacker,
R., ... y Dorninger, M. (2004): “Inversion breakup in small Rocky Mountain and
Alpine basins”. Journal of applied meteorology, 43(8), 1069-1082.
https://doi.org/10.1175/1520-0450(2004)043<1069:IBISRM>2.0.CO;2
Zhong, S.Y., Whiteman, C.D., Bian, X.D., Shaw, W.J. y Hubbe, J.M. (2001):
“Meterological processes affecting the evolution of a wintertime cold air pool in
the Columbia Basin”. Monthly Weather Review, 129(10), 2600–2613.
https://doi.org/10.1175/1520-0493(2001)129<2600:MPATEO>2.0.CO;2 .
36
CAPÍTULO 2
Los fenómenos de IT son, por tanto, procesos que se suceden a lo largo de todo el año,
y que generalmente vienen definidos por una capa atmosférica cuyo gradiente térmico
vertical es positivo, es decir, la temperatura aumenta con la altitud (Glickman 2000;
Zhang et al., 2011). Afectan a un espesor variable de aire limitado por una base y un
techo, y se clasifican en superficiales o de irradiación, inversiones de advección, de
turbulencia, subsidentes o frontales, e incluso mesosféricas (Schnelle y Brown, 2002;
Brümmer y Schultze, 2015). Asociadas a condiciones sinópticas de diferente escala,
pueden producirse inversiones térmicas superficiales (Suface-based temperature
inversions o SBI) o elevadas (Elevated inversions o ELI) (Mayfield y Fochesatto, 2013).
Según Iacobellis et al. (2009), existen dos tipos básicos de inversiones en niveles bajos
atmosféricos: inversiones por radiación (o superficie) e inversiones por hundimiento. En
concreto, las inversiones de radiación, particularmente en zonas de valle, han sido
objeto de especial atención en la presente Tesis, y ello ha requerido un estudio previo
detallado de la literatura científica existente al respecto. Este tipo de inversiones suelen
ocurrir durante la madrugada, al no existir en ella radiación solar entrante que equilibre
el enfriamiento de la superficie provocado por la irradiación de onda larga saliente. Por
tanto, las áreas de valle son especialmente propensas a las inversiones de radiación,
debido al drenaje de aire frío a lo largo de las laderas que las flanquean (Watson y Chow,
2002). Dichas laderas refuerzan el proceso cuando actúan flujos catabáticos, siendo
éstos tanto más acusados cuanto mayor es el confinamiento de las tierras bajas
(Gustavsson et al., 1998; Lindkvist et al., 2000; Lundquist et al., 2008).
38
periodos de baja radiación solar, alta presión atmosférica y vientos suaves (Barr y Orgill,
1989; Beniston, 2006; Lundquist y Cayan, 2007). Bajo tales condiciones sinópticas, un
balance de radiación negativo implica un enfriamiento rápido de la superficie y la
formación de una capa de aire baja estable. La falta de mezcla vertical dentro de estas
inversiones térmicas de valle aísla una porción de aire inferior respecto de la atmósfera
libre superior (Whiteman, 2000). El estrato de IT, en este caso, restringe la mezcla
vertical del aire y limita la convección del aire, influyendo en la estructura termodinámica
de la atmósfera local (Johnson et al., 1999; Nodzu et al., 2006).
39
Whiteman, 2000). Una capa estable superficial generalmente se forma cada noche, y
su destrucción, muy estudiada durante las últimas décadas, se alcanza cuando los rayos
solares alcanzan un calentamiento suficiente o cuando la velocidad del viento supera
los 20 km/h. Según Gillies et al. (2010), aunque es relativamente fácil predecir el inicio
de una inversión, la duración o la eventual ruptura de un evento de inversión persistente
son imprevisibles. A partir de las inversiones de temperatura simuladas numéricamente
durante el día en un valle idealizado, Leukauf et al. (2015) constan que se requiere un
mínimo de 450 w/m2 para alcanzar el punto de ruptura, así como un tiempo de 11 h para
lograr la disipación de la ITN.
En muchas ciudades europeas, las inversiones en altura como las de niveles inferiores,
próximas a la superficie coinciden con periodos de alta concentración de aerosoles. En
una perspectiva de futuro los datos de radiosondeos proporcionados por el National
40
Climatic Data Center (NCDC) predicen un aumento de las inversiones de nivel bajo en
consonancia con un mayor estancamiento regional proyectados por los modelos. Por el
contrario, muestran descensos notables en situaciones débiles, llegando a concluir que
la calidad del aire en términos generales tenderá a empeorar con el transcurso de los
próximos años (Kukkonen et al., 2005; Bailey et al., 2011). En concreto, Bailey et al.
(2011) afirman que los procesos de inversión térmica desencadenados a niveles bajos
en la zona centro-oeste de EE. UU están aumentando, como consecuencia de cambios
recientes en los patrones atmosféricos. Durante las últimas décadas la investigación
dentro del ámbito latinoamericano ha estado centrada en la relación de la estabilidad
atmosférica con los fenómenos de polución. Lässig et al. (1997) analizan las
características de las inversiones térmicas nocturnas en el Valle del río Negro
(Argentina), particularmente el régimen de vientos en noches de inversión y su influencia
sobre el diferencial térmico entre el fondo de valle (más frío) y a la altura del borde de la
meseta (aire más cálido). En Bogotá, Montoya et al. (2004) relacionan los problemas de
polución atmosférica con los fenómenos de turbulencia y de estabilidad atmosférica.
41
termodinámicos con la frecuencia y resolución vertical necesaria para capturar la
estructura vertical y la evolución de los descensos de aire frío superior.
Se demuestra, por tanto, que las ITs tienen un efecto muy notable sobre el clima, con
formación persistente de estratos superficiales (Zhang et al., 2011). La previsión en
invierno de la acumulación y de aire frío persistentes se ve obstaculizada por la falta
actual de comprensión en los mecanismos involucrados, y es considerado uno de los
problemas más difíciles de pronosticar en cuencas y valles. Debe señalarse que,
además de los modelos específicos empleados en los estudios de inversión térmica
(Leukauf et al., 2015), la mayoría de los modelos para la difusión de contaminantes del
aire ya incorporan las características de las inversiones (Milionis y Davies, 2008;
Morbidelli et al., 2011; Rendón et al., 2015).
Según Ogino et al. (2010) existen cuatro procesos que son claves para explicar las
variaciones de inversión térmica: las advecciones de aire frío, el enfriamiento radiativo
de la parte superior de la nube, el calentamiento adiabático debido al hundimiento
superficial, y el calentamiento diurno provocado por el crecimiento de la capa límite.
42
Schieth y Kries (1947) constatan la ocurrencia de importantes fenómenos de inversión
térmica durante los meses de octubre a marzo en la Península Ibérica, y una mayor
intensidad del fenómeno en periodo invernal debido a la larga duración de las noches.
Masachs Alavedra (1945) expuso la teoría clásica del anticiclón peninsular de invierno
como centro autónomo originado por el enfriamiento del aire, con buen tiempo e
inversiones térmicas, a las que acompañan extensos bancos de niebla matinal. Pocos
años después, Lautensach (1962) resalta la frecuencia con la que, durante los meses
de noviembre, diciembre y enero, acontecen situaciones sinópticas de alta presión
aislada sobre la Península Ibérica, con aire enfriado, escasas nubes y fuerte irradiación
asociada a inversiones térmicas en valles y depresiones. Tanto Alavedra como
Lautensach marcan, por tanto, los comienzos de la investigación sobre los procesos
sinópticos que causaban subsidencia de aire frío en zonas deprimidas, y entre los que
destacaba la presencia de frecuentes altas presiones invernales en torno a la península.
Desde los años ochenta hasta la actualidad abundan los estudios de ámbito local,
algunos de gran repercusión y referencia obligada. Especial relevancia tienen en esta
época las publicaciones de Cuadrat Prats (1983) sobre la” cazuela” de Calatayud, donde
constató procesos de inversión térmica en un 50% del total de noches. En ellas también
43
reseñó la importancia de los aspectos microclimáticos dentro de espacios
topográficamente deprimidos sujetos a intensas inversiones térmicas. Gesteiro Araujo y
Galán Gallego (1983) estudian las inversiones térmicas invernales en el sector central
de la Serranía de Cuenca, mientras que Xercavins (1989) lo hizo en la subcomarca de
Les Guilleries (Cataluña). Aquí detectan diferencias térmicas de hasta 11ºC en un
gradiente altitudinal de 600 m, desde zonas de altiplano (espacios abiertos “colgados”
de alta montaña), hasta desfiladeros angostos que actúan como canalizadores de las
inversiones térmicas más intensas. Particular interés tiene también el estudio de los
efectos de la vegetación en los procesos de inversión térmica. En concreto, dicho autor
constató en los bosques perennifolios densos (encinares) temperaturas 2-3ºC
superiores a las registradas en espacios con escasa o nula vegetación.
Ya en la década de los 90, Martín Vide y Fructuoso Aranda (1993) utilizan los sondeos
termodinámicos para revisar los conceptos de inversión térmica por subsidencia,
turbulencia, frontal o de irradiación y, al mismo tiempo, estudiar dicho tipo de fenómeno
en el Vallès Oriental, haciendo hincapié en su frecuencia, intensidad y estacionalidad.
Dorta Antequera (1994) analizó las inversiones térmicas por subsidencia, a través de
sondeos termodinámicos que permitieron demostrar la mayor proclividad de los meses
centrales de verano a padecerlas, bajo condiciones de una altitud relativamente baja y
un fuerte gradiente térmico. Bello Fuentes (1994) investigó el efecto de las islas de calor
en los procesos de inversión térmica. El análisis de la influencia discriminante ofrecida
por el distinto comportamiento térmico de los usos de suelo urbanos le llevó a conceder
a las áreas verdes una mayor capacidad térmica reguladora, con 1ºC de diferencia
media respecto al resto de sectores locales. Hernández Navarro (1994) en su estudio
sobre el régimen de heladas en el Valle Medio del Ebro, comprueba que las del tipo
irradiativo en zonas deprimidas de valle son las más frecuentes, las de mayor duración
y las más intensas (con los valores de temperatura mínimos y máximos más bajos),
mientras que, las heladas de advección lo son en zonas más altas y accidentadas.
Domínguez Bascón (1995) centró su investigación en el sur de la península,
44
especialmente en el valle del Guadalquivir, dejando al margen aquellos enclaves de alta
montaña que habían sido analizados años atrás. Por primera vez en España se
relaciona el proceso natural de inversión térmica con las condiciones del medio
ambiente urbano. En opinión de este autor, la proximidad de la alta montaña no es un
factor totalmente necesario para la intensificación de los procesos de inversión térmica,
sino que basta con la presencia de extensas superficies horizontales o inclinadas de
captación de aire frío (e.g. las observadas en Sierra Morena).
Durante los inicios del siglo XXI prosiguen en España los estudios de tipo local. En la
primera década pueden citarse los trabajos sobre el fenómeno de inversión térmica de
Alonso (2005) en el Valle de Ordesa, de Bello Fuentes (2008) en el Valle Bajo del río
Henares (Guadalajara), y de Batlló (2009) en la Plana de Vic. Más recientemente han
surgido estudios específicos sobre piscinas de aire frío o las llamadas “cold air pools”
(CAPs) en la literatura anglosajona (e.g. en la Cerdaña, Pirineos), a menudo
fundamentados en el uso de redes de datalogger para el cálculo de horas de helada
(Jiménez et al., 2015; Miró et al., 2017; Pagès et al., 2017). El número de horas de frío
ha sido ya contemplado con cierta frecuencia desde hace tiempo en los estudios
agroclimáticos y en la planificación agrícola (Richardson et al., 1974).
El primer capítulo de la presente Tesis Doctoral viene a cumplir una serie de objetivos
relacionados con la caracterización de los procesos de inversión térmica en el área de
estudio: la Demarcación Hidrográfica del Segura (DHS). Con tal finalidad, se ha
considerado necesario utilizar la información que proporcionan los sondeos
atmosféricos, especialmente sobre la estructura vertical de los niveles y características
físicas del aire implicadas en las inversiones térmicas que son objeto de análisis. Uno
de los principales objetivos es determinar la frecuencia anual de los procesos de ITN,
establecer la tipología predominante, y comprobar la importancia de los procesos
superficiales, causantes, de la mayoría de heladas en zonas de valle (74,3% en el Valle
45
del Ebro, según Hernández Navarro, 1994). Así mismo, se analiza, dentro del ámbito de
estudio, la intensidad de dichos procesos, a través de metodologías novedosas y ya
implantadas, así como la distribución espacial de la intensidad de las ITs a partir de la
base de datos de eventos diarios de mayor intensidad en las últimas tres décadas.
2.2.1. Datos
Desde el año 2015 los datos públicos de sondeos atmosféricos en España fueron
privatizados, por lo que, debido a las altísimas prestaciones económicas para su
consulta, se decidió finalizar la serie temporal de estudio en el año 2015. Desde 2012
hasta la actualidad se dispone, en abierto, de los datos de sondeos atmosféricos del
continente europeo en la web francesa de Meteociel
(http://www.meteociel.fr/observations-meteo/sondage.php?map=1), información que
será empleada en capítulos posteriores para eventos locales.
46
Las mediciones diarias de los radiosondeos han sido ampliamente utilizadas durante los
últimos años para el estudio de inversión térmica (Zhang et al., 2011 y Malingowski et
al., 2014). En el estudio se escogen los realizados a las 00 h UTC, es decir, se trata de
sondeos exclusivamente nocturnos, que permiten estudiar la estructura de las
inversiones térmicas durante la madrugada (ITN). Por tanto, en el este análisis no tienen
cabida la medición diurna aportada por los sondeos diarios (12 h UTC).
47
Fig. 2.1. Puntos de observación meteorológica utilizados para el análisis de la intensidad
de los procesos de inversión térmica (CINV), pertenecientes a las redes de AEMET, SIAR,
CHS y red propia de datalogger.
48
Fig. 2.2. Ejemplo de un sondeo atmosférico nocturno en Murcia, 3 diciembre de 2010,
a las 00 UTC, donde se aprecia una inversión térmica superficial (recuadro rojo). Fuente:
Universidad de Wyoming.
49
Por último, se analizan los datos del resto de variables meteorológicas directamente
implicadas en la conformación y desarrollo de los procesos de inversión térmica; valores
diarios de presión atmosférica (PA), de dirección (WD) y velocidad del viento (WV), y de
cobertura nubosa (CC). Los datos han sido obtenidos de los observatorios
meteorológicos de AEMET de 1er orden: el Centro Meteorológico Territorial (CMT) de
AEMET en Guadalupe (Murcia) (1985-2017), y los observatorios meteorológicos de la
Base Aérea de Alcantarilla y Aeródromo de San Javier (1950-2017).
2.2.2. Métodos
A partir de los datos de temperatura y altitud de la base y del tope del estrato de IT se
han calculado los siguientes parámetros en la ecuación 2.1: el espesor de la capa de
inversión (DZINV = ZTOP - ZBASE), la intensidad (DTINV = TTOP – TBASE) (Fig. 2.4), y el
gradiente de temperatura promedio (lapse rate o LR) para la capa de inversión (en ºC
por 100 m):
50
Tabla 2.1. Umbrales de I para los tipos de IT establecidos por Tavousi y Abadi (2016)
según su intensidad.
El autor propone el índice CINV o Temperature Inversion Capacity Index para determinar
la capacidad de inversión térmica en cualquier punto del área de estudio. El índice
expresa la diferencia (en ºC) entre la temperatura registrada en superficie de un
observatorio meteorológico y la temperatura geopotencial que marca el sondeo
atmosférico a la altitud de dicho observatorio (2.3). Ésta última, es, por tanto, la
temperatura en “atmósfera libre”, sin influencia superficial. En consecuencia, la
reducción de temperatura en superficie respecto a la temperatura geopotencial que le
corresponde a esa altitud, es la capacidad inversora que tiene ese punto. Se propone la
siguiente clasificación de intensidad según diferentes umbrales (Tabla 2.2), que han sido
obtenidos y adaptados con el análisis de datos diarios de observación de las estaciones
meteorológicas del área de estudio entre 2016 y 2018 (Fig. 2.1).
Tabla 2.2. Umbrales de CINV (ºC) según el índice propuesto por el autor.
51
cálculo de tendencias temporales lineales (2.4) del Test de Mann Kendall (M-K) (Kendall,
1975):
S=∑k−1n−1∑j−k+1nsgn(xj−xk) (2.4)
Fig. 2.4. Diagrama prototipo de estrato de inversión térmica en niveles bajos. Fuente:
Iacobellis et al. (2009).
52
(7) c2= k (N – 1) ὠ (2.6)
Por su parte, la cartografía de la distribución espacial de CINV ha sido elaborada con una
resolución espacial de 25 m de píxel, mediante un krigeado universal (universal kriging,
UK), utilizando la altitud y la distancia a la costa como variables externas
independientes. Este método también es conocido como krigeado con deriva externa
(kriging with external drift, KED). Además de la altitud, se incluyó la distancia a la costa
como segunda variable externa para tener en cuenta el efecto de la continentalidad en
las temperaturas mínimas y mejorar la representación del campo de temperaturas en
zonas cercanas al mar.
Finalmente, para el análisis de relación entre las variables analizadas de los procesos
de inversión térmica y las temperaturas mínimas superficiales, se aplica un proceso de
Análisis de Componentes Principales (PCA). El objetivo del PCA es encontrar
combinaciones lineales de las variables con mayor varianza. La idoneidad del análisis
factorial se determinó mediante dos criterios. Por un lado, la medida de adecuación
muestral de Kaiser-Meyer-Olkin (KMO) como medida de homogeneidad de variables
(Sharma, 1996). Una medida de KMO superior a 0,50 es aceptable para el análisis PCA.
Por otro, la prueba de esfericidad de Bartlett (Snedecor y Cochran, 1983), que prueba
si la matriz de correlación es una matriz de identidad, lo que indicaría que el modelo
factorial es inapropiado.
2.3. RESULTADOS
53
zonas topográficamente deprimidas del país, como la Depresión de Sariñena (Cuenca
del Ebro) en la que suponen un 82,9% (Ezpeleta, 1990). El porcentaje resulta, incluso,
algo superior al registrado en extensas áreas llanas continentales como las Southern
Great Plains (EE. UU), que presentan un 75%, en gran parte relacionado con una alta
frecuencia de madrugadas anticiclónicas (Li et al., 2015).
Fig. 2.5. Frecuencia relativa mensual de jornadas con inversión térmica nocturna (ITN
(Período 1986-2015). Datos: CMT de Murcia (AEMET).
La gran cantidad de jornadas al año con cielo despejado, así como la persistencia de
situaciones de estabilidad anticiclónica en el sureste peninsular (vientos flojos y calma
54
nocturna), propicia que cuatro de cada cinco noches al año se acumule aire más frío y
denso en los fondos de valles, depresiones y hoyas interiores, respecto a zonas
accidentadas orográficamente más elevadas dentro de dicha área.
De acuerdo con los umbrales de intensidad de inversión (I) de Tavousi y Abadi (2016),
los periodos de aire cálido estable en la ciudad de Murcia son los más frecuentes a lo
largo del año (65,1%), aunque tienen mayor predominio en época invernal (78%). Las
condiciones inestables representan, en cambio, sólo el 16,3% de las madrugadas del
año, y el 14% durante el invierno (Tabla 2.3). Ello corrobora el predominio anticiclónico
y las condiciones estables en el área de estudio.
Fig. 2.6. Distribución porcentual de la intensidad (DTINV) en naranja, del espesor (DZINV)
en verde y de la altitud media del estrato de ITN en azul. Datos: CMT de Murcia
(AEMET).
La Tabla 2.4 y la Fig. 2.6 muestran los valores medios para cada una de las variables
analizadas en la estructura vertical de las inversiones térmicas. En general, se aprecian
55
inversiones térmicas muy superficiales e intensas en época invernal, y estratos de ITN
a mayor altitud y menor intensidad durante el verano.
Los meses con mayor porcentaje de madrugadas de ITN corresponden al período estival
(julio, 9,1% y agosto, 8,9%). De igual modo, los meses invernales de diciembre y enero,
con clara influencia de cielos despejados, presentan una frecuencia relativa importante
(8,8 y 8,6% respectivamente). Por el contrario, los meses más húmedos en la Región
de Murcia, como octubre y abril, no superan el 7,5 y el 7,8% respectivamente de las ITs
nocturnas producidas al cabo de un año (Fig. 2.6). Sin duda, la breve duración media
de la insolación (apenas 5 ó 6 horas) en los días de invierno favorece notablemente la
rápida instauración de los procesos de inversión térmica durante primeras horas de la
tarde, y su consolidación al llegar la madrugada (Garrido et al., 2014). Ello concuerda
con el intervalo temporal, entre las 18 y las 6 h UTC, considerado por Fritz et al. (2008)
como más propicio para la conformación de procesos de inversión térmica.
Tabla 2.4. Valores medios mensuales estimados para las variables utilizadas en la
caracterización de las ITN (1986-2015). Datos: CMT de Murcia (AEMET).
En consecuencia, desde el mes de octubre a abril (periodo más frío del año), el
porcentaje de SBIs no desciende del 90% en el total de sucesos de procesos de
inversión térmica (Fig. 2.7). Por el contrario, los meses estivales registran un porcentaje
mayor de ELIs (entre el 50 y 65%), con un ascenso del estrato de inversión bastante
56
más marcado. Tal es el caso del mes de agosto, donde la frecuencia de inversiones
elevadas (ELIs) es ligeramente superior (50,7%) a la de las inversiones superficiales
(SBIs).
Diversos estudios (e.g. ZMVN, 2005), que han abordado el análisis frecuencial de las
SBIs revelan que éstas son más recurrentes durante los meses fríos del año (de
noviembre a mayo), con una frecuencia significativamente menor en los meses centrales
de verano). En efecto, una inversión de temperatura superficial se forma cuando el suelo
se enfría más rápidamente que el aire superior, debido a la pérdida de calor por emisión
de radiación de onda larga, normalmente más eficaz en época invernal durante noches
estables (Whiteman, 2000).
Fig. 2.7. Distribución relativa mensual de las SBIs y ELIs en la ciudad de Murcia (período
1986-2015). Datos: CMT de Murcia (AEMET).
57
2.8). Además, en reiteradas ocasiones se generan bancos de niebla (de irradiación) con
este tipo de situación. Si el suelo está húmedo por lluvias recientes o si predomina una
alta humedad relativa ambiental en capas bajas, el enfriamiento logra saturar el aire
junto al suelo, dando lugar, por tanto, a la formación de niebla, cuyo límite superior será
el ZTOP.
Fig. 2.8. Esquema teórico de inversión térmica superficial o de irradiación. Fuente: Barry
(1981).
Las inversiones térmicas elevadas (ELIs) generalmente se forman cuando el aire sobre
los centros de alta presión se hunde o cuando el aire más cálido fluye sobre el aire frío.
Las áreas de alta presión, que producen inversiones de subsidencia, generalmente
tienen bajas velocidades del viento, cielos despejados y abundante radiación solar
(Whiteman, 2000), condiciones que son propias del verano en el área de estudio.
Atendiendo a los criterios de clasificación de Parczewski (1976) (entre los que figura un
umbral de ZTOP de 1000 m), las ELIs a partir de los datos aerológicos del CMT de
Guadalupe (Murcia), son, por tanto, poco frecuentes durante gran parte del año.
58
Fig. 2.9. Distribución mensual de SBIs y ELIs (1986-2015) a lo largo del año. Datos:
CMT de Murcia (AEMET).
59
Contrariamente, durante la época más cálida del año (con intensidades de inversión
térmica muy débiles), se registran menos de 2 episodios mensuales (desde mayo a
octubre). Cada año se registra por término medio un total de 25,3 episodios. En el
periodo temporal analizado, la variabilidad anual no es especialmente importante, con
un mínimo de 12 episodios en 2006 y 38 en el año 1990.
Tabla 2.5. Características mensuales del número y duración de episodios de ITN (1986-
2015). Datos: CMT de Murcia (AEMET).
60
Fig. 2.10. Histograma de frecuencias y curva de densidad de la duración de las ITN
(1986-2015). Datos: CMT de Murcia (AEMET).
La intensidad de los procesos de inversión térmica nocturna (DTINV) presenta una gran
variabilidad a lo largo del año. La diferencia media de temperatura entre la base y el
techo del estrato de inversión es de 2,8ºC, sin duda, un valor elevado si se considera
que el espesor del estrato apenas tiene 286 m (1,6ºC / 100 m de LR). Se trata de un
valor muy parecido al promedio registrado (2,5ºC) en el Área Metropolitana de
Guadalajara (México), donde los problemas de contaminación por dióxido de azufre
(SO2) y de nitrógeno (N), y por ozono (O3), constituyen un gran riesgo para la población
(García et al., 2012). Un rango de valores mayor es esperable en zonas deprimidas más
extensas (e.g. en el Valle del Henares, donde el promedio de DTINV se sitúa entre 2,1 y
4,0ºC (Bello Fuentes, 2008).
61
Fig. 2.11. Evolución anual de la intensidad media (DTINV) de las inversiones térmicas
nocturnas (1986-2015). Línea azul representa un método de suavizado de paso bajo
(smoothing method loess). Datos: CMT de Murcia (AEMET).
62
Fig. 2.12. Histograma de frecuencias y curva de densidad de DTINV (ºC) (1986-2015).
Datos: CMT de Murcia (AEMET).
Las jornadas con mayor intensidad de ITN (>5ºC) presentan el mayor porcentaje durante
los meses invernales, agrupando entre ambos el 46% del total anual (Fig. 2.13). Por su
parte, la aparición del DTINV más intensas adquiere poca relevancia durante los meses
equinocciales (abril, mayo, septiembre y octubre), aunque representan un segundo
máximo anual durante los meses de julio y agosto (12,7%).
63
Fig. 2.13. Frecuencia relativa mensual de jornadas con inversión térmica nocturna >5ºC
(Período 1986-2015). Datos: CMT de Murcia (AEMET).
La ZBASE del estrato de ITN viene definida por la altitud a partir de la cual la temperatura
aumenta en su ascenso. Obtiene un valor medio anual de 258,6 m, siendo, por tanto,
un estrato de baja altitud. A pesar de un promedio inferior a 300 m, se encuentra sujeta
a una gran variabilidad mensual. Los resultados muestran un predominio relevante de
estratos superficiales (79,6%), con una ZBASE de 62 m (equivalente a la altitud del CMT
de Guadalupe, desde donde son lanzados los sondeos atmosféricos). Durante el
periodo invernal, el peso relativo de los estratos de ITN superficiales se incrementa,
registrando casi un predominio total durante los meses de enero, febrero y marzo
(93,0%).
Durante los meses invernales, la altitud de la base del estrato de ITN es la más baja del
año, con valores de 97,7 m en diciembre y 109,1 en enero. La ZBASE presenta una
importante variabilidad anual, con un rápido e importante incremento altitudinal durante
los meses de verano (554,8 m. en agosto y 513,3 m. en julio). La mayor presencia de
dorsales anticiclónicas en niveles medios atmosférico durante los meses estivales,
favorece la aparición de estratos subsidentes de inversión en niveles altitudinalmente
superiores, con valores que a menudo alcanzan los 1250 m, como en las Islas Canarias
(Dorta Antequera, 1994).
64
Fig. 2.14. Histograma de frecuencias y curva de densidad de ZBASE (metros) (1986-
2015). Datos: CMT de Murcia (AEMET).
Durante los últimos días de diciembre se registra la menor altitud de la ZBASE (80 m),
siendo un estrato prácticamente superficial (Fig. 2.14). Hasta principios de febrero
apenas experimenta variaciones significativas, marcada por el importante descenso de
la radiación solar en época invernal. Con la llegada del trimestre estival, la altitud de la
base del estrato de inversión térmica asciende altitudinalmente de forma significativa,
hasta alcanzar las mayores altitudes durante agosto y principios de septiembre (590 m).
Entre los meses de septiembre y principios de noviembre se produce una brusca caída
altitudinal de la ZBASE, registrando valores entorno a 200 m. Vuelve a evidenciar que la
llegada del mes de noviembre marca el inicio del periodo de heladas en el área de
estudio, con el inicio de procesos de ITN superficiales.
La altitud predominante de la base del estrato de ITN a lo largo del año se sitúa por
debajo de 100 m (86%), con muy poco protagonismo para las jornadas con altitudes
superiores a los 200 m (5%) (Fig. 2.15). A pesar del escaso peso relativo, se anotan
algunas jornadas estivales con altitudes superiores a los 1400 m de altitud. Se trata, por
tanto, de un ámbito territorial donde los procesos de IT nocturnos son eminentemente
superficiales, a diferencia de otras zonas de la Península Ibérica como Madrid y la Sª
de Guadarrama, donde los procesos de inversión térmica son preferentemente de
estrato alto (López Gómez, 1975).
65
Fig. 2.15. Evolución de la altitud media de la base del estrato de inversión térmica (ZBASE)
de las inversiones térmicas nocturnas (1986-2015). Línea azul representa un suavizado
de paso bajo (Smoothing Method Loess). Datos: CMT de Murcia (AEMET).
Durante los últimos días de agosto se registran los valores térmicos más elevados
(22.0ºC), correspondiendo los más bajos del año a mediados de enero (7,7ºC). Dicho
valor, se registra a una altitud de 80 m (ZBASE), tal y como se ha analizado en párrafos
anteriores. Desde 1986, sólo en cuatro ocasiones, la T BASE ha sido inferior a 0ºC, lo que
demuestra la dificultad de registrar valores negativos a las afueras de la ciudad de
Murcia antes de medianoche (00 h UTC). Por el contrario, las temperaturas más
elevadas registradas en verano aparecen a una altitud media de 513 m (Fig. 2.17). Se
66
trata de temperaturas muy elevadas a dicha altitud, con valores que llegan a alcanzar
25-30ºC, asociadas a importantes advecciones cálidas de origen subtropical continental.
La Fig. 2.16 muestra la distribución térmica de la TBASE a lo largo del año, registrando
una moda principal entorno a 10ºC. Se trata del valor más repetido, aunque el intervalo
térmico comprendido entre 10-20ºC es el que registra una mayor densidad anual. Por
tanto, los extremos térmicos (inferior a 10ºC, y superior a 20ºC) registran un menor peso
relativo. La influencia de la escasa altitud del observatorio del CMT de Guadalupe
durante el invierno, y la elevada altitud de la Z BASE en verano, repercute en la poca
probabilidad de aparición de temperaturas extremas. En general, las temperaturas son
suaves en su conjunto.
67
Fig. 2.17. Evolución de la temperatura media de la base del estrato de inversión térmica
(TBASE) de las inversiones térmicas nocturnas (1986-2015). Línea azul un suavizado de
paso bajo (Smoothing Method Loess). Datos: CMT de Murcia (AEMET).
2.3.1.6. Altitud del tope del estrato de inversión térmica nocturna (ZTOP)
La altitud del tope del estrato de inversión térmica nocturna (ZTOP), o nivel donde la
temperatura empieza a descender con el ascenso altitudinal, aparece a una altitud
media anual de 544,5 m. Es un valor que puede definirse de baja altitud, a diferencia de
otros lugares de la Península Ibérica (provincia de Castellón), con valores situados entre
500 y 1000 m de altitud (Quereda et al., 2004).
Durante los meses invernales, la ZTOP registra los valores más bajos del año. A principios
de diciembre, y durante el mes de febrero, la altitud media se sitúa en 344 m. Es un
valor relativamente bajo en comparación con otros ámbitos del planeta con
características climáticas similares al sureste peninsular (Teherán – Irán), donde se
observan altitudes medias entre 1267 y 1482 m (Halimi et al., 2017).
La altitud media del estrato de inversión es manifiestamente más elevada durante los
meses estivales. A finales de julio, y durante el mes de agosto, se registran valores de
948,5 m. Durante el intervalo más cálido del año existe un predominio de inversiones
térmicas nocturnas de estrato alto o ELIs. Su aparición viene determinada por una mayor
insolación y procesos dinámicos de bajas térmicas y dorsales subtropicales sobre la
Península Ibérica, caracterizándose por presentar un brusco descenso higrométrico con
68
la altitud (inversión seca). Suele aparecer a una altitud superior a los 500 m, con topes
que superan los 3000 m en los meses de julio y agosto.
Las jornadas con la ZTOP inferior a 500 m de altitud son las predominantes a lo largo del
año (70%) (Fig. 2.18). Se trata, por tanto, de procesos de ITN de baja de altitud. Las
altitudes superiores a los 500 m tan sólo suponen el 30% restante, y aparecen
principalmente en verano. Los resultados son similares a los observados en otras
regiones subdesérticas del planeta, situadas en grandes zonas de convergencia
intertropical (ZCIT). La altura de la ZTOP superar los 3000 m de altitud debido a la
presencia de potentes dorsales cálidas. (Von Engeln y Teixeira, 2013)
69
Fig. 2.19. Evolución de la altitud media del tope del estrato de inversión térmica (ZTOP)
de las inversiones térmicas nocturnas (1986-2015). Línea azul representa un suavizado
de paso bajo (Smoothing Method Loess). Datos: CMT de Murcia (AEMET).
2.3.1.7. Temperatura del tope del estrato de inversión térmica nocturna (TTOP)
La temperatura del tope o techo del estrato de ITN (TTOP) obtiene una temperatura media
anual de 17,3ºC (Fig. 2.21). Registra el mismo patrón distribucional que la T BASE a lo
largo del año, a pesar de no estar influenciado por la superficie. Vuelven a ser
temperaturas elevadas teniendo en cuenta la altitud a la que se registran y la hora
nocturna del sondeo (00 h UTC). Al tratarse del tope de un estrato de inversión, las
temperaturas son más elevadas que las registradas en la TBASE, con extremos térmicos
de 11,5ºC en enero y 23,4ºC en agosto. La altitud media donde se registran constituye
un nivel relativamente elevado en el conjunto anual (544 m).
70
Fig. 2.20. Histograma de frecuencias y curva de densidad de TTOP (ºC) (1986-2015).
Datos: CMT de Murcia (AEMET).
La Fig. 2.21 muestra dos pendientes desiguales. Un ascenso térmico gradual desde los
primeros días de enero hasta la llegada del verano. Mientras, que, la curva se acentúa
en su descenso tras el periodo estival. Con la llegada del otoño se produce una repentina
caída de la temperatura por el brusco descenso altitudinal que experimenta el estrato
de inversión térmica.
Las temperaturas del tope del estrato de ITN presentan la misma distribución anual que
la TBASE, registrando, en su conjunto, valores suaves. Predominan las temperaturas
entre 10 y 20ºC, valores similares a los anotados en la base del estrato (Fig. 2.20). Pero
también se aprecia un importante peso relativo de las temperaturas superiores a los
20ºC. Durante la época estival, los valores térmicos superiores a 20ºC se registran a
altitudes próximas a 1000 m, sin duda, niveles relativamente elevados. Las masas de
aire cálido, alojadas en niveles medios de las dorsales subtropicales, generan
temperaturas más propias de la superficie. Del total de jornadas analizadas, un total de
45 registran valores igual o superior a 30ºC, alcanzando, incluso, un valor absoluto de
35,6ºC.
Los procesos de inversión térmica de estrato cálido en niveles bajos son predominantes
en la ciudad de Murcia y en el sureste peninsular. Las notables diferencias térmicas y
altitudinales entre la base y el tope del estrato de inversión, detallada en párrafos
71
anteriores, dan lugar a temperaturas superficiales muy heterogéneas durante las
madrugadas estables.
Fig. 2.21. Evolución de la temperatura media del tope del estrato de inversión térmica
(TBASE) de las IT nocturnas (1986-2015). Línea azul representa un suavizado de paso
bajo (Smoothing Method Loess). Datos: CMT de Murcia (AEMET).
72
Fig. 2.22. Histograma de frecuencias y curva de densidad de DZINV (m) (1986-2015).
Datos: CMT de Murcia (AEMET).
La Fig. 2.22 muestra la distribución anual de los espesores del estrato a lo largo del año.
La mayoría, con una densidad más importante, corresponde a espesores de 0 a 200
(50%). La DZINV muestra un importante peso relativo entre 201 y 400 m, con valores
entorno al 30%. Se advierte una única moda principal muy marcada, constituyendo, en
su conjunto, estratos de inversión de poco espesor. Los valores superiores a 400 m
carecen de poca relevancia en el análisis. Tan sólo, en época estival, las medias durante
los meses de julio y agosto llegan a alcanzar puntualmente los 600 m de espesor.
La relación entre intensidad (DTINV) y espesor (DZINV) del estrato de ITN determina el
gradiente de temperatura parcial o gradiente térmico vertical (LR). El valor medio a lo
largo del año se sitúa en 1,6ºC / 100 m, aunque presenta una importante variabilidad
anual. Los meses invernales registran el LR más elevado (2,2ºC en enero y 2,1 en
febrero), constituyendo valores relativamente elevados, que, en combinación con
73
mecanismos de superficie o altitud, intensifican ampliamente sus valores (Gil y Olcina,
2017).
Fig. 2.23. Evolución del espesor medio del estrato de inversión térmica (DZINV) de las IT
nocturnas (1986-2015). Línea azul representa un suavizado de paso bajo (Smoothing
Method Loess). Datos: CMT de Murcia (AEMET).
Durante los primeros días de febrero y marzo en su conjunto se registran los valores
más elevados (2,3ºC/100 m), coincidiendo con una mayor DT INV y un espesor
relativamente escaso. Mientras, en los meses de verano, el LR disminuye
considerablemente (1,0ºC en julio y agosto), valor más próximo al gradiente adiabático
seco (DALR) de atmósferas neutras (Fig. 2.25). Incluso, a finales de julio se anota un
promedio de 0,7ºC, con un posterior ascenso durante el otoño hasta llegar a 2,0ºC
durante los primeros días de octubre. En definitiva, según la clasificación de García et
al. (2012), las inversiones térmicas analizadas en la ciudad de Murcia presentan un
carácter débil a moderado (2-4ºC).
74
valores máximos de hasta 7,4ºC (Domínguez Bascón, 1995). O incluso a los aportados
por Pepin y Kidd (2006) en la Cerdanya catalana (Pirineos orientales), con 8,0ºC/100 m.
Fig. 2.25. Evolución del gradiente térmico medio del estrato de inversión térmica (LR)
de las IT nocturnas (1986-2015). Línea azul representa un suavizado de paso bajo
(Smoothing Method Loess). Datos: CMT de Murcia (AEMET).
75
2.3.1.10. Presión atmosférica superficial en los procesos de ITN (PA)
La Fig. 2.27 también muestra una importante variabilidad de la PA durante los meses
invernales, sujetas a alternancia de procesos ciclogenéticos y periodos anticiclónicos
sobre la Península Ibérica. En cambio, la fluctuación durante los meses estivales
(periodo atmosférico más monótono) es mucho más estable.
76
La PA predominante a lo largo del año o moda se sitúa entorno a 1010 hPa, coincidiendo
con la media aritmética. Existe un peso relativo muy importante entre 1008 y 1013 hPa,
englobando prácticamente el 50% de las anotaciones anuales. Los registros inferiores
a 1000 hPa, y los superiores a 1025 hPa apenas obtienen un peso específico relevante
en la ciudad de Murcia (Fig. 2.26). Tan sólo 58 jornadas de ITN (1,3%) registran valores
inferiores a 1000 hPa. Es una PA que suele originar inestabilidad, asociada a centros
de acción de potentes borrascas. Por su parte, los valores de PA extremadamente altos
no son frecuentes, con registros superiores a 1025 hPa en sólo 61 jornadas (1,4%).
Fig. 2.27. Evolución de la presión atmosférica media (PA) en las IT nocturnas (1986-
2015). Línea azul representa un suavizado de paso bajo (Smoothing Method Loess).
Datos: CMT de Murcia (AEMET).
Las temperaturas en los geopotenciales de 850 y 500 hPa (unos 1500 y 5500 m de
altitud) proporcionan información relevante en niveles medios-altos atmosféricos.
Durante los meses invernales, la T850 y T500 obtienen valores medios de 4,3 y -20,5ºC.
Se trata de temperaturas frías, que generan recurrentes heladas en valles de elevada
altitud (>1500 m). Este aspecto se tratará con profundidad en el Capítulo 4. Durante los
77
primeros días de enero se registra el momento más frío del año, con temperaturas
medias de 2,5 y -23,0ºC a 850 y 500 hPa respectivamente (Fig. 2.28).
Por su parte, los meses estivales registran las temperaturas más elevadas del año, con
valores de 22,6ºC (850 hPa) a mediados de agosto. La influencia de las burbujas cálidas
en niveles medios atmosféricos, asociados a dorsales anticiclónicas en el sur de la
Península Ibérica, genera temperaturas más elevadas en el geopotencial a 500 hPa (-
8/-9ºC).
Fig. 2.28. Histograma de frecuencias y curva de densidad de T500 y T850 (ºC) (1986-
2015). Datos: CMT de Murcia (AEMET).
78
Principios de mayo constituye el cese de las condiciones frías en el interior de la Región
de Murcia, y la finalización del periodo de heladas (FP) en valles interiores de gran altitud
(Espín Sánchez, 2016).
Las inversiones térmicas nocturnas más intensas presentan una tipología superficial,
con una ZBASE que en la mayoría de ocasiones se sitúa a 62 m de altitud. Se trata, por
tanto, de inversiones térmicas de muy bajo nivel altitudinal, con una altitud media del
ZTOP de 533,4 m (Tabla 2.6). Ello genera un espesor medio importante (461,3 m), dando
lugar a una notable influencia del gradiente térmico vertical (4,2ºC/100 m). Las
diferencias térmicas entre los extremos de la capa de inversión son realmente
importantes, con una DTINV media de 11,3ºC. Algunas de las jornadas con la intensidad
más elevada del periodo de análisis (1986-2015), como el 6 de noviembre de 2013,
registra un LR de 49,0ºC/100 m. Se trata de gradientes térmicos extraordinarios, con
diferencias térmicas de 10ºC en apenas 20 m en la vertical. En términos absolutos,
durante la jornada del 10 de febrero de 2006, se anota una diferencia de 14,2ºC entre
la base y el tope del estrato de ITN, el valor más elevado durante el periodo de análisis
1986-2015.
79
Tabla 2.6. Jornadas con las inversiones térmicas nocturnas más intensas (DTINV) en el
periodo (1986-2015). Datos: CMT de Murcia (AEMET).
Fecha TBASE ZBASE TTOP ZTOP (m) DTINV DZINV LR PA T500 T850
(ºC) (m) (ºC) (ºC) (m) (ºC)
10/02/2006 0,8 62 15,0 585 14,2 523 2,7 1008 -17,5 10,0
10/01/2015 -3.7 62 10,5 279 14,2 217 6,5 1000 -16,1 11,8
21/12/1989 7,2 62 20,6 598 13,4 536 2,5 1017 -11,3 15,6
01/03/1990 13,2 62 26,4 496 13,2 434 3,0 1012 -12,9 15,8
30/12/2001 6,0 62 18,4 662 12,4 600 2,1 1011 -14,1 14,2
07/01/1987 4,8 62 16,4 310 11,6 248 4,7 1012 -19,3 10,2
14/01/2007 6,0 62 17,4 688 11,4 626 1,8 1021 -13,9 14,2
18/02/1989 6,2 62 17,4 578 11,2 516 2,2 1016 -18,3 11,8
07/01/2014 -1,4 100 6,8 297 11,2 197 5,7 1029 -15,3 10,8
15/02/1990 9,0 62 20,2 242 11,2 180 6,2 1012 -16,3 15,6
06/12/2001 7,0 62 17,8 557 10,8 495 2,2 1021 -19,9 13,0
25/11/2013 -3,8 62 6,7 105 10,5 43 24,4 1018 -23,7 3,0
16/05/1995 13,2 62 23,6 881 10,4 819 1,3 1005 -12,7 18,2
11/01/2015 6,7 80 17,0 300 10,3 220 4,7 1030 -18,1 12,0
04/11/2013 6,7 62 17,0 279 10,3 217 4,7 1039 -13,3 12,4
13/12/2000 7,2 62 17,4 958 10,2 896 1,1 1024 -13,1 14,2
21/01/2007 9,6 62 19,6 324 10,0 262 3,8 1014 -14,9 12,6
03/08/1988 23,6 208 33,6 1053 10,0 845 1,2 1003 -10,9 29,6
14/12/2000 7,8 62 17,8 1059 10,0 997 1,0 1020 -13,1 14,6
05/12/2001 7,0 62 17,0 417 10,0 355 2,8 1021 -14,7 13,4
Media 6,7 72,1 17,8 533,4 11,3 461,3 4,2 1017 -15,5 13,7
La mayoría de jornadas con las intensidades de inversión (DT INV) más importantes se
sitúan en época invernal, con una temperatura media de la temperatura del tope de
inversión (TTOP) realmente elevada (17,8ºC). Ello guarda estrecha relación con las
temperaturas en niveles medios atmosféricos (T850), con un valor que se sitúa por
encima de la media invernal (13,7ºC). Determina, por tanto, la aparición de dorsales
subtropicales en altura (1016,7 hPa en superficie), con masas de aire templadas para
invierno. Genera importantes intensidades de inversión, que será desarrollado
ampliamente en el Capítulo 2.
80
2.3.2. Influencia de los procesos de ITN en las temperaturas mínimas
superficiales: capacidad de intensidad de inversión (CINV)
Para comprobar la viabilidad del PCA se han realizado previamente varias pruebas y
test estadísticos. La determinante de la matriz de correlaciones de las variables
analizadas muestra un valor bajo (-0.000862), es decir, muy próximo a 0, lo que indica
una alta multicolinealidad entre las variables. El test de Bartlett (Bartlett's K-squared =
248980, df = 10, p-value < 2.2e-16) expresa la existencia de una homogeneidad en las
varianzas, y por consiguiente un buen número de correlaciones positivas entre las
variables. Del mismo modo, el test de Kaiser-Meyer-Olkin (KMO) compara los valores
de las correlaciones entre las variables y sus correlaciones parciales. Si el índice KMO
está próximo a 1, el PCA es viable. Si el índice es bajo (próximo a 0), el PCA no tendrá
una aplicabilidad relevante. En el presente caso, los resultados muestran un valor
intermedio, en torno a 0,5.
81
Fig. 2.30. Gráfica de sedimentación (PCA). Proporción de varianza (%) de los
componentes principales analizados.
La Fig. 2.31 muestra los resultados de los dos primeros componentes. T850, TBASE, TTOP
y T500 tienen importantes influencias positivas en el componente 1. Agrupan las
variables de carácter térmico en diferentes niveles altitudinales. Además, las variables
de ZBASE, ZTOP y DZINV (altitudes y espesor), muestran valores superiores a 0,5 en el
primer componente, y -0,5 en el segundo, por lo que también ejercen una importante
influencia.
Las temperaturas mínimas generadas durante las madrugadas con procesos de ITN,
están fuertemente influenciadas por dos componentes principales: (1) las características
térmicas de la masa de aire (reflejada en T500 y T850), y su transferencia a la
temperatura del estrato de ITN, y (2) la altitud de la capa de inversión térmica, así como
al espesor de la misma. El pronóstico de ambos grupos es clave para la predicción de
temperaturas mínimas en madrugadas con condiciones atmosféricas estables.
82
Fig. 2.31. Gráfico Biplot o círculo de correlaciones obtenidas en el PCA. Combina la
representación de las observaciones y de las variables. “Station” hace referencia a las
temperaturas mínimas de 22 observatorios meteorológicos de la DHS.
83
Fig. 2.32. Matriz de correlación estadística según Kendall entre las diferentes variables
analizadas. “Station” hace referencia a las temperaturas mínimas de 22 observatorios
meteorológicos de la DHS.
El espesor o DZINV presenta una correlación importante con la ZTOP (0,62***). El espesor
de los estratos de ITN aumenta a medida que el tope del estrato se sitúa a mayor altitud,
aunque apenas mantiene correlación estadística con la altitud de la base del estrato
(ZTOP). Además, a mayor T850, la DZINV aumenta, lo que genera estratos de mayor
espesor (0,48***). Ello adquiere una gran relevancia, ya que el aumento de espesor está
relacionado con un aumento altitudinal del tope del estrato, pero no de la base, lo que
corrobora el carácter superficial de las inversiones térmicas en el área de estudio. Por
su parte, la DTINV o la intensidad de inversión no parece estar influenciada por ninguna
otra variable, si bien, se advierte que las intensidades son mayores conforme
disminuyen las temperaturas superficiales (-0,25**).
84
2.3.2.2. Intensidad de inversión térmica nocturna en la DHS
Cada punto geográfico en el territorio tiene una capacidad para invertir la temperatura
durante una madrugada bajo condiciones estables. En cada ámbito, a su altitud
correspondiente, le corresponde una temperatura teórica en “atmósfera libre”,
determinado por la altitud del estrato térmico a esa altitud. Ello significa que, en una
85
atmósfera neutra o inestable, la temperatura en dicho sector se corresponde con las
características térmicas de la capa atmosférica a esa altitud.
La Vega Alta y Media del Segura, el sector medio del Guadalentín, y ciertas zonas del
norte del Campo de Cartagena, registran valores de relativa importancia (7-8ºC),
generando una capacidad de inversión moderada. Por su parte, en la Vega Baja del
Segura, litoral meridional de la Región de Murcia y Almería (espacios de gran interés
hortofrutícola), y relieves centrales de la Región de Murcia, los procesos de inversion
térmica adquieren intensidades poco relevantes (C INV de 5,5 a 6,0ºC, consideradas muy
débiles a débiles).
86
Tabla 2.7. Puntos de observación con mayor y menor CINV media (ºC) en la DHS.
(octubre 2016 - mayo 2018).
Los valores de CINV máximos absolutos son realmente elevados en los sectores más
occidentales de la DHS (Campos de Hernán Perea, paraje de Monterilla, y cabecera del
río Segura) (Fig. 2.34), donde llegan hasta 26,3ºC (17 enero de 2018) (Tabla 2.8). Ello
significa que, mientras a las 00 h UTC de la noche de ese día el sensor térmico de
Monterilla anotaba una temperatura de -13,6ºC (a una altitud de 1660 m), a esa misma
hora y altitud (1660 m -840 hPa-), la temperatura registrada en “atmósfera libre” por el
sondeo atmosférico lanzado desde Murcia alcanzaba, en cambio, una temperatura de
12,7ºC. Tal diferencia implica, por tanto, una capacidad para invertir la temperatura de
más de 26ºC, lo que puede considerarse un valor C INV verdaderamente extraordinario,
y quizás uno de los más altos hasta el momento obtenidos en el sureste peninsular.
87
Fig. 2.34. Cartografía de la CINV máxima absoluta en el área de estudio (2016-2018).
88
Tabla 2.8. Puntos de observación con mayor y menor CINV absoluta (ºC) en la DHS.
(octubre 2016 - mayo 2018).
El número de eventos diarios de ITN disminuye durante las últimas tres décadas (-7,9
días/década) (Tabla 2.9). No presentan significancia estadística anual, si bien, aunque
la pendiente es ligera, las madrugadas estables experimentan una disminución
progresiva (Fig. 2.35). La tendencia es significativa durante los meses de julio, agosto y
septiembre, apoyada en un P-value inferior a 0,05 según el Test de Wilcoxon Signed-
Rank (-1,5 y -2,0 días/década). Un aspecto especialmente relevante es la débil
tendencia positiva durante el periodo invernal (0,4 días/década), con ascensos
marcados en diciembre y enero (únicos meses con registros positivos destacables). Se
trata de un aspecto tremendamente interesante, pues coincide con la etapa donde se
concentran los eventos y episodios más intensos del año.
89
Tabla 2.9. Tendencias estadísticas según Kendall (tendencias/década) con un intervalo
de confianza del 95% (en negrita significancia estadística). Nivel de significancia (P-
value) según el Test de Wilcoxon Signed-Rank <0.01 (en rojo) y < 0.05 (en naranja)
estimadas para el número de días con inversión térmica nocturna (ITN), el número y la
duración de episodios de ITN. Datos: CMT de Murcia (AEMET).
Fig. 2.35. Evolución anual del número de eventos de ITN (1986-2015). Datos: CMT de
Murcia (AEMET).
Los episodios de inversión térmica analizados durante las tres últimas décadas
experimentan un ligero descenso (-1,1 episodios/década), aunque no es un valor
estadísticamente significativo (Fig. 2.36). Se constata un mayor descenso en agosto y
septiembre (época cálida), con tasas de -0,5 episodios/década (ratificadas por un P-
value <0.05). Durante el resto del año, en general, los resultados no son concluyentes,
90
si bien, sólo los meses más fríos del año (diciembre y enero) son los únicos que
experimentan un ligero crecimiento (0,2 episodios/década).
Por su parte, la duración de los procesos de ITN requiere una interpretación más
compleja, ya que presenta un descenso anual poco relevante (-0,1 días/década), y
arroja pocas claves sobre su comportamiento en las últimas décadas. Gran parte de los
meses anuales experimentan un descenso entre -0,4 y -0,6 días/década, aunque sólo
agosto muestra niveles estadísticamente significativos de acuerdo con las pruebas de
Kendall y Wilcoxon. El resto del año, los valores se sitúan entre 0,1 y 0,4 días/década.
En definitiva, las jornadas estables con inversiones térmicas nocturnas (ITN), así como
su persistencia y duración (episodios), experimentan descensos generales durante las
últimas décadas. Los cambios más significativos se producen durante la época cálida
(verano), con significancia estadística en algunos meses. Los meses invernales de
enero y febrero experimentan un ligero aumento en el número de madrugadas estables
de ITN. Por último, a finales de la década de los 80 y principios de los 90 se produce un
incremento de los eventos y episodios de inversión nocturna, con un repunte actual en
los últimos años (Fig. 2.35 y 2.36).
Fig. 2.36. Evolución anual del número de episodios de inversión térmica nocturna, y su
duración (1986-2015). Datos: CMT de Murcia (AEMET).
Durante las últimas décadas el estrato de ITN registra un progresivo ascenso altitudinal
(Tabla 2.10). La ZBASE aumenta a razón de 74,7 m/década como promedio (P-value <
91
0.05), y en un grado considerablemente mayor durante los meses estivales de junio
(295,1 m/década) y julio (118,7 m/década). Durante el periodo invernal, y noviembre, la
altitud de la base del estrato apenas experimenta variaciones notables (-19,0 m/década).
Por su parte, la ZTOP muestra un ascenso medio más importante (106,2 m/década), con
valores mensuales estadísticamente significativos en abril y junio (>140 m/década). Se
trata de valores parecidos a los obtenidos por Zhang et al. (2013) a partir del análisis de
sondeos en la ciudad de Murcia). Según los resultados del reanálisis del ERA-20C
(ECMWF), el techo del estrato de inversión asciende en las regiones de Asia oriental y
norte de África a menor ritmo (10 a 14 m/década). Se trata de incrementos más
reducidos que los aquí apuntados para Murcia, pero que confirman la tendencia
ascendente de los estratos de ITN ya detectada en regiones áridas y semiáridas (Zhao
et al., 2017).
92
octubre) se produce, aunque con escaso nivel de significancia, un descenso térmico,
especialmente en los meses de agosto y septiembre (-0,6ºC/década).
En cambio, la TTOP, experimenta una tendencia media negativa (-0,3ºC), con alto nivel
de significancia según el test de Wilcoxon. Los meses de junio a octubre (-0,6 a -
1,4ºC/década) presentan los mayores descensos térmicos del techo de la inversión,
mientras que, la primavera e invierno muestran tendencias ligeramente positivas
(0,1ºC/década). En ningún caso son dichas tendencias estadísticamente significativas.
En general, la menor influencia de la superficie, asociada a un aumento altitudinal de la
ZTOP (74,7 m), provoca el descenso térmico del tope del estrato.
93
Fig. 2.37. Evolución anual de la intensidad media (DTINV) de los eventos de inversión
térmica nocturna (1986-2015). Datos: CMT de Murcia (AEMET).
94
Tabla 2.11. Tendencias estadísticas según Kendall (tendencias/década) con un
intervalo de confianza del 95% (en negrita significancia estadística). Nivel de
significancia (P-value) según el Test de Wilcoxon Signed-Rank <0.01 (en rojo) y < 0.05
(en naranja) estimadas para DTINV, DZINV y LR. Datos: CMT de Murcia (AEMET).
La presión atmosférica (PA) durante las jornadas de ITN muestra una tendencia general
positiva, siendo estadísticamente significativa (0,4 hPa/década). La PA aumenta en los
periodos de mayor recurrencia de procesos de inversión térmica nocturna,
especialmente durante la época fría del año (diciembre a marzo) con valores
significativos entre 0,5 y 0,8 hPa/década. El mes de diciembre experimenta el mayor
incremento, con un P-value inferior a 0.01 (muy relevante). Por el contrario, en los meses
de abril a octubre, apenas se aprecian cambios en la evolución temporal de la PA
durante las últimas décadas, de modo que ésta se mantiene prácticamente estable (0,0
- 0,1 hPa/década) (Tabla 2.12).
Durante este tipo de eventos, a lo largo del período analizado, la temperatura en niveles
altos atmosféricos (T500) experimentan un leve descenso (-0,1ºC/década). Las tasas
de disminución más importantes se producen en primavera y otoño (a menudo en torno
a -0,5ºC/década). Especialmente relevante es el mes de marzo, donde se registra una
reducción estadísticamente significativa (-1,8ºC/década). En cambio, los meses
estivales e invernales apenas registran variaciones relevantes (0,1 a 0,2ºC/década).
95
tendencia media positiva (0,2ºC/década), que incluye aumentos mensuales
particularmente notorios en febrero y abril (1,4 y 1,1ºC/década respectivamente). La
media estacional de invierno supone un incremento de 0,8ºC/década, lo que implica un
claro cambio en el grado de influencia sobre las heladas en dicha época del año. Por el
contrario, los meses de agosto, septiembre o noviembre registran tendencias negativas,
alguna de ellas de cierta relevancia (-1,8ºC/ década en septiembre).
Conclusiones y discusión
96
porcentaje de jornadas de ITN al año, correspondiendo el 90% de ellas a origen
superficial (SBIs), proporción algo superior a la registrada en Murcia (80,8%). Dichos
resultados guardan también relación con los obtenidos en otras zonas europeas de
clima más frío, como Polonia, donde Czarnecka et al. (2018) han constatado un claro
predominio de las jornadas con IT nocturna superficial (SBIs) (>65% del total anual de
eventos diarios de IT, y >90% en invierno). Al igual que ocurre en estos casos, las SBIs
se muestran en Murcia muy predominantes y persistentes, particularmente durante el
invierno, en el que se registran la mayoría de las heladas y las temperaturas mínimas
extremas (93,2% de SBIs, frente a un 6,8% de ELIs). Por su parte, las IT elevadas (ELIs)
suponen el 19,2% del total anual, y se concentran principalmente en la época cálida (de
mayo a septiembre registran el 79,4% anual).
2. En época invernal, periodo del año donde se desarrollan las temperaturas mínimas
más frías, el predominio de estratos de inversión térmica superficial (SBIs) es casi total
en la ciudad de Murcia (96,3% en diciembre). Aparecen en contacto con la superficie, y
se caracterizan por presentar una altitud de la base del estrato (Z BASE) muy baja (a
menudo con un nivel desde donde es lanzado el sondeo) (Whiteman, 2000). En la
ciudad de Murcia, la altitud media durante el invierno se sitúa en 109 m, aunque el 95%
de las ocasiones, la ZBASE se sitúa a 62 m (altitud del CMT de Guadalupe, desde donde
se lanza el globo sonda). A pesar de ser sondeos nocturnos (00 UTC), la temperatura
invernal en la base del estrato es relativamente elevada (8,0ºC). Por su parte, la ZTOP
registra una altitud media de 340 m durante el trimestre invernal, lo que pone de
manifiesto que los estratos de IT nocturnos durante el invierno suelen ser de muy baja
altitud. La TBASE durante la época invernal se sitúa en 11,5ºC (temperatura templada).
3. El espesor del estrato de inversión térmica (DZINV) es muy fino en invierno, con valores
que se sitúan entre 230 y 240 m. Son resultados similares a los espesores medios
invernales registrados en el centro de la Península Ibérica (100 m) (Rasilla et al., 2018),
en Irán (128 m) (Tavousi y Abadi 2016), o en Elba (Polonia) (entre 100 y 200 m)
(Czarnecka et al., 2018). En todos estos casos, los estratos de inversión superficiales
tienen muy poco desarrollo vertical durante el trimestre invernal y un espesor
ligeramente moderado en el periodo de abril a octubre).
4. Durante la época fría del año, especialmente en el trimestre invernal, los estratos de
ITN superficiales presentan un fuerte contraste térmico entre la base y el tope, a pesar
de su escaso espesor. Ello genera que la intensidad de inversión (DTINV) sea realmente
elevada en la ciudad de Murcia (superior a 5ºC en el 45% de las jornadas invernales).
El aumento de la DTINV se explica aquí por registrar durante dicha época del año un
mínimo anual de flujo solar (R2 -0.80). En otras regiones áridas del planeta (e.g. El
97
Cairo), las intensidades de inversión más importantes se registran también en diciembre,
enero y febrero (Kandil et al., 2008). La consecuencia inmediata es la presencia de
estratos bajos de ITN con gradientes térmicos verticales (LR) particularmente elevados
en invierno (2 a 4ºC/100 m).
98
días invernales de estancamiento atmosférico para las próximas décadas entre 3 y 8
días por año (12-25%), hecho que está en consonancia con los patrones de tendencia
negativa descritos en el presente trabajo durante los meses de invierno. Una
disminución media anual del número de ITN, con patrones de tendencia positiva opuesta
en los meses de frío más intenso, podría acentuar los efectos de las islas de calor
urbana, especialmente en grandes ciudades afectadas por fenómenos de inversión
térmica como Murcia (Allende Álvarez et al., 2018). A pesar de ello, son todavía
relativamente escasos los estudios que abordan la predicción y evolución temporal de
este tipo de sucesos, y ello dificulta la obtención de resultados comparativos
concluyentes:
(II) Numerosos estudios señalan que las condiciones para un fuerte enfriamiento
radiativo en superficie vienen marcadas por pequeños gradientes de presión
horizontal en el centro del anticiclón, cuña o cresta anticiclónica (Bailey et al.,
2011; Palarz, 2014). En la ciudad de Murcia se produce un incremento
estadísticamente significativo de la presión atmosférica durante los eventos
nocturnos de ITN (0,5 a 0,8 hPa/década). Los datos aportados en el capítulo
arrojan una tendencia hacia inviernos con mayor estabilidad (más
anticiclónicos), con más eventos de ITN, y periodos ligeramente más
numerosos y duraderos. Los estratos de ITN en invierno no están
experimentado cambios significativos, si bien el gradiente térmico vertical
(LR) disminuye, como consecuencia del aumento del espesor (DZ INV). Las
temperaturas aumentan en la base del estrato (T BASE), al igual que en niveles
99
medios atmosféricos (T850), lo que generará temperaturas mínimas
superficiales más elevadas. La intensidad de inversión se mantiene durante
el trimestre invernal, lo que llevaría a diferencias térmicas superficiales igual
de significativas en el área de estudio, pero con temperaturas mínimas más
elevadas.
Referencias bibliográficas
Allende Álvarez, F., García Fernández. F., Rasilla Álvarez, D., y Muñoz, J. A. (2018):
“Isla de calor nocturna estival y confort térmico en Madrid: avance para un
planeamiento térmico en áreas urbanas”. Planificación estratégica territorial y
alteraciones del plan general Stepping Stones, nuevo paradigma de territorio y
urbanización Planeamiento urbanístico y suburbanización, 40(195), 101.
http://hdl.handle.net/10486/689801
Bailey, A.; Chase, T. N.; Cassano, J.J. y Noone, D. (2011): “Changing Temperature
Inversion Characteristics in the U.S. Southwest and Relationships to Large-Scale
Atmospheric Circulation”. Journal of Applied Meteorology and Climatology, 50, pp.
1307-1323. https://doi.org/10.1175/2011JAMC2584.1
100
Barr, S. y Orgill, M.M. (1989): “Influence of external meteorology on nocturnal valley
drainage winds”. Journal of Applied Meteorology, 28, pp. 497-517.
https://doi.org/10.1175/1520-0450(1989)028<0497:IOEMON>2.0.CO;2
Bello Fuentes, V. (2008): “Las inversiones térmicas en el Valle Bajo del Henares”. Serie
Geográfica, 14, 47-60.
Beniston, M. (2006): “Mountain weather and climate: a general overview and a focus on
climate change in the Alps”. Hydrobiologia, 562, pp. 3-16.
Chung, U.; Seo, H.H.; Hwang, K.H.; Hwang, B.S.; Choi, J.J.; Lee, T. y Yun, J.I. (2006):
“Minimum temperature mapping over complex terrain by estimating cold air
accumulation potential”. Agricultural and Forest Meteorology, 137, pp. 15-24.
https://doi.org/10.1016/j.agrformet.2005.12.011
Claps, P., y Sileo, C. (2001): “Caratteritici termometrici dell' Italia meridionale”. L’Acqua,
5(5), 23-31.
Conesa García, C., Espín Sánchez, D., García Marín, R., Castejón Porcel, G., y Moreno
Muñoz, D. (2014): “Inversiones térmicas con advección cálida inferior en la Vega
Media del Segura (Región de Murcia)”. Estudios geográficos, 75, (277), 521-552.
https://doi.org/10.3989/estgeogr.201416
101
Cuadrat Prats J.M. (1983): “Las inversions térmicas en la cazuela de Calatayud”.
Papeles Bilbilitanos. I Encuentro de Estudios Bilbilitanos.
Daly, C.; Helmer, E.H. y Quinones, M. (2003): “Mapping the climate of Puerto Rico,
Vieques, and Culebra”. International Journal of Climatology, 23, pp. 1359-1381.
https://doi.org/10.1002/joc.937
De Martonne, E. (1909): Traité de la Geographie Physique. París, A. Colin., VII. 910 pp.
Devasthale, A.; Willen, U.; Karlsson, K.G. y Jones, C.G. (2010): “Quantifying the
clearskytemperature inversion frequency and strength over the Arctic Ocean
during summer and winter seasons from AIRS profiles Atmospheric”. Chemistry
and Physics Discussions, 10, pp. 2835-2858. https://10.5194/acp-10-5565-2010
102
Espín Sánchez, D., Conesa García, C. y Castejón Porcel, G. (2018): “Temperature
inversions due to warm air advections at low levels: significant thermal constrast
in the Vega Media of the Segura River (Southeast Spain)”. Advances in
Environmental Research, 64, 139-178.
Fritz, B. K., Hoffmann, W. C., Lan, Y., Thompson, S. J., y Huang, Y. (2008): “Low-level
atmospheric temperature inversions and atmospheric stability: characteristics and
impacts on agricultural Applications”. Agricultural Engineering International: CIGR
Journal.
García M., Ramírez, H., Ulloa, H., Arias, S. y Pérez, A. (2012): “Las inversiones térmicas
y la contaminación atmosférica en la zona Metropolitana de Guadalajara
(México)”. Investigaciones Geográficas, 58, 9-29.
Garrat, J. R., y Brost R. A, (1981): Radiative cooling effect within and above the
nocturnal boundary layer. J. Atmos. Sci., 38, 2730–2745.
https://doi.org/10.1175/1520-0469(1981)038<2730:RCEWAA>2.0.CO;2
Garrido Abenza, R., Palenzuela Cruz, J.E, Bañón Peregrín, L.M. (2014): “Atlas
Climático de la Región de Murcia”. Agencia Estatal de Meteorología, 167 pp.
103
Gillies R.R, Wang S.Y., Booth, M.R. (2010): Atmospheric scale interaction on wintertime
intermountain west low-level inversions. Wea Forecasting 25:1196–1210.
https://doi.org/10.1175/2010WAF2222380.1
Gramsch E, Cáceres, D, Oyola, P., Reyes, F., Vásquez Y, Rubio M.A, Sánchez G.
(2014): “Influence of surface and subsidence thermal inversion on PM 2.5 and
black carbon concentration”. Atmos Environ 98, 290–298.
https://doi.org/10.1016/j.atmosenv.2014.08.066
Halimi M., Yarahmadi D., y Zarei Z (2017): “Analysis of the monthly change in the
boundary layer height using the vertical temperature profile models. Case study:
Tehran’s Mehrabad station”. Space communications 6(21):115-124.
Humboldt, A. (1874): Cosmos, ensayo de una descripción física del mundo. Madrid –
España, 1000 pp.
Iacobellis SF, Norris JR, Kanamitsu M, Tyree M, Cayan DC (2009). “Climate variability
and California low-level temperature inversions”. California Climate Change
Center, p 48.
104
Iyer U.S. y Nagar S.G. (2011): “Variability in surface inversion characteristics over India
in winter during the recent decades”. J Earth SystSci 120, 73–84.
https://doi.org/10.1007/s12040-011-0069-2.
Jiménez, M.A., Ruiz, A. y Cuxart, J., (2015): “Estimation of cold pool areas and chilling
hours through satellite-derived surface temperatures”. Agricultural and Forest
Meteorology, 207: 58-68. https://doi.org/10.1016/j.agrformet.2015.03.017
Johnson R.H., Rickenbach T.M., Rutledge S.A., Ciesielski P.E., y Schubert W.H. (1999):
“Trimodal characteristics of tropical convection”. J Clim 12, 2397–2418.
https://doi.org/10.1175/1520-0442(1999)012<2397:TCOTC>2.0.CO;2
Kahl, J.D. (1990): “Characteristics of the low-level temperature inversion along the
Alaskan Arctic coast”. International Journal of Climatology, 10, pp. 537-548.
https://doi.org/10.1002/joc.3370100509
Kaiser, H. F. (1958): “The varimax criterion for analytic rotation in factor analysis”.
Psychometrika, 23(3), 187-200. https://doi.org/10.1007/BF02289233
105
Kukkonen, J.; Pohjola, M.; Sokhi, R.S.; Luhana, L.; Kitwiroon, N.; Rantamaki, M.; Berge,
E.; Odegaard, V.; Slørdal, L.H.; Denby, B. y Finardi, S. (2005): “Analysis and
evaluation of selected local-scale PM10 air pollution episodes in four European
cities: Helsinki, London, Milan and Oslo”. Atmos. Environ., 39, pp. 2759-2773.
https://doi.org/10.1016/j.atmosenv.2004.09.090
Largeron Y., Staquet C. (2016): “Persistent inversion dynamics and wintertime PM10 air
pollution in alpine valleys”. Atmos Environ 135, 92– 108.
https://doi.org/10.1016/j.atmosenv.2016.03.045
Leukauf, D., Gohm, A, Rotach, M.W., Wagner J.S. (2015): “The impact of the
temperature inversion breakup on the exchange of heat and mass in an idealized
valley: sensitivity to the radiative forcing”. J Appl Meteor Climatol, 54, 2199–2216.
https://doi.org/10.1175/JAMC-D- 15-0091.1
Lässig, J. L., Cogliati, M. G., Palese, C., Flores, A., y Bastansli, M. (1997):
“Características de la inversión nocturna en el valle del río negro”.
Lazcano, M., y Yagüe, C. (2006): “Estudio de las alturas características de la capa límite
atmosférica en situaciones estables obtenidas con tres métodos diferentes:
sondeos con globo cautivo, observaciones micrometeorológicas en torre y
ecuaciones de diagnóstico”. 5ª Asambleahispano-portuguesa de Geodesia y
Geofísica. Sevilla.
Li, J., Chen, H., Li, Z., Wang, P., Cribb, M., y Fan, X. (2015): “Low-level temperature
inversions and their effect on aerosol condensation nuclei concentrations under
different large-scale synoptic circulations”. Advances in Atmospheric Sciences,
32(7), 898. https://doi.org/10.1007/s00376-014-4150-z
Liu, H.; Crawford, J.; Pierce, B.; Norris, P.M.; Platnick, S.; Chen, G.; Logan, J.A.;
Yantosca, R.M.; Evans, M.J.; Kittaka, C.; Feng, Y. y Tie, X. (2006): “Radiative
effect of clouds on tropospheric chemistry in a global three-dimensional chemical
transport model”. Journal of Geophysical Research, 111.
https://doi.org/10.1029/2005JD006403
106
López Gómez, A. (1975): “Inversión de temperatura entre Madrid y la Sierra de
Guadarrama con advección cálida superior”. Estudios Geográficos, 36(138-139),
567-604.
Malek, E.; Davis, T.; Martin, R.S. y Silva, P.J. (2006): “Meteorological and environmental
aspects of one of the worst national air pollution episodes (January, 2004) in
Logan, Cache Valley, Utah, USA”. Atmospheric Research, 79 (2), pp. 108-122.
https://doi.org/10.1016/j.atmosres.2005.05.003
Malingowski, J., Atkinson, D., Fochesatto, J., Cherry, J., y Stevens, E. (2014): “An
observational study of radiation temperature inversions in Fairbanks, Alaska”.
Polar Science, 8(1), 24-39. https://doi.org/10.1016/j.polar.2014.01.002 .
Marvin, C. F. (1914): “Air drainage explained”. Monthly Weather Review, 42(10), pp.
583-585.
Masachs Alavedra, V. (1954): “El clima. Las aguas”. Geografía de España y Portugal,
Manuel de Terán (Dir.). Ed. Montaner y Simón (Barcelona)
McChesney, C.J.; Koch, J.M. y Bell D.T. (1995): “Jarrah forest restoration in Western
Australia: canopy and topographic effects”. Restoration Ecology, 3, pp. 105-110.
https://doi.org/10.1111/j.1526-100X.1995.tb00083.x
107
McKee, T.B. y O’Neal, R.O. (1989): “The role of valley geometry and energy budget in
the formation of nocturnal valley winds”. Journal of Applied Meteorology, 28, pp.
445- 456. https://doi.org/10.1175/1520-
0450(1989)028<0445:TROVGA>2.0.CO;2
Miller, D.R.; Bergen, J.D. y Neuroth, G. (1983): “Cold air drainage in a narrow forested
valley”. Forest Science, 29, pp. 357-370.
https://doi.org/10.1093/forestscience/29.2.357
Miró, J.R., Peña, J.C., Pepin, N., Sairouni, A. y Aran, M., (2017): “Key features of cold-
air pool episodes in the northeast of the Iberian Peninsula (Cerdanya, eastern
Pyrenees)”. International Journal of Climatology, 37.
http://dx.doi.org/10.1002/joc.5236
Morbidelli, R., Corradini, C., Saltalippi, C., Flammini, A. (2011): “Atmospheric stability
and meteorological scenarios as inputs to air pollution transport modeling”. Water
Air Soil Pollut, 218, 275–281. https://doi.org/10.1007/s11270-010-0640-5
Nodzu M.I., Ogino S.Y., Tachibana y Yamanaka M.D. (2006): “Climatological description
of seasonal variations in lower tropospheric temperature inversion layers over the
Indochina peninsula”. J Clim 19, 3307–3319. https://doi.org/10.1175/JCLI3792.1
Ogino S.Y., Nodzu M.I., Tachibana Y., Matsumoto, J. (2010): “Temperature inversions
over the Inland Indochina revealed by GAME-T enhanced rawinsonde
observations”. SOLA 6, 5–8 https://doi.org/10.2151/sola.2010-002
108
Olofson K.F.G, Andersson P.U., Hallquist M., Ljungström E., Tang L., Chen D.,
Pettersson J.B. (2009): “Urban aerosol evolution and particle formation during
wintertime temperature inversions”. Atmos Environ 43, 340–346.
https://doi.org/10.1016/j.atmosenv.2008.09.080.
Pagès, M., Pepin, N. y Miró, J.R., (2017): “Measurement and modelling of temperature
cold pools in the Cerdanya valley (Pyrenees), Spain”. Meteorological Applications,
2(24): 290- 302. http://dx.doi.org/10.1002/met.1630
Palo, T., Vihma, T., Jaagus, J., y Jakobson, E. (2017): “Observations of temperature
inversions over central Arctic sea ice in summer”. Quarterly Journal of the Royal
Meteorological Society. https://doi.org/10.1002/qj.3123
Pepin, N. y Kidd, D., (2006): “Spatial temperature variation in the Eastern Pyrenees”.
Weather, 61(11): 300-310. http://dx.doiorg/10.1256/wea.106.06
Quereda, J., Montón, E., Escrig, J., Ruescas, A.B., y Mollá, B. (2004): “La previsión de
nieblas en la cuenca occidental del mediterráneo”. El Clima entre el Mar y la
Montaña, Santander: Asociación Española de Climatología y Universidad de
Cantabria.
Rasilla, D., Fernández García, F., Allende, F., y Martilli, A. (2018): “Estancamiento
atmosférico e inversiones térmicas en la meseta meridional”. XI Congreso AEC
(Asociación Española de Climatología) en Cartagena.
109
Rendón, A.M., Salazar J.F., Palacio C.A., Wirth V. (2015): “Temperature inversion
breakup with impacts on air quality in urban valleys influenced by topographic
shading”. J Appl Meteor Climatol, 54, 302–321. https://doi.org/10.1175/JAMC-D-
14-0111.1
Richardson, E.A, Seeley, S.D y Walker, D.R., (1974): “A model for estimating the
completion of rest for Redhaven and Alberta peach tres”. Hortic. Science 9(4):
331-332.
Schmitt, R. (1945): “El clima de Castilla La Vieja y Aragón”. Estudios Geográficos, Vol.
6, 20-21, pp. 727-812.
Schnelle, K.B., Brown, C.A. (2002): The air pollution control technology handbook. CRC
Press, Boca Raton 386 pp
Sharma, S., 1996. Applied Multivariate Techniques. John Wiley and Sons, Inc., New
York
Silva P.J., Vawdrey, EL., Corbett M, Erupe M. (2007): “Fine particle concentrations and
composition during wintertime inversions in Logan, Utah, USA”. Atmos Environ
41, 5410–5422. https://doi.org/10. 1016/j.atmosenv.2007.02.016
Vihma, T.; Kilpeläinen, T.; Manninen, M.; Sjöblom, A.; Jakobson, E.; Palo, T.; Jaagus,
J. y Maturilli, M. (2011): “Characteristics of Temperature and Humidity Inversions
and Low-Level Jets over Svalbard Fjords in Spring”. Advances in Meteorology,
Vol. 2011, Article ID 486807, 14 pp. https://doi.org/10.1155/2011/486807
Von Engeln, A., y Teixeira, J. (2013): “A planetary boundary layer height climatology
derived from ECMWF reanalysis data”. Journal of Climate, 26(17), 6575-6590.
https://doi.org/10.1175/JCLI-D-12-00385.1
110
Wang, M. Z., Lu, H., Ming, H., y Zhang, J. (2016): “Vertical structure of summer clear‐
sky atmospheric boundary layer over the hinterland and southern margin of
Taklamakan Desert”. Meteorological Applications, 23(3), 438-447.
https://doi.org/10.1002/met.1568
Watson, J.G., y Chow J.C. (2002): “A wintertime PM2.5 episodes at the Fresno, CA,
supersite.” Atmos. Environ. 36, 465–475. https://doi.org/10.1016/S1352-
2310(01)00309-0
Whiteman, C.D.; Pospichal, B.; Eisenbach, S.; Weihs, P.; Clements, C. B.; Steinacker,
R.; Mursch-Radlgruber E y Dorninger, M. (2004): “Inversion Breakup in Small
Rocky Mountain and Alpine Basins”. Journal of Applied Climatology and
Meteorology, 43, pp. 1069-1082. https://doi.org/10.1175/1520-
0450(2004)043<1069:IBISRM>2.0.CO;2
Zhang Y.H., Zhang S.D., Yi F., Chen Z.Y. (2011): “Statistics of lower tropospheric
inversions over the continental United States”. Ann Geophys 29, 401–410.
https://doi.org/10.5194/angeo-29
Zhang, Y., Seidel, D. J., y Zhang, S. (2013): “Trends in planetary boundary layer height
over Europe”. Journal of Climate, 26(24), 10071-10076.
https://doi.org/10.1175/JCLI-D-13-00108.1
Zhao, Y., Mao, W., Zhang, K., LI, H., y Zhang, W. (2017): “Climatic Variations in the
Boundary Layer Height of Arid and Semiarid Areas in East Asia and North Africa”.
Journal of the Meteorological Society of Japan. Ser. II, 95(3), 181-197.
https://doi.org/10.2151/jmsj.2017-010
111
CAPÍTULO 3
Gran parte de la Demarcación Hidrográfica del Segura (DHS), en particular sus vegas y
valles, constituye un espacio intensamente ocupado y explotado desde hace siglos. Las
depresiones intramontanas las componen generalmente valles corredores, depresiones
prelitorales y hoyas interiores, que ocupan una importante extensión dentro de la
Demarcación. Éstas son afectadas a menudo (83,7%) por deposiciones de aire más frío,
proclives al desarrollo de inversiones térmicas nocturnas (ITN), que ofrecen excelentes
ejemplos para evaluar los mecanismos más comunes en inversiones de niveles bajos.
Por el riesgo que ello entraña, adquiere aquí especial relevancia el análisis de las
temperaturas mínimas superficiales asociadas a la ocurrencia de sucesos de inversión
térmica. Estas tienen repercusiones muy negativas en los cultivos de las tierras fértiles
que rellenan los valles, afectando, por tanto, a áreas de gran potencial y rendimiento
agrícola, y generando un impacto socioeconómico que trasciende al área de estudio.
Cabe tener en cuenta que la agricultura es, sin duda, la actividad económica más
importante en esta región, y a la vez la más vulnerable ante el rigor de temperaturas
excesivamente bajas, sobre todo cuando éstas sobrevienen durante los meses de
marzo y abril e interrumpen la etapa de floración.
Las inversiones térmicas se caracterizan por acumular aire más frío y denso en los
fondos de valle y depresiones durante madrugadas estables. Multitud de investigaciones
han analizado la extraordinaria variabilidad espacial en el patrón de temperaturas
mínimas en terrenos irregulares y complejos, determinando, todas ellas, que las
temperaturas más frías se registran en los fondos de valles y puntos más bajos durante
las noches claras y situaciones tranquilas (Catchpole, 1963; Dight, 1967; Coleman,
1969; Harrison, 1969). Fleagle (1950), en uno de los primeros estudios publicados al
respecto, describe el balance de radiación durante el enfriamiento nocturno y los
parámetros que afectan el tamaño de la diferencia de temperatura.
113
1966; Thompson, 1986). Además del aire que es enfriado por radiación a nivel del suelo,
en las montañas descienden flujos descendentes o catabáticos de ladera hacia la
cuenca o valle, y su acumulación en las elevaciones más bajas produce una fuerte
inversión en niveles bajos atmosféricos (Yoshino et al., 1981; Mori et al., 1983). Por esta
razón, la refrigeración en una cuenca o valle es más fuerte que en una superficie plana
y abierta (Kondo, 1986). Bajo condiciones de cielo totalmente despejado y aire en calma,
la temperatura en un área cerrada puede provocar diferencias térmicas insólitas
(Clements et al., 2003; Zangl, 2005).
Diversos estudios de enfriamiento nocturno en una cuenca han señalado que los flujos
de aire frío descienden directamente hacia el suelo durante unas pocas horas después
de la puesta del sol, pero posteriormente el flujo se debilita y aumenta la estabilidad
atmosférica cerca del suelo. Una porción de los vientos de drenaje fluye sobre la parte
superior de la capa de inversión (Magono et al., 1982; Fast et al., 1996). Tanaka et al.
(1983) y Matsuoka et al. (1987) comprueban que una inversión a nivel del suelo, formada
por toda la llanura adyacente, puede cubrir todo el valle. Esta potente capa de inversión
114
suprime las corrientes descendentes de ladera debido a la acción que ejerce dicha capa.
Sin embargo, incluso en un pequeño valle de zona semi-montañosa, el aire frío debe
desempeñar un papel clave en el enfriamiento nocturno unas pocas horas después de
la puesta del sol, antes de que el valle se cubra por una capa de inversión estable. Como
resultado, el enfriamiento nocturno en el valle es probable que sea más fuerte que en
una llanura inmediata.
115
tendencias futuras según los diferentes escenarios de cambio climático estimados
(Caserini, 2016; Ji et al., 2015).
116
3.2. MATERIAL Y MÉTODOS
3.2.1. Datos
Para el estudio de las 50 jornadas de ITN más intensas, durante el período 2011-2016,
se han empleado los datos de un total de 59 observatorios meteorológicas
pertenecientes a las redes de la Agencia Estatal de Meteorología (AEMET), al Sistema
de Información Agroclimática para el Regadío (SIAR), del Ministerio de Agricultura y
Pesca, Alimentación y Medio Ambiente, y al Servicio Automático de Información
Hidrológica (SAIH), de la Confederación Hidrográfica del Segura (CHS) (Tabla 32.1). Un
total de 25 observatorios utilizan variables de humedad relativa (RH), y datos de
dirección (WD) y velocidad de viento (WV). Se trata de datos nocturnos horarios (00 a
06 UTC) que incluyen la franja horaria de madrugada. En segundo lugar, se han
analizado los datos de los sondeos meteorológicos diarios nocturnos (00 UTC) del
observatorio meteorológico de Murcia – AEMET (Código 8430), correspondientes a los
niveles geopotenciales de 850, 700, 500 y 300 hPa durante dichas jornadas. Para cada
uno de ellos se considera la temperatura (T300, T500, T700 y T850), la humedad relativa
(RH300, RH500, RH700 y RH850), la dirección (WD300, WD500, WD700 y WD850 hPa)
y velocidad del viento (WV300, WV500, WV700 y WV850 hPa). Además, se utilizan las
variables referentes a la estructura del estrato de inversión térmica: Z BASE, TBASE, ZTOP y
TTOP, DZINV, DTINV y LR, ya descritas en el Capítulo 1.
Para el análisis se han elegido cinco comarcas o ámbitos geográficos diferentes, todos
ellos pertenecientes a la Comunidad Autónoma de la Región de Murcia: Altiplano,
Noroeste, Guadalentín, Vega Media del río Segura (VMRS), y Vega Baja del río Segura
(VBRS) (Fig. 3.1). Dicha elección ha estado principalmente motivada por criterios
orográficos y agrícolas, además de una mayor disponibilidad de información de datos
diarios y horarios de temperatura, humedad relativa y dirección y velocidad del viento.
En concreto se han seleccionado comarcas interiores que representan una mayor
variedad orográfica y desnivel altitudinal, caracterizada por la intercalación de valles,
sistemas montañosos y altiplanos.
117
Fig. 3.1. Distribución espacial de los observatorios meteorológicos utilizados en el
análisis de ITN más intensas dentro de la DHS. Los identificadores se muestran en la
Tabla 3.1m y los colores representan las diferentes comarcas de estudio.
Para el análisis de las trayectorias y procedencia de las masas de aire, que afectan al
conjunto de comarcas seleccionadas, se ha recurrido al reanálisis proporcionado por el
HYSPLIT (NOAA) https://www.ready.noaa.gov/hypub-bin/trajtype.pl?runtype=archive.
El modelo HYSPLIT es un sistema diseñado para calcular trayectorias de masas de aire,
así como simulaciones complejas de transporte, dispersión y deposición de partículas
atmosféricas. En la actualidad es uno de los modelos de transporte y dispersión
atmosférica más utilizados en la comunidad científica. El análisis de las trayectorias de
masas de aire se ha aplicado para las últimas 250 horas (recorrido de los últimos 10
días) para el nivel geopotencial de 1000 hPa, con destino final en el sector central de la
Región de Murcia.
118
En la elaboración de termografías o mapas de distribución de temperatura superficial se
han empleado imágenes del sensor ASTER (Advanced Spaceborne Thermal Emission
and Reflection Radiometer). Se trata de un instrumento a bordo del satélite Terra que
fue lanzado en diciembre de 1999, y diseñado para adquirir datos de temperatura,
emisividad, reflectancia y elevación de la superficie terrestre. Una imagen ASTER
abarca una resolución espacial de 60 por 60 km, y los datos se adquieren
simultáneamente a tres resoluciones. Las termografías son realizadas con la banda
AST_L1T, de 90 m de resolución espacial con 5 bandas entre 8,29 y 11,13 micrómetros.
119
Caravaca de la Cruz y Yecla (provincia de Murcia); Riopar – Calar del Mundo, Hellín –
Tobarra y Alcadozo (provincia de Albacete); Pontones – Santiago de la Espada y Calar
de Hernán Perea (provincia de Jaén); y Paraje de María-Vélez Blanco (Almería).
3.2.2. Métodos
Una vez detectadas estas jornadas se ha adoptado el índice propuesto por el autor (C INV)
(Temperature Inversion Capacity Index) (v. capítulo 1), con el fin de calcular y
cartografiar la distribución espacial de la capacidad de inversión térmica
Tabla 3.2. Jornadas con inversiones térmicas nocturnas más intensas en la DHS (2011-
2016) identificadas mediante los índices de Tavousi y Abadi (2016) y de Ferreira y Shipp
(2005).
120
Las variables atmosféricas (temperatura, humedad relativa, dirección y velocidad del
viento a diferentes niveles altitudinales) han sido correlacionadas estadísticamente con
la intensidad de inversión para comprobar su grado relativo de influencia (3.3). Con tal
fin, se ha utilizado el coeficiente de correlación de Kendall (Kendall, 1938), y los niveles
de significancia (p value) de 0.001 (***), 0.01 (**) y 0.5 (*):
c2= k (N – 1) ὠ (3.4)
121
A: Extremadamente inestable
B: Moderadamente inestable
C: Ligeramente inestable
D: Condiciones neutras
E: Ligeramente estable
F: Moderadamente estable
G: Extremadamente estable
Las imágenes satelitales ASTER (AST_L1T) han sido tratadas para convertir las
unidades de radiancia y reflectividad a temperatura superficial en Kelvin (ºK), y
posteriormente a Celsius (ºC). Este proceso es realizado mediante el software de
tratamiento de imágenes satelitales ENVI 5.3 a través de 3 pasos (3.5). Posteriormente
se realiza una validación entre los datos térmicos superficiales aportados por la imagen
ASTER y las temperaturas superficiales de los observatorios meteorológicos:
3. Normalización de emisividad
(3.5)
El peso relativo de cada grupo de variables implicadas en los procesos más intensos de
inversión térmica ha sido determinado mediante un Análisis de Componentes
Principales (PCA) (v. capítulo 1). La idoneidad de los datos para realizar este análisis
fue comprobada con el test de Kaiser-Meyer-Olkin (KMO), que se utilizó como medida
de homogeneidad de variables, comparando los valores de los coeficientes de
correlación observados con los de correlación parcial (Sharma, 1996). Una medida de
KMO superior a 0,50 se considera aceptable para el análisis PCA (Montoya Suárez,
2007).
122
3.3. RESULTADOS
Los eventos de ITN son muy frecuentes en el área metropolitana de Murcia, con un
83,7% de noches de inversión al año (v. capítulo 1). En regiones de clima mediterráneo,
como California, el porcentaje de noches de inversión térmica nocturna llega al 65% en
invierno, y al 100% en el periodo estival (1960-2007) (Iacobellis, et al., 2009),
evidenciando que se trata de un fenómeno de gran importancia en climas áridos y
semiáridos. Ello genera una distribución térmica tremendamente anómala en
topografías irregulares y complejas, con diferencias térmicas altitudinales y horizontales
extraordinarias.
La morfología de la Comarca del Altiplano, con un escaso desnivel altitudinal entre las
estaciones utilizadas, determina un escaso gradiente térmico en comparación con el
resto de regiones analizadas. Las temperaturas mínimas poseen un importante
contraste entre los valores de las estaciones localizadas en áreas de orografía variada
y de mayor altitud como La Zarza – Abanilla (6,6ºC) o Pinoso (5,9ºC), y los registros
mínimos en las principales piscinas de aire frío (Cold Air Pool -CAP-) de la Comarca:
Jumilla (2,9ºC), Pinillos (3,0ºC) o Moratillas (3,1ºC) (Fig. 3.3).
123
Tabla 3.3. Diferencias térmicas absolutas y gradientes verticales entre las estaciones
de Las Encebras, ubicada en un CAP, (a menor altitud) (A) y de La Zarza situada sobre
terrenos irregulares de mayor altitud (B) (2011-2016). Comarca del Altiplano.
Fig. 3.2. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (Altiplano) e indicación de las temperaturas mínimas
absolutas registradas en la ITN de mayor diferencia térmica (periodo 2011-16).
124
determinas jornadas llegan a registrar valores absolutos de HR superior al 93%. El resto
de observatorios meteorológicos, especialmente Román y Judío, presentan contenidos
medios porcentuales de 68 a 70% (Fig. 3.4). Se trata de diferencias poco reseñables,
debido a la escasas diferencia altitudinal que existen entre dichos puntos.
Fig. 3.3. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas de ITN más intensas en la Comarca del Altiplano (período 2011-2016).
Los vientos nocturnos que se forman como consecuencia del aire frío y denso, que luego
son acelerados por la pendiente y la gravedad, se conocen como vientos de drenaje,
flujos de gravedad, flujos de pendiente, vientos catabáticos, o flujos de montaña (Stull,
1988). Este aire, en horas nocturnas y bajo condiciones estables, se vuelve
negativamente flotante y se acelera por las laderas hacia el fondo de los valles (Vosper
y Brown, 2008). En la Comarca del Altiplano, por lo general, adquieren velocidades
relativamente débiles. Sólo Moratillas llega a registrar un promedio ligeramente superior
a 5 km/h, aunque, por lo general, el resto de observatorios (Román, Pinillos o Las
Encebras) registran velocidades medias inferiores a 3 km/h en (Fig. 3.5). Se trata, por
tanto, de un ámbito territorial, en particular las zonas de valle, donde los flujos nocturnos
adquieren poca relevancia durante las madrugadas estables, condición ideal para
conformar auténticas CAP.
La dirección del flujo nocturno en los diferentes observatorios analizados refleja si el tipo
de viento nocturno se desarrolla a una escala sinóptica (fuera de ámbitos de IT), o, por
125
el contrario, está influenciado por una escala micro-local de vientos catabáticos. El
observatorio de Moratillas registra un flujo predominante de componente ONO, que se
mantiene muy constante en las ITN más intensas. Al ubicarse en zona de CAP, la brisa
de montaña procede de la Sierra de Moratillas y de la altiplanicie norte de la Comarca.
Por lo general, es un flujo predominantemente débil (2-4 km/h). Por su parte, en la
estación meteorológica de Román predomina también un flujo nocturno muy estable y
débil (2-4 km/h), de dirección principal similar a la registrada en Moratillas (ONO),
procedente de la Sª Larga (871 m de altitud).
Fig. 3.4. Distribución de la humedad relativa media nocturna (%) durante las 50 jornadas
de ITN más intensas en la Comarca del Altiplano (período 2011-2016).
126
Durante las madrugadas estables de IT las zonas de CAP suelen estar dominadas por
un único flujo catabático, con una escasa desviación estadística respecto al flujo
predominante. Las brisas de montaña, por tanto, muestran aquí un patrón dominante,
que es consistente con el obtenido por Bastin y Drobinski (2005).
Los observatorios de valle de la comarca del Altiplano registran una gran capacidad de
inversión (CINV), a una altitud media no demasiado elevada (500-700 m). Las estaciones
meteorológicas con la CINV más elevada se dan en Jumilla, Román y las Encebras,
donde se alcanzan valores de 11,8 a 12,1ºC, que constituyen una capacidad inversora
muy fuerte. Son emplazamientos ubicados al sur de la Comarca, con una altitud inferior
a 600 m. Concretamente la madrugada del 7 de enero de 2014, en Jumilla, se llega a
anotar la CINV máxima absoluta de toda la serie (19,7ºC) (Fig. 3.6). Durante las horas
nocturnas de madrugada la temperatura de sondeo sobre la vertical de Murcia es de
17,8ºC (a 417 m de altitud), mientras que, la estación de Jumilla registra una temperatura
de -1,9ºC a la misma cota altitudinal (capacidad inversora extraordinariamente fuerte).
Por su parte, los puntos situados en zonas más occidentales, y fuera de valles, como La
Zarza (6,7ºC) o Pinoso (7,7ºC), registran valores propios de zonas orográficamente más
accidentadas (intensidad débil a moderada). Evidencian una notable diferencia con los
espacios anteriormente analizados.
127
Fig. 3.5. Diagrama “windrose” con la distribución, por estación, de la velocidad y
dirección del viento nocturno en las 50 ITN más intensas de la Comarca del Altiplano
(período 2011-2016)
128
Fig. 3.6. Distribución de los valores de CINV (ºC) en las 50 ITN más intensas de la
Comarca del Altiplano (período 2011-16).
129
Tabla 3.4. Diferencias térmicas y gradientes verticales entre estaciones ubicadas en
CAP (fondos de valle) y en laderas. Comarca del Noroeste (periodo 2011-2016).
130
Fig. 3.7. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas analizadas en la Comarca del Noroeste.
131
Fig. 3.8. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (Comarca del Noroeste) e indicación de las temperaturas
mínimas absolutas registradas en la ITN de mayor diferencia térmica (periodo 2011-16).
El Chaparral, con temperaturas que se sitúan con mucha frecuencia por debajo de los
0ºC, la humedad relativa llega al 80,8%, mientras que, otro emplazamiento de valle a
escasa altitud (Las Rotas), y junto al río Segura, registra una humedad relativa algo
elevada (77,4%). La aparición de importante contenido de humedad en los fondos de
CAP de baja altitud, como en El Chaparral y Rotas, ya fue estudiada por Izumi y Brown
(1966), determinando una importante correlación entre la disminución de temperaturas
y velocidad del viento, y un aumento de la proporción de mezcla debido a advecciones
horizontal y verticales por mezcla turbulenta.
132
Fig. 3.9. Distribución probabilística de la humedad relativa media nocturna (%)
registrada durante las 50 ITN más intensas en las estaciones de la Comarca del
Noroeste (período 2011-16).
Entre las variables cercanas a la superficie, la velocidad del viento nocturna es la más
importante en afectar las propiedades de inversión. Especialmente la brisa local de
montaña o los flujos catabáticos que afectan a las CAP han sido ampliamente
estudiados en los últimos años desde el punto de vista teórico, experimental y numérico,
centrados especialmente en su interacción con la pendiente de la ladera (Sandvik y
Furevik, 2002; Renfrew, 2004: o Vihma et al., 2011). La evidencia científica respalda el
concepto de que los vientos catabáticos son impulsados por gradientes de presión
horizontales, que se acumulan hidrostáticamente a través de la estructura de
temperatura cambiante a lo largo de un valle (Whiteman, 1990).
133
imperceptibles. Es el caso de los observatorios de La Torrecica y Las Rotas (1,6 km/h)
o El Chaparral (2,0 km/h). Además, salvo Casas del Rey, que muestra una mayor
desviación, el resto presenta una velocidad media muy homogénea (Fig. 3.10).
La estación de Barranda, uno de los polos fríos de la Región de Murcia, promedia una
dirección media del viento nocturno de componente O y OSO, en un moderado flujo
catabático (6-8 km/h) procedente de la Sª de Mojantes y Serrata (1600 y 1200 m de
altitud respectivamente). Aspecto que corrobora la hipótesis planteada en el párrafo
anterior. Por su parte, La Torrecica, en la huerta tradicional de Cehegín, registra un flujo
de componente SSE y S. Se trata, de un flujo muy débil de montaña (1-2 km/h) con
origen en la Sierra de Quipar (1071 m). En el paraje de Venta Ulea, el flujo nocturno (4-
6 km/h) tiene un predominio de componente SSO, con un origen que se sitúa en la Sª
del Nevazo y Peñarubia, a más de 1400 m de altitud.
La Risca, a pesar de anotar las temperaturas mínimas absolutas más bajas de la Región
de Murcia, registra un promedio de 11,8ºC, mucho menor que El Chaparral. Aun así,
dicho promedio puede considerarse muy alto (11,8ºC), al igual que su Q3 (14,7ºC) y su
máximo extremo (CINV de 16,9ºC el 3 de noviembre de 2013).
134
Fig. 3.10. Diagrama “windrose”, donde se muestra la distribución frecuencial, por
estación, de la velocidad y dirección del viento nocturno, durante las 50 ITN más
intensas registradas en las estaciones de la Comarca del Noroeste (periodo 2011-2016).
135
Fig. 3.11. Distribución de los valores de CINV (ºC) obtenidos a partir de las 50 ITN más
intensas registradas en las estaciones de la Comarca del Noroeste (período 2011-16).
La capacidad de almacenaje de frío de cada valle o depresión está basada
principalmente en la relación superficie / volumen real del valle o cuenca, reforzadas por
irregularidades a pequeña escala que, a menudo, están presentes en superficies
complejas del terreno (Whiteman et al., 2007). Por ejemplo, un valle en forma de “V” con
paredes planas laterales, tiene el doble de volumen de aire sobre una superficie plana
homogénea con el mismo ancho y profundidad (Whiteman, 2000). Según Steinacker
(1984) y Whiteman (1990), la energía que ingresa a cada valle o depresión lo hace a
través de una parte fija en la parte superior del volumen. En un valle, esta se reduce en
comparación con el del terreno plano, por lo que se produce más enfriamiento para ese
volumen. Este concepto se conoce como TAF (Topographic Amplification Factor), y es
uno de los índices que mejor modelizan el enfriamiento nocturno de las CAP.
Por su parte, ámbitos montañosos en topografía compleja (Inazares o Casas del Rey),
registran valores medios entre 6,7 y 4,1ºC (capacidad extremadamente débil a débil). El
casco urbano de Bullas, ubicado sobre un cerro, o la cima de la Serratilla en Calasparra,
obtienen valores entre 7 y 9ºC, lo que evidencia unas diferencias notables respecto a
las estaciones meteorológicas ubicadas en zonas de CAP.
136
3.3.1.3. Comarca del Bajo Guadalentín (Región de Murcia)
Destacan dos polos fríos (CAP) que contrastan notablemente con los observatorios
situados en topografías más complejas y de mayor altitud. La estación meteorológica de
la Calavera de Alhama de Murcia (4,1ºC) y El Esparragal (4,7ºC) registran las
temperaturas mínimas más bajas de la zona. Otros ámbitos, como La Egesa (Librilla),
el Paretón (Totana), Purias (Lorca) o Lorca, registran valores medios entre 6 y 7ºC. En
contraposición, las zonas situadas en relieves más accidentados o en ladera, fuera de
las CAP, como el Embalse de Juan Bautista (pie de ladera de Carrascoy), La Vereda o
Impulsión Alhama (ubicadas en ladera), registran promedios mucho más elevados (de
9 a 13ºC).
En referencia a las temperaturas mínimas absolutas durante las 50 jornadas de ITN, las
más bajas muestran valores mínimos especialmente relevantes en la Calavera (-5,9ºC
el 30 de diciembre de 2014), o -4,6ºC en El Esparragal, registrados durante la misma
jornada. Se trata de valores térmicos realmente fríos para altitudes entre 150 y 350 m.
En el resto de observatorios, y especialmente los situados en ámbitos sin afección de
procesos de inversión térmica, las temperaturas mínimas no consiguen descender de
0ºC en las jornadas analizadas. Es el caso del Caserío de Gebas (1,1ºC), Impulsión
Alhama (0,6ºC) o La Vereda (0,7ºC) (Fig. 3.13).
137
Tabla 3.5. Diferencias térmicas y gradientes verticales entre estaciones ubicadas en
CAP (fondos de valle) y en laderas. Comarca del Bajo Guadalentín (periodo 2011-2016).
Fig. 3.12. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (Guadalentín) e indicación de las temperaturas mínimas
absolutas registradas en la ITN de mayor diferencia térmica (periodo 2011-16).
138
Las diferencias entre el fondo de la Depresión del Guadalentín y las laderas de la Sierra
de la Muela (Alhama de Murcia) son también importantes. Así lo reflejan la diferencia
entre las medianas de las temperaturas mínimas registradas en las estaciones de
Impulsión Alhama (en ladera) y la Calavera (en CAP), 5,7ºC en apenas 75 m de desnivel
altitudinal. El contraste es todavía mayor (7ºC) si se consideran los valores más bajos
del primer cuartil (Fig. 3.13). Y lo mismo ocurre con los valores mínimos extremos.
Concretamente, el día 2 de marzo de 2016 se superaron los 12ºC de diferencia térmica
absoluta, llegando a alcanzar un LR de 16,1ºC/100 m.
Fig. 3.13. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas analizadas en el Bajo Guadalentín.
139
Los valores medios de la velocidad del viento nocturna en el Bajo Guadalentín no
registran diferencias importantes entre las estaciones analizadas. Los registros más
elevados aparecen en Lebor (Totana), con 5,8 km/h, y en la Calavera de Alhama de
Murcia (4,2 km/h). Se trata, por lo tanto, de flujos nocturnos débiles que imposibilitan la
rotura de las capas de inversión de temperatura durante las horas nocturnas. En
general, el resto de observatorios analizados registran promedios de 3 a 5 km/h, con
valores máximos que en general no superan los 10 km/h (Fig. 3.15).
Fig. 3.14. Distribución de la humedad relativa media nocturna (%) durante las 50
jornadas analizadas en el Bajo Guadalentín.
140
altitud (1500 m). Del mismo modo, La Egesa promedia un flujo nocturno de componente
ONO. El flujo, en general débil (2-4 km/h) desciende de la Sª del Cura, al noreste del
Embalse de Algeciras (Fig. 3.15). El flujo catabático que posee una mayor componente
NO registra una velocidad superior, de 8 a 10 km/h. Esto refuerza la idea, que los valles
más próximos a laderas con mayor pendiente, registran unos flujos con mayor velocidad
media.
Clements et al. (2003) determinan que los flujos catabáticos experimentan ascensos de
temperatura en laderas, especialmente en sectores centrales de la misma, pero
refuerzan la acumulación de aire frío en los fondos de la depresión. Los vientos
catabáticos influyen en temperaturas más bajas en las CAP, aspecto que ha sido
demostrado en multitud de análisis, entre los que destacan el de Yao y Zhong (2009) en
el Meteor Crater de Arizona (EE. UU).
Los dos polos fríos comarcales (La Calavera y El Esparragal) registran la mayor
capacidad de inversión (CINV) del Bajo Guadalentín, con una mediana similar (11,9ºC).
Se trata de una capacidad de inversión muy fuerte, según la clasificación propuesta por
el autor. En estos ámbitos, se registran valores absolutos de de hasta 17,6ºC (13 de
noviembre de 2013), o 17,5ºC (17 de noviembre de 2013) (Fig. 3.16).
141
Fig. 3.15. Diagrama “windrose” con la distribución, por estación, de la velocidad y
dirección del viento nocturno en las 50 jornadas analizadas en el Guadalentín.
142
Fig. 3.16. Distribución de los valores de CINV (ºC) en las 50 ITN más intensas registradas
en las estaciones del Bajo Guadalentín.
3.3.1.4. Comarca de la Vega Alta del río Segura (VARS), Región de Murcia
La VARS registra valores de temperatura mínima contrastados entre las zonas de CAP
y ámbitos topográficamente accidentados. Los valores más bajos se observan en Cieza
y en el paraje fluvial del Menjú (con 3,9 y 4,8ºC respectivamente), al norte de la Vega
Alta del río Segura. El resto de observatorios registra temperaturas mínimas más
elevadas, entre 5 y 7ºC (Fig. 3.17). Por su parte, el valor más elevado lo registra la
estación meteorológica de la Sierra del Oro (8,2ºC) y el Azúd de Ojós (8,4ºC). Son zonas
ubicadas en los relieves circundantes al Valle del Segura (Sª del Oro), o en sectores
deprimidos, pero muy encajonados y accidentados (Azúd de Ojos). Ámbitos, que se
sitúan fuera de la superficie de afección de los mecanismos de inversión de temperatura
nocturna.
143
observatorios (Azud de Ojos, La Calera, Blanca o Ulea), no registran temperaturas
mínimas absolutas inferiores a -1ºC.
144
meteorológicas que se sitúan fuera de las CAP influyen notablemente en una mayor
intensidad de ITN. Este aspecto fue identificado por Williams y Thorp (2015),
demostrando que un período estable (templado y húmedo) a escala sinóptica presenta
una menor recurrencia en la acumulación de aire frío (CAP) en el valle, y es necesario
una masa de aire seca en niveles medios atmosféricos.
Fig. 3.17. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas analizadas en la VARS.
Los dos observatorios analizados se sitúan fuera de la zona de ITN, lejos de la influencia
de la CAP. Ambos promedian flujos nocturnos relativamente rápidos, especialmente
Ulea (10,7 km/h). Esta velocidad media supera el umbral de rotura de inversión, que ya
fue definida por García de Pedraza (1962) en 9 km/h. La estación meteorológica de
Blanca registra valores medios menos elevados (4,1 km/h), lo que genera una gran
diferencia entre ambos observatorios. Incluso, en ciertas jornadas, como la del 6 de
noviembre de 2013, la diferencia entre ambas llega a 11,5 km/h. El registro de Ulea,
viene a corroborar, que, dichos emplazamientos fuera de las superficies de inversión
térmica están muy influenciados por los vientos nocturnos de escala sinóptica.
145
Fig. 3.18. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (VARS) e indicación de las temperaturas mínimas absolutas
registradas en las ITN de mayor diferencia térmica (periodo 2011-16).
La dirección media del flujo nocturna es muy consistente en ambos observatorios, con
un predominio la componente O en Blanca y ONO en Ulea. Debido a la ubicación de los
observatorios, en resalte topográfico, se trata de flujos de escala sinóptica, que siguen
el modelo de circulación general del oeste propia de estas jornadas de ITN, tal y como
se detallará más adelante. Son flujos templados y con poca carga higrométrica, con una
velocidad, que en el caso de UIea, presenta valores superiores a 14 km/h en un 40% de
las jornadas analizadas (Fig. 3.20).
146
Fig. 3.19. Distribución de la humedad relativa media nocturna (%) durante las 50
jornadas analizadas en la VARS.
En la VARS, los observatorios con la mayor capacidad de inversión térmica (CINV) son
el de Cieza (11,9ºC) y Embalse del Moro (11,4ºC). Se trata, por tanto, de los espacios
donde más se invierte la temperatura, con valores fuertes a muy fuertes. Incluso, en
jornadas concretas, la inversión absoluta de temperatura llega a alcanzar valores
extraordinariamente fuertes de 16,5ºC (17 de octubre de 2013) o 16,3ºC (7 de enero de
2014).
147
Por el contrario, la diferencia es realmente importante con los emplazamientos que se
sitúan fuera de las CAP, como son los espacios montañosos de La Calera (6,9ºC), Sª
del Oro (6,4ºC), o el Azúd de Ojós (6,7ºC). Presentan muy poca variación respecto a su
temperatura geopotencial, y una débil capacidad de inversión térmica (Fig. 3.21).
Fig. 3.21. Distribución de la CINV (ºC) durante las 50 jornadas analizadas en la VARS.
3.3.1.5. Comarca de la Vega Baja del río Segura (VMRS), Región de Murcia
Los datos térmicos analizados muestran los valores más bajos en los parajes de El Llano
de Molina (3,4 ºC), Rambla Salada (4,4 ºC) y La Contraparada (4,7 ºC). Zonas ubicadas
en depresiones, en la vega del río Segura o en cauces secundarios (ramblas). Estas
temperaturas son ligeramente superiores a lo habitual (temperatura mínima media
invernal de los últimos 30 años), con promedios de 2,8ºC en el Llano de Molina y La
Contraparada, o 2,7ºC en Rambla Salada, lo que viene a corroborar que los estratos
son más templados de lo habitual durante la época fría del año. Por el contrario, las
temperaturas mínimas más elevadas se observan en el Cabezo de la Plata (10,5 ºC), El
148
Sequén (10,1ºC) o Murcia-Alfonxo X con 9,8ºC (Fig. 3.22). Se trata de ámbitos
geográficos en resalte topográfico, zonas de medianías, o el centro de la ciudad de
Murcia, influenciada por el efecto de la ICU durante la época invernal. Los análisis
realizados sobre la ICU reflejan un incremento medio de 2,3ºC, y absoluto de 4ºC en las
temperaturas mínimas (Hernández et al., 2009).
Fig. 3.22. Distribución de las temperaturas mínimas superficiales (ºC) durante las 50
jornadas analizadas en la VMRS.
149
y 3,0ºC respectivamente. El centro de la ciudad de Murcia (Alfonso X) obtiene un registro
mínimo de 3,0ºC por efecto de la ICU nocturna, y quedando lejos de valores negativos.
Fig. 3.23. Perfil topográfico con representación de los puntos de emplazamiento de las
estaciones de valle y ladera (VMRS) e indicación de las temperaturas mínimas absolutas
registradas en la ITN de mayor diferencia térmica (periodo 2011-16).
150
desnivel altitudinal de 86 m, el LR absoluto alcanza 13,4ºC/100 m. Por otra parte, la
diferencia térmica media entre Rambla Salada (4,3ºC) y La Pilica (9,0ºC) se sitúa en
4,7ºC, todo ello en una diferencia altitudinal de 55 m y 3,8 km en línea recta. Entre ambos
lugares se registra un LR medio de 8,1ºC/100 m, con valores absolutos, que en el caso
de la jornada del 11/01/2015 llega a situarse en 18,1ºC/100 m. Finalmente, más
significativo es incluso el caso entre La Contraparada (CAP) y el CMT de Guadalupe
(resalte topográfico), con un desnivel altitudinal de 4 m y 4,2 km de distancia. El LR
medio es de 80,2ºC/100 m, con valores absolutos de 192,9ºC/100 m el 06/11/2013
(temperaturas mínimas de 16,0ºC en el CMT de Guadalupe y 8,3ºC en la Contraparada).
Durante las horas nocturnas de las jornadas analizadas, la HR registrada valores medios
de 59,2% en la VMRS, valor relativamente bajo, al tratarse de horas nocturnas y en
periodo invernal. El máximo higrométrico se localiza en El Llano de Molina (80,4%), con
registros superiores al 90% en 12 ocasiones (Fig. 3.24). Otros observatorios situados
en zonas de CAP obtienen cifras más bajas, como Los Álamos (68,0%) y La Alberca
(60,5%). Esto es debido a que a medida que el aire se enfría, su capacidad para retener
la humedad se reduce, y la humedad relativa (RH) aumenta. La diferencia entre la
relación de mezcla de vapor de agua (Mr) y la relación de mezcla de saturación (Ws) es
más baja en los primeros 500 m de la capa estable durante las horas nocturnas
(Jemmett-Smith, 2014), con lo que las zonas de valle situadas a menor altitud, y con
una fuente de humedad cercana (cursos de agua) registrarán una HR superior. En
contraposicion, se localizan valores relativamente bajos en emplazamientos
topográficamente accidentados y de mayor altitud, como Cabezo de la Plata (47,5%) o
Pilica (52,1%), con valores mínimos absolutos de 19,3 y 22,3% (11/01/2015 y del
02/03/2016). Además, durante algunas jornadas concretas, se anotan diferencias
higrométricas muy elevadas (67,6%) en un desnivel altitudinal de menos de 100 m.
Aspecto que será relevante en la intensidad de inversión térmica como se tratará más
adelante. Las inversiones altitudinales de humedad ocurren con frecuencia en las
regiones analizadas. Esto es debido al efecto del enfriamiento adiabático en la reducción
de la profundidad de inversión de temperatura (Vihma et al., 2011).
La velocidad del viento nocturno es, junto con la nubosidad, uno de los factores que más
influye en la rotura de los procesos de inversión térmica (Whiteman et al., 2004). Cuando
un estrato de inversión es alterado por un flujo moderado de viento, con WV >7.9 km/h,
se favorece la mezcla y la capa límite de inversión se erosiona, rompiendo el nivel de
inversión térmica. Por consiguiente, a partir de dicha velocidad se reducen los episodios
y la duración de las piscinas de aire frío (CAPs) (Whiteman et al., 2001).
151
Tabla 3.7. Diferencias térmicas y gradientes verticales entre estaciones ubicadas en
CAP (fondos de valle) y en laderas. Comarca de la VMRS (periodo 2011-2016).
152
(0,0 km/h.) en un total de 7 jornadas, donde se confirma la importancia de la protección
orográfica de los fondos de valle al viento. Los observatorios de El Llano de Molina y
Campotéjar registran una diferencia en la velocidad media del viento de 7,9 km/h (ambos
parajes situados a una distancia de 6.6 km.
Las jornadas con mayor velocidad del viento nocturno en los episodios analizados
muestran diferencias muy notables de hasta 13,0 km/h. Las diferencias entre los
observatorios de El Llano de Molina (3,1 km/h.) y Cabezo de la Plata (16,2 km/h.) son
las más notables de la VMRS. Las estaciones de El Llano de Molina, La Alberca o Los
Álamos, parajes situados en depresiones o fondos de valle, no consiguen superar los
7,5 km/h. de velocidad máxima absoluta, presentando una distribución más homogénea,
con una mediana entre 1 y 3 km/h. En Campotéjar o el Cabezo de la Plata se superan
los 10,0 km/h en 10 y 4 jornadas respectivamente. La velocidad del flujo más elevada
se observa en el Cabezo de la Plata con 16,2 km/h (06/11/2013), misma donde se
registra el LR absoluto más elevado entre La Contraparada y Guadalupe.
153
Fig. 3.25. Diagrama “windrose”, que representa la distribución frecuencial, por estación,
de la velocidad y dirección del viento nocturno, durante las 50 ITN más intensas de la
VMRS en el periodo 2011-20.
154
En la estación meteorológica del Cabezo de la Plata, situada al pie de la Sierra de
Carrascoy, predomina un flujo algo más turbulento de dirección OSO, un flujo que
supera con frecuencia los 10 km/h, y que constituye un viento de escala sinóptica, sin
influencia de vientos catabáticos. Finalmente, en Campotéjar ocurre algo parecido, con
un predominio de componente NO, un viento canalizado por el valle del río Segura en
el tramo de la VARS, con velocidad superior a los 8 km/h en la mayoría de ocasiones.
Los procesos de ITN presentan una gran capacidad de inversión en varios observatorios
en la VMRS. Los valores más elevados de CINV se localizan en El Llano de Molina, con
una media de 12,2ºC (capacidad muy fuerte), es decir, valores medios de 3,4ºC en
superficie y 15,6ºC en el geopotencial a una altitud de 80 m (Fig. 3.26). Además, registra
el valor absoluto más importante de los observatorios analizados, con una inversión de
temperatura que llegó a 16,1ºC (16/11/2013). Durante dicha jornada, la temperatura
geopotencial a 80 m era de 23,4ºC (masa de aire muy templada, con 17,9ºC en el
geopotencial de 850), mientras que, la temperatura en el observatorio descendía a
7,3ºC.
155
En general, la intensidad media en la VMRS se sitúa entre 4 y 10ºC, registrando valores
más bajos en los relieves marginales (Cabezo de la Plata, Guadalupe-AEMET) y en la
propia ciudad de Murcia (efecto ICU). Aun así, durante las madrugadas con intensos
procesos de inversión térmica son capaces de registrar intensidades absolutas de
inversión entorno a 10ºC, con valores realmente elevados en La Alberca, Campotéjar o
Rincón de Berniscornia (entre 13y 14ºC).
Los sondeos atmosféricos del CMT de Guadalupe - AEMET (Murcia), realizados en hora
nocturna (00 h UTC), arrojan resultados de gran interés. En primer lugar, es preciso
señalar que la TBASE de los estratos de IT no es excesivamente baja (8,6ºC) durante las
50 jornadas analizadas. Ello implica la existencia de masas de aire templadas en niveles
medios-altos atmosféricos, con valores por encima de lo habitual en la estación invernal
(7,3ºC para el periodo 1983-2016). La temperatura en el geopotencial de 850 hPa (T850)
corrobora la presencia de masas templadas, al registrar una importante anomalía
positiva respecto a la media invernal (9,9ºC frente a 5,4ºC) (1983-2016) (Fig. 3.27a). El
resto de niveles geopotenciales (700, 500 y 350 hPa) obtienen también anomalías
positivas para las fechas de análisis, con valores medios de 0,5ºC, -16,7ºC y -43,5ºC
respectivamente.
Las TTOPE ofrece una temperatura media de 16,1ºC, es decir, superior en 7,5ºC a la
TBASE, lo que viene a confirmar intensos procesos de ITN (DTINV muy elevadas). El
contraste es mucho más acentuado en determinadas jornadas, con valores
extraordinarios de hasta 17,6ºC. Por tanto, se obtiene un LR medio de 2,0ºC/100 m. En
jornadas concretas, el LR llega a alcanzar valores de 3,5 a 4,0 ºC/100.
Los valores higrométricos reflejan masas de aire con muy poca carga de humedad. La
RH850 obtiene resultados relativamente bajos (40,8%), aunque los valores caen
rápidamente en los niveles geopotenciales de 700 a 300 hPa (21,1 a 18.1%
respectivamente) (Fig. 3.27b). En determinadas jornadas, como el 22 y 26 de noviembre
de 2013 o el 6 de diciembre de 2013, los valores de HR se sitúan entre 1 y 3%. Se trata,
por tanto, de masas de aire templadas y extremadamente secas, tal y como se podrá
comprobar en el próximo apartado.
156
Mientras que, en niveles superiores (700 a 300 hPa), la velocidad oscila entre 35,9 y
79,4 km/h. (Fig. 3.28).
Fig. 3.27. Distribución de a) T300, T500, T700 y T850 y b) y RH300, RH500, RH700 y
RH850 durante las 50 jornadas analizadas. Datos: CMT de Murcia (AEMET) (00 UTC).
La dirección media de viento en niveles medios y altos atmosféricos viene marcada por
direcciones predominantemente del 3 y 4º cuadrante, cuyas direcciones oscilan entre
180 y 360º (Fig. 3.28). En el nivel geopotencial de 850 y 500 hPa, el predominio es para
la componente SSO, masas de aire templada que son alimentadas por dorsales
subtropicales, como se detalla en el siguiente apartado. Por su parte, en los niveles de
700 y 300 hPa, el abanico es algo más amplio, con predominios de componente S, NO
y N. Eso sí, en los cuatro niveles, las velocidades más bajas, y, por tanto, de mayor
calma nocturna, se registra en los primeros metros de la columna atmosférica, con una
componente predominante SSO.
157
primeros metros atmosféricos, registra una altura media de 127,9 m desde la superficie.
Un total de 32 jornadas registran valores inferiores a 100 m, siendo una altura
relativamente frecuente entre 50 y 70 m (Fig. 3.29), lo que corrobora inversiones
térmicas nocturnas superficiales (SBIs).
Fig. 3.28. Diagrama “windrose” con la distribución de la velocidad y dirección del viento
nocturno para los geopotenciales de 850, 700, 500 y 300 hPa en las 50 jornadas
analizadas. Datos: CMT de Murcia (AEMET) (00 UTC).
158
Fig. 3.29 Distribución del coeficiente de mezcla vertical (Kz) y la altura de la capa límite
(Zi) durante las 50 jornadas analizadas. Datos: CMT de Murcia (AEMET) (00 UTC).
Para justificar la realización de un PCA desde el punto de vista estadístico, hay distintas
técnicas para determinar si existe una alta correlación en datos multivariantes de forma
conjunta. Uno de ellos es el índice de Kaiser-Meyer-Olkin (KMO), que compara los
valores de correlaciones entre pares de variables. El punto de partida de ese índice es
una matriz de correlaciones entre las variables observadas. Si el índice es próximo a 1
el PCA se puede hacer, mientras que, si es próximo a 0, el PCA no será relevante.
159
Fig. 3.30. Gráfica de sedimentación (PCA) que muestra la proporción de varianza (%)
de los componentes principales analizados.
En el análisis realizado, el índice es de 0,5 lo que, sin ser realmente elevado, está en el
umbral estadístico para llevar a cabo la PCA:
Una parte importante de la varianza de las variables analizadas queda explicada por las
dos primeras componentes, con un 48,0% de la varianza. Las variables propuestas
pasar a ser explicadas principalmente por dos componentes, que contienen la mitad de
toda la información (Fig. 3.30).
160
Fig. 3.31. Gráfico Biplot o círculo de correlaciones. Combina la representación de las de
las componentes analizadas.
Por su parte, las temperaturas a diferentes niveles geopotenciales (300 a 850 hPa)
tienen una mayor influencia en las temperaturas mínimas superficiales (TNn), junto a la
dirección del viento (DV300 a 850 hPa). En el eje principal o de abscisas, obtienen
valores de 0,5 a 1,0.
161
Por tanto, para que un proceso de ITN registre una intensidad de inversión elevada, y,
por tanto, temperaturas muy contrastadas entre zonas de valle y medianías, las
características son las siguientes:
Aparición durante la época fría del año (septiembre a mayo). Pero especialmente
durante los meses de noviembre a marzo, donde se registra el 84% de las
jornadas analizadas. Se trata de la época del año donde hay un mayor número
de horas nocturnas, y, por tanto, los procesos de ITN disponen de una mayor
duración para hacer más eficiente sus mecanismos de deposición de aire frío en
las zonas más deprimidas.
162
de Kz con la diferencia de temperatura entre observatorios en zonas de CAP y
los que se sitúan fuera de la influencia de la inversión térmica (R 2 de -0,74),
mientras que, con la altura de la capa límite (Zi) la correlación es de -0,57 (Fig.
3.34). Los valores de Kz son incluso mayores para la Comarca del Noroeste (R 2
de -0,77). Valores muy bajos del coeficiente de mezcla vertical supone una
mayor diferencia de temperatura en madrugadas con ITN. En las jornadas de
análisis, las diferencias de temperatura igual o superior a 7ºC corresponden a
valores de Kz extremadamente bajos (< 50 m2/s). Es preciso añadir que la Zi y
Kz no obtienen influencia con las temperaturas mínimas registradas en los
observatorios, es decir, no determinan que los valores en superficie sean más o
menos fríos. Pero si son muy determinantes en generar diferencias térmicas muy
notables.
Los bajos valores del coeficiente de mezcla vertical (Kz) durante madrugadas de
ITN generan viento muy débil en los observatorios con temperaturas más bajas
(con influencia de procesos de inversión) (R2 de 0,41). Por su parte, los
observatorios que se sitúan fuera de las CAP registran velocidades de viento
algo más elevadas, participando directamente de las características
atmosféricas generales. Ello supone, que, a medida que el Kz es menor, la
diferencia de velocidad de viento entre los observatorios de CAP y el resto es
mayor (R2 de 0,55). Y a mayor diferencia en la velocidad del viento, más
importante es el contraste térmico entre los observatorios (R2 de 0,46).
163
Los importantes valores higrométricos que se generan en los observatorios en
zona de CAP, y que registran importantes diferencias con el resto de
observatorios, se debe principalmente a la velocidad de flujo y a los escasos
valores del coeficiente de mezcla vertical (Kz). Ambas variables presentan una
correlación notable (R2 -0,57).
164
registradas en los observatorios en zonas de CAP coindicen con temperatura
igual o inferior a 5ºC en el nivel geopotencial de 850 hPa.
Fig. 3.34. Correlación estadística según Kendall entre la diferencia de temperatura (ºC)
en observatorios entre zonas de CAP y el resto sin influencia de ITN vs. coeficiente de
mezcla vertical (Kz) durante las 50 jornadas analizadas.
Tras el análisis de las 50 jornadas han sido definidos cuatro patrones sinópticos
referentes a las configuraciones atmosféricas: dorsal subtropical marítima (DTm), dorsal
subtropical continental (DTc), circulación zonal atlántica (CZA), y vaguada polar
marítima (VPm) al oeste de la Península Ibérica. Todos los tipos obtienen un
denominador común, una advección del oeste de masas de aire de procedencia
atlántica con características templadas. En su mayoría procedentes de la costa este de
Canadá, y sufren procesos de aumento de la temperatura debido a la corriente del Golfo
(Fig. 3.40). En el interior de EE. UU, en la Meseta del Colorado (Utah), Whiteman et al.
(1999) determinan potentes procesos de ITN con acumulación nocturna persiste en los
fondos de valle, a medida que se produce una advección de aire caliente sobre la cuenca
debido al acercamiento de crestas de alta presión.
La DTm aparece en 23 jornadas, con un peso relativo importante respecto al total (46%).
La dorsal se ubica preferentemente al oeste de la Península Ibérica, con un eje inclinado
dirección (SO-NE). Registra una altitud media en el geopotencial de 500 hPa de 5730
165
m, cifra superior al promedio invernal sobre la ciudad de Murcia (5670 m) (Garrido et al.,
2014). En superficie, el anticiclón de las Azores aparece centrado sobre el Atlántico
central, con una presión media realmente importante (1032,6 hPa).
Fig. 3.35. Altitud media (m) de los niveles geopotenciales de 300, 500, 700, y 850 hPa
(de arriba abajo, de izquierda a derecha) de las 50 jornadas analizadas. Fuente: NOAA
Physical Sciences Laboratory (PSL).
La VPm viene definida por una vaguada situada al oeste de la Península Ibérica. Se
produce en un total de 9 ocasiones (18% del total). El sureste de la Península Ibérica
queda bajo la influencia del sector delantero occidental de la dorsal subtropical
continental, que afecta directamente al Mediterráneo central (altitud geopotencial a 500
hPa de 5620 m.). Las masas de aire proceden en la mayoría de ocasiones de la zona
central de EE. UU y Canadá, y un origen secundario de Groenlandia. A pesar de la
reducción de la presión atmosférica media en el área de estudio, mantiene altas
presiones relativas (1015 hPa).
166
La configuración sinóptica en DTc está representada en 5 jornadas (10%), pero da lugar
al 56% de las jornadas con mayor intensidad de las jornadas analizadas. Los resultados
son similares a los aportados en la zona central de EE. UU, donde el llamo anticiclón de
borde, y la dorsal subtropical en altura representa el 46% de las configuraciones
sinópticas que dan lugar a inversiones térmicas de intensidad en niveles bajos
intensidad (Li et al., 2015). En esta configuración, el geopotencial a 500 hPa se sitúa a
una altitud algo mayor (5824 m), especialmente por la mayor proximidad de la dorsal al
sureste peninsular. La presión atmosférica superficial se sitúa en 1025,0 hPa, algo
menor que en la configuración de DTm, pero superior a la presión atmosférica media de
Murcia en época invernal (1016 hPa).
Fig. 3.36. Temperatura media (ºC) en los niveles geopotenciales de 300, 500, 700, y
850 hPa (de arriba abajo, de izquierda a derecha) de las 50 jornadas analizadas. Fuente:
NOAA Physical Sciences Laboratory (PSL).
167
en el geopotencial de 850 hPa, la dorsal se aísla al suroeste de la Península,
conformando una gran burbuja cálida (1560 m).
Fig. 3.37. Humedad relativa media (%) en los niveles geopotenciales de 300, 500, 700,
y 850 hPa (de arriba abajo, de izquierda a derecha) de las 50 jornadas analizadas.
Fuente: NOAA Physical Sciences Laboratory (PSL).
168
elevadas (35%) en el geopotencial de 850 hPa. Sin duda, corroborando la información
de los sondeos, masas de aire extremadamente secas especialmente en el geopotencial
de 700 hPa (Fig. 3.37).
La dirección y velocidad del viento “dibujan” con nitidez las zonas de altas presiones en
los niveles atmosféricos analizados. Se aprecia, en los diferentes niveles geopotenciales
un área extensa con velocidades inferiores a los 9 m/s (300 hPa), hasta ser inferior a 2
m/s en la topografía de 850 hPa (Fig. 3.38). La dirección, es de componente ONO a 300
hPa, y de componente NO en el resto de geopotenciales analizados, debido a la inflexión
de la dorsal sobre el suroeste peninsular. Por tanto, se aprecia, en general, flujo muy
débil del oeste-noroeste en el sureste peninsular.
Fig. 3.38. Dirección y velocidad media del viento (m/s) en los niveles geopotenciales de
300, 500, 700, y 850 hPa (de arriba abajo, de izquierda a derecha) de las 50 jornadas
analizadas. Fuente: NOAA Physical Sciences Laboratory (PSL).
La presión atmosférica al nivel del mar (PA) registra los valores más importantes sobre
el centro peninsular, especialmente al sur de la Cuenca Hidrográfica del Duero (1026
hPa). El resto de la Península Ibérica es abrazada por las isobaras de 1023 y 1024 hPa.
Se refleja, por tanto, un desplazamiento del Anticiclón de las Azores hacia el este de la
169
Península Ibérica, reflejando una gran estabilidad superficial durante las jornadas
analizadas (Fig. 3.39).
Fig. 3.39. Presión atmosférica media reducida al nivel del mar (mb o hPa) de las 50
jornadas analizadas. Fuente: NOAA Physical Sciences Laboratory (PSL).
El origen de las masas de aire, y especialmente la trayectoria que sigue hasta el destino
final, es clave para conocer sus características térmicas. En el área de estudio, tal y
como se refleja en el apartado anterior, las masas de aire son mayoritariamente de
origen atlántico. Efectivamente, entorno al 60% del origen de las masas de aire arrancan
en latitudes templadas, entre 30 y 50ºN, en una amplia banda latitudinal que abarca
desde el centro de Estados Unidos hasta el Mar Negro (Fig. 3.40). Por su parte, un 20%
de las masas de aire tienen su origen en las proximidades de la península ibérica,
recorriendo, por tanto, muy poco trayecto.
170
Fig. 3.40. Trayectoria de masas de aire durante las 50 jornadas analizadas. Fuente:
HYSPLIT (NOAA).
Fig. 3.41. Punto de origen de las masas de aire durante las 50 jornadas analizadas.
Fuente : HYSPLIT (NOAA).
En las jornadas con las ITN más intensas de las 50 analizadas, la mayoría de las
trayectorias de las masas de aire arrancan de latitudes más bajas (37-38ºN) (Fig. 3.42).
Lo hacen desde sectores centrales del Atlántico (la gran mayoría con un paso cercano
al archipiélago de las Azores), desde la costa oeste de Estados Unidos, y varias de ellas
desde las costas orientales Canadá. Eso sí, la mayoría de las trayectorias recorren el
171
Atlántico central, dando lugar a advecciones templadas sobre la Península Ibérica (T850
de 10.2ºC).
Fig. 3.42. Trayectorias de masas de aire durante las 10 jornadas analizadas con mayor
intensidad de inversión. Fuente: HYSPLIT (NOAA).
Se realiza una validación del producto AST_L1T respecto a las temperaturas registradas
en los observatorios meteorológicos de los ámbitos geográficos analizados. El
coeficiente de correlación de Kendall obtiene un R2 de 0,93 (Fig. 3.43 izquierda). Se
trata, por tanto, de un ajuste excelente, con una muy buena distribución espacial de las
temperaturas en las termografías generadas.
172
dista mucho de serlo, ya que presenta bastante aleatoriedad. Son utilizadas
termografías nocturnas referentes a jornadas con procesos de ITN, con el fin de poder
visualizar cartográficamente las zonas más contrastadas de las diferentes regiones.
El noroeste de la DHS (Sª de Segura y Mundo) es la zona habitadas más fría del área
de estudio (como se comprobará en el capítulo 4). Lo es especialmente en Riopar
(Albacete), y en el triángulo Pontones – Santiago de la Espada – Don Domingo (Jaén).
Las principales piscinas de aire frío (CAP) aparecen especialmente en los valles
intramontanos de elevada altitud de la Sierra de Segura, destacando los situados en las
inmediaciones de Fuente Segura, Pontones, Santiago de la Espada o La Matea (Jaén),
con temperaturas, que el 4 de diciembre de 2017, se mueven entre -5 y -7ºC. En ese
sentido destacan las siguientes depresiones en el sector más meridional: Laguna de
Cañada de la Cruz (1), Arroyo de Cañada Hermosa (2), Vega de Santiago de la Espada
(3), Las Talas – Sª Huebras (4), Cañadas de Nerpio (5) o los Chorretites de Abajo -
Nerpio (6). El contraste de temperatura con las sierras aledañas es notable, con
diferencias de hasta 9ºC en apenas 4 km de longitud (Fig. 3.44).
173
Fig. 3.44. Termografía nocturna (ASTER-EOS) de las sierras de Segura y Mundo (4 de
diciembre 2017).
Las principales piscinas de aire frío (CAP) aparecen especialmente en los valles
intramontanos de elevada altitud de la Sierra de Segura, destacando los situados en las
inmediaciones de Fuente Segura, Pontones, Santiago de la Espada o La Matea (Jaén),
con temperaturas, que el 4 de diciembre de 2017, se mueven entre -5 y -7ºC. En ese
sentido destacan las siguientes depresiones en el sector más meridional: Laguna de
Cañada de la Cruz (1), Arroyo de Cañada Hermosa (2), Vega de Santiago de la Espada
(3), Las Talas – Sª Huebras (4), Cañadas de Nerpio (5) o los Chorretites de Abajo -
Nerpio (6). El contraste de temperatura con las sierras aledañas es notable, con
diferencias de hasta 9ºC en apenas 4 km de longitud (Fig. 3.44).
174
(Paterna de Madera). Las diferencias térmicas con los sectores orográficamente más
accidentados del oeste del límite hidrográfico de la DHS, es realmente significativo, con
diferencias de temperatura de 7 a 9ºC en apenas 4/5 km en línea recta.
175
3.3.3.3. Norte de la DHS: Hellín - Pétrola
El sector más septentrional de la DHS viene caracterizado por amplios sectores planos,
conformando a menudo, espacios semi-endorreicos, con acumulación de aire frío
nocturno en madrugadas con fenómenos de IT. En el sector de Hellín-Tobarra aparecen
pequeños valles intramontanos que conforman CAP muy localizadas.
En este sector destacan algunos valles, con temperaturas, que en la jornada de análisis
(10 de octubre de 2017) se mueven entre 12 y 14ºC. Destacan Los Puertos de Tobarra
(1), Los Hongares – Hellín (2), Mojón Blanco (3), Albatana (4) y Montesinos – Las
Anorias (5). Las diferencias térmicas, en apenas una longitud de 3/4 km, llegan a 5/7ºC,
especialmente en el sector de Los Hongares (2) y los relieves adyacentes (Fig. 3.46).
176
En la ubicación de la cabecera municipal de Hellín existen diferencias térmicas muy
apreciables durante las madrugadas de estabilidad. El caso de la ciudad de Hellín es
importante, a una altitud media de 550 m, se registra una temperatura de 19,0ºC. A
escasos metros, en la Sª del Pino 21ºC, conformando una zona donde los procesos
inversores apenas son relevantes. Sin embargo, a apenas 500 m en línea recta, en la
zona norte hacia Tobarra (Polígono Industrial San Rafael), se registran temperaturas de
16,0ºC. El contraste es mucho mayor, en la piscina de aire frío del sur de Cordovilla, en
la Rambla de Fuente García - Los Hongares (2), donde se registra una temperatura de
12,0ºC.
La Fig. 3.47 muestra una reducida porción del sector nororiental de la DHS, aunque se
visualiza una zona habitada especialmente fría, el municipio de Yecla y alrededores. Los
fondos de valles registran temperaturas entre 7 y 3ºC registradas durante el 11 de
noviembre 2017.
177
Destacan especialmente cuatro sectores: Cañada del Mulo (1), Fuente del Pino (2),
paraje de La Sin Puerta (3) y Hondo del Campo (4). Las diferencias con los relieves
aledaños se sitúan entre 5/6ºC en distancias que no superan los 5 km.
El casco urbano de Yecla, ubicado parte del municipio en la ladera del Castillo, registra
una temperatura de 10,0ºC en su sector suroeste (el más templado de la trama urbana),
mientras que, en la zona noroeste, la temperatura es de 5,5ºC. Constituye un importante
contraste térmico en apenas 800 m de distancia, en zonas, donde el desnivel altitudinal,
es de apenas 20-30 m.
Fuera del núcleo principal, destaca la zona más fría del entorno, la de la traviesa de
Caudete, con valores que descienden a 4,5ºC, mientras que hacia el este, en la Sierra
del Cuchillo, a 3,0 km de distancia, se registran temperaturas de 11 a 12ºC.
3.3.3.5. Oeste de la DHS: Cabecera hidrográfica del río Segura (Hernán Perea)
Se identifican algunos sectores más fríos en el interior del Calar de Hernán Perea. Tal y
como se analiza en los capítulos 3 y 4, algunos parajes registran las temperaturas
mínimas más bajas de la DHS, tanto a nivel observacional (temperaturas registradas),
como por técnicas de teledetección. Destacan, los Campos del Espino (1), paraje de
Cañada Rincón (2), Cañada Lamienta (3), Borbotón (4), Cueva Humosa (5) y Pandera
de Juan Fría (6). En las CAP descritas se observan diferencias de hasta 6ºC con los
relieves aledaños de mayor altitud.
178
Fig. 3.48. Termografía nocturna (ASTER-EOS) de la zona oeste de la DHS (11 de
febrero 2017).
La Comarca del Noroeste y las Tierras Altas de Lorca cuenta con un gran número de
depresiones entre los sistemas montañosos de éste ámbito territorial de la DHS. Da
lugar a una gran cantidad de CAP locales, con diferencias térmicas muy importantes en
algunos sectores.
El ámbito más occidental de la región analizada coincide con las mayores elevaciones,
configurando valles de elevada altitud (>1000 m), y cuyos vientos catabáticos o brisa de
montaña descienden de áreas montañosas, muchas de ellas por encima de 1700 m de
altitud. Los fondos de valles albergan temperaturas entre -3 y -4ºC. Destacan las
depresiones de la Fuente de la Sabina (1), Las Hoyas de Campuzano – El Sabinar (2),
Valle de la Rogativa (3), Cañada de la Cruz (4), sector oriental del Campo de San Juan
(5), Rambla de Inazares (6), El Tartamudo (7) y La Junquera (8). El contraste térmico
con las sierras colindantes, llega a ser, en algunas CAP, muy importante. Aparecen
diferencias de 9/10ºC en apenas 3/4 km en línea recta (Fig. 3.49).
179
Por su parte, en el sector central, a una menor altitud (700-1000 m), las temperaturas
en las CAP se sitúan entre -1 y -3ºC, donde destacan el Bco. de las Pocicas – Los Royos
(9), Embalse de Valdeinfierno (10), Las Munueras (11), Cañada del Charco (12), Las
Roturas – Archivel (13), Campo de Béjar (14), La Tejera – Doña Inés (15), Valle de
Avilés (16) o Valle del Aceniche (18). Por su parte, los valles más orientales, a una
menor altitud (300-600 m), en las proximidades de las cabeceras municipales de la
Comarca del Noroeste, registran temperaturas entre 1 y -1ºC. Destacan pequeñas
cubetas como las de Prado Judío (entre Bullas y La Copa) (18), El Chaparral (19), La
Cañaverosa (20), Los Olmos (21), El Almirez (22), El Campillo – Socovos (23).
Fig. 3.49. Termografía nocturna (ASTER-EOS) del Noroeste de la Región y Tierras Altas
de Lorca, Región de Murcia (9 de enero 2018).
180
Mientras, al sur de Archivel (13), aparecen valores de -2 a -3ºC. Se advierten, por tanto,
diferencias de 7 a 9ºC en 3,8 km en línea recta. Al norte, en el Caserío de las Oicas de
Arriba, al noreste de Archivel, se salva una diferencia de 6,0 a -2ºC (casi 8ºC) en 1,0
km.
181
3.3.3.8. Zona oriental de la DHS (Cuencas de Abanilla – Pinoso, y Vega Baja del
río Segura)
El ámbito geográfico analizado en la Fig. 3.51 muestra una clara heterogeneidad, entre
las cuencas situadas a mayor altitud (Fortuna-Abanilla, y la de Raspay-Pinoso), respecto
a la Comarca de la Vega Baja del Segura. Ésta última se caracteriza por registrar una
de las temperaturas mínimas más elevadas de la Demarcación Hidrográfica del Segura,
debido a la baja altitud (<50 m), cercanía al litoral, y presencia de terreno
orográficamente complejo que aparece con algunos promontorios de importancia (Sª de
Orihuela, Callosa, Crevillente…). En la termografía nocturna de la imagen, tomada el 24
de septiembre de 2017, las temperaturas se sitúan entre 19 y 20ºC en el fondo de la
depresión, mientras que, en las sierras anteriormente citadas, los valores se disparan
(22 a 25ºC). Se observa, por tanto, diferencias térmicas de 5-6ºC en apenas 4-5 km en
línea recta.
Fig. 3.51. Termografía nocturna (ASTER-EOS) de la Vega Baja del río Segura (24 de
septiembre2017).
182
análisis se observan temperaturas que localmente se sitúan entre 14-15ºC. Destacan
Pinillos (1), el paraje de El Hondo (2), Els Pollastres-Raspay (3), El Rodriguillo-Pinoso
(4), y el El Hondico-Zárate, junto a La Algueña (5). Las diferencias térmicas más
sobresaliente en éstas zonas se sitúan entre 5-6ºC en distancias de menos de 5 km
(Fig. 3.51).
La imagen de análisis corresponde al 29 de julio. Se trata de una época muy cálida, pero
donde aparecen CAP (inversión térmica). Era la única disponible con los requisitos para
una termografía de estas características. Las temperaturas más bajas, al principio de la
madrugada, se sitúan entre 19 y 21ºC en los fondos de valle analizados, sin duda valores
elevados. Entre los valles más destacados están la Vega de Chirivel (1), el Prado de los
Burros-María (2), Taibena (3), La Tova-Fuensanta (4), o el paraje de Lería (5).
183
Las diferencias de temperatura son importantes, de hasta 7ºC en apenas 1 km de
distancia. Se observan temperaturas de 19,0ºC al norte del municipio de María (5),
mientras que, en las laderas cercanas del Cerro del Buitre, la temperatura sube a 26ºC.
También es destacable la diferencia entre las temperaturas detectadas en las laderas
de la Solana de las Muelas (Montalviche) (en torno a 26,5ºC) y las que se dan, a tan
sólo 2,5 km de distancia en línea recta, en la Diputación de Taibena (3) (apenas 20ºC)
(Fig. 3.52).
En la ciudad de Murcia, los píxeles de temperatura más bajos (5ºC) corresponden a las
áreas situadas al oeste de la ciudad (periferia junto al río Segura), mientras que en el
centro del casco urbano de la ciudad (10.5ºC), se registran temperaturas hasta 5ºC
superior, en apenas 1.7 km de distancia sin apenas desnivel altitudinal (2 m.). En ese
sentido, la influencia ICU nocturna es notable, aunque si se establecen diferencias entre
zonas no urbanizadas, como, por ejemplo, La Raya y el Rincón de Seca, separados por
apenas 1 km, cuya diferencia llega 3ºC (Fig. 3.53).
184
En zonas de Huerta, entre Murcia y Alcantarilla, las temperaturas más bajas se sitúan
al noroeste de La Raya, con valores de 4,1ºC, y entre Alcantarilla y Sangonera la Verde
con 4,3ºC. Por su parte, a escasos kilómetros, en la Sierra de Carrascoy, la temperatura
se sitúa entre 8,0 y 9,5ºC a una distancia de 6,5 km. Las temperaturas más bajas de la
Huerta de Murcia se sitúan al oeste, desde el Azúd de la Contraparada, hasta el Ranero
y Sangonera la Verde.
185
temperaturas entre 18 y 20ºC, con alguna zona algo más fría al norte de la población de
Los Urrutias (17,5ºC).
186
En la Huerta de Lorca, los píxeles más bajos (unos 8ºC) se sitúan en el Vainazo (1) y
en el paraje de la Torre (2), o en las Norias (3), ligeramente por debajo de 300 m de
altitud, entre Lorca y Puerto Lumbreras, con valores que se sitúan, por lo general, entre
9 y 10ºC en el resto de Huerta. Se aprecia, por tanto, un contraste térmico entre el fondo
de valle y los relieves circundantes, de 3 a 4ºC en 1,5 km en línea recta (Fig. 3.55). En
la termografía nocturna se observan los valores térmicos más elevados en los relieves
montañosos que cierran la depresión, y los valores más bajos que empiezan a aparecer
al norte de la ciudad de Lorca, en los primeros sectores del altiplano norte de Lorca, con
altitudes algo más elevadas.
187
Conclusiones y discusión
3. Los procesos de ITN presentan mayor intensidad de inversión a medida que la capa
límite (Zi) posee menos altura y el coeficiente de mezcla vertical (Kz) presenta una
menor agitación, con velocidad más baja. El grado de correlación estadística es
importante (R2 de -0,57 y -0,74 respectivamente). Los bajos valores de Zi y Kz durante
188
las jornadas analizadas generan importantes procesos de subsidencia, dando lugar a
inversiones de temperatura muy marcadas. A través de la capacidad de inversión (C INV)
es posible cuantificar la inversión de la temperatura estándar atmosférica. En las cinco
regiones analizadas llega a superar valores de 11ºC, pero es sin duda, la Comarca del
Noroeste la que registra los promedios más elevadas. En El Chaparral (Cehegín), la CINV
alcanza valores absolutos extraordinarios de 21ºC.
5. En la costa oeste de los Estados Unidos las inversiones térmicas más intensas
registradas en San Diego tienen lugar sobre una cresta (dorsal) en niveles medios y
altos atmosféricos (700 hPa y 500 hPa) al suroeste del Golfo de California, tal y como
ocurre en el sureste de la Península Ibérica. Comparte, además, la misma isohipsa en
el geopotencial de 700 hPa (3150 m). Se trata de configuraciones sinópticas similares,
con escaso flujo de viento y baja humedad relativa (Iacobellis et al., 2009). Además, la
actividad de inversión térmica en áreas estadounidenses como Salt Lake City (Utah), o
Albuquerque y Santa Teresa (Nuevo México), se corresponde con crestas anticiclónicas
a gran escala (Bailey, 2011). Mientras que, al sur de Europa (Grecia), las inversiones
térmicas más intensas se generan bajo la dorsal mediterránea occidental, y una
depresión al este de Grecia (Stamoulis et al., 2015). Finalmente, las masas de aire
proceden de latitudes bajas (37-38ºN), principalmente de sectores centrales del Océano
Atlántico, fachada este de Estados Unidos o Canadá (atravesando las inmediaciones
del archipiélago de las Azores), y de ámbito mediterráneo, con génesis de advecciones
templadas (T850 de 10,2ºC)
189
madrugadas estables es una labor compleja por la gran multitud de factores que
intervienen en la deposición de aire frío en los fondos de valle. Las termografías
nocturnas, a través de imágenes satelitales de alta resolución, son una herramienta de
primer orden para la identificación de piscinas de aire frío (CAP) y cuantificar las
diferencias térmicas con los relieves contiguos de mayor altitud. Numerosos estudios
han comparado los valores de emisividad, radiancia, y temperaturas del producto
ASTER LST(AST_L1T), con las temperaturas superficiales registradas en observatorios
meteorológicos. Las bandas ASTER se compararon a 8.5 y 11 μm, obteniendo
desviaciones nocturnas de 1,2ºC en un estudio planetario de Wang y Liang, (2009), o
en investigaciones más locales, con desviaciones de ± 0.3°C en Valencia (Coll et al.,
2007). En las termografías analizadas en diferentes ámbitos geográficos de la DHS (con
disponibilidad de datos de temperatura en observatorios) se obtiene una correlación
estadísticamente significativa (R2 de 0.93***). En Pekín (China), por ejemplo, Yang et al.
(2011), verifican que la distribución de temperatura estimada es coherente a la del
producto ASTER LST (R2 de 0.71 y RMSE de 2.702 K).
Referencias bibliográficas
Abdul‐Wahab, S. A., Al‐Saifi, S. Y., Alrumhi, B. A., Abdulraheem, M. Y., y Al‐Uraimi, M.
(2004): “Determination of the features of the low‐level temperature inversions above
a suburban site in Oman using radiosonde temperature measurements: Long‐term
analysis”. Journal of Geophysical Research: Atmospheres, 109(D20).
http://dx.doi.org/10.1029/2004JD004543.
190
Albero, V. y Català, J: (1965). “Las heladas en la zona naranjera desde el punto de vista
meteorológico”, en: I Simposio de la Revista de Agroquímica y Tecnología de los
Alimentos, Valencia, 23-29. [Frosts in the orange zone from the meteorological point
of view. I Symposium of the Journal of Agrochemistry and Food Technology,
Valencia, 23-29].
Aragón, R. (dir.) (2002): “Estudio Hidrogeológico de la unidad Vega Media y Baja del
Segura. Madrid”: Instituto Geológico y Minero Español (IGME). [Hydrogeological
study of the Vega Media and Baja del Segura unit Madrid. IGME]:
Beine, H. J., Argentini, S., Maurizi, A., Mastrantonio, G., y Viola, A. (2001): “The local
wind field at NyÅlesund and the Zeppelin mountain at Svalbard”. Meteorology and
Atmospheric Physics, 78(1-2), 107-113. https://doi.org/10.1007/s007030170009
Bastin, S., y Drobinski, P. (2005): “Temperature and wind velocity oscillations along a
gentle slope during sea-breeze events”. Boundary-layer meteorology, 114(3), 573-
594. https://doi.org/10.1007/s10546-004-1237-6
Beniston, M. (2006): “Mountain weather and climate: a general overview and a focus on
climate change in the Alps”. Hydrobiologia, 562, 3-16.
https://doi.org/10.1007/s10750-005-1802-0.
Bello, V. (2008): “Las inversiones térmicas en el Valle Bajo del Henares. Serie
Geográfica, 14, 47-60”.
191
Campano, L. F. (dir.) (2009). Atlas de los paisajes de la Región de Murcia. Murcia:
Consejería de Obras Públicas y Ordenación del Territorio. ISBN: 978-84-87138-54-
6. [Atlas of the landscapes of the Region of Murcia. Consejery of Public Works and
Territorial Planning. ISBN: 978-84-87138-54-6].
Caserini, S.; Giani, P.; Cacciamani, C.; Ozgen, S. y Lonati, G. (2017). “Influence of
climate change on the frequency of daytime temperature inversions and stagnation
events in the Po Valley: historical trend and future projections”. Atmospheric
Research, 184, 15-23. https://doi.org/10.1016/j.atmosres.2016.09.018.
Coll, C., Caselles, V., Valor, E., Niclòs, R., Sánchez, J. M., Galve, J. M., y Mira, M.
(2007): “Temperature and emissivityseparation from ASTER data for low spectral
contrast surfaces”. Remote sensing of environment, 110(2), 162-175.
https://doi.org/10.1016/j.rse.2007.02.008
Deng, X.; Cao, W.; Huo, Y., Yang, G.; Yu, C.; He, D.; Deng, W.; Fu, W.; Ding, H.; Zhai,
J.; Cheng, L. & Zhao, X. (2018): “Meteorological conditions during a severe,
prolonged regional heavy air pollution episode in eastern China from December 2016
to January 2017”. Theoretical and Applied Climatology, 131, 1-18.
https://doi.org/10.1007/s00704-018-2426-4.
192
Dorta, P. J. (1994): “Las inversiones térmicas en Canarias”. Investigaciones
Geográficas, 15, pp. 109-123.
Ganbat, G. y Baik, J.J. (2015): “Wintertime Local Circulations in and around the
Ulaanbaatar Metropolitan Area in the Presence of Temperature Inversion”. In EGU
General Assembly Conference Abstracts, 52(3), 309-325.
García M., Ramirez, H., Ulloa, H., Arias, S. y Pérez, A. (2012): “Las inversiones térmicas
y la contaminación atmosférica en la zona Metropolitana de Guadalajara (México)”.
Investigaciones Geográficas, 58, 9-29 https://doi.org/10.14198/INGEO2012.58.01.
Halimi M., Yarahmadi D., y Zarei Z (2017): “Analysis of the monthly change in the
boundary layer height using the vertical temperature profile models. Case study:
Tehran’s Mehrabad station”. Space communications, 6(21), 115-124.
193
Iacobellis, S. F., Norris, J. R., Kanamitsu, M., Tyree, M., y Cayan, D. R. (2009): “Climate
variability and California low-level temperature inversions”. California Climate
Change Center, 48. CEC-500-2009-020-D
Izumi, Y., y Brown, H. A. (1966): “Temperature, humidity, and wind variations during
dissipation of a low-level jet”. Journal of Applied Meteorology, 5(1), 36-42.
https://doi.org/10.1175/1520-0450(1966)005<0036:THAWVD>2.0.CO;2
Jemmett-Smith, Bradley Colin (2014): “Cold air pools over complex terrain”. PhD thesis,
University of Leeds, 267 pp.
Ji, F., Evans, J. P., Scorgiea, Y., Jianga, N., Argüesob, D., y Di Lucab, A. (2015):
“Projected change in Frequency, Intensity and Duration of Atmospheric Temperature
Inversions for Southeast Australia”. 21st International Congress on Modelling and
Simulation, Gold Coast, Australia, 29 Nov.
Li, J., Chen, H., Li, Z., Wang, P., Cribb, M., y Fan, X. (2015):“Low-level temperature
inversions and their effect on aerosol condensation nuclei concentrations under
different large-scale synoptic circulations”. Advances in Atmospheric Sciences,
32(7), 898. https://doi.org/10.1007/s00376-014-4150-z.
Lillo, M. (2000): “La Huerta de Murcia como ejemplo de escorrentía derivada inscrita en
la llanura de crecida”. Papeles de Geografía, 32, 61-75.
194
López, A. (1975): “Inversión de temperatura entre Madrid y la Sierra de Guadarrama con
advección cálida superior”. Estudios Geográficos, 36(138-139), 567-604.
Malek, E.; Davis, T.; Martin, R. S. y Silva, P. J. (2006): “Meteorological and environmental
aspects of one of the worst national air pollution episodes (January, 2004) in Logan,
Cache Valley, Utah, USA”. Atmospheric Research, 79 (2), 108-122.
https://doi.org/10.1016/j.atmosres.2005.05.003.
Malingowski, J., Atkinson, D., Fochesatto, J., Cherry, J., y Stevens, E. (2014):“An
observational study of radiation temperature inversions in Fairbanks, Alaska”. Polar
Science, 8(1), 24-39. https://doi.org/10.1016/j.polar.2014.01.002.
McKee, T. B. y O’Neal, R. O. (1989): “The role of valley geometry and energy budget in
the formation of nocturnal valley winds”. Journal of Applied Meteorology, 28, 445-
456. https://doi.org/10.1175/1520-0450(1989)028<0445:TROVGA>2.0.CO;2.
Ning, G.; Wang, S.; Yim, S. H. L.; Li, J.; Hu, Y.; Shang, Z.; Wang, J. y Wang, J. (2018):
“Impact of low-pressure systems on winter heavy air pollution in the northwest Sichua
Basin, China”. Atmospheric Chemystri and Physics. https://doi.org/10.5194/acp-
2018-61.
195
Palo, T., Vihma, T., Jaagus, J., y Jakobson, E. (2017): “Observations of temperature
inversions over central Arctic sea ice in summer”. Quarterly Journal of the Royal
Meteorological Society, 143, 2741–2754. http://dx.doi.org/10.1002/qj.3123.
Pepin, N., y Kidd, D. (2006): “Spatial temperature variation in the Eastern Pyrenees”.
Weather, 61(11), 300-310.http://dx.doi.org/10.1256/wea.106.06.
Renfrew, I. A. (2004): “The dynamics of idealized katabatic flow over a moderate slope
and ice shelf”. Quarterly Journal of the Royal Meteorological Society: A journal of the
atmospheric sciences, applied meteorology and physical oceanography, 130(598),
1023-1045. https://doi.org/10.1256/qj.03.24
Steinacker, R. 1984: “Area-height distribution of a valley and its relation to the Valley
wind”. Physi. Atmosph. 57, 1, 64-70
Tang, B. H.; Zhan, C.; Li, Z. L.; Wu, H. y Tang, R. (2017): “Estimation of land surface
temperature from MODIS data for the atmosphere with air temperature inversion
profile”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote
Sensing, 10,6, 2976-2983. https://10.1109/JSTARS.2016.2634629.
196
Tavousi, T. y Abadi, N. (2017): “Evaluation of Temperature Inversion Indicators in
Boundary Layer (Case Study: Tehran, Iran)”. Georesearch, 32, 2, 120-132.
https://10.18869/acadpub.geores.32.2.120
Trewartha, G. T. (1943): An introduction to weather and climate. New York, McGraw- Hill
Book Company.
Vihma, T., Kilpeläinen, T., Manninen, M., Sjöblom, A., Jakobson, E., Palo, T., y Maturilli,
M. (2011): “Characteristics of temperature and humidity inversions and low-level jets
over Svalbard fjords in spring”. Advances in Meteorology,
2011.https://doi.org/10.1155/2011/486807
Vihma, T., Tuovinen, E., ySavijärvi, H. (2011): “Interaction of katabatic winds and near‐
surface temperatures in the Antarctic”. Journal of Geophysical Research:
Atmospheres, 116(D21). https://doi.org/10.1029/2010JD014917
Wang, K., y Liang, S. (2009): “Evaluation of ASTER and MODIS land surface
temperature and emissivity products using long-term surface longwave radiation
observations at SURFRAD sites”. Remote Sensing of Environment, 113(7), 1556-
1565. https://doi.org/10.1016/j.rse.2009.03.009
Wang, L.; Wang, J.; Bao, D.; Yang, R.; Yan, Q.; Gao, F.; y Hua, D. (2018): “Optimization
design of the tuning method for FBG spectroscopy based on the numerical analysis
of all-fiber Raman temperature lidar”. Optical Fiber Technology, 40, 165-171.
https://doi.org/10.1016/j.yofte.2017.11.010.
Wang, Q.; Sun, Y.; Xu, W.; Du, W.; Zhou, L.; Tang, G.; Chen, C.; Cheng, X.; Zhao, X.;
Ji D.; Han, T.; Wang, Z.; Li, J. y Wang, Z. (2018): “Vertically resolved characteristics
of air pollution during two severe winter haze episodes in urban Beijing,
China”. Atmospheric Chemistry and Physics, 18, 4, 2495-2509.
http://dx.doi.org/10.5194/acp-18-2495-2018.
Wang, Y.; Cao, X.; He, T.; Gao, F.; Hua, D. y Zhao, M. (2015): “Observation and analysis
of the temperature inversion layer by Raman lidar up to the lower
stratosphere”. Applied optics, 54,34, 10079-10088.
https://doi.org/10.1364/AO.54.010079.
197
Whiteman, C. D. (1990): “Observations of thermally developed wind systems in
mountainous terrain”. In Atmospheric processes over complex terrain (pp. 5-42)”.
American Meteorological Society, Boston, MA. https://doi.org/10.1007/978-1-
935704-25-6_2
Whiteman, C. D., Bian, X., y Zhong, S. (1999): “Wintertime evolution of the temperature
inversion in the Colorado Plateau Basin”. Journal of Applied Meteorology, 38(8),
1103-1117. https://doi.org/10.1175/1520-0450(1999)038<1103:WEOTTI>2.0.CO;2
Whiteman, C. D., Zhong, S., Shaw, W. J., Hubbe, J. M., Bian, X. y Mittelstadt, J. (2001):
“Cold pools in the Columbia Basin”. Weather and Forecasting, 16(4), 432-447.
https://doi.org/10.1175/1520-0434(2001)016<0432:CPITCB>2.0.CO;2.
Whiteman, C. D., Pospichal, B., Eisenbach, S., Weihs, P., Clements, C. B., Steinacker,
R., y Dorninger, M. (2004): “Inversion breakup in small Rocky Mountain and Alpine
basins”. Journal of applied meteorology, 43(8), 1069-1082.
https://doi.org/10.1175/1520-0450(2004)043<1069:IBISRM>2.0.CO;2.
Wong, S., Dessler, A. E., Mahowald, N. M., Yang, P., y Feng, Q. (2009): “Maintenance
of lower tropospheric temperature inversion in the Saharan air layer by dust and dry
anomaly”. Journal of Climate, 22(19), 5149-5162.
https://doi.org/10.1175/2009JCLI2847.1
Xercavins, A. (1989). Notas sobre el clima y las inversiones térmicas en Les Guilleries,
en: Actas del XI Congreso Nacional de Geografía. Madrid, Asociación de Geógrafos
Españoles (AGE), I-II, 288-295
198
Yang, G., Pu, R., Zhao, C., Huang, W., y Wang, J. (2011): “Estimation of subpixel land
surface temperature using an endmember index based technique: A case
examination on ASTER and MODIS temperature products over a heterogeneous
area”. Remote Sensing of Environment, 115(5), 1202-1219.
https://doi.org/10.1016/j.rse.2011.01.004
You, T.; Wu, R.; y Huang, G. (2018): “Differences in Meteorological Conditions between
Days with Persistent and Non-Persistent Pollution in Beijing, China”. Journal of
Meteorological Research, 32, 1, 81-98. https://doi.org/10.1007/s13351-018-7086-x.
199
CAPÍTULO 4
201
fin de acomodar la diferencia de elevación (Dodson y Marks, 1997; Nalder y Wein, 1998).
El gradiente varía temporalmente a escalas estacionales, diarias e incluso horarias.
Además, la ubicación de la estación de referencia puede afectar al gradiente vertical
(Bolstad et al., 1998) causando un sesgo positivo para elevaciones más bajas. Por tanto,
aunque el método de interpolación ha sido ampliamente aplicado para la estimación de
temperaturas mínimas durante fenómenos de ITN, su limitación espacial y vertical limita
su uso.
Durante los últimos años, los importantes avances en teledetección han llevado al
desarrollo de algoritmos y ecuaciones para la conversión a temperatura del aire (Ta) a
2 m de la superficie (Ts) a través de información satelital. En las últimas décadas este
aspecto presentaba limitaciones y cierta complejidad. En la actualidad, se traduce en
dos pasos: (i) la derivación de la temperatura de la superficie terrestre (Ts) de la señal
infrarroja térmica (TIR) recibida por el sensor, y (ii) la estimación de la Ta desde los
sensores satelitales (Ts), o lo que es lo mismo, una combinación de la temperatura
radiante de la superficie terrestre y la atmósfera intermedia.
Los datos de temperatura de la superficie del aire terrestre (Ta), también llamada
"temperatura del aire" o "temperatura cercana a la superficie", se recopilan
generalmente como datos puntuales de las ubicaciones de las estaciones
meteorológicas, por lo general a 2 m sobre la superficie terrestre. Es un parámetro
importante para una amplia gama de campos, como la agricultura (evapotranspiración
de cultivos, predicción del rendimiento de cultivos, hidrología, ecología, medio ambiente
y cambio climático). En general, los valores de Ta obtenidos de las estaciones
meteorológicas tienen una precisión y resolución temporal muy altas, pero no capturan
información para toda una región y, por lo tanto, pueden no ser adecuados para
aplicaciones de modelado espacial.
202
que proporcionan datos diarios de LST con alta temporalidad (cuatro veces al día)
alrededor de las 10:30 am, 10:30 pm, 1:30 am y 1:30 pm, respectivamente) y una
resolución espacial muy alta (1 km). La diferencia entre LST y Ta está fuertemente
influenciada por las características de la superficie y las condiciones atmosféricas.
Según los resultados analíticos, el método TVX se aplicó por primera vez utilizando las
observaciones de la temperatura del aire en 2009 para la calibración del modelo (Zhu et
al., 2013). Posteriormente, el método TVX calibrado se ejecuta en un modo de ventana
deslizante para producir una cobertura de imagen completa para el área de estudio. La
estimación de la temperatura máxima del aire, de alta resolución espacial producida por
el método TVX, fue validada por las observaciones de la estación meteorológica de
Xiangride en 2010 junto a las observaciones de otras dos estaciones meteorológicas
adyacentes en 2009. Finalmente, sobre la base de la estimación de máximo y mínimo
diario de la temperatura del aire, se usó un modelo de curva sinusoidal simple para
obtener la variación diurna completa de la temperatura del aire en el sitio de prueba.
203
(Noi et al., 2016), en la meseta tibetana (Zhou et al., 2017) o en Roma (Sismanidis et
al., 2016).
La precisión durante la noche, por tanto, es mejor que la del día. Además, la calidad del
producto VIIRS (LST) muestra una estacionalidad significativa con un mejor desempeño
en otoño e invierno que en primavera y verano, clave en el análisis del capítulo. Además,
VIIRS, con una resolución de 750 m, y MODIS con 1 km, presentan resultados
excelentes, con diferencias de <0.5 K entre ambos (Hulley et al., 2017).
Los resultados indican que los productos actuales de VIIRS (LST) producen una
precisión muy razonable, con sesgos promedio de 0.36 K y −0.58 K y RMSE promedio
de 2.7 K y 1.5 K durante el día y la noche respectivamente (Niclòs et al., 2018; Liu et al.,
2015). Sin embargo, tres sitios áridos durante el día y un sitio de superficie árida durante
la noche mostraron sesgos absolutos superior de 1.5 K. Además, la precisión para la
noche es mucho mejor que la del día. Los RMSE diurnos son superiores a 2 K para los
cuatro sitios y los RMSE nocturnos son más modestos, entorno de 1 K (Li et al., 2014).
Por tanto, tal y como se recoge en la Tabla 4.1, los productos MODIS (LST), al igual que
los VIIRS (LST), presentan buenos resultados para la representación espacial de las
temperaturas mínimas superficiales, especialmente durante las horas nocturnas, y
especialmente en otoño e invierno. En la DHS, las madrugadas con fenómenos de
inversión térmica nocturna (ITN) representan el 86% del total anual (v. capítulo 1).
Debido a la gran recurrencia del proceso de ITN en invierno, la distribución de las
temperaturas mínimas durante los meses invernales sigue un patrón de formación de
204
piscinas de aire frío (CAP) en fondos de valle y territorios deprimidos, así como espacios
cálidos (WAM) en zonas orográficamente accidentadas y áreas montañosas.
El objetivo principal del capítulo es elaborar una cartografía de alta resolución con la
distribución de las temperaturas nocturnas invernales durante madrugadas estables
(sujetas a procesos de ITN). La termografía es una herramienta con una gran capacidad
para abarcar espacialmente la totalidad de un territorio, con lo que suple las carencias
y limitaciones de la interpolación de temperaturas a través de observatorios
meteorológicos. El área de estudio muestra una baja densidad de estaciones
meteorológicas, especialmente en ámbitos occidentales y montañosos de la cuenca.
205
4.2. MATERIAL Y MÉTODOS
4.2.1. Datos
Fig. 4.1. Ejemplo del producto VIIRS LST del 4 de diciembre de 2017, con el fichero
original a la izquierda, y el procesado con el software ARCGIS 10.3 a la derecha. Fuente:
VIIRS SUOMI - NPP.
Por su parte, el producto VIIRS LST es obtenido del instrumento VIIRS a bordo del
satélite SUOMI-NPP. Se trata de un radiómetro de barrido que mide las radiancias a
escala global en los espectros visible e infrarrojo sobre tierra, atmósfera, criosfera y
océanos (Hillger et al., 2013).
Las imágenes del sensor VIIRS se dividen en 22 bandas con una cobertura espectral
de 0.412 a 12 μm. Entre las 22 bandas hay 5 canales de imágenes de alta resolución
206
(bandas I), 16 canales de resolución moderada (bandas M) y banda de 1 día / noche
(DNB). Las bandas I tienen una resolución espacial de 375 m y las bandas M (y DNB)
de 750 m. En la dirección del “crosstrack” tiene un ancho de barrido de exploración de
403040 km. La recuperación de LST en el producto VNP21 es a través de los canales
TIR Mbands: M14 (8.55 μm), M15 (10.76 μm) y M16 (12 μm) (Cao et al., 2013).
Posee una resolución 0,7 * 0,8 km y un total de 3200*3200 columnas (Minnett et al.,
2014). La precisión de medición (sesgo) y la precisión (1 sigma) especificadas para el
producto VIIRS LST son 1,4 y 0,5 K, respectivamente, que deben cumplirse cuando la
máscara de nube VIIRS indica una alta confianza en condiciones claras. El rango
dinámico para el producto se extiende de 213 a 343 K. El producto se está generando
en todos los píxeles de tierra, excepto cuando no se cumplen las condiciones
mencionadas anteriormente, según se determina a partir de la Máscara de Nube de
VIIRS (VCM) (Justice et al., 2013). Posee una órbita sincrónica solar a una altitud de
829 km y con 1:30 pm/1:30 am tiempos de cruce ecuatorial, con un paso aproximado
por el área de estudio entre las 1.40 y 2.40 h de la madrugada según Niclòs et al. (2018).
207
Fig. 4.2. Distribución espacial de las temperaturas medias de las mínimas del mes de
enero (producto BIO6), y regionalización en comarcas climáticas (Fig. 4.5). Fuente:
EuroLST.
208
que 0.4 K. Además, la desviación estándar de las diferencias fue usualmente inferior a
1 K con un máximo de 2,2 K.
Finalmente se utilizan los datos del Padrón municipal (Nomenclátor) del año 2018 para
determinar los núcleos poblacionales habitados en el área de estudio:
https://www.ine.es/nomen2/index.do
209
4.2.2. Métodos
LST = b0 + ((b1 + (b2 (1-ε / ε)) + (b3 ((Δε / ε2))) T31+T32 / 2 + (((b4 + (b5 (1-ε / ε)) + (b6 (Δε
/ ε2))) T31-T32 / 2
(4.1)
donde ε y Δε son la media y la diferencia de las emisividades en las bandas 31 y 32. Los
coeficientes del algoritmo bk (con k = 0–6) dependen de la visualización del ángulo
cenital, la temperatura del aire en la superficie (Tair) y el contenido de vapor de agua
atmosférico
Cada archivo de datos MYD11A1 incluye la imagen LST para la noche (para Terra a ~
22: 30 UTC y para Aqua en ~ 01: 30 UTC). Para el análisis del capítulo se utiliza la del
Aqua, por su mayor proximidad horaria con la temperatura mínima registrada durante la
madrugada.
Por su parte, el producto Band I5, Night (VIIRS LST) del registro de datos ambientales
(EDR) de VIIRS, obtiene una resolución espacial de 750 m y alrededor de 1.5 km en el
borde de la franja, utilizando el algoritmo de ventana dividida (Yu et al., 2005) que utiliza
temperaturas de brillo (Ti) medidas en dos bandas espectrales VIIRS: M15 colocada a
10,76 mm (i = 15) y M16 colocada a 12,01 mm (i = 16). Se utilizan diferentes conjuntos
de coeficientes (aj, con j = 0–4) para el día y la noche y para 17 tipos de superficie de
los mapas de clasificación del Programa Internacional de Geosfera-Biosfera (IGBP)
(Guillevic et al., 2014; Liu et al., 2015).
210
Desde el 11 de agosto de 2012 el VIIRS EDR se ha producido operativamente utilizando
un algoritmo de ventana dividida única que es efectivamente insensible a la radiación
solar (Yu et al., 2005). El algoritmo usa temperaturas de brillo medidas en el canal M15
(T15) y el canal M16 (T16) centrado en 10.76 μm y 12.01 μm (4.2), respectivamente
(Schroeder y Giglio, 2017).
donde ak (con k = 0 a 4) son los coeficientes del algoritmo y θv es el ángulo cenital del
sensor. Los conjuntos de coeficientes diurnos y nocturnos se obtuvieron para 17 tipos
diferentes de superficie a partir del análisis de regresión de las simulaciones de
transferencia por radiación MODTRAN para condiciones atmosféricas y de superficie
representativas a nivel mundial.
La elaboración de cartografía final del capítulo (termografías con Ts), a través de los
productos MODIS LST y VIIRS LST, es realizada con el promedio de 50 mapas para
cada uno de los productos. Se trata de 50 madrugadas estables (con procesos de ITN),
exentas de nubosidad (0%), y elegidas con el análisis de datos de temperaturas mínimas
superficiales y datos de sondeos atmosféricos durante los últimos inviernos de
observación, 2017-2018 y 2018-2019 (Fig. 4.1).
La cartografía general realizada con los productos MODIS/VIIRS LST obtiene resultados
de diferencia térmica, desviación estándar, y correlación estadística entre ambos
productos. Así mismo, se generan 6 perfiles térmicos sobre el producto final de la
combinación entre MODIS y VIIRS LST, para una mejor visualización de los contrastes
térmicos entre piscinas de aire frío (CAP) y espacios montañosos con advección
templada o (WAM).
211
Fig. 4.4. Malla de puntos creada para el análisis estadístico en a) el área de estudio
completa, y b) en zonas de CAP (zonas de inversión térmica con círculos de color azul)
y WAM (aire cálido en terrenos orográficamente complejos, en círculos de color verde).
Con la función “Extract Multi Values to point” del software ArcGis 10.3 se exportan
ficheros de texto plato (txt) con información de valores correspondientes al promedio de
los productos MODIS LST, VIIRS LST, EuroLST – BIO6 (ºC), valores altimétricos (m) y
desnivel orográfico (%) de todos los puntos generados.
Para el análisis de las correlaciones estadísticas entre los productos VIIRS/MODIS LST
con el reanálisis EuroLST (BIO6) y las temperaturas superficiales de estaciones
meteorológicas (ST) se realizan correlaciones estadísticas por altitud (>1200 m, de 1200
a 600 m, e inferiores a 600 m), por desnivel altitudinal (>35%, de 15 a 34%, e inferior al
15%), o por ámbitos geográficos en zonas de CAP o de WAM. Para ello, se utilizan
diferentes test estadísticos atendiendo al tipo de distribución estadística:
Se aplica, en primer lugar, el test de Shapiro Wilk, un test estadístico empleado para
contrastar la normalidad de un conjunto de datos (Shapiro y Wilk, 1965). Se usa para
verificar si un conjunto de datos sigue una distribución normal o no. Este hecho es de
vital importancia porque los posteriores análisis estadísticos requieren de la normalidad
de los datos para poder llevarlos a cabo. El test utiliza el contraste de hipótesis para
rechazar la normalidad de la muestra. La hipótesis nula asume que la muestra proviene
de una población distribuida normalmente. Si el valor p es menor al nivel de significación
212
establecido (convencionalmente un 0.05) se rechaza la hipótesis nula y se considera
que hay evidencia para concluir que la muestra no proviene de una distribución normal.
Sin embargo, conviene recordar que en caso contrario —el valor p es mayor que el nivel
de significación establecido— no se acepta la hipótesis alternativa, simplemente no se
rechaza la hipótesis nula.
213
rR = 1 – (6Σi di2) / n(n2-1) (4.4)
donde n= número de puntos de datos de las dos variables y di= diferencia de rango del
elemento “n”
214
La delimitación territorial en 22 comarcas climáticas supone la extensión media de 820
km2 para cada una de ellas, lo que permite una cartografía de alta resolución espacial
para la presentación de termografías. Las comarcas delimitadas se recogen en la Tabla
4.2, con sus principales características térmicas. La más fría, con el promedio más bajo
de pixel es para la región C12 de los Calares occidentales de Hernán Perea y Guillimona
(-2,8ºC), mientras que, las regiones litorales registran los promedios más elevados,
como el C19 del Campo de Cartagena (6,1ºC) y C22 del litoral almeriense y sur de
Murcia (6,4ºC).
4.3. RESULTADOS
215
dilatando, todavía más, las diferencias térmicas entre zonas deprimidas, y las
orográficamente complejas (laderas, piedemontes, picos…).
4.3.1.1.1. Productos VIIRS LST y MODIS LST vs producto (BIO6) del proyecto EuroLST
Los productos VIIRS y MODIS LST se someten a una validación con el producto BIO6.
En general, las correlaciones estadísticas de tipo espacial son muy elevadas. La
correlación estadística más elevada es para el producto MODIS LST con un R2 de 0,90
(Fig. 4.6a), mientras, que, el producto VIIRS LST se queda en 0,75 (Fig. 4.6b). El Test
de Wilcoxon Signed Rank obtiene valores de p values < 0.00001 para ambos productos,
corroborando que la significación estadística es muy relevante.
El producto MODIS LST obtiene los mejores ajustes estadísticos para las altitudes
comprendidas entre 600 y 1200 m de altitud (R2 de 0,91), y con porcentajes de pendiente
altas (superiores al 35%), con correlaciones de R2 de 0,94. Sin embargo, el ajuste es
algo menor para las altitudes superiores a 1200 m de altitud, y con pendientes entre 15-
34%, con valores de R2 entre 0,77 y 0,73 (Tabla 4.3).
Sin embargo, el producto VIIRS LST obtiene peores correlaciones, aunque igualmente
son importantes. Los mejores ajustes se obtienen para el nivel altitudinal de 0 a 600 m,
y pendientes superiores al 35%. La correlación espacial funciona peor para altitudes
216
comprendidas entre 600-1200 m y escasas pendientes, inferiores al 14%, con
correlaciones estadísticas de R2 0,55 y 0,80 respectivamente (Tabla 4.3).
Fig. 4.6. Correlación estadística según Spearman entre las temperaturas del proyecto
EuroLST (BIO6) y los productos a) MODIS LST y b) VIIRS LST, con niveles de
significancia estadística de 0,90*, 0,95**, y 0,99***.
La correlación estadística existente entre los dos productos MODIS y VIIRS LST arrojan
resultados muy elevados, con R2 de 0,91, y una diferencia de temperatura media de
0,4ºC. El test de Wilcoxon Signed-Rank arroja un p value < a 0.00001, lo que corrobora
una gran semejanza entre ambos (Tabla 4.2). Las correlaciones estadísticas según
Spearman para diferentes niveles altitudinales, de desnivel, y de ubicación geográfica
(CAP/WAM) arrojan resultados homogéneos, con R 2 entre 0,88 y 0,95. Las menores
diferencias térmicas ambos productos aparecen en el nivel altitudinal de 0 a 600 m, y en
terrenos con poca pendiente (0-14%), con diferencias térmicas entre 0,0 y 0,3ºC (Tabla
4.3).
Por su parte, los sectores ubicados por encima de 1200 m, y con pendientes abruptas,
superiores al 35%, obtienen las mayores diferencias térmicas (1,7 a 1,9ºC), Las
temperaturas más bajas las registra el producto MODIS LST. Es preciso añadir que se
produce un mejor ajuste térmico en los territorios ubicados en CAP, con diferencias de
-0,3ºC en favor del producto VIIRS (temperaturas más bajas). Sin duda, un aspecto
notable para el análisis de los próximos apartados.
217
Fig. 4.7. Correlación estadística según Spearman entre las temperaturas del proyecto
EuroLST (BIO6) y a) zonas de CAP producto MODIS LST y b) WAM MODIS LST, c)
CAP VIIRS LST y d) WAM VIIRS LST con niveles de significancia estadística de 0,90*,
0,95**, y 0,99***.
Tabla 4.3. Correlación estadística entre los productos VIIRS LST vs. MODIS LST. P
Value en negrita con significancia estadística para un nivel de confianza del 99%. Según
el test de Sapiro-Wilk se utiliza el test “S” (Spearman) o “P” (Pearson), según la
normalidad de la muestra.
MODIS LST
Test R2 P Value Dif Tª
VIIRS LST S 0,91 2.2e-16 0,4
VIIRS LST >1200 m S 0,95 2.2e-16 1,7
VIIRS LST 601-1200 m S 0,93 2.2e-16 0,6
VIIRS LST 0-600 m S 0,91 2.2e-16 0,0
VIIRS LST >35% S 0,90 2.2e-16 1,9
VIIRS LST 34-15 S 0,88 2.2e-16 1,2
VIIRS LST 14-0% S 0,90 2.2e-16 0,3
VIIRS LST CAP S 0,92 2.2e-16 -0,3
VIIRS LST WAM S 0,92 2.2e-16 1,4
Las diferencias térmicas con el proyecto EuroLST (BIO6) llegan a 2,8 y 2,4ºC con VIIRS
LST y MODIS LST respectivamente, siendo más importante para las ubicaciones en
sectores bajos (<600 m) y desniveles entre 34-15%. Por su parte, los resultados son
muy ajustados para zonas elevadas (600-1800 m de altitud) y con mayor desnivel
(>35%). Las diferencias térmicas, en este caso, se sitúan entre -0,3 y 0,7ºC, a excepción
218
del producto MODIS, que, para la franja altitudinal de más de 1200 m de altitud, obtiene
una diferencia térmica de 2,1ºC (Tabla 4.4).
Tabla 4.4. Correlación estadística entre EuroLST (BIO6) vs. los productos VIIRS LST y
MODIS LST. P Value en negrita con significancia estadística para un nivel de confianza
del 99%. Según el test de Sapiro-Wilk, se utiliza el test “S” (Spearman) o “P” (Pearson),
según la normalidad de la muestra.
VIIRS LST MODIS LST
Test R2 P Value Dif Tª R2 P Value Dif Tª
EUROLST S 0,75 2.2e-16 2,8 0,90 2.2e-16 2,4
EUROLST >1200 m S 0,62 2.8e-11 0,5 0,77 2.2e-16 2,1
EUROLST 601-1200 m S 0,55 2.2e-16 0,7 0,91 2.2e-16 0,5
EUROLST 0-600 m S 0,75 2.2e-16 3,3 0,84 2.2e-16 3,3
EUROLST >35% S 0,90 2.2e-16 0,3 0,94 2.2e-16 -0,3
EUROLST 34-15 S 0,83 2.2e-16 2,2 0,73 2.2e-16 2,8
EUROLST 14-0% S 0,80 2.2e-16 1,8 0,92 2.2e-16 2,0
EUROLST CAP S 0,84 2.2e-16 4,3 0,93 2.2e-16 4,0
EUROLST WAM S 0,88 2.2e-16 0,2 0,90 2.2e-16 1,6
Los mejores ajustes térmicos en zonas elevadas y más escarpadas se confirman con la
menor diferencia térmica en zonas de WAM. Éstas zonas, por lo general, coinciden con
ámbitos montañosos orográficamente más complejos, donde se obtienen diferencias de
0,2ºC para VIIRS LST y 1,6ºC para el producto MODIS LST. Sin embargo, aunque la
correlación espacial es muy elevada, las temperaturas son distantes en zonas de CAP,
con diferencias de 4,3 y 4,0ºC (Tabla 4.3). Sin duda, el almacenamiento de aire frío en
dichas CAP, suele realizarse en valles de poca extensión, con variaciones térmicas
importantes en escasas distancias, por lo que, es presumiblemente entender, que las
imágenes satelitales tengan mayor dificultad en éstos emplazamientos.
La combinación de los productos MODIS y VIIRS LST (TERMO) con el producto BIO6
(EuroLST) obtiene una correlación estadística de un R2 de 0,82 (Fig. 4.8). Se trata, sin
duda, de un valor robusto desde el punto de vista estadístico con una muestra de más
de 2500 puntos distribuidos homogéneamente en los 18.000 km2 del área de estudio
(densidad de un punto cada 7 km2). Éste producto final será el utilizado para la
elaboración de la cartografía de termografías de alta resolución, con una estadística más
sólida y con la combinación de los puntos fuertes de ambos productos. Por su parte, las
diferencias de temperatura son apreciables, si bien, entre los objetivos de este capítulo,
no está el de determinar cuantitativamente con exactitud las temperaturas arrojadas por
las termografías, sino el de analizar espacialmente las diferencias térmicas.
219
Fig. 4.8. Correlación estadística según Spearman entre las temperaturas del proyecto
EuroLST (BIO6) y la combinación de los productos MODIS y VIIRS LST, con niveles de
significancia estadística de 0,90*, 0,95**, y 0,99***.
Para ambos productos, las mayores correlaciones estadísticas se dan para zonas de
baja altitud, inferior a 600 m, con R 2 de 0,84, y para superficies con poca pendiente
(<14%) (Tabla 4.4). Sin embargo, para estaciones meteorológicas altitudinalmente
intermedias (600-1200 m), y en zonas abruptas (>35% de pendiente), los resultados no
son especialmente óptimos, si bien son significativamente estadísticos (R 2 de 0,63 a
0,48).
220
extensión, límites geográficos, intensidad, diferencia térmica con los entornos
próximos…más allá de conocer las temperaturas con exactitud.
A pesar de ello, las diferencias más ajustadas entre MODIS/VIIRS LST y las Ts se dan
en zonas elevadas, por encima de los 600 m de altitud, y especialmente por encima de
1200 m, donde el ajuste es importante (0,0 a 0,4ºC). En ese sentido, el producto VIIRS
LST obtiene un ajuste perfecto (0,0ºC). También, especialmente ajustada, es la
diferencia térmica en los observatorios situados en zonas abruptas, con diferencias de
alrededor de 1ºC para ambos productos.
Sin embargo, a pesar de obtener las mejores correlaciones espaciales, los lugares a
baja altitud (<600 m) obtienen las mayores diferencias térmicas (de 4,5 a 5,1ºC). De
igual modo, las diferencias son más importantes en zonas llanas, de poca pendiente
(<14%) con valores de 3,4 a 4,0ºC (Tabla 4.5).
La correlación espacial es algo más importante dentro de las CAP que en zonas fuera
de inversión térmica (WAM), con R2 de 0,76 y 0,75 respectivamente (Fig. 4.10). Además,
las zonas de CAP son las que presentan una menor diferencia térmica, de 1,6 y 2,1ºC
para VIIRS y MODIS LST respectivamente. En cambio, las diferencias en zonas de
WAM superan los 4ºC para ambos productos.
221
Fig. 4.10. Correlación estadística según Spearman y Pearson entre la temperatura
superficial Ts (01.30 UTC) y: a) CAP MODIS LST y b) WAM MODIS LST, c) CAP VIIRS
LST y d) WAM VIIRS LST, con niveles de significancia estadística de 0,90*, 0,95**, y
0,99***.
Tras la combinación del producto MODIS LST y VIIRS LST (TERMO), la correlación
estadística espacial es de un R2 de 0,83 (con más de 3000 puntos de correlación) con
un p-value < 0.00001 según el test de Wilcoxon Signed Rank (Fig. 4.11). Corrobora, por
tanto, el gran ajuste aportado en el punto anterior para ser utilizado en la elaboración de
termografías de alta resolución.
Tabla 4.5. Correlación estadística entre los productos VIIRS / MODIS LST vs. ST. P
Value en negrita, con significancia estadística para un nivel de confianza del 99%. Según
el test de Sapiro-Wilk se utiliza el test “S” (Spearman) o “P” (Pearson), según la
normalidad de la muestra.
222
Fig. 4.11. Correlación estadística de Spearman entre temperatura superficial (ST) y la
combinación de los productos MODIS/VIIRS, con niveles de significancia estadística de
0,90*, 0,95**, y 0,99***.
La cartografía generada aporta, a nivel espacial, las mayores diferencias térmicas entre
los productos MODIS/VIIRS LST y las Ts en el sector más oriental de la DHS.
Concretamente, en la Cuenca de Abanilla-Fortuna, Norte de la Vega Baja (zona de
Pinoso) y sector más oriental del Altiplano de la Región de Murcia. El producto VIIRS
LST obtiene mejores ajustes, a diferencia del MODIS LST con diferencias térmicas más
elevadas en los sectores anteriormente citados, especialmente entre la Cuenca de
Abanilla-Fortuna y el interior de la provincia de Alicante (Fig. 4.12a).
Sin embargo, los mejores ajustes térmicos, muy próximos a 0,0ºC, aparecen en zonas
elevadas, concretamente en los sectores centrales de la Comarca del Noroeste de la
Región de Murcia, y cabecera del río Segura (sierras de Segura y Alcaraz). Diferentes
zonas también registran diferencias térmicas que no son especialmente elevadas (entre
1-2ºC). Se trata de los ámbitos geográficos del sur de la provincia de Albacete (Elche
de la Sierra – Socovos), litoral de Mazarrón – Cartagena, comarca de las Tierras Altas
de Lorca, sectores más accidentados de la Vega Alta y Media del Segura, norte de la
provincia de Almería (Almanzora), y en general, íntegramente la Comarca del Noroeste
de la Región de Murcia (Fig. 4.12b).
223
Las mejores correlaciones estadísticas de los productos con la Ts aparecen en las
Tierras Altas de Lorca, en el Altiplano de Almería (María-Chirivel), la Cuenca de Abanilla-
Fortuna, y en el norte de la DHS (Pétrola-Chinchilla). Se trata de ámbitos geográficos
que obtienen un R2 superior a 0,80 (Fig. 4.13a). Por el contrario, con correlaciones algo
más modestas, pero igualmente robustas (nivel de confianza del 99%), entre 0,50 y 0,60,
se dan en la Sierra del Segura y Sierra de Alcaraz (cabecera de la DHS), litoral de la
provincia de Alicante, y Campo de Cartagena. Es decir, los extremos orientales y
occidentales de la Demarcación Hidrográfica del Segura. (Fig. 4.13b).
La diferencia térmica entre ambos productos es similar (0,4ºC), con una correlación
estadística muy elevada (R2 de 0,91). Tal y como muestra la Fig. 4.14, la mayor parte
de la DHS registra diferencias térmicas mínimas, prácticamente con temperaturas
similares. En las tonalidades azules, el producto MODIS refleja temperatura ligeramente
inferior a la del VIIRS, destacando especialmente áreas montañosas (altiplano de
Jumilla-Yecla), zonas de piedemonte (reborde montañoso noroccidental de la Depresión
del Guadalentín), o incluso, algunos espacios urbanizados, como por ejemplo la ciudad
de Murcia. Por su parte, los colores más templados (tonos salmones) reflejan valores
térmicos superiores del sensor MODIS al VIIRS. Se trata de emplazamientos litorales,
valles interiores, y algunos sectores fríos, como el Calar del río Mundo. No obstante, la
escasa diferencia, conlleva a que ambos productos puedan ser combinados.
224
Fig. 4.12. Diferencia térmica (ºC) entre ST y a) MODIS LST b) VIIRS LST, en las 50
imágenes satelitales analizadas.
225
Fig. 4.13. Correlación estadística (R2 de Spearman) entre ST y a) MODIS LST b) VIIRS
LST, en las imágenes 50 imágenes satelitales analizadas.
226
Fig. 4.14. Diferencia térmica promedio entre los productos VIIRS y MODIS LST. Colores
crema a rojo refleja temperaturas superiores del sensor MODIS, y viceversa, colores
azules o fríos, el sensor MODIS obtiene temperaturas más frías.
227
Fig. 4.15. Desviación estándar (ºC) de las 50 jornadas analizadas para VIIRS y MODIS
LST.
228
Fig. 4.16. Termografía del producto VIIRS LST con el promedio de las 50 imágenes
satelitales analizadas. Delimitación de las 22 comarcas climáticas.
Por su parte, los valores más elevados, se sitúan, por un lado, en los relieves de media
altitud del centro, sur, y este de la Demarcación Hidrográfica, y por otro, en el litoral sur
de Murcia, y Almería, orográficamente muy accidentado.
229
El píxel con la temperatura más elevada (10,0ºC) se localiza también en varios sectores
accidentados del litoral meridional de la DHS. Por un lado, en el sector occidental de
Cabo de Cope (Águilas), concretamente en el Puntal del Caballo, a escasos metros de
la urbanización de Calabardina (Águilas), con una altitud entre 62 y 172 m (CX: 632934
y CY: 4142870). El otro punto aparece al oeste de Cabo Tiñoso (Cartagena),
concretamente junto a la población de la Azohía, en la Punta de la Azohía-La Panadera,
a una altitud entre 50 y 200 m (CX: 661376 y CY: 4157554), y por otro, en el sector más
suroriental, en el paraje de “Los Castillitos” (CX: 666402 y CY: 4155476). Finalmente,
también es destacable otro punto junto al Puerto de la ciudad de Cartagena, en la ladera
del Castillo de San Julián, junto a Cala Cortina, donde las temperaturas se quedan
próximas a 10ºC (CX: 678772 y CY: 4160882). Por tanto, durante las madrugadas
estables invernales que han sido analizadas, las diferencias térmicas alcanzan 19,8ºC
en una distancia en línea recta de 127,7 km. (entre el Refugio del Espino y Cabo Cope).
En el primero de ellos (Fig. 4.19 A-B), con un corte dirección O-E, secciona
horizontalmente el centro de la DHS. El corte tiene su origen en el sector más frío de la
DHS (Altiplanicie de Hernán Perea) y finaliza en el litoral alicantino, al sureste de San
Miguel de Salinas (Dehesa de Campoamor). A lo largo de los más de 170 km se pueden
apreciar diferentes CAP (entre -6 y -8ºC), entre las que destacan sobre su entorno
montañoso, la cubeta de Ballesteros, Embalse de Pliego, La Retamosa y la Huerta de
Alcantarilla. En menor medida, Rambla Salada y Torremendo, en La Vega Baja del
Segura. Se aprecia, además, los polos cálidos (WAM) del transecto, especialmente en
aquellos sectores orográficamente más accidentados, destacando el municipio de
Bullas (que registra 4ºC de media con la Depresión de Ballesteros), el Alto de Espuña
(Pliego), Barqueros o La Cresta del Gallo (al sur de la ciudad de Murcia).
230
Fig. 4.17. Termografía del producto MODIS LST con el promedio de 50 imágenes
satelitales analizadas. Delimitación de las 22 comarcas climáticas.
El transecto de la Fig. 4.19 (C-D) realiza un corte con sentido N-S en la DHS. Parte de
una de las regiones frías de la DHS (Pétrola), para acabar en el litoral almeriense de
Vera (Sª Almagrera). A lo largo del recorrido se advierten CAP muy pronunciadas
térmicamente respecto a su entorno. Las más destacadas, la de Los Olmos (al sur de
Albatana), Embalse de Camarillas (entre la Sª del Candil, y Venta del Olivo), el cañón
de Almadenes con la Sª de la Palera al sur, y la gran CAP del centro del área de estudio,
Los Llanos del Cagitán, que como se verá más adelante, se encuentra circundada por
importantes relieves. En este sector, las diferencias térmicas llegan a alcanzar hasta
6,0ºC en apenas 10 km. Otra de las piscinas más importantes se localiza en el Llano de
las Cabras (oeste de Aledo), con diferencias de 4-5ºC con las sierras de las Cabras (Sª
Espuña), y de la Tercia (Lorca). Finalmente, es de destacar la CAP que se forma en la
Depresión del Guadalentín, cuyas diferencias llegan a ser de entre 4 y 6ºC con las
sierras de la Tercia y la Carrasquilla (Lorca).
231
Fig. 4.18. Promedio de los productos MODIS y VIIRS LST con las 50 imágenes
satelitales analizadas. Transectos de 6 cortes térmicos.
El corte térmico realizado en diagonal entre el noroeste y el sur de la DHS (Fig. 4.19 E-
F) muestra alguna de las depresiones y valles más fríos del área de estudio. En ese
sentido destaca la gran CAP del Calar del río Mundo, entre Riopar y Yeste, con
diferencias de 4-5ºC con la Sª de Alcaraz, el entorno de Yeste y el Embalse de la
Fuensanta. El valle del río Alhárabe, con las sierras del Tobar, Zacatín… registra
diferencias de hasta 4ºC. Por su parte, destacan algunas piscinas frías como las de
Barranda o el entorno de Doña Inés-Avilés (Tierras Altas de Lorca). El transecto termina
en las Puntas de Calnegre (Lorca), en el litoral sur de la Región de Murcia (entre Águilas
y Mazarrón), con los valores más elevados del transecto.
232
233
Fig. 4.19. Cortes térmicos sobre el promedio del producto satelital combinado de MODIS
y VIIRS LST. Nomenclatura de los cortes reflejada en la Fig. 4.18. Símbolos rojos
referencia a entidades poblacionales, y marrones a picos montañosos.
234
El 4º corte (Fig. 4.19 G-H) destaca especialmente por la diáfana visualización del Valle
de Avilés, con diferencias térmicas de 4-5ºC respecto a las Sierras de Almirez-Pericay
y la de Pedro Ponce. También puede apreciarse, por un lado, el “templado” sector entre
la Sierra de Ricote y la de la Pila con el paso del río Segura (Blanca), y por otro, diversas
depresiones frías, entre las que destacan al inicio del corte el sector oeste de la DHS
(Chirivel), o el final del mismo, con el sector del altiplano de Pinoso.
El corte térmico de la Fig. 4.19 (I-J) corresponde a un transecto diagonal (NO-SE) que
arranca en las inmediaciones de la Sª de la Solana (Ayna), hasta acabar en la Sª de
Atamaría (La Unión), en el litoral SE de la Región de Murcia. Destaca especialmente la
gran CAP generada en los Llanos del Cagitán, vista anteriormente en otros cortes
térmicos, pero de forma más nítida en este corte. Se aprecian diferencias de
temperatura de unos 5ºC entre el altiplano del centro de la Región de Murcia y las sierras
del Molino y de Ricote. En el resto de transecto aparecen otras CAP de menor magnitud
respecto a su entorno. Destaca especialmente los valles próximos a Ayna, el río Segura
a su paso por Calasparra (entre las sierras de la Maraña y Molino), y el Guadalentín,
entre Cañada Hermosa y la Sª de Carrascoy. Finalmente, y como en la práctica totalidad
del sector litoral montañoso de la Región de Murcia, se dan valores muy destacados en
la Sª de Atamaría, en la costa accidentada de Cartagena.
Finalmente, el corte térmico de la Fig. 4.19 (K-L) sigue un transecto sentido N-S donde
se vuelven a apreciar diferencias térmicas de hasta 6ºC entre el pico de la Sierra de la
Pila y el Llano de Casablanca, valle situado junto a la Sierra Larga. Vuelven a destacar
con temperaturas más elevadas las principales elevaciones del corte térmico (Sª de la
Cingla, Carrascoy, Cura o Moreras), con temperaturas positivas a medidas que el corte
avanza hacia el sur de la Región de Murcia.
235
Fig. 4.20. Correlación estadística según Spearman entre altitud (m) y temperatura en
las CAPs, a) proyecto EuroLST (BIO6) y b) termografía combinada (MODIS-VIIRS), con
niveles de significancia estadística de 0,90*, 0,95**, y 0,99***.
Fig. 4.21. Correlación estadística según Spearman entre altitud (m) y temperatura en de
las WAM, a) proyecto EuroLST y b) termografía (MODIS-VIIRS). con niveles de
significancia estadística de 0,90*, 0,95**, y 0,99***.
Los valores de correlación estadística tan elevados indiquen una relevancia estadística
robusta, y se corrobora que la altitud de la CAP determina su temperatura, más fría a
mayor altitud. Eso sí, las Fig. 4.22 y 4.23 muestran resultados interesantes. En la Fig.
4.22, dentro de las piscinas de aire frío (CAP), el producto combinado de MODIS/VIIRS
LST (línea azul turquesa) presenta una mayor variabilidad térmica según el intervalo
altitudinal. Se evidencia, por tanto, una mayor influencia de las CAP, mejor
representadas que en el producto BIO6. Además, se aprecian temperaturas más bajas
en los niveles altitudinales de 500, 900, 1250, y especialmente 1750 m de altitud.
236
Fig. 4.22. Temperatura media por intervalo altitudinal dentro de las CAP. EuroLST
(BIO6) con línea azul oscura y producto combinado (MODIS-VIIRS LST) con línea azul
turquesa.
Sin embargo, para los ámbitos de WAM (Fig. 4.23), al margen de los procesos de IT, y
con un gradiente térmico vertical estándar (0,65ºC/100 m), ambas líneas siguen una
evolución poco alterada. Sólo los ámbitos geográficos a menor altitud (< 150 m), y
ubicadas en zonas litorales y prelitorales, presentan temperaturas más bajas que el nivel
altitudinal de 150-200 m, debido a la influencia marítima. Además, el producto
combinado MODIS/VIIRS LST también refleja de manera mucho más detallada la
temperatura de espacios montañosos, en territorios orográficamente complejos. A pesar
de que el gradiente térmico estándar debe reflejar temperaturas más bajas a mayor
altitud, lo cierto es que hay algunas excepciones. Especialmente en el nivel altitudinal
de 1100 m, donde se aprecia un ascenso de temperatura respecto a los niveles
adyacentes (1000 o 1200 m).
Finalmente, las Fig. 4.24, 4.25 y 4.26 representan la distribución por rangos térmicos en
la DHS. A continuación, se realiza una amplia descripción territorial:
En primer lugar, los 4 intervalos con las temperaturas medias más elevadas (Fig. 4.24):
237
Fig. 4.23. Temperatura media por intervalo altitudinal dentro de las WAM. EuroLST
(BIO6) con línea azul oscura y producto combinado (MODIS-VIIRS LST) con línea azul
turquesa.
238
Fig. 4.24. Intervalos de temperatura (promedios más elevados) del producto combinado
MODIS y VIIRS (LST). Fuente: MODIS/VIIRS LST.
239
del Campo de Cartagena y Vega Baja del Segura, así como importantes sectores
de valle de la Vega Media y Baja del Segura. Igualmente, aparecen sectores de
piedemonte, de mediana altitud, en la Sierra de Tercia y Sierra Espuña,
Carrascoy, Ricote o Pila en zonas del centro de la Región de Murcia, y las Sierras
del Molino- Palera, Puerta, Cabezo del Asno, Sierra Larga, Ascoy, Donceles y
Búho, ubicadas en los flancos del río Segura, desde su entrada a la Región de
Murcia y en la Vega Alta del río Segura.
1. El intervalo térmico entre -0,7 y 0,4ºC abarca una gran extensión de la DHS,
entre los que se encuentran territorios como grandes sectores del Valle del
Guadalentín, entre Murcia y Lorca, sectores más occidentales del Campo de
Cartagena (más alejados de la costa), amplias zonas de la Cuenca interior de
Mula, sectores llanos de la Cuenca Abanilla-Fortuna, y fondos de valle de la
Vega Alta del Segura. Además, aparecen sectores de la Vega Baja, entre
Callosa del Segura y Elche, el sector meridional de la Comarca de las Tierras
Altas de Lorca, próximo a la ciudad, y Sierras del Gigante y Pericay.
240
Fig. 4.25. Intervalos de temperatura (promedios intermedios), del producto combinado
de MODIS y VIIRS (LST). Fuente: MODIS/VIIRS LST.
241
a. En el Altiplano norte de la Región de Murcia y Alicante, destacan la
mayoría de valles transversales (dirección SO-NE) de Yecla, Jumilla, y
Pinoso, así como los espacios que limitan la Región de Murcia con
Albacete, al oeste del Altiplano.
b. En el sector noroccidental de la DHS, en las provincias de Albacete, Jaén
y Almería, vuelven a destacan la mayoría de espacios deprimidos de
menor altitud (<1000 m). Finalmente, aparece un sector de la Huerta de
Lorca, entre la ciudad y Puerto Lumbreras, así como sectores
altitudinalmente algo más elevados (400-500) al norte de la ciudad de
Lorca (sur de las Tierras Altas de Lorca).
242
e. Es de destacar, el sector altitudinalmente más bajo inserto en este
umbral, identificado en el Altiplano de Cagitán, en el triángulo de los
municipios de Bullas, Calasparra y Cieza, a una altitud media de 400 m.
Se trata de un altiplano de gran extensión (114,8 km2) semiendorreico,
con drenaje de parte de su sistema hidrográfico a la Cuenca del río
Quipar (Embalse de Alfonso XIII). Finalmente es de destacar algunos
valles de pequeña superficie en las proximidades de los municipios de
Cehegín y Bullas, destacando algunas cubetas del río Quipar, como El
Chaparral, o en La Copa de Bullas.
Finalmente, la Fig. 4.26 muestra los rangos térmicos más fríos del área de estudio
(DHS). Se detallan a continuación:
1. El último umbral térmico de los polos de frío más importantes de la DHS, bajo
condiciones estables, es el del rango térmico entre -5,6 a -6,9ºC (Fig. 4.26).
Destacan:
243
e. En la provincia de Murcia, en las Tierras Altas de Lorca, destacan los
valles al sur de los municipios de Cehegín y Bullas. Concretamente, el
Valle de Avilés, el Altiplano de Coy-Doña Inés-Avilés, y finalmente Los
Ballesteros, entre la Sierra de Burete y los Ceperos. Se trata de valles
que circundan las sierras centrales de la Región de Murcia (Lavia,
Pedro Ponce, Burete), a una altitud entre 700 y 900 m. de altitud.
f. Y finalmente, la Comarca del Noroeste de la Región de Murcia, donde
destaca el Altiplano de Caravaca de la Cruz, Valle de la Rogativa y
Macizo de Revocadores, cubeta del Campo de San Juan, Campo de
Béjar, y algunos valles en las proximidades de Caravaca de la Cruz,
como la Cañada del Charco (al sur de la Sierra de la Serrata), Las
Roturas (entre la Sierra de Mojantes y Barranda), y en la Vega de
Pinilla-La Encarnación.
2. El siguiente nivel térmico, entre -7,0 y -8,5ºC, refleja a los polos fríos más
importantes de la DHS, y del sureste peninsular:
244
e. Finalmente, es la provincia de Jaén, la cabecera de la DHS, la que
supone una mayor extensión. Destacan, de norte a sur, el Calar de
Navalperal, al sur del municipio de Siles, el Calar de Cobos, al norte de
Santiago de la Espada, la Vega del río Zumeta (junto a Santiago de la
Espada), la Sierra del Almorchón, y algunos sectores septentrionales
del Calar de Hernán Perea.
3. El segundo umbral más frío del análisis (-8,6 a -9,9ºC), se refleja plenamente
en los sectores más occidentales de la DHS (provincias de Jaén, Albacete y
Granada).
245
Fig. 4.26. Intervalos de temperatura (promedios más fríos) del producto combinado de
MODIS y VIIRS LST. Fuente: MODIS/VIIRS LST.
246
Tabla 4.6. Municipios (cabeceras municipales) ubicados en diferentes umbrales
térmicos de la termografía final (MODIS/VIIRS LST) en la DHS.
Umbral Municipios
(ºC)
6,4 / 5,3 Águilas (MU), Callosa del Segura (AL),
5,2 / 3,5 Cartagena (MU), Torrevieja (AL), San Miguel de Salinas (AL), Orihuela (AL), Cox (AL),
3,4 / 2,3 Ojós (MU), Ulea (MU), Ricote (MU), Villanueva del río Segura (MU), Archena (MU),
Mazarrón (MU), La Unión (MU), San Javier (MU), San Pedro del Pinatar (MU), Pilar de la
Horadada (AL), Guardamar del Segura (AL), Murcia (MU), Santomera (MU), Almoradí
(AL), Albatera (AL), Crevillente (AL),
2,2 / 0,5 Jumilla (MU), Ayna (AB), Moratalla (MU), Calasparra (MU), Blanca (MU), Mula (MU), Ceutí
(MU), Lorca (MU), Pulpí (AM), Los Alcázares (MU), Rojales (AL), Alhama de Murcia (MU),
Totana (MU), Fortuna (MU), Abanilla (MU), Alcantarilla (MU), Beniel (MU), Catral (AL)
0,4 / -0,7 Hellín (AB), Tobarra (AB), Liétor (AB), Cehegín (MU), Cieza (MU), Abarán (MU), Lorquí
(MU), Albudeite (MU), Pto. Lumbreras (MU), Librilla (MU), Aledo (MU), Fuente Álamo
(MU), Alguazas (MU), Molina de Segura (MU), Las Torres de Cotillas (MU), Benejúzar (AL)
-0,8 / -2,5 Socovos (AB), Férez (AB), Elche de la Sierra (AB), Yecla (MU), Bullas (MU), Pliego (MU),
Yeste (AB), Bogarra (AB), Vélez Blanco (AM), Vélez Rubio (AB),
-2,6 / -3,7 Fuente Álamo de Albacete (AB), Ontur (AB), La Herrera (AB), La Algueña (AL), Alcadozo
(AB), Caravaca de la Cruz (MU), Letur (AB), Molinicos (AB), Paterna del Madera (AB),
-3,8 / -5,5 Pétrola (AB), Corral-Rubio (AB), Bonete (AB), Montealegre del Castillo (AB), Pinoso (AL),
Riopar (AB), María (AM), Chirivel (AM),
-5,6 / -6,9 Nerpio (AB), Santiago-Pontones (JA),
Tabla 4.7. Entidades poblacionales (habitadas, según último Padrón municipal, 2018)
que se encuentran en los umbrales térmicos más fríos de la termografía final
(MODIS/VIIRS LST) en la DHS.
Las tablas 4.6 y 4.7 muestran las cabeceras municipales y entidades poblaciones
(habitadas) de la DHS en los diferentes umbrales térmicos anteriormente descritos. En
referencia a las cabeceras municipales (Tabla 4.6), los extremos térmicos más fríos se
dan en Nerpio (Albacete) y Santiago de la Espada (Jaén), ubicados en altitudes entre
1100 y 1300 m de altitud, y en sectores topográficamente deprimidos. Mientras, que,
con temperaturas que distan 12/13ºC, los núcleos municipales menos fríos son Águilas
(Murcia) y Callosa del Segura (Alicante), situados junto a la costa sur de la Región de
247
Murcia, y un piedemonte de los relieves medianos de la Vega Alta del Segura
respectivamente.
La tabla 4.7 recoge las entidades poblacionales habitadas ubicadas en los sectores más
fríos de la DHS (según el Padrón municipal, 2018). Destaca, como ente poblacional más
frío de la DHS, la pedanía de Pontón Alto (Jaén). Cuenta con 101 habitantes y pertenece
al municipio de Santiago de la Espada, en el extremo más occidental de la DHS.
También destacan, en un segundo escalón, pedanías de Santiago de la Espada (Jaén),
Como Don Domingo (17 habitantes), Pontones (186 habitantes), Casas de Carrasco (14
habitantes), o El Patronato (34 habitantes). Se trata de entidades poblacionales situadas
en el reborde del Calar de Hernán Perea, a una altitud entre 1300 y 1500 m de altitud,
en el sector más frío de la DHS.
El producto combinado de las imágenes satelitales de MODIS y VIIRS (LST) refleja, con
una alta resolución, la distribución de temperaturas durante las madrugadas estables
(con procesos ITN). Es posible identificar las piscinas de aire frío (CAP) en cada una de
las 22 regiones climáticas generadas, muy válidas, especialmente para la planificación
agrícola.
El sector más septentrional del área de estudio se caracteriza por registrar una de las
temperaturas medias de las mínimas invernales más frías de la DHS. En concreto, el
sector más frío del C1 se encuentra al sur del municipio de Pétrola, en la amplia llanura
de Cañada Moreno (-5,6ºC). El sector de valle, entre el sur de Pétrola, y Corral Rubio,
concretamente en las lagunas del suroeste del municipio, registra temperaturas que
rondan -5ºC. Destacan también, con registros térmicos alrededor de -5,0ºC, el sector
norte y suroccidental del municipio de Bonete (llanos de San Fernando y Estación de
Bonete), oeste y noreste de Fuente Álamo de Albacete (llanos de la Herrada, y Los
Laureanos), y finalmente, al noreste de Montealegre del Castillo, en los Llanos de La
Retamosa, Los Aljibes, y Los Palancares), en la carretera CM-412 dirección Almansa
(Fig. 4.27). Finalmente, los valores térmicos más elevados se registran al sureste de la
248
Región, concretamente en el Monte Arabí y en los Montes de Tobarillas (-1,4ºC), al norte
del término municipal de Yecla.
249
paraje conocido como los Llanos del Derramador. Finalmente, al sur del municipio de
Albatana, se encuentra una amplia llanura, conocida como Las Arreturas – Cañada de
la Casa del Rico.
Los relieves montañosos presentan las temperaturas más elevadas (-0,2ºC) son la Sª
del Madroño, del Apedreado, de Tomillo, y de Conejeros, próximas a los municipios de
Tobarra y Ontur, y con altitudes entorno a 1000 m.
250
suroeste de Tobarrillas (Casas de la Ceja, y Casas del Pulpillo-Huerto), y en las
proximidades de Casa Agüeros, al norte de la Sierra de los Gavilanes (El Pozancón), y
al oeste-suroeste (eje de la Casa de los Pozos, de la Huerta, de Tárraga, y de las
Bodeguillas). Finalmente, destacar la presencia de un gran sector al sureste del casco
urbano de Yecla, y este de Pinillos (El Hondo del Campo), también con temperaturas
que rondan los -5,0ºC (Fig. 4.29).
Los relieves orográficos más importantes se caracterizan por poseer las temperaturas
más elevadas (entre -1,0 y -0,8ºC) durante las madrugadas estables, donde destaca
especialmente las sierras próximas al casco urbano de Yecla (Sierra de la Magdalena,
Picario Bajo, y Cerro de la Campana), con altitudes entre 750 y 900 m. Las sierras
ubicadas al sur de la Región (Sª de la Cingla, del Buey, y del Serral), entre 900 y 1000
m, también registran valores térmicos similares.
251
4.3.2.4. Calar del Mundo (C4)
El Calar del Mundo (al noroeste de Raspilla), tras el de Hernán Perea (Sª de Segura),
es el segundo polo frío de la DHS, tal y como se corrobora en el Capítulo 4, con los
datos térmicos registrados en la red propia de datalogger. Además, viene corroborado
por las imágenes satelitales, con valores de -8,0ºC en la región central del Calar
(Cañada de las Yeguas, Fuente de los Tornajos del Tús, o Poljé del Pozo de la Bomba.
Otra localización con temperaturas entre -6,0 y -7,0ºC se sitúa al norte de Riopar, entre
El Noguerón y el Cortijo de Tortas (Barranco del Ciervo). Aunque los espacios
montañosos, orográficamente accidentados, son los que registran los valores más
252
elevados (-0,8ºC), lo cierto es que son inferiores a otras regiones de la DHS. Aun así,
se produce un cambio térmico muy importante, como se comprueba en la ladera de
Raspilla, con una variación de 7ºC en apenas unos kilómetros (Fig. 4.30).
253
Fuenlabrada - Burrueco - Navalengua (Rbla. de los Saladicos), con temperaturas
alrededor de -5,0ºC, por otra parte, el entorno de la Navazuela, situada sobre una amplia
llanura ligeramente por encima de 1000 m de altitud. Finalmente, el sector más
meridional y oriental de la población de Alcadozo (parajes de El Charcón y La Hoya) y
la continuación hacia la Nava de Arriba y Nava de Abajo. Es preciso añadir, un pequeño
sector al norte del municipio de Ayna, correspondiente al valle de La Dehesa, donde se
encuentra la población de nombre homónimo (Fig. 4.31). Por su parte, los sectores más
templados (0,4ºC) se localizan en el Cerro del Buitre (este de Elche de la Sierra), y
Solana de la Abeja (noreste de El Gallego). Mientras, con valores similares (-0,2ºC), la
Sierra de la Solana (al norte Férez), Los Buñuelos (sur de Liétor) o Sierra Seca (al sur
de Ayna), registran valores superiores a las de los valles adyacentes.
En la región climática del tramo bajo del río Mundo destaca especialmente el sector más
septentrional, con valores térmicos de -6,2ºC al noroeste de la población de Mullidar,
concretamente en el paraje endorreico conocido como La Hoya.
Con temperaturas que oscilan entre -5,6 y 5,0ºC destaca el eje (con dirección este-
oeste) próximo al caserío del Rincón del Moro, desde la Casa de Don Pío a la Cañada
de Tobarra (al sur de la Sierra del Cangilón). También destaca el área conocida como
Cañada de la Moncarra-Las Columnas, una llanura situada al norte de Minateda,
próximo al casco urbano de Hellín.
Finalmente, los espacios donde las temperaturas son más elevadas (1,6ºC) durante las
madrugadas de inversión térmica, corresponden a las Sierras de los Donceles, al norte
del caserío del Salmerón, y la Sª del Baladre, al norte del Embalse del Cenajo (con
altitudes entre 800 y 900 m). Con valores térmicos, alrededor de 1,0ºC, destacan la Sª
de las Quebradas (Isso), y la de Cabeza Llana (Agramón). Los tonos amarillos y más
cálidos que aparecen en el mapa corresponden a la masa de agua de los Embalses del
Talave y Cenajo. Reflejan, por tanto, artefactos o “bugs” a tener en cuenta (Fig. 4.32).
254
Fig. 4.32. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C6. Fuente: MODIS/VIIRS LST.
La franja central que corresponde al sector sur del Altiplano norte de la Región de
Murcia, entre los municipios de Jumilla y Pinoso, se caracteriza por la alternancia de
áreas montañosas y valles. El descenso latitudinal y una altitud no demasiado elevada
genera temperaturas menos extremas que en sector norte de la DHS.
255
Fig. 4.33. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C7. Fuente: MODIS/VIIRS LST.
Las temperaturas más elevadas se sitúan en la Sierra del Sopalmo (1,0ºC), al sureste
del casco urbano de Jumilla, en la Sierra del Buey (0,4ºC) al noreste de Jumilla, y
finalmente, en Santa Ana, con altitudes entre 800 y 1000 m.
256
Fig. 4.34. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C8. Fuente: MODIS/VIIRS LST.
Los sectores a menos altitud, y que siguen el cauce del río Segura, situado entre La
Toba y Góntar (entre 700 y 900 m), registran los valores más elevados, con
temperaturas que rondan -1,0ºC (Fig. 4.34).
El sector comprendido entre el Calar de la Sima y del Mundo y el alto Taibilla registra
las temperaturas más bajas de la región, y de la DHS. Concretamente al sur del Calar
del Mundo, entre Tus y Moropeche (Calar de Moropeche) se registran temperaturas de
-7,4ºC, a una altitud media de 1450-1500 m
257
Fig. 4.35. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C9. Fuente: MODIS/VIIRS LST.
Con temperaturas también próximas a -7,0ºC se sitúa el sector suroccidental del Calar
del Mundo, al noroeste de Tus, en el paraje de la Cañada de los Mojones y Tornajos de
Cotillas. El último sector con valores fríos en la región corresponde al Calar de la Sima,
entre 1600 y 1900 m de altitud, situado al oeste de Arguellite (Fig. 4.35).
258
4.3.2.10 Alhárabe, Quipar y Argos (C10)
En unas de las regiones climáticas del centro de la DHS, conformada por las cuencas
hidrográficas de los ríos Alhárabe, Quipar y Argos, se conforma una región don algunas
depresiones frías para su altitud. Destaca especialmente el área situada al norte del
municipio de Bullas (cuya altitud oscila entre 400 y 550 m), en las proximidades de la
Copa de Bullas (Prado Judío), y al nor-noreste de la misma (El Chaparral), con valores
de -5,6ºC. Otros sectores con valores que rondan los -5,0ºC se encuentran en el paraje
de El Ardal, un amplio sector del Llano de Cagitán (al este de Gilico), y finalmente la
amplia llanura al este de Valentín, por donde transita la carretera MU-552 dirección al
259
municipio de Calasparra (Las Torretas) (Fig. 4.36). Finalmente, los ámbitos montañosos
que registran las temperaturas más elevadas se sitúan en la Sª del Cerezo y de los
Álamos (al norte, y suroeste del municipio de Moratalla respectivamente), Sª del Molino
(al este del municipio de Calasparra), o la Sierra de la Cabeza del Hierro (al noroeste
del Cañar).
En la región climática de las cuencas del Judío y Moro, transición entre el Altiplano norte
de la Región de Murcia y las Vegas del Segura y río Mula, se localizan los valores más
fríos, al sur, concretamente en una vasta área, conocida como los Llanos del Cagitán.
En éste sector, cerrado por las Sierras de la Palera, del Oro, Ricote y los Cambrones,
se registran temperaturas de -5,0ºC. Otros sectores, más septentrionales, reflejan
temperaturas que se sitúan entre -4,5 y -3,5ºC.
260
Destacan especialmente el sur de Cancarix (Rambla del Saltador y la Dehesilla), norte
de Ascoy (Embalse del Judío, y amplia llanura del mismo nombre), eje situado entre El
Boquerón y La Zarza (llanuras que se sitúan al norte de la carretera MU-10-A), sector
suroeste de la Algueña (llanura de la Cañada de la Leña), y finalmente, el eje
Calasparra-Cieza que queda al norte del curso del río Segura (El Macaneo,
Almadenes…). Los sectores montañosos, con los valores más elevados, se sitúan en
las estribaciones meridionales de la Sierra de la Pila (entre 600 y 800 m de altitud), en
las pedanías de San Joy y la Garapacha, con valores de 2,2ºC. Otros sectores con
valores térmicos entre 1,0 y 2,0ºC, son los de la Sierra Larga (al norte de Ascoy), Sª del
Cantón (al este de la región), o las Sierras del Molino y la Palera, al este del municipio
de Calasparra (Fig. 4.37).
261
La plataforma kárstica de Hernán Perea, en la cabecera del río Segura, constituye con
diferencia el verdadero polo de frío de la DHS. Con temperaturas de hasta -11,0ºC, los
parajes del Campo del Espino, Don Fernando-Umbría del Borbotón, y Cueva Humosa,
registran los píxeles con las temperaturas más frías de las termografías de toda la DHS.
Los valores más elevados de la región (-3,8ºC) que siguen siendo fríos en comparación
al resto de la DHS, se sitúa a una altitud media inferior en el transcurso del río Zumeta
(al noreste de Santiago de la Espada), y en las inmediaciones del caserío de Marchena.
262
Fig. 4.39. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C13. Fuente: MODIS/VIIRS LST.
El sector de las Tierras Altas de Lorca y pedanías de Caravaca se caracteriza por poseer
los valles más fríos de la Región de Murcia y del sector central de la DHS, junto a
algunos sectores de las cuencas altas de Moratalla. Con valores medios próximos a -
7,0ºC se sitúa el Valle de Avilés (entre 900 y 750 m de altitud), las llanuras que rodean
las pedanías de Doña Inés (La Tejera y las Boqueras), y la Cañada del Hondo (Coy).
Destacan también, sobremanera el Valle del Aceniche (al suroeste de Ucenda), con
temperaturas entre -6,5 y -7,0ºC, constituyendo una depresión semiendorreica al sur de
Ballesteros. U otros sectores fríos como las pedanías de Pinilla, La Encarnación o
263
Navares (paraje de Los Llanos), ubicado entre las pedanías de Archivel y Barranda (Fig.
4.40).
Las sierras del norte de la región, cuya disposición es SO-NE, registran temperaturas
máximas entorno a 1,0ºC, destacando especialmente la Sª de Burete (con el caserío
homónimo), sector occidental de la Sª Ponce (al sureste de Ucenda), o la Sª del Pinar
Negro (al norte de Benablón).
264
4.3.2.15. Vega Media del Segura – Cuenca Mula (C15)
El sector correspondiente a la Vega Media del Segura y a la cuenca interior del río Mula
se caracteriza por presentar valores térmicos más templados que el resto de regiones
anteriormente analizadas. Especialmente destacan los altos valores de temperatura del
sector orográficamente accidentado de la Sierra de Ricote y las montañas que circundan
los municipios de Ojós, Ulea, o Villanueva del Río Segura (Sª de Cajal o del Solán). Se
trata de espacios con temperaturas medias de 4,0ºC, muy elevadas si las comparamos
con otros sectores relativamente próximos (Fig. 4.41).
En efecto, los valores más fríos (-3,8ºC) se localizan en el sector de la Cuenca de Mula,
especialmente situados en el Alto Pliego, entre las poblaciones de Casas Nuevas y el
265
oeste del municipio de Pliego (zona situada entre 300 y 400 m de altitud). El resto de
sectores fríos, con temperaturas entre -1,0 y -3,0ºC se localizan al este de Yéchar (Los
Llanos de Yéchar, y La Vega), y una amplia área comprendida entre Fuente Librilla y
Barqueros (La Retamosa Baja)
Las Vegas Bajas prelitorales del río Segura y la Comarca de Fortuna-Abanilla adquieren
un carácter templado en relación al conjunto de la DHS, aunque los valles más aislados,
266
a pesar de su escasa altitud, son capaces de registrar bajas temperaturas. En efecto,
en zonas ubicadas entre Fortuna y Abanilla, en los sectores más deprimidos de Rambla
Salada, Ajauque, o junto al río Chícamo, aparecen temperaturas entre -1,0 y -2,0ºC.
Igualmente, con temperaturas similares, en la zona de huerta, al suroeste de la ciudad
de Murcia (con visible isla de calor urbana), o los sectores deprimidos entre Alguazas,
El Llano y Molina de Segura (confluencias del río Segura y Mula), aparecen piscinas
frías de estabilidad nocturna respecto a su entorno (Fig. 4.42).
267
El Altiplano sur de Caravaca y la comarca natural de Los Vélez presenta ubicaciones
realmente frías, especialmente en el sector más occidental de la DHS. A los pies de la
Sª de María, concretamente al norte del municipio homónimo, en el paraje de la Hoya
del Marqués (El Sabinar) aparecen temperaturas entre -7,0 y -8,0ºC, aunque las
temperaturas sin ligeramente inferiores (-8,0ºC) al norte de El Mojonar, concretamente
en el Collado del Mojonar, valle situado a por encima de 1300 m de altitud. Además, al
sur de las Cobatillas, en el paraje de Los Alticos, y La Hoya, junto al municipio de
Topares, se registran valores de -8,0ºC.
Aparecen los valores térmicos más elevados en la zona montañosa más occidental,
como en la Sierra del Gigante, Almirez y Pericay (al oeste de Taibena y Culebrina) con
valores de 1,0ºC, y, por otra parte, la Sª de Enmedio (al noroeste de Zarzalico), con
valores próximos a 0,5ºC (Fig. 4.43).
La comarca climática del Alto Guadalentín registra los valores más fríos en valles
situados al norte, concretamente al sur de las Tierras Altas de Lorca. Entre las
poblaciones de Zarcilla de Ramos y Luchena, y al sur de La Paca, concretamente en el
sector del río Turilla, Llano del Pino, y la Cañada de Cazorla, se estiman temperaturas
de -5,0ºC. Con la misma temperatura aparece otro amplio sector de llanura entre
Luchena y La Fuensanta, al oeste del Embalse de Puentes, entre la Diputación de la
Tova, y el Setenta.
Al este de las Terreras aparece otro sector frío en madrugadas estables. Se trata de la
Cañada de Morata, junto al caserío de Alhagüeces (-5,0ºC). Finalmente, en un ámbito
de media montaña, en Sierra Espuña, al norte de El Purgatorio, se registran
temperaturas de -5,0ºC en el Barranco de Enmedio, y en el de la Carrasca. Se trata de
un sector deprimido entre los 900 y 1100 m de altitud, a los pies de los calares de Pedro
López (1568 m) y El Morrón de Espuña (1583 m).
268
Fig. 4.44. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C18. Fuente: MODIS/VIIRS LST.
El tramo del Bajo Guadalentín y el sector más occidental del Campo de Cartagena
presentan un nítido polo frío en el centro de la comarca. Concretamente al este de los
municipios de Alhama de Murcia y Totana. Con temperaturas cercanas a -3,0ºC el paraje
de Los Salares y La Calavera, en el centro de la Depresión, constituye un auténtico polo
frío, sobre todo si se compara con los valores, de hasta 4,0ºC que registra la Sª de la
Muela junto al municipio de Alhama de Murcia (Fig. 4.45). En general, a lo largo de la
Depresión del Guadalentín se registran los valores más fríos, destacando con
269
temperaturas entre -1,0 y -2,0ºC al noroeste de Sangonera la Verde (El Puntarrón –
Aeródromo Militar de Alcantarilla), o en el paraje de Lébor, al sureste de Totana.
270
4.3.2.20. Campo de Cartagena y Vega Baja litoral (C20)
La región climática del Campo de Cartagena y Vega Baja del Segura presentan un litoral
meridional muy accidentado, donde las temperaturas son las más elevadas; y un
prelitoral relativamente plano, con temperaturas algo más bajas.
A excepción de los “bugs” de las lagunas litorales entre San Miguel de las Salinas y
Torrevieja y las Salinas de San Pedro del Pinatar, claramente visibles en la Fig. 4.46
(tonos rojos), los valores más elevados aparecen en el litoral fuertemente accidentado
271
de Cartagena (Sierras de la Muela, Pelayo, Fausilla y Monte de las Cenizas-Atamaría),
con valores entre 6,0 y 7,0ºC.
Por su parte, existen amplios sectores prelitorales, llanos, que registran temperaturas
entre 0,0 y -1,5ºC, destacando amplias zonas del Campo de Cartagena (entre Sucina y
Avileses, La Palma…), y la zona próxima a las Casas de Tallante, concretamente el
sector llano al norte, próximo a Las Palas.
En la Vega Baja del Segura, al sur de Guardamar del Segura y al norte de la Laguna
Salada de la Mata (El Campo), se registran temperaturas de -1,0ºC. Mientras, al noreste
de Rojales, alrededor de la población de San Fulgencio y a unos 7 km de la
desembocadura del río Segura, se registran valores ligeramente por debajo de 0,0ºC.
La comarca central del Guadalentín está caracterizada por el amplio sector de la huerta
de Lorca, caracterizada por poseer temperaturas no especialmente frías, pero sí muy
contrastadas con el entorno montañoso en el centro de la Depresión. Concretamente,
el sector ubicado entre El Esparragal, La Alcanara y el Vainazo (Huerta de Lorca y Pto.
Lumbreras) posee temperaturas alrededor de -3,0ºC, al igual que algunos sectores
occidentales de la región, como los situados al sur-sureste de Los Cegarra (Rambla de
Nogalte y del Yunco).
272
Fig. 4.47. Distribución espacial de las temperaturas medias de las 50 madrugadas
analizadas en el C21. Fuente: MODIS/VIIRS LST.
273
Tan sólo algunos valles interiores algo aislados de la influencia del mar llegan a registrar
valores negativos. Se trata, por ejemplo, del amplio sector ubicado al norte del municipio
de Mazarrón y de Leiva, en la confluencia de las Ramblas de Murcia, del Reventón, de
la Majada, y de las Yeseras, y que registra valores térmicos de -2,0ºC. Por su parte,
hacia el interior, y más alejado de dicha influencia del mar, aparece un sector al noreste
de Goñar (-3,2ºC), La Hoya y Puerto Adentro, un valle por donde discurre un tramo de
la Autovía A-7 entre Puerto Lumbreras y Huércal-Overa.
274
Conclusiones y discusión
Los resultados del análisis estadístico muestran una validación especialmente buena de
los productos MODIS y VIIRS LST, con las validaciones efectuadas especialmente con
las temperaturas superficiales (TN) de 219 estaciones meteorológicas en el área de
estudio. Los ajustes estadísticos obtenidos por el producto combinado de MODIS y
VIIRS LST son elevados, con correlaciones estadísticas de R2 de 0.82 con el producto
EuroLST (BIO6) y de 0,83 con las estaciones meteorológicas en superficie, con un total
de 2579 y 3046 puntos de medición (estadística muy robusta). Son correlaciones
estadísticas que se encuentran en la horquilla de las principales investigaciones
realizadas, parecidas a las de Neteler (2010), quien determina correlaciones entre 0,70
y 0,98, y diferencias térmicas de 0,5ºC entre temperaturas de estaciones meteorológicas
y MODIS LST en los Alpes centro-orientales (noreste de Italia).
Además, todas las correlaciones efectuadas a través del test de Spearman y Pearson,
salvo una (pendiente superior al 35% en estaciones meteorológicas, con 95%), reflejan
un nivel de confianza del 99%. Para la identificación de las CAP, uno de los principales
objetivos de análisis de la investigación, las correlaciones son excelentes.
275
diferencias medias se sitúan entre 2,4 y 3,8ºC, si bien, en zonas de CAP son más
ajustadas (1,6 a 2,1ºC). Por ejemplo, en las Islas Svalbard (Noruega) se producen
diferencias con MODIS LST de 1,5 a 6,0ºC en inviernos bajo condiciones de cielos
despejados, con una temperatura superficial más fría que los productos (Westermann
et al., 2012), como ocurre en el área de estudio. En la cuenca del Maipo (Chile) los
resultados también muestran una representación correcta de la distribución espacial y
temporal de las temperaturas máximas y mínimas para todos los tipos de superficie
(Bustos y Meza, 2015).
Los resultados de los últimos años muestran que el método espacio-temporal obtiene
buenos resultados en la producción de producto LST (MODIS - MYD11A1) en la meseta
tibetana (Zhou et al., 2017). También se realizan estudios en el continente europeo,
concretamente en el área metropolitana de Roma, con R 2 entre 0,87 y 0,93 para el
MYD11A1 en su producto nocturno (Sismanidis et al., 2016), corroborando, que el
producto MODIS LST obtiene correlaciones, que en la mayoría de estudios se han
situado por encima de 0,80.
Para el producto VIIRS (LST) se observa una buena precisión de 0.4 K y 0.12 K y R-
RMSD de 1.2 K y 1.1 K durante el día y la noche, respectivamente, para todas las
coberturas (Niclòs et al., 2018). Los productos MODIS y VIIRS LST son tremendamente
homogéneos, con un coeficiente de correlación de 0,91, y una diferencia térmica de
0,4ºC, aunque ambos subestiman el LST. Al obtener casi la misma correlación
estadística con las temperaturas superficiales (0,84 y 0,83 respectivamente), y al
disponer de diferencia resolución espacial, se unen ambos productos, en una
termografía final.
276
Murcia, y provincia de Albacete en general, la diferencia térmica es más ajustada, pero
con ajustes estadísticos menores.
Los resultados de validación de este estudio muestran que la temperatura mínima diaria
del aire puede recuperarse efectivamente con los productos de superficie terrestre
MODIS/VIIRS LST, tal y como determina Zhu et al. (2013).
Los cambios en el uso del suelo y la capa de nieve intermitente en cabecera no han sido
analizados en detalle, ya que no se pretende estimar con exactitud la temperatura (se
utilizan sólo 50 madrugadas de ITN para analizar la distribución espacial). Como
determina Foster et al. (2017), los impactos resultantes en el albedo, y los flujos de calor
en la superficie, contribuyen a variaciones de la temperatura del aire cerca de la
superficie de 1/2°C en áreas urbanas y disminuciones de 2/4ºC fuera de ellas.
Todo ello lleva a elaborar la cartografía final, una termografía promedio entre los
productos VIIRS y MODIS LST, donde se realiza un exhaustivo análisis térmico
territorial, en una división de 22 comarcas climáticas, elaboradas por el autor. Con
identificación de las CAP, y su influencia en la distribución térmica durante noches con
procesos de ITN. Además, se realiza la identificación de las cabeceras municipales,
entidades poblacionales habitadas y parajes geográficos, según umbrales térmicos, con
el objetivo final de realizar una radiografía lo más detallada posible de la distribución de
temperaturas en madrugadas de inversión térmica en época invernal.
277
2019). Se ha utilizado, durante los últimos años, para evaluar el potencial TVX
(Temperatura-Vegetación Index) aplicado a las imágenes térmicas MODIS con el fin de
estimar las temperaturas mínimas y máximas diarias del aire en la ciudad de Bangkok
(Missling et al., 2018); o para el estudio de las islas de calor urbana (ICU), por ejemplo,
en Madrid (Allende et al., 2018).
Referencias bibliográficas
Allende, F. A., Fernández, F. G., Rasilla, D. A., y Alcaide, J. Muñoz. (2018): “Isla de calor
nocturna estival y confort térmico en Madrid: avance para un planeamiento
térmico en áreas urbanas”. Ciudad y Territorio Estudios Territoriales (CyTET),
50(195), 101-120.
Bolstad, P. V., Swift, L., Collins, F., y Régnière, J. (1998): “Measured and predicted air
temperatures at basin to regional scales in the southern Appalachian Mountains”.
Agricultural and Forest Meteorology, 91(3-4), 161-176.
https://doi.org/10.1016/S0168-1923(98)00076-8
Bustos, E., y Meza, F. J. (2015): “A method to estimate maximum and minimum air
temperature using MODIS surface temperature and vegetation data: application
to the Maipo Basin, Chile”. Theoretical and Applied Climatology, 120(1-2), 211-
226. https://doi.org/10.1007/s00704-014-1167-2
Cao, C., Xiong, J., Blonski, S., Liu, Q., Uprety, S., Shao, y Weng, F. (2013): “Suomi NPP
VIIRS sensor data record verification, validation, and long‐term performance
monitoring”. Journal of Geophysical Research: Atmospheres, 118(20), 11-664.
https://doi.org/10.1002/2013JD020418
Dodson, R., y Marks, D. (1997): “Daily air temperature interpolated at high spatial
resolution over a large mountainous region”. Climate research, 8(1), 1-20.
https://doi.org/10.3354/cr008001
Emamifar, S., Rahimikhoob, A., y Noroozi, A. A. (2013): “Daily mean air temperature
estimation from MODIS land surface temperature products based on M5 model
tree”. International Journal of Climatology, 33(15), 3174-3181.
https://doi.org/10.1002/joc.3655
278
Foster, C. S., Crosman, E. T., y Horel, J. D. (2017): “Simulations of a cold-air pool in
Utah’s Salt Lake Valley: sensitivity to land use and snow cover”. Boundary-Layer
Meteorology, 164(1), 63-87. https://doi.org/10.1007/s10546-017-0240-7
Guillevic, P. C., Biard, J. C., Hulley, G. C., Privette, J. L., Hook, S. J., Olioso, A., ... y
Csiszar, I. (2014). “Validation of Land Surface Temperature products derived
from the Visible Infrared Imaging Radiometer Suite (VIIRS) using ground-based
and heritage satellite measurements”. Remote Sensing of Environment, 154, 19-
37. https://doi.org/10.1016/j.rse.2014.08.013
Justice, C. O., Román, M. O., Csiszar, I., Vermote, E. F., Wolfe, R. E., Hook, S. J., y
Tschudi, M. (2013): “Land and cryosphere products from Suomi NPP VIIRS:
Overview and status”. Journal of Geophysical Research: Atmospheres, 118(17),
9753-9765. https://doi.org/10.1002/jgrd.50771
Hillger D. (2013): “First-light imagery from Suomi NPP VIIRS,” Bull. Amer. Meteorol.
Society, vol. 94, 1019–1029. https://doi.org/10.1175/BAMS-D-12-00097.1
Huang, C., Li, X., y Lu, L. (2008): “Retrieving soil temperature profile by assimilating
MODIS LST products with ensemble Kalman filter”. Remote Sensing of
Environment, 112(4), 1320-1336. https://doi.org/10.1016/j.rse.2007.03.028
Hulley, G. C., Malakar, N. K., Islam, T., y Freepartner, R. J. (2017): “NASA's MODIS and
VIIRS Land Surface Temperature and Emissivity Products: A Long-Term and
Consistent Earth System Data Record”. IEEE Journal of Selected Topics in
Applied Earth Observations and Remote Sensing, 11(2), 522-535.
https://10.1109/JSTARS.2017.2779330
Langer, M., Westermann, S., Heikenfeld, M., Dorn, W., y Boike, J. (2013): “Satellite-
based modeling of permafrost temperatures in a tundra lowland landscape”.
Remote Sensing of Environment, 135, 12-24.
https://doi.org/10.1016/j.rse.2013.03.011
279
Li, H., Sun, D., Yu, Y., Wang, H., Liu, Y., Liu, Q., y Cao, B. (2014): “Evaluation of the
VIIRS and MODIS LST products in an arid area of Northwest China”. Remote
Sensing of Environment, 142, 111-121. https://doi.org/10.1016/j.rse.2013.11.014
Lin, X., Zhang, W., Huang, Y., Sun, W., Han, P., Yu, L., y Sun, F. (2016): “Empirical
estimation of near-surface air temperature in China from MODIS LST data by
considering physiographic features”. Remote Sensing, 8(8), 629.
https://doi.org/10.3390/rs8080629
Liu, Y., Yu, Y., Yu, P., Göttsche, F., y Trigo, I. (2015): “Quality assessment of S-NPP
VIIRS land surface temperature product”. Remote Sensing, 7(9), 12215-12241.
https://doi.org/10.3390/rs70912215
Metz, M.; Rocchini y D.; Neteler, M. (2014): “Surface temperatures at the continental
scale: Tracking changes with remote sensing at unprecedented detail”. Remote
Sensing 6(5): 3822-3840 https://doi.org/10.3390/rs6053822
Misslin, R., Vaguet, Y., Vaguet, A., y Daudé, É. (2018): “Estimating air temperature using
MODIS surface temperature images for assessing Aedes aegypti thermal niche
in Bangkok, Thailand”. Environmental monitoring and assessment, 190(9), 537.
https://doi.org/10.1007/s10661-018-6875-0
Niclòs, R., Pérez-Planells, L., Coll, C., Valiente, J. A., y Valor, E. (2018): “Evaluation of
the S-NPP VIIRS land surface temperature product using ground data acquired
by an autonomous system at a rice paddy”. ISPRS Journal of Photogrammetry
and Remote Sensing, 135, 1-12. https://doi.org/10.1016/j.isprsjprs.2017.10.017
280
Noi, P., Kappas, M., y Degener, J. (2016): “Estimating daily maximum and minimum land
air surface temperature using MODIS land surface temperature data and ground
truth data in Northern Vietnam”. Remote Sensing, 8(12), 1002.
https://doi.org/10.3390/rs8121002
Phan, T. N., Kappas, M., Nguyen, K. T., Tran, T. P., Tran, Q. V., y Emam, A. R. (2019):
“Evaluation of MODIS land surface temperature products for daily air surface
temperature estimation in northwest Vietnam”. International Journal of Remote
Sensing, 40(14), 5544-5562. https://doi.org/10.1080/01431161.2019.1580789
Shen, S., y Leptoukh, G. G. (2011): “Estimation of surface air temperature over central
and eastern Eurasia from MODIS land surface temperature”. Environmental
Research Letters, 6(4), 045206.
Sismanidis, P., Keramitsoglou, I., Bechtel, B., y Kiranoudis, C. (2016): “Improving the
downscaling of diurnal land surface temperatures using the annual cycle
parameters as disaggregation kernels”. Remote Sensing, 9(1), 23.
https://doi.org/10.3390/rs9010023
Xu, B., Yang, X. C., Tao, W. G., Qin, Z. H., Liu, H. Q., Miao, J. M., y Bi, Y. Y. (2008):
“MODIS‐based remote sensing monitoring of grass production in China”.
International Journal of Remote Sensing, 29(17-18), 5313-5327.
https://doi.org/10.1080/01431160802036276
Wan, Z., Hook, S., Hulley, G. (2015): “MYD11A1 MODIS/Aqua Land Surface
Temperature/Emissivity Daily L3 Global 1km SIN Grid V006”. NASA EOSDIS
Land Processes DAAC. doi: 10.5067/MODIS/MYD11A1.006
281
Wan, Z., y Li, Z. L. (2010): “MODIS land surface temperature and emissivity”. In Land
Remote Sensing and Global Environmental Change (pp. 563-577). Springer,
New York, NY. https://doi.org/10.1007/978-1-4419-6749-7_25
Westermann, S., Langer, M., y Boike, J. (2012): “Systematic bias of average winter-time
land surface temperatures inferred from MODIS at a site on Svalbard, Norway”.
Remote Sensing of Environment, 118, 162-167.
https://doi.org/10.1016/j.rse.2011.10.025
Wolfe, R. E. (2006): “MODIS geolocation”. In Earth science satellite remote sensing (pp.
50-73). Springer, Berlin, Heidelberg.
Vancutsem, C., Ceccato, P., Dinku, T., y Connor, S. J. (2010): “Evaluation of MODIS
land surface temperature data to estimate air temperature in different ecosystems
over Africa”. Remote Sensing of Environment, 114(2), 449-465.
https://doi.org/10.1016/j.rse.2009.10.002
Yang, Y., Cai, W., y Yang, J. (2017): “Evaluation of MODIS land surface temperature
data to estimate near-surface air temperature in Northeast China”. Remote
Sensing, 9(5), 410. https://doi.org/10.3390/rs9050410
Zhu, W., Lű, A., y Jia, S. (2013): “Estimation of daily maximum and minimum air
temperature using MODIS land surface temperature products”. Remote Sensing
of Environment, 130, 62-73. https://doi.org/10.1016/j.rse.2012.10.034
282
CAPÍTULO 5
Las CAP son acumulaciones de aire frío (más denso) que son depositadas en sectores
topográficamente deprimidos, como fondos de valle, poljés, dolinas, cauces
hídricos…durante madrugadas estables (escaso viento y poca nubosidad). Se
desarrollan especialmente durante las horas nocturnas por enfriamiento radiativo de la
capa de aire que se encuentra en contacto con el suelo. A su vez, se produce un
descenso de vientos catabáticos por las pendientes que circundan en el fondo de las
depresiones. Cuanto más fría es la masa de aire en niveles medios y altos horas antes
sobre la vertical de un sector, más frío será el depósito en zonas de valle. En ese sentido,
la morfología del sector deprimido, las áreas más elevadas circundantes, el papel de los
vientos catabáticos, la vegetación…determinará lo fría que es la masa depositada en el
fondo.
Scherhag (1948) plantea los primeros criterios para la identificación de las CAP,
identificando una baja cerrada en la troposfera media y alta (300-700 hPa), un campo
de presión superficial definida, y un espesor geopotencial de 500/1000 hPa con un
contorno cerrado.
Desde hace más de 90 años los estudios de CAP se han desarrollado ampliamente en
los Alpes austriacos, concretamente en el valle del Gstettneral, donde se registran
temperaturas mínimas inferiores a -50ºC en fondos de dolina (Schmidt, 1930).
Constituyen, por tanto, uno de los registros de temperatura más bajos del continente
europeo. Pocos años después, Sauberer y Dirmhirn (1954, 1956) identifican
temperaturas muy variables en toda la estructura altitudinal de las dolinas de Austria
(Gstettner-Alm), con diferencias térmicas notables entre el fondo y el borde de las
dolinas. Determinan que los flujos en el interior de las dolinas son débiles, cuya
prevalencia de vientos sinópticos no llega a los embolsamientos de aire frío de los
fondos de las citadas estructuras, de ahí que las temperaturas sean más bajas.
Litschauer (1962) aportó nuevas respuestas sobre los fenómenos de inversión térmica
en sectores deprimidos de alta montaña, lo que le llevó a realizar mediciones con
cubierta de nieve en el suelo. Registró diferencias entre 5 y 10ºC de superficie nivosa a
284
no nivosa. Además, propuso el índice de Sky view Factor (SvF) o porción de cielo visible
para determinar el potencial de acumulación de frío nocturno estable en el interior de
una dolina, en función de su fisonomía (más abierta o cerrada). Concluyó que los valores
próximos a 1 (dolinas más abiertas) generaban temperaturas mínimas más bajas.
Wolyn y McKee (1989), Savoie y McKee (1995), y Mayr y McKee (1995) llevan a cabo
estudios de episodios de estancamiento persistente de aire frío en las intercuencas
montañosas del oeste de los Estados Unidos. Identifican capas estables en superficie
de las cuencas intramontanas que son producidas por el flujo de bloqueo aguas arriba
de las montañas rocosas. Estos embolsamientos fríos pueden ser destruidos con cierta
brusquedad por depresiones de onda corta. Whiteman et al. (1999) investigan donde
confluyen las acumulaciones frías persistentes en el Plateau Colorado (EE. UU). Pueden
285
desarrollarse durante noches claras cuando “desagua” el aire frío en la cuenca de
montañas de los alrededores.
Los factores de fondo que controlan la acumulación de frío aire en pequeños valles no
se han estudiado con el mayor de los detalles. En teoría, el aire frío debe desarrollarse
en contacto con el suelo enfriado por la radiación y, si este proceso se lleva a cabo en
terreno en pendiente, un flujo de aire frío puede desarrollarse y, por tanto, se pueden
esperar acumulaciones de aire frío que se desarrollarán algún tiempo después de la
puesta del sol. Estos estudios se realizan en áreas montañosas por Barr y Orgill, 1989;
McKee y O'Neal, 1989; y Neff y King, 1989. Thompson (1986), sin embargo, muestra
que dichas acumulaciones podrían desarrollarse en ausencia de drenaje de aire frío. En
las inmediaciones en un pequeño valle, sin corrientes frías, podrían ser detectadas en
un valle con un gradiente de pendiente a 1:200. Thompson (1986) argumenta que el
efecto “refugio” de la topografía es un factor muy importante para el desarrollo de las
variaciones de temperatura en terreno complejo. La interceptación de aire en un valle
estrecho con brusca pendiente evitará la mezcla turbulenta del aire de la superficie fría
con el calentado por encima, lo que conduce a una velocidad de enfriamiento más alta
cerca la superficie
Clements et al. (2003) analiza una cuenca topográficamente sencilla para documentar
la evolución de la temperatura y estructura de los vientos durante el período de
acumulación de frío aire. Todo ello bajo noches de condiciones en las que el
enfriamiento ejerce supremacía. La cuenca elegida, Peter Sinks (Utah), mantiene la
temperatura mínima extrema récord de esta región (-56ºC) y ha registrado la segunda
temperatura más fría de Estados Unidos (Pope y Brough 1996). La justificación de la
elección de ésta cuenca radica en el registro de temperaturas frías extremas, y
sugirieren que es un buen ejemplo de una cuenca cerrada en el que a lo largo del valle
los vientos están ausentes. La investigación se centra en lograr una mejor comprensión
del desarrollo de las acumulaciones de aire frío bajo éstas condiciones topográficas, en
que la complicación de los efectos de la advección se reduce al mínimo. Uno de los
estímulos para la investigación es la expectativa de que una mejor comprensión de la
evolución en frío puede tener implicaciones prácticas importantes para la previsión en
su formación y disipación de las CAP, que constituye uno de los problemas de predicción
más difíciles en el oeste de los Estados Unidos (Smith et al., 1997).
286
también han sido profundamente analizadas por Eisenbach et al. (2003); Whiteman et
al. (2004b) o Pospichal et al. (2003), con la utilización de sondeos termodinámicos y
observación térmica. Llegan a observar diferencias térmicas de hasta 18ºC entre el tope
y el fondo de la dolina (Steinacker et al., 2007), con análisis de diferentes tamaños y
formas de las mismas.
Durante los últimos años se realizan análisis térmicos en las dolinas del Gstettneralm
(Pospichal et al., 2003; Whiteman et al., 2004) y las de Peter Sinks en Utah (Clements
et al., 2003), determinando que las mayores tasas de enfriamiento se producen tras la
puesta del sol, y no durante la madrugada posterior, donde el descenso es más gradual.
Recientemente, han sido estudiados dos eventos de PCAPs (piscinas de aire
persistentes) en Columbia y en el cráter experimental (METCRAX) en EE. UU, donde
se profundiza en la formación y destrucción de los fenómenos de inversión térmica
(Clements et al., 2003 y Steinacker et al., 2007). En años más recientes, entre 2008 y
2010, se registra una temperatura mínima de -47,0ºC en el Busa di Manna (2550 m),
ubicada en la plataforma kárstica del Pale di San Martino (Trentino-Alto Adige, Italia)
(Renon, 2011).
Recientemente en la Península Ibérica, Miró et al. (2010) estudian las CAP en el Valle
del Segre y la Cerdanya catalana durante cuatro años. Lo realizan mediante simulación
287
de mesoescala de alta resolución y el uso de una red de sensores térmicos con los que
calculan horas de frío (Jiménez et al., 2015; Miró et al., 2017; Pagès et al., 2017).
Finalmente, en la Cordillera Cantábrica son analizadas las temperaturas mínimas
asociadas a CAP en el entorno de los Picos de Europa. La investigación, con
registradores térmicos, determina una temperatura mínima de -32,7ºC (19 de febrero
del 2016) en la Vega de Liordes (1.880 m), lo que genera la temperatura mínima
absoluta más baja registrada hasta el momento en la Península Ibérica (no validada por
AEMET) (Iglesias González et al., 2018).
El análisis del capítulo pretende analizar los procesos de ITN y las características de las
temperaturas mínimas en la Sierra del Segura (cabecera de la Demarcación
Hidrográfica del Segura). Mediante la instalación de una red propia de datalogger, y la
utilización de diversas herramientas mesoescalares y satelitales, se realiza un análisis
detallado de las temperaturas mínimas (octubre 2016 - marzo 2020) mediante la
estadística climática de los registros obtenidos. El énfasis en determinados sectores
fríos de la DHS, con especial interés en la época invernal, marcará el desarrollo del
capítulo. Además, el análisis de episodios de frío extremo, donde se pone de relieve la
intensidad de los procesos de inversión térmica, pretende ofrecer una visión más
ajustada de los fríos inviernos que caracteriza a la cabecera del área de estudio.
El área de estudio se enmarca en las Cordillas Béticas (zona de contacto entre los
dominios subbético y prebético), lo que le confiere altitudes destacadas que llegan a
superar ligeramente los 2100 m. El gradiente altitudinal es notable, ya que el río Segura,
en la Comarca del Noroeste de la Región de Murcia, a escasos kilómetros del área más
montañosa, llega a descender a una cota altitudinal de 250 m (Vegas del Segura en
Calasparra). Eso repercute en un contraste térmico-pluviométrico extraordinariamente
relevante. Según el Atlas Digital de la Península Ibérica, (2006), las precipitaciones
obtienen diferencias de hasta 1000 mm (extremos de 1300 a 350 mm), con contrastes
térmicos medios de 7ºC (entre 16ºC y 9ºC). Además, se trata de una zona de transición
con una marcada influencia atlántica y mediterránea (Castillo Requena, 1988).
288
Fig. 5.1. Abrevaderos congelados en Monterilla - Hernán Perea (3 de diciembre 2017).
Fig. 5.2. Importante nevada en el Calar de Hernán Perea (13 diciembre de 2017).
Fig. 5.3. Intensa helada en Rambla Seca - Hernán Perea (16 de octubre de 2016).
289
En la cabecera natural de la DHS, y, por tanto, en el sector más occidental del área de
estudio, se encuentra el extenso Calar de Hernán Perea, localizado en la Sierra de
Segura, provincia de Jaén. Se enmarca casi en su totalidad en el término municipal de
Santiago-Pontones (Jaén), y un pequeño sector en los municipios de Castril (Granada)
y Cazorla (Jaén). Constituye, la plataforma kárstica más extensa de la Península Ibérica
(144 km2), con una altitud media de 1697 m de altitud. Su particular régimen de
temperaturas nocturnas provoca la aparición de recurrentes heladas severas (Fig. 5.3).
Los intensos procesos de ITN aparecen potenciados por la orografía (gran cubeta
aislada con picos de 2100 m de altitud), y a los numerosos campos de dolinas que lo
caracterizan. Todo ello genera una recurrencia muy elevada en la aparición de hielo,
nieve e intensas heladas (escarcha), tal y como se puede apreciar en las Fig. 5.1 y 5.2.
Fig. 5.4. Distribución de los dataloggers utilizados (ID y características en Tabla 1). El
recuadro rojo indica la ubicación del Calar de Hernán Perea.
290
Además, su gran pluviometría, con reiteradas nevadas, y, por tanto, la disponibilidad de
agua durante gran parte del año, que activan potentes procesos de gelifracción. Según
la clasificación climática de Köppen pertenece a un área morfoclimática de tipo
oceánico-mediterránea de verano suave (Csb), aunque estudios recientes lo definen
como un área de alta montaña de tipo mediterráneo frío subhúmedo de cimas prebéticas
(Gómez Zotano et al., 2015, 2016).
5.3.1. Datos
El análisis principal del capítulo se sustenta sobre temperaturas mínimas diarias. Con el
fin de un estudio exhaustivo desde el punto de vista observacional el autor ha instalado
una red propia de 42 termómetros registradores (datalogger) en el sector oeste del área
de estudio (ámbito más frío de la DHS). La ubicación elegida de cada uno de los
sensores está basada principalmente en el análisis de termografías expuestas en el
capítulo anterior (3º), así como la revisión de series meteorológicas pertenecientes a
antiguos observatorios meteorológicos de AEMET, que en la actualidad no están
activos.
La instalación en los sectores más fríos del área de estudio ha estado sujeta a
numerosos problemas de acceso, y a la dificultad impuesta por las adversas condiciones
meteorológicas durante el invierno. La mayoría de termómetros registradores se ubican
dentro de los límites naturales de la DHS, aunque ciertos datalogger se localizan en las
inmediaciones del límite más occidental del área de estudio. Es debido a su especial
singularidad climática, y para complementar y validar los registros térmicos de algunos
parajes de interés, como es el caso de Monterilla (Hernán Perea), o Calar del Mundo.
Se trata de los registradores de Navalasno y Nava del Polvo (1 y 2 en el mapa de
estudio), ubicados en la Sierra de la Cabrilla, y los de la Laguna de Bonache y Siles-
Castrobayona (29 y 39), en las inmediaciones del Calar del Mundo.
291
sistema interno de los datalogger. No siempre fue posible reponerlos para no perder la
serie continua, ya que la descarga de datos térmicos se realiza en los puntos de peor
acceso cada 6/7 meses aproximadamente.
Fig. 5.5. Ejemplo de garita meteorológica artesanal construida con platos. En éste caso,
ubicada en las Tierras Altas de Lorca, a las afueras de la pedanía de Avilés. En su
interior, termómetro registrador Elitech RC-5.
292
Además, gracias a la colaboración con la Asociación Meteorológica del Sureste
(AMETSE), y a la estación meteorológica automática propiedad del autor, se utilizan dos
estaciones automáticas ubicadas en el Pico de la Selva (6) y en la pedanía de Arroyo
Hurtado – Cehegín (21). Se trata de los modelos Davis Vue y Hardley Waldbeck
respectivamente.
La altura del sensor y la garita respecto a la superficie, según los estándares oficiales
de la OMM (2017), se ubican a 1,5 m de altura, salvo las ubicaciones de Nava del Polvo,
Navalasno, y Monterilla, que lo hacen a 2,0 m de altura para evitar las importantes
acumulaciones de nieve en invierno, en territorios situados por encima de 1500 m y con
una pluviometría importante durante el trimestre invernal (Fig. 5.8).
Fig. 5.6. Estación meteorológica tipo Davis VUE, instalada en colaboración con la
Asociación Meteorológica del Sureste (AMETSE), en el pico de la Selva (Sierra de Pedro
Ponce), en el centro de la Región de Murcia.
293
Delegación Territorial de AEMET de Murcia, en el Centro Meteorológico Territorial de
Guadalupe. Los responsables del mantenimiento del instrumental determinan una
desviación de +0,2ºC en las temperaturas mínimas. Los resultados expuestos
posteriormente han sido corregidos con el calibrado realizado por el personal de
AEMET.
Para el análisis de los diferentes tipos de CAP y de los episodios de frío estable más
relevantes del periodo de análisis son utilizados datos horarios de temperatura de los
cuatro inviernos meteorológicos (16/17, 17/18, 18/19 y 19/20), con los meses completos
de diciembre, enero y febrero. La información es complementada con la dirección y
velocidad viento, humedad relativa, nubosidad y temperatura de sondeos atmosféricos
(Murcia – Guadalupe), y de las algunas estaciones meteorológicas (Calar Alto – CAHA
– Almería, Casas del Rey – Moratalla SIAM IMIDA). Además, se utiliza íntegramente las
redes de estaciones meteorológicas del SIAM IMIDA, SAIH (Segura) y AEMET para la
consulta de temperaturas mínimas diarias.
294
Fig. 5.8. Mega dolina de la Nava del Polvo (Sª de la Cabrilla), junto a Calar de Hernán
Perea. Garita meteorológica de tipo Pagoda, cedida por AEMET, y sensor HOBO MX25.
Los sondeos atmosféricos utilizados son lanzados desde el CMT de Guadalupe - Murcia
(AEMET) a las 00 UTC (1 de diciembre de 2016 al 28 de febrero de 2019). Son
estudiados para cada nivel altitudinal de los datalogger utilizados (temperatura,
humedad relativa, dirección y velocidad de viento).
295
Tabla 5.1. Registradores de temperatura (dataloggers) utilizados para el análisis
estadístico (octubre 2016 – marzo 2020).
Los datos de temperatura horarios de los diferentes datalogger también han sido
utilizados para identificar los diferentes tipos de piscinas de aire frío nocturno (CAP),
desde el 1 diciembre 2016 al 28 febrero 2019) durante tres trimestres invernales
meteorológicos (16/17, 17/18, 18/19). Los datos meteorológicos diarios y horarios de las
estaciones meteorológicas complementarias citadas anteriormente son utilizados para
la obtención de promedios de dirección y velocidad de viento, y humedad relativa en
una franja horaria de 0 a 6 h UTC.
296
Tabla 5.2. Registradores de temperatura (dataloggers) utilizados para análisis
puntuales. Intervalo temporal con registros discontinuos (octubre 2016 – marzo 2020).
Finalmente, las trayectorias y procedencias de las masas de aire que afectan al área de
estudio durante las jornadas analizadas de CAP, son obtenidas del reanálisis del
HYSPLIT (NOAA) https://www.ready.noaa.gov/hypub-bin/trajtype.pl?runtype=archive.
297
Fig. 5.9. Poljé colgado de Navalasno, al fondo Calar de Hernán Perea. Garita
meteorológica de tipo Pagoda, cedida por AEMET, y sensor microlite 32K.
5.3.2. Métodos
Los datos de temperatura diezminutales, y los diarios de temperatura mínima absoluta
de la red de datalogger instalada por el autor son utilizan para calcular la estadística de
diferentes índices climáticos referentes a temperaturas mínimas o nocturnas (Tabla 5.3).
Los cálculos son realizados a nivel anual, mensual, para el trimestre invernal con los
meses de diciembre, enero y febrero (DEF), y finalmente el periodo frío (PF), que abarca
temporalmente desde el mes de octubre a marzo (mitad del año con las temperaturas
medias más bajas).
298
Tabla 5.3. Índices climáticos analizados en los 21 datalogger analizados (octubre 2016
– marzo 2020).
Para medir la densidad del número de heladas y la recurrencia dentro del periodo
heladas se establece el Índice de Concentración de Heladas (ICH), propuesto en la
presente Tesis Doctora (5.3):
299
FD
ICH = (5.3)
FP
Tabla 5.4. Umbrales propuestos para el índice de intensidad de rachas de helada (IRH).
300
estabilidad atmosférica depende de la diferencia de temperatura entre una porción de
aire y el aire que la rodea. Da lugar a 7 clases de estabilidad nocturna (Tabla 5.5):
A: Extremadamente inestable
B: Moderadamente inestable
C: Ligeramente inestable
D: Condiciones neutras
E: Ligeramente estable
F: Moderadamente estable
G: Extremadamente estable
VV (m/s) Fuerte Moderada Débil > 4/8 octas nubes <= 4/8 nubes
>2 A A-B B E F
2-3 A-B B C E F
3-5 B B-C C D E
5-6 C C-D D D D
>6 C D D D D
301
La tipología de CAP está basada en la clasificación de Dorninger et al. (2011), quienes
establecen ocho tipos según la evolución de la temperatura nocturna. Una CAP viene
definida por la acumulación de aire frío en una depression del terreno, principalmente
durante la noche, y sujeto a condiciones de estabilidad (cielos despejados, altas
presiones y vientos flojos). Además, se identifican algunos episodios de piscinas de aire
frío persistentes (PCAPs), aquellas donde la temperatura de los fondos de valle o
depresiones permanecen por debajo de las registradas en altitudes superiores durante
varios días (Whiteman et al., 2001).
c2= k (N – 1) ὠ (5.6)
5.4. RESULTADOS
302
los diferentes índices climáticos es preciso la recopilación de las temperaturas mínimas
absolutas registradas en la red completa (Tabla 5.6).
Tabla 5.6. Temperaturas mínimas absolutas registradas por la red propia de datalogger.
Paraje TN (ºC) Paraje TN (ºC) Paraje TN (ºC)
303
registros alcanzados en el Calar Hernán Perea en los últimos años. Si bien es cierto que
en un rango temporal mucho más extenso.
La Fig. 5.10 muestra la evolución diaria de las temperaturas mínimas registradas en los
21 datalogger de análisis. Evidencia que el periodo frío 17/18, y especialmente su
invierno, es el más frío de los analizados. Por su parte, la jornada del 18 de enero de
2017 (media de -11,0ºC en el conjunto de los datalogger) registra el promedio más bajo
de las más de 1200 jornadas analizadas. Durante dicha jornada aparecen temperaturas
inferiores a -10ºC en 17 de los 21 puntos analizados, con temperaturas mínimas
absolutas que descienden a -15,8ºC en Navalasno (a casi 1800 m de altitud), pero
igualmente destacables en zonas de menor altitud (Benablón con -10,1ºC). Además,
otras cuatro jornadas registran promedios muy bajos, entre -9,5 y -9,6ºC (13/12/2017,
26/02/2018 y 11/01/2019), con registros mínimos absolutos -23,4ºC en Nava del Polvo,
-20,6ºC en Monterilla o -14,1ºC en Viboreros respectivamente.
Por el contrario, y aunque no es objeto de análisis del capítulo, es preciso añadir que el
contraste con la jornada del promedio más elevado es realmente notable, con una
diferencia de casi 20ºC con la jornada más fría. El valor más alto en el promedio de las
temperaturas mínimas corresponde al 7 de julio de 2019, con un valor medio de 19,0ºC.
En esa ocasión, un total de 12 datalogger registran una temperatura mínima tropical,
aspecto muy poco frecuente en las zonas frías de CAP del interior SE peninsular. Eso
sí, los valores térmicos más bajos registrados durante dicha madrugada se sitúan en el
Calar del Mundo (Viboreros con 12,5ºC) y de Hernán Perea (Navalasno con 12,5ºC).
Otras zonas de valle, donde la noche tropical es un fenómeno irrelevante, registran
valores inusualmente elevados. Es el caso de Cañadas de Nerpio (21,7ºC), La Rogativa
(20,8ºC) o La Risca (23,2ºC), debido a una madrugada donde se combina una masa de
aire cálido (T850 de 24,1ºC) y abundante nubosidad.
304
paraje de Monterilla y Nava del Polvo (Hernán Perea), los que destacan con un gran
número de registros inferiores a -15ºC, y algunos próximos a -25ºC. Tan sólo Viboreros,
en el Calar del Mundo, llega a registrar valores térmicos próximos, con temperaturas
inferiores a -15ºC, y alguna jornada próxima a -20ºC.
Fig. 5.10. Temperatura media de las mínimas diarias (ºC) para el conjunto de los 21
datalogger analizados (oct 16-mar 20).
Las temperaturas medias de las mínimas es un indicador clave para analizar el promedio
de los valores mínimos registrados a lo largo de un periodo, y, por tanto, el grado de
intensidad medio de un territorio (Fig. 5.12). El análisis mensual, y especialmente el
promedio del PF y del invierno, deja los registros más destacados en Hernán Perea
(paraje de Monterilla), con un promedio de -5,6ºC durante el invierno. Incluso, durante
el PF (-2,8ºC), el promedio evidencia que el frío nocturno está presente durante gran
parte del año.
305
Fig. 5.11. Diagrama de cajas o boxplot de las temperaturas mínimas diarias de los 21
datalogger utilizados (oct 16 – mar 20).
El valor de TNm durante el periodo invernal en Monterilla y Nava del Polvo (-5,1ºC a -
5,6ºC) demuestra el potencial de frío nocturno de la zona. Los registros se muestran
muy por debajo de alguna de las capitales de provincia más frías de España. Los
promedios de TNm se sitúan en -1,3ºC en Teruel, -0,7ºC en Ávila o -0,6ºC en Soria
(1981-2010). Se trata de promedios similares a los registrados en algunos parajes
habitados del área de estudio como Avilés (-1,1ºC), Benablón (-0,4ºC) o La Risca (-
2,2ºC), lo que evidencia que algunos valles del oeste de la DHS son tan fríos como
zonas de Castilla y León o la provincia de Teruel. Incluso, en los observatorios más fríos
de la Península Ibérica (Jiloca -3,2ºC, Molina de Aragón -2,6ºC, o Calamocha -2,3ºC)
los valores medios son similares a los registrados en algunos sensores de la red propia.
El mes con el promedio más bajo en los 21 datalogger analizados es para enero 2017,
con un registro de -3,5ºC.
306
Fig. 5.12. Temperaturas medias de las mínimas mensuales (ºC), y promedio del periodo
frío (octubre a marzo), y trimestre invernal (DEF) en los 21 datalogger analizados (oct
16 – mar 20).
En los cuatro periodos invernales (DEF) de análisis, el trimestre 17/18 es el que registra
las temperaturas medias de las mínimas más bajas en el área de estudio (Fig. 5.13).
Especialmente relevantes son los registros en Monterilla y Nava del Polvo (-7,6 y -6,6ºC
respectivamente), lo que supone temperaturas similares a las registradas durante dos
de los inviernos más fríos de las últimas décadas en el observatorio meteorológico de
Jiloca (Teruel), con -6,7ºC en el invierno 04/05 o -6,1ºC en el 11/12 (Aupí, 2014).
El paraje de Viboreros (Calar del Mundo) se sitúa en un segundo escalón, con un registro
de temperatura mínima absoluta muy cercana al umbral de -20ºC (-19,4ºC). Demuestra
el gran potencial de los puntos de observación analizados (datalogger), con registros de
307
menos de -10ºC en 17 de los 21 puntos de observación en tan sólo cuatro inviernos de
observación (sin ninguna advección fría extrema).
Fig. 5.13. Temperaturas medias de las mínimas (ºC) por trimestre invernal (DEF) en los
21 datalogger analizados (oct 16 – mar 20).
308
como registro coherente el valor de -20,0ºC registrado el 10 de febrero
de 1956.
Los registros de -20,0 y -17,0ºC del observatorio meteorológico del
Embalse del Taibilla (Nerpio) durante las jornadas del 29 y 31 de enero
de 1935.
Varios registros de -18,0 a -21,0ºC durante las jornadas de 16, 17, 18 y
19 de febrero de 1956 en Paterna de Madera (7088). Es validado el
registro de -20,0ºC durante la jornada de días antes del 12 de febrero de
1956.
La temperatura mínima absoluta registrada en el Embalse de Alfonso XIII
(Calasparra) con -16,4ºC y en el municipio de Calasparra con -14ºC (19
de febrero de 1965).
309
Tabla 5.7. Temperaturas mínimas absolutas (ºC) más bajas registradas en la mitad sur
de la Península Ibérica (1933-2020).
Los registros más bajos de temperatura mínima en la mitad sur peninsular han
descendido en varias ubicaciones de la barrera de -20ºC, incluso en altitudes inferiores
a 1000 m (Tabla 5.7). Es el caso de los tres registros más bajos hasta la fecha,
localizados en el eje Munera – Albacete – Villena, al sur de la unidad geográfica natural
de las tierras llanas de la submeseta sur peninsular, con registros entre -26 y -24ºC. Se
trata de temperaturas inferiores a las registradas en valles montañosos de elevada
altitud (1100 m) con temperaturas mínimas entre -20 y -22ºC (Santiago-Pontones o
Paterna de Madera).
Finalmente, aunque se sitúa fuera del ámbito de estudio principal (PF), es preciso
destacar las dos únicas heladas registradas durante el periodo estival (JJA) en el área
de estudio. Concretamente el paraje de Monterilla registra una temperatura mínima de
-0,3ºC el 1 de julio de 2017, o en Media Fanega (Calar del Mundo) con -2,2 el 6 de junio
de 2019.
Los valores mínimos absolutos se complementan con el promedio alcanzado cada año
(Fig. 5.15). Como término medio, en los cuatro inviernos de observación, el paraje de
Monterilla registra una temperatura mínima absoluta de -17,0ºC. Un total de 8 ámbitos
geográficos analizados registra una temperatura inferior a -10ºC durante cada año de
observación, destacando los -13ºC de Viboreros (Calar del Mundo), o valores que se
sitúan alrededor de -11ºC en Cañada de las Yeguas y Media Fanega (Calar del Mundo),
Cañadas de Nerpio o río Zumeta.
310
Fig. 5.15. Temperaturas mínimas absolutas (ºC) por trimestre invernal (DEF), valor
mínimo absoluto (MIN) y media de las mínimas absolutas anuales (MED) de los 21
datalogger analizados (oct 16 – mar 20).
A pesar de contar con sólo cuatro años de observación, los registros son de entidad al
ser comparados con los observatorios meteorológicos más fríos de AEMET en el área
de estudio. Así pues, para el intervalo temporal 1950 – 2016, la temperatura media de
las mínimas absolutas como promedio cada año llegan a descender de -10ºC en la
Sierra de Segura jienense, como en Pontones (-11,9ºC) y Santiago de la Espada (-
10,9ºC), mientras que, en el Embalse de Valdeinfierno (Murcia) o en Arguellite
(Albacete) los registros se sitúan en -7,1 y -6,9ºC respectivamente.
311
Fig. 5.16. Número de días de heladas mensuales, y promedio anual en los 21 datalogger
analizados (oct 16 – mar 20).
Es preciso considerar que la mitad del total anual se registran entre otoño y primavera.
Por contextualizar el dato, se trata de un registro superior al promedio registrado en dos
observatorios meteorológicos de 1er orden de AEMET, como el de Navacerrada (135,4
heladas) o en Molina de Aragón (117,0). Del mismo modo, observatorios meteorológicos
de AEMET de capitales de provincia de Castilla y León promedian registros de 83,8
heladas en Soria, 76,0 en Valladolid o 71,4 en León. Por tanto, un gran número de
puntos analizados igualan o superan los registros de las capitales de provincia más frías
de España. Incluso, un total de 7 datalogger analizados superan el umbral de 100
heladas anuales. Destacan el río Zumeta (128,3 días), Viboreros - Calar del Mundo
(119,0 días), las Cañadas de las Yeguas, también en el Calar del Mundo (113,8 días).
312
Fig. 5.17. Número de días de helada (FD) por periodo frío de los 21 datalogger
analizados.
Finalmente, territorios habitados que han sido analizados del interior SE peninsular
como las Cañadas de Nerpio (103), La Risca (101), Avilés (80) o Benablón (78) registran
valores anuales similares a las capitales de provincia anteriormente detalladas. Tal y
como refleja la Fig. 5.17, el periodo frío 17/18 es el que registra un mayor número de
heladas en la mayoría de datalogger, donde destaca el registro de Monterilla, con un
total de 171 heladas durante el citado periodo frío. Sin duda, el valor más elevado
registrado en el periodo de análisis. Sin embargo, el periodo frío 19/20 se produce un
importante descenso en el número de días de helada anuales en la totalidad de los
datalogger analizados, con una reducción media de un 30%, tras un periodo con
anomalías térmicas muy destacadas.
313
Los valores más elevados vuelven a aparecer en Hernán Perea e inmediaciones, con
valores que superan las 1500 horas de helada al año. Monterilla con 1839 horas, o Nava
del Polvo con 1754 llegan a registrar un valor medio entre 10,8 y 11,2 horas por día de
helada. Se trata de valores excepcionalmente elevados a nivel peninsular. Al ser
comparados con capitales frías de provincia como Teruel o León, los registros alcanzan
745 y 627 horas respectivamente a través de método directo, es decir, contabilizando
directamente los registros horarios de observación al igual que en la red de datalogger.
El estudio de Martínez Núñez et al. (2015) sobre heladas y horas de frío en la España
peninsular (2002-2012) estima entre 1000 y 1500 horas de helada anual en varios
sectores de la Cuenca del Duero y Júcar, especialmente en los polos fríos de las
provincias de Teruel, Guadalajara, Cuenca, Soria, Burgos, Ávila y Segovia. Los valores
superan las 1500 horas, rangos parecidos a los del Calar de Hernán Perea, en sectores
muy localizados de la Cordillera Cantábrica (León y Palencia), en la Ibérica (Soria y
Burgos) y en el Sistema Central (Segovia y Ávila). Sólo los Pirineos registran más de
2000 horas de helada al año.
Algunas zonas habitadas que han sido analizadas del área de estudio (Benablón, Avilés
o La Risca) registran un promedio de 519 a 814 horas de helada al año, lo que supone
registros relativamente parecidos a los observatorios más fríos de la Península (a través
de método directo). Por su parte, el punto habitado más frío de los analizados (Cañadas
de Nerpio) registra, por término medio, un valor de 1153,7 horas de helada al año, con
12,5 horas por día de helada durante el trimestre invernal. Sin duda, valores propios de
los grandes polos de frío de la mitad norte peninsular.
Se observa, por tanto, un importante salto cuantitativo entre los datalogger del sector
más occidental (>1200 m), con promedios superiores a 1000 horas anuales, y los
localizados en sectores más orientales con promedios entre 500 y 800 horas.
314
Tabla 5.8. Número medio total de horas de heladas (año y trimestre invernal), y ratio por
día de helada en los 21 datalogger analizados (oct 16 – mar 20).
315
montañosos de EE. UU y Austria, que la velocidad del enfriamiento disminuye
gradualmente en las elevaciones de mayor altitud. La causa puede deberse a la mayor
temperatura alcanzada durante las horas diurnas, lo que implica una mayor caída
térmica tras la puesta de sol en aquellos espacios de fuertes procesos de ITN.
Los valores más elevados en la red de análisis se registran durante los meses de verano,
con valores promedios de hasta 8,0ºC en Gollaín. Se trata de una época del año en el
que las temperaturas máximas son relativamente elevadas (>30ºC), con fuertes tasas
de enfriamiento durante primeras horas de la tarde.
Tabla 5.9. Tasas de enfriamiento (TE) medio y absoluto (ºC) en los 21 datalogger
analizados (oct 16 – mar 20).
TE TE
TE medio TE medio
ID Paraje Municipio Altitud absoluto absoluto
(Anual) (INV)
(Anual) (INV)
Según De Wekker y Whiteman (2006), las cuencas más pequeñas se enfrían a un ritmo
más rápido que las cuencas más grandes. El tamaño más pequeño de la cuenca permite
un enfriamiento más rápido, y es un aspecto que ocurre en el área de estudio. A pesar
de registrar las temperaturas mínimas más bajas, la TE en Monterilla, Nava del Polvo o
Viboreros se sitúan entre 1,4 y 2,7ºC. Se trata de ámbitos geográficos (Calar de Hernán
Perea y Mundo) de mucha extensión, superior a los 100 km 2. Sin embargo, aquellas
316
más pequeñas, como Gollaín, Barranco del Agua y Cenajo registran valores medios de
3,5 a 4,4ºC.
Las tasas de enfriamiento absoluto más importantes llegan alcanzar valores ligeramente
superiores a 16ºC en 3 horas. Todos los datalogger analizados han llegado a registrar
una TE superior a 10ºC, aunque los valores más importantes se registran en ámbitos
como Altiplano de Hernán Perea, Calar del Mundo, o La Risca. Se trata de caídas de
temperatura realmente importantes, con un promedio de caída de 6ºC por hora. En el
caso de Monterilla, durante la jornada del 28 de julio de 2017, se produce un descenso
de 16,2ºC en 3 horas, con una reducción térmica desde 30,2ºC a las 17.00 h UTC a
14,0ºC a las 20.00 h UTC. Corrobora, por tanto, de lugares con un gran potencial de frío
durante madrugadas estables de inversión térmica.
Tabla 5.10. Capacidad de inversión térmica media y absoluta (CINV) en los 21 datalogger
analizados.
317
Los procesos de inversión térmica, tras el análisis de los índices climáticos
anteriormente detallados, apuntan a muy intensos en el área de estudio, especialmente
en los sectores occidentales más fríos del área de estudio. La capacidad de inversión
térmica (CINV) anual presenta los valores más elevados en Monterilla (10,9ºC), río
Zumeta (10,4ºC) o La Risca (10,2ºC), con una capacidad media para invertir la
temperatura estándar atmosférica a su nivel altitudinal entre 10 y 11ºC (Tabla 5.10). En
general, todos los puntos de análisis presentan procesos moderados a fuertes de IT, a
excepción del Pico de la Selva (4,0ºC), que sirve de contrapunto para observar la
diferencia entre zonas de CAP y aquellos ubicados en zonas de complejidad orográfica.
El sector más occidental de la DHS, a través del análisis de la red propia de datalogger,
arroja un periodo de heladas (FP), por lo general, muy extenso (Fig. 5.18). Monterilla
vuelve a registrar los valores más elevados y sorprendentes, con un periodo de heladas
que se extiende, por término medio, del 1 de junio al 12 de junio. Supone, por tanto, un
total de 254,7 días (un 67,8% del año), y un periodo libre de heladas de sólo 110,3 días.
Para poner en contexto este valor es preciso comparar con los observatorios
meteorológicos más fríos de Castilla y León (Nafría et al., 2013), donde el periodo libre
de heladas alcanza 134 días en Almazán (Soria), 151 en Navarredonda de Gredos
(Ávila), o 153 en la Puebla de Sanabria (Zamora).
318
Fig. 5.18. Longitud del periodo medio de heladas (FP) en los 21 datalogger analizados.
319
Tabla 5.11. Características del FP en los 21 datalogger analizados (FFF, LSF, FP, ICH).
El periodo de heladas finaliza (LSF), por término medio, entre finales del mes de mayo
y principios de junio en aquellas ubicaciones situadas al oeste de la DHS, mientras que,
el resto de sensores, a una menor altitud, y en zonas centrales del área de estudio, lo
hacen durante el mes de abril. La persistencia de las heladas es tal en el Calar de
Hernán Perea y del Mundo, que la recurrencia de temperaturas negativas se mantiene
elevada hasta el inicio del verano climatológico (4 y 12 de junio). En la comparativa con
los observatorios más fríos del interior peninsular, los registros son superiores a la de
observatorios como Navarredonda de Gredos (19 de mayo), Rioseco de Tapia - León
(15 de mayo), Puebla de Sanabria (14 mayo) o Viviestre del Pinar – Burgos (12 de mayo)
(Nafría et al., 2013). Por su parte, el promedio del LSF en la Cuenca del Duero se sitúa
entorno a mediados de abril, registro muy parecido al registrado en la red de datalogger,
tales como La Risca, Benablón o Avilés (18 y 19 de abril).
320
Tabla 5.12. Características promedio de las rachas de helada en los 21 datalogger
analizados (oct 2016 – mar 2020.
Esto significa que, durante la longitud del periodo de heladas, se registran heladas en
más de un 50% de las jornadas. El valor más elevado recae en Monterilla y río Zumeta
(0,62), aunque en general, la totalidad de los 21 datalogger registra concentraciones
que superan o se muestran próximas al 50%, lo que demuestra una gran regularidad de
temperaturas negativas durante el FP.
321
La intensidad media de los episodios (IH), en función de las temperaturas mínimas
registradas, oscila entre 1,06 en el Pico de la Selva y 1,49 en Viboreros, sobre un total
de 5. Todo ello determina, que los valores más elevados del índice global (IRH) tras
combinar la longitud y la intensidad diaria, se localiza con claridad en Monterilla y Nava
del Polvo.
Fig. 5.19. Temperaturas mínimas absolutas (ºC) por meses en las ubicaciones de
Hernán Perea y Sª de la Cabrilla.
322
mínimas más bajas del sureste peninsular (Fig. 5.19). Una fábrica natural de frío, como
ha denominado Renon (2011) a estos espacios. La extensa plataforma de más 100 km2,
su elevada altitud media (por encima de 1.600 m de altitud), su casi completo cierre por
elevaciones de 2.000 m de altitud, y su compleja orografía (salpicada por multitud de
poljés, campos de lapiaces, y sistemas de dolinas), lo convierten en un auténtico
“congelador” durante casi todo el año, especialmente en época invernal (Fig. 5.20).
Una menor conductibilidad térmica que limita el flujo de calor del terreno al
estrato superficial.
Una menor presencia de agua en el suelo y subsuelo, que garantiza una
capacidad térmica realmente baja favoreciendo una enfriamiento más súbito y
eficiente de la superficie, cuando es máxima la pérdida de radiación por onda
larga.
Una temperatura en el subsuelo sensiblemente inferior, por efecto “refrigerante”
del agua de infiltración que circula por las cavidades kársticas inferiores
323
A continuación, son analizados de forma pormenorizada los datos diarios y horarios del
paraje de Monterilla, ubicado en el sector central de los Campos de Hernán Perea, y,
por tanto, en el límite natural entre las demarcaciones hidrográficas del Segura y
Guadalquivir. Durante el periodo de observación (octubre 2016 – marzo 2020) se
contabiliza un total de 1263 jornadas en el paraje de Monterilla, en las que se registran
584 días de heladas (46,2%) (Fig. 5.21). Supone prácticamente la mitad del año bajo
las temperaturas mínimas negativas, con porcentajes, que, en caso de los meses
invernales alcanzan el 87% en diciembre y febrero, y del 95% en enero.
Fig. 5.21. Evolución de las temperaturas mínimas en Monterilla (Hernán Perea), desde
el 1 de noviembre de 2016 al 31 de marzo de 2020.
324
Las temperaturas negativas aparecen prácticamente a lo largo de la totalidad del año,
sólo a excepción del mes de agosto, donde no se ha registrado temperatura negativa.
Incluso en julio, se llega a registrar un valor mínimo de -0,3ºC (1 de julio de 2017).
Destacan algunos valores próximos a 0ºC durante los meses más cálidos de julio y
agosto (1,2ºC el 29 de julio de 2018, o 2,5ºC el 9 de agosto de 2017).
Respecto a los valores mínimos absolutos, más allá de los registrados en diciembre,
enero y febrero (-20,1ºC, -19,8ºC y -24,2ºC respectivamente), también destacan
sobremanera los alcanzados durante los meses de marzo (-16,7ºC), noviembre (-9,6ºC),
abril (-7,9ºC) o mayo (-6,3ºC).
Tabla 5.13. Temperaturas mínimas absolutas (ºC) en Monterilla - Hernán Perea (oct 16
– mar 20).
Una de las características principales del Calar de Hernán Perea es la gran persistencia
de los días de helada de manera consecutiva, que constituye muy a menudo, periodos
muy longevos de días de heladas consecutivas. La Fig. 5.21 muestra la intensidad de
helada, (IH), un indicador para ponderar la fuerza de una temperatura mínima negativa,
destacando sobremanera del 5 al 9 de febrero de 2018.
325
de 2018, con un total de 48 jornadas consecutivas con registros de temperaturas
negativas (más de un mes y medio). Por su parte, la intensidad de helada refleja el
periodo más intenso entre el 11 y el 14 de diciembre de 2017, con una intensidad media
de 3,0 (con valores de 4 y 5 durante las jornadas del 12 y 13 de diciembre).
Fig. 5.22. Evolución diaria de la intensidad de helada (IH) en Monterilla (Hernán Perea),
desde el 1 de octubre de 2016 a al 31 de marzo de 2020.
Finalmente, el análisis del índice global IRH muestra el periodo con el registro más
elevado entre el 11/01/2018 a 27/02/2018, con un valor promedio de 1,1. El periodo de
48 heladas consecutivas obtiene una intensidad media de 2,3, con el registro de un total
de 5 jornadas (5, 6, 7 y 9 de febrero 2018) con intensidad 5 (temperaturas inferiores a -
20ºC).
326
Tabla 5.14. Resumen mensual de las características de la intensidad de helada en
Monterilla (Hernán Perea). (oct 16 – mar 20).
Los valores térmicos más fríos (negativos en mayoría de ocasiones) aparecen desde
las 18.00/19.00 h de la tarde, y se extienden hasta las 8.00/9.00 h de la mañana, debido
principalmente a la mayor duración de las horas nocturnas. El invierno 17/18 es el que
registra las temperaturas más frías y más extensas desde el punto de vista temporal,
tanto en duración como en expansión diaria. Se aprecia nítidamente las bandas
327
verticales con los tonos más fríos, representando temperaturas cercanas o inferiores a
-20ºC.
Tabla 5.15. Nº total de horas con temperatura negativa y peso relativo respecto al total
en Monterilla (oct 16 – mar 20).
Fig. 5.23. “Evolución de temperatura horaria en los tres periodos templados analizados
(15/10/2016 a 15/11/2020).
328
Fig. 5.24. “Evolución de temperatura horaria en los cuatro periodos fríos analizados
(15/10/2016 a 15/11/2020).
El momento más frío del año, por término medio, en Monterilla, corresponde al 9 de
febrero, a las 7:00 h de la mañana, con una temperatura media de -12,7ºC (Figura 5.23).
Por su parte, durante el verano y época más cálida, las bajas temperaturas se contraen
a lo largo del día. Las temperaturas van descendiendo gradualmente durante la tarde, a
diferencia de la caída más brusca de invierno. Esto es debido a la intensidad de inversión
térmica, mucho menos intensa en época estival. Además, se aprecia como
aproximadamente a las 7.00 de la mañana, los tonos empiezan a reflejar temperaturas
más suaves.
329
Durante los inviernos analizados se registran hasta 13 horas diarias con temperaturas
negativas (Tabla 5.16), desde media tarde (19.00 h) hasta las 8.00 h de la mañana.
Tabla 5.16. Temperatura media por intervalo temporal durante el trimestre invernal.
330
Fig. 5.25. “Heatmap” o mapa de calor con la distribución de la temperatura media anual
horaria en Monterilla (Hernán Perea).
El análisis de sondeos atmosféricos nocturnos de Murcia (00 UTC) permite conocer las
características de temperatura, humedad, y dirección y velocidad del viento para cada
una de las altitudes de los datalogger utilizados. Además, los parámetros referentes a
estabilidad atmosférica, nieve fresca en el suelo, nubosidad, presión atmosférica en
superficie, o intensidad de inversión permite identifican los principales tipos de ITN y la
evolución térmica de las piscinas de aire frío (CAP) durante las madrugadas estables.
Han sido analizadas, por tanto, un total de 361 días de invierno (DEF) distribuidas
durante los cuatro periodos invernales analizados. Son identificadas 188 jornadas con
procesos de inversión térmica (52,2% del total). Se trata de un valor relativamente bajo
al compararlo con los resultados de estabilidad de la ciudad de Murcia del capítulo 1,
331
aunque hay que considerar que los meses invernales en el sector más occidental de la
DHS suelen mostrar mucha más inestabilidad que el resto de la cuenca con su clara
vinculación a los tipos de tiempo atlánticos (Espín Sánchez et al., 2018).
332
A nivel mensual, diciembre, debido principalmente a su mayor condición anticiclónica,
representa el 55% de las CAP, mientras que enero y febrero (43%) presentan menos
eventos de ITN.
Las 188 jornadas identificadas con proceso de ITN revelan algunos datos de interés.
Las horas nocturnas están marcadas, según los datos arrojados por el sondeo
atmosférico en el conjunto de los 21 datalogger analizados, por bajos valores
higrométricos (51,4%), y una velocidad media del viento moderada (23,8 km/h) de
componente suroeste (SO). Además, la nubosidad es relativamente escasa (2,5 octas
sobre 8), una presión atmosférica superficial relativamente baja (1012,0 hPa), y unos
elevados parámetros de estabilidad según Pasquill (6,4 sobre 7). Todo ello con una
altura de la capa límite extremadamente baja (52,1 m), y un coeficiente de mezcla
vertical débil de 10,5 m/s2 (Tabla 5.16).
333
Fig. 5.26. Esquema teórico del tipo 1, y ejemplo de la evolución de temperatura del 9-
10 de febrero de 2017 (de 12 a 12 h UTC). La línea negra discontinua muestra la
evolución de temperatura del datalogger del Pico de la Selva (1521 m), donde no existe
proceso de ITN.
La velocidad del viento (VV) observada en los sondeos atmosféricos nocturnos refleja
una velocidad media moderada (20 km/h) y valores homogéneos en las todas las
altitudes analizadas. Los valores disminuyen en los observatorios meteorológicos
analizados, registrando VV de 10,5 km/h a 1200 m de altitud (Casas del Rey), y de sólo
2,6 km/h a 430 m de altitud (El Chaparral). Por lo tanto, pone de manifiesto, que, en
zonas expuestas por encima de 900 m de altitud, los flujos de viento superiores a 10
km/h erosionan la caída de la temperatura durante el proceso de IT, aunque no lo
rompen (Fig. 5.26).
334
Fig. 5.27. Cartografía sinóptica promedio del tipo de CAP erosión turbulenta: a) altura
geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y velocidad
del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA.
La humedad relativa, según el sondeo atmosférico es escasa, con valores que se sitúan
en el 40% por encima de 1500 m de altitud, con un aumento hasta 62% a cota 500 m.
Se trata, por tanto, de bajos valores higrométricos asociados a un flujo de componente
SO (que sufre proceso de Föenh). En los observatorios meteorológicos la humedad
relativa media se sitúa entre el 54% a 1200 m de altitud (Casas del Rey), y en el 74%
en el observatorio de El Chaparral, a unos 500 m. Valores, por tanto, parecidos a los
aportados por el sondeo.
335
Ello da lugar a inversiones térmicas intensas en el área de estudio. Las temperaturas
mínimas en este tipo de situación se sitúan en una media de -1,4ºC (-2,6ºC en todos los
tipos analizados), con un registro térmico, según el sondeo (8,8ºC) que se sitúa por
encima del promedio climatológico para el invierno (masa de aire templada). Se
produce, además, una capacidad de inversión (CINV) de -10,2ºC (media de -9,9ºC).
Excepto el pico de La Selva, sin inversión de temperatura, el resto de datalogger
analizados obtiene un registro inferior a -10ºC, con el registro más importante en
Monterilla (-13,1ºC), y un valor mínimo en Cañada de las Yeguas (-9,5ºC). Por tanto, la
amplitud de inversión (AI) entre las temperaturas mínimas más extremas de los
datalogger analizados es de 8,8ºC, algo inferior a la media de todos los tipos (9,8ºC).
La constitución de la CAP se produce por término medio a las 22.06 h. Se trata de una
hora relativamente tardía, en comparación especialmente con la evolución inalterada
(18.43 h). Ello repercute en que la tasa de enfriamiento durante primeras horas de la
tarde no sea tan elevada como en otros tipos de CAP (4,5ºC), aunque se mantiene en
la media de todas jornadas analizadas (4,6ºC). Finalmente, la rotura del estrato de
inversión térmica tiene lugar a las 10.05 h, un valor similar a la del resto de tipologías.
Las perturbaciones en la parte superior de la piscina de aire frío muestran relación con
los vientos existentes por encima de la inversión, al igual que ocurre con el tipo de caso
de evento de mezcla. En la parte superior del área de estudio se observan irrupciones
de masas de aire asociado a vientos moderados, aunque no lo suficientemente
importantes para romper los estratos de ITN en niveles inferiores. En total son 41 los
336
eventos identificados, lo que supone el 29,1% de las CAP reconocidas, sin duda un
evento bastante frecuente en el interior sureste peninsular durante el invierno.
Fig. 5.28. Esquema del tipo “perturbación alta”, y ejemplo del 26 de diciembre de 2016
(de 12 a 12 h UTC). La línea negra discontinua muestra la evolución de temperatura del
datalogger del Pico de la Selva (1521 m), donde no existe proceso de ITN.
El patrón sinóptico promedio viene definido por dos configuraciones principales. Por un
lado, una dorsal subtropical marítima al suroeste de la península ibérica, con altas
presiones centroeuropeas (1024,1 hPa). Generan un flujo débil en el geopotencial de
700 hPa, y apenas deja nubosidad en el SE peninsular (Fig. 5.29). Por otro lado,
perturbaciones atlánticas ubicadas al oeste de la Península Ibérica, con vaguadas que
generan un flujo moderado en niveles altos y mayor nubosidad
337
La procedencia del viento es similar al tipo de erosión turbulenta, con predominio de la
componente SSO (entre 196 y 222º) en el sondeo, aunque los datalogger más elevados
(>1600 m) registran una dirección sur (180º). Los observatorios en superficie también
reflejan la componente SSO (170 a 220º en las estaciones meteorológicas). Confirma,
por tanto, que el tipo de tiempo más frecuente bajo fenómenos de ITN intensos es de
componente suroeste asociado a dorsales subtropicales y perturbaciones atlánticas al
oeste de la Península (v. en el capítulo 2). Ello da lugar a la temperatura más elevada
aportada por el sondeo atmosférico, con un valor medio de 9,1ºC (promedio de 7,2ºC
para todos los tipos analizados). Masas de aire templadas para el trimestre invernal.
La humedad relativa (RH), tanto en los datos aportados por el sondeo atmosférico, como
los valores registrados en los observatorios meteorológicos de superficiales, son muy
similares a los de la erosión turbulenta, siendo, en general, relativamente bajos (40-
69%) Eso sí, los valores higrométricos más bajos aparecen en zonas elevadas
superiores a 1500 m de altitud (40%), mientras que, por debajo de los 1200 m de altitud
los valores ascienden progresivamente hasta alcanzar más del 60% a unos 430 m de
altitud. Además, se aprecia poca nubosidad durante las jornadas analizadas (2,0 octas),
una presión atmosférica relativamente alta (1015,5 hPa), que reflejan condiciones de
estabilidad atmosférica. Eso sí, corroborados por un coeficiente de Pasquill entre
moderada y extremadamente estable (6,5 de 7), y una altura de la capa límite
extremadamente baja (50,4 m). Datos similares al tipo de erosión turbulenta, con un
coeficiente de mezcla vertical de 9,7 m2/s. Por tanto, la presencia de un mayor
coeficiente de mezcla, unido a una menor velocidad del viento en altitudes inferiores,
genera la aparición de un tipo de CAP con erosión en lugares más elevados.
338
Fig. 5.29. Cartografía sinóptica promedio del tipo de CAP “perturbación alta” de: a) altura
geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y velocidad
del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA.
339
Se originan fundamentalmente con situaciones sinópticas marcadas por una potente
dorsal de origen subtropical marítimo al oeste de la Península Ibérica, con altas
presiones superficiales en el centro peninsular (Fig. 5.31). Las altas presiones son
protagonistas en el área de estudio, con un valor medio de 1022,4 hPa.
Fig. 5.30. Esquema del tipo “evolución inalterada” según Dorninger, y ejemplo del 11 de
diciembre de 2016 (de 12 a 12 h UTC). La línea negra discontinua muestra la evolución
de temperatura del datalogger del Pico de la Selva (1521 m), donde no existe proceso
de ITN.
En este tipo de CAP registra tasas de enfriamiento muy significativas (5,5ºC) durante
primeras horas de la tarde. Registra una constitución media de la CAP sobre las 18:43
h (aproximadamente 45 minutos después del ocaso). La rotura media de la piscina se
produce a las 9:09 h de la mañana, aproximadamente una hora después de la salida del
sol. Se produce un calentamiento muy rápido en todas las estaciones en las 2,5 h
siguientes a la salida del sol. Ello hace que sea el tipo de CAP más duradera, con una
longitud media de 16,1 horas, donde se manifiesta la gran estabilidad durante las
jornadas de análisis.
La velocidad media de viento que arroja el sondeo explica porque es el tipo de CAP más
estable y duradera. Los valores se sitúan entre 16 y 17 km/h en todos los niveles
altitudinales analizados, aunque desciende a 14 km/h a una cota altitudinal de 450 m.
Se trata, por tanto, de valores relativamente bajos que son corroborados por la velocidad
de los observatorios meteorológicos, con Casas del Rey (7,2 km/h), Barranda (4,9), o El
Chaparral (2,3 km/h). Por tanto, velocidades de viento que no son capaces de alteran
los estratos de inversión térmica.
340
Fig. 5.31. Cartografía sinóptica promedio del tipo de CAP “evolución inalterada” de: a)
altura geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y
velocidad del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el
geopotencial de 500 hPa. Fuente: NOAA.
Además, la dirección del viento tiene una procedencia más occidental, con un promedio
SO (245º), a diferencia de las anteriores, donde el flujo tiene un carácter SSO. Ello
determina que las temperaturas (a través de sondeo) en los niveles altitudinales
analizados sea elevada para el trimestre invernal, con un promedio de 8,8ºC (media de
7,2ºC en todos los tipos analizados).
Además, la humedad relativa, según datos del sondeo atmosférico, es similar a los dos
tipos de erosión turbulenta y perturbación alta, es decir, con registros relativamente
bajos especialmente en niveles altitudinales superiores a 1600 m (39%). Los valores
higrométricos aumentan en cotas inferiores, hasta alcanzar el 61% a 460 m de altitud.
Los valores aportados por los observatorios meteorológicos de superficie se mueven
entre 50 y 72%.
Los índices de estabilidad atmosférica son realmente elevados durante las jornadas
analizadas, con una nubosidad media de 1,9 octas y una presión atmosférica media de
1014,6 hPa. Lo que destaca especialmente es el bajo coeficiente de mezcla vertical, con
341
un promedio de 2,6 m2/s (media de 10,5 en todos los tipos), acompañado de una altura
de la capa límite de 50,0 metros. El coeficiente de Pasquill es de 6,6 sobre 7 (promedio
de 6,4), lo que le otorga la mayor estabilidad de los episodios analizados.
La CINV registra un valor medio de 11,3ºC (media de 9,9ºC), con una capacidad de
inversión muy importante en altitudes más elevadas, como Monterilla (-16,8ºC) o en
Cañadas de las Yeguas (12,2ºC). Además, la AI se sitúa 13,3ºC, la diferencia más
importante de la temperatura mínima registrada en zona de CAP y el pico de la Selva.
342
Fig. 5.32. Esquema del tipo “formación tardía” y ejemplo del 10 de diciembre de 2016
(de 12 a 12 h UTC). La línea negra discontinua muestra la evolución de temperatura del
datalogger del Pico de la Selva (1521 m), donde no existe proceso de ITN.
La configuración sinóptica media viene marcada por la irrupción de una potente dorsal
de origen subtropical marítimo, con flujos del SO en niveles medios más importantes
que en tipos anteriores (Fig. 5.33).
La velocidad del viento, por su parte, es más importante que los tipos analizados
anteriormente. Aparecen registros medios de hasta 30 km/h entre 1150 y 1550 m de
altitud, sólo por debajo de 25 km/h en cotas inferiores a 500 m de altitud. Los
observatorios meteorológicos, por su parte, registran una velocidad del viento inferior
(entre 2,6 y 5,9 km/h), y es que, con el paso de la madrugada, una vez constituida la
CAP, la velocidad del viento cae de forma importante. El flujo de viento predominante
es de componente SSO (217-258º).
La nubosidad media en las jornadas analizadas es de 2,6 octas, por lo que parece no
tener demasiada influencia en la conformación tardía de las piscinas de aire frío.
Además, se anota un promedio elevado de presión atmosférica en superficie (1015,2
hPa).
343
Fig. 5.33. Cartografía sinóptica promedio del tipo de CAP “formación tardía” de: a) altura
geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y velocidad
del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA.
Sin duda, el aspecto más destacado de este tipo de CAP, junto con la importante
velocidad media del viento arrojado por el sondeo a media noche, es el elevado
coeficiente de mezcla vertical, con un promedio de 15,5 m 2/s, superior al promedio de
todos los tipos (10,5 m2/s). Por tanto, existe una importante agitación atmosférica en
niveles bajos-medios atmosféricos, lo que constituye la principal causa de que la CAP
se constituya a primeras horas de la madrugada. A pesar de ello, los parámetros de
estabilidad son relativamente elevados (coeficiente 6,0 de Pasquill), y altura de la capa
límite es baja (53,8 m). Condiciones, por tanto, de estabilidad, pero en menor medida
que los tipos anteriormente detallados, especialmente hacia la noche y primeras horas
de la madrugada.
344
8,9ºC, por lo que la AI adquiere un valor modesto, y muy por debajo del tipo de CAP
inalterada (13,3ºC). La temperatura mínima registrada en el Pico de la Selva (0,3ºC) es
una de las más bajas de los tipos analizados, y se debe a una masa de aire algo más
fresca en niveles bajos-medios atmosféricos (6,2ºC), inferior a la media del resto de
tipos.
Fig. 5.34. Esquema del tipo “evento de mezcla”, y ejemplo del 1 de febrero de 2016 (de
12 a 12 h UTC). La línea negra discontinua muestra la evolución de temperatura del
datalogger del Pico de la Selva (1521 m), donde no existe proceso de ITN.
345
La configuración sinóptica viene marcada por una gran vaguada planetaria subtropical
marítima al suroeste de la Península Ibérica, con el paso en niveles altos de una
vaguada que genera un flujo importante del ONO (Fig. 5.35).
La humedad relativa es equiparable al tipo de formación tardía, con valores medios del
55% en los niveles altitudinales más elevados (>1500 m), y algo más elevados (entorno
al 60%), en cotas inferiores a 1200 m de altitud. Ello se ve reflejado en los observatorios
meteorológicos superficiales, con valores higrométricos que alcanzan el 72% en Casas
del Rey (1200 m) y que no consiguen descender del 65% en el resto de observatorios.
Con una presión atmosférica media de 1014,9 hPa, las altas presiones superficiales son
dominantes, aunque en varias de las jornadas analizadas la Península Ibérica se
encuentra afectada por dos vaguadas polares de onda larga. Generan nubosidad, en
general de tipo alto, con un promedio en las jornadas analizadas de 3,5 octas. Eso sí,
el coeficiente de mezcla vertical es relativamente elevado, y por encima del promedio
de los tipos analizados (17,9 m2/s). Aun así, se trata de valores estables, con un
coeficiente de Pasquill de 6,3 sobre 7, y una altura de la capa límite de 60,3 m (Fig.
5.36).
Todo ello repercute en inversiones térmicas menos intensas (7,6ºC), con un valor medio
que se sitúa muy por debajo del promedio de todos los tipos analizados (9,9ºC). Da lugar
a temperaturas mínimas poco significativas (-0,1ºC), con una tasa de enfriamiento de
las más bajas de los tipos analizados (2,9ºC). La AI se sitúa en un valor de 6,1ºC, con
una diferencia térmica poco importante (Monterilla con -4,5ºC y La Selva con 2,3ºC) (Fig.
5.34).
346
Fig. 5.35. Cartografía sinóptica promedio del tipo de CAP “evento de mezcla”: a) altura
geopotencial a 500 hPa; b) presión atmosférica al nivel del mar; c) dirección y velocidad
del viento en el geopotencial de 500 hPa; y d) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA.
Fig. 5.36. Correlación estadística según Kendall, entre a) humedad relativa vs.
intensidad de inversión térmica, y b) temperaturas mínimas en Monterilla vs.
acumulación de nieve fresca.
Existen dos correlaciones estadísticas de importancia con los datos que han sido
analizados. Tal y como es corroborado en el capítulo 2, la humedad relativa en niveles
bajos-medios atmosféricos es de vital importancia para generar intensos procesos de
ITN. A menor humedad relativa, la capacidad de inversión aumenta (coeficiente de
347
correlación del 0,68). Los valores de CINV entre muy fuertes y excepcionalmente fuertes
(>12ºC) tienen lugar con valores higrométricos entre 20 y 40% (Fig. 5.36a).
El coeficiente de mezcla vertical (Kz) es uno de los factores que más peso tiene en la
intensidad de los procesos de ITN (v. capítulo 2). Ocurre igual en el actual análisis,
donde los valores de Kz muestran una importante relación con los valores de capacidad
de inversión (CINV). Las madrugadas (0-6 h) con escasa o nula turbulencia/mezcla
vertical suele generar las diferencias de temperaturas más importantes durante las
noches de inversión. Por ejemplo, con valores inferiores de Kz de 0,88 m2/s, las
temperaturas son más bajas en el Barranco del Cenajo (870 m de altitud) que en el Pico
de la Selva (1521 m), con diferencias medias de 5,0 a 5,2ºC. Sin embargo, conforme
aumenta el coeficiente de mezcla vertical, las diferencias, dentro de madrugadas
estables, tienden a igualarse. Del mismo modo, los valores medios de CINV superan los
10ºC solamente con valores de Kz inferiores a 0,88 m2/s (Tabla 5.18).
Durante las jornadas de ITN en el ámbito temporal analizado, aparecen varios días con
superficie nivosa especialmente en los datalogger de mayor altitud. Sauberer y Dirmhirn
(1954, 1956) ya encontraron importantes correlaciones entre el espesor de nieve fresca
y un mayor descenso térmico en zonas de valle. Encontraron diferencias térmicas entre
el fondo de una dolina y las ubicaciones a lo largo de las pendientes laterales por encima
del flujo de salida más bajo que oscilaban entre 25 y 30ºC en presencia de nieve recién
caída, mientras que, las diferencias descendían a 10 y 15ºC con ausencia de nieve. La
capa de nieve es un factor importante que influye en la velocidad de enfriamiento y, por
tanto, en la intensidad de la inversión. La capa de nieve proporciona una capa aislante
que limita el flujo de calor del suelo hacia arriba que normalmente contrarrestaría las
pérdidas de radiación de onda larga desde la superficie (Whiteman et al., 2004). En el
área de estudio, el espesor de nieve fresca influye en que las temperaturas mínimas son
más bajas en el paraje de Monterilla (R 2 de -0,53). Todas las temperaturas mínimas
inferiores a 13ºC en dicho paraje se acompaña de nieve en la superficie (Fig. 5.36b).
348
5.4.3. Episodios asociados a temperaturas mínimas extremas
349
Fig. 5.37. Cartografía sinóptica promedio de las jornadas de ITN con las temperaturas
mínimas más bajas registradas: a) altura geopotencial a 500 hPa; b) presión atmosférica
al nivel del mar; c) temperatura en el geopotencial de 850 hPa; d) dirección y velocidad
del viento en el geopotencial de 500 hPa; y e) humedad relativa (%) en el geopotencial
de 500 hPa. Fuente: NOAA.
350
5.4.3.1. Episodio del 2 al 7 de diciembre de 2017
En niveles medios atmosféricos destaca una masa de aire frío desde Europa del Este
que llega a la Península Ibérica, con isotermas que especialmente durante la jornada
del día 2 llegan a -5ºC en el geopotencial de 850 hPa sobre el centro peninsular. Se
trata de una masa de aire muy fría que procede del círculo polar ártico, concretamente
del norte de Groenlandia, y la Tierra de Baffin (Canadá). Su procedencia, de origen
ártico continental se caracteriza por un claro descenso latitudinal, especialmente la
masa de aire a unos 950 hPa, desde unos 5000 m de altitud durante la jornada del 26
de noviembre, a unos 1000 m de altitud el día 2 de diciembre (Fig. 5.39). Además, tal y
como se muestra en el sondeo atmosférico de Murcia del día 3 (00 h UTC) se registran
temperaturas de -3,3ºC a 850 hPa, -7,7ºC a unos 2000 m de altitud, o -12,0ºC a 2500 m
de altitud.
351
Fig. 5.38. Configuración sinóptica del 2 de diciembre de 2017 a las 00 h UTC. Líneas
azules (geopotencial a 300 hPa), líneas rosas (temperatura a 850 hPa), y fondo (canal
masas de aire de EUMETSAT). Fuente: eumetrain.org.
Se trata de una masa de aire esencialmente seca, con un marcado flujo de componente
norte sobre el centro-oeste de la DHS, que no es capaz de generar precipitación durante
el episodio. Por tanto, no hay registro de nuevas nevadas que puedan servir de acicate
para un mayor descenso de las temperaturas mínimas en madrugadas posteriores.
Además, el producto “Snow Mass” del satélite MODIS no detecta la presencia de nieve
fresca durante el episodio, contando, además, anteriormente con una cobertura nivosa
muy escasa (Fig. 5.41). Todo ello, junto con otros factores, favorece una mayor
homogeneidad de las temperaturas mínimas en el interior de la DHS.
352
del centro-oeste de la DHS (Fig. 5.42). Sólo los relieves, y algunos sectores de mediana
altitud de relieves marginales registran temperaturas más elevadas.
353
límite apenas consigue superar los 500 m durante las horas diurnas, por lo que se
mantiene, en general, una estabilidad muy importante durante todo el episodio (Fig.
5.41).
Fig. 5.40. Retrotrayectorias de las masas de aire a 1000 y 950 hPa, desde el 26 de
noviembre al 2 de diciembre de 2017. Fuente: NOAA HYSPLIT MODEL.
No se puede atribuir, durante este episodio, una única madrugada que destaque sobre
el resto, si bien, hay dos madrugadas que marcarán un especial detalle, como son las
del 2 y 5 de diciembre, donde se registran los valores absolutos mínimos del área de
estudio, y temperaturas entorno a -10ºC en el centro de la Región de Murcia.
La primera de las madrugadas, la del día 2, empieza la tarde anterior, del día 1, con
temperaturas máximas por debajo de 0ºC en los datalogger ubicados por encima de
1500 m, lo que evidencia el periodo frío que se registra en el interior sureste peninsular.
Por el contrario, a una altitud menor, los valores máximos se sitúan entre 8 y 14ºC (entre
1200 y 460 m de altitud).
354
Fig. 5.41. Imagen satelital Terra, MODIS (3-6-7), corrected reflectance del 4 de
diciembre de 2017. Puntos, datalogger utilizados, y su temperatura mínima absoluta del
episodio. Fuente: earthdata.nasa.gov.
Con el avance de la tarde, y una estabilidad manifiesta en el área de estudio con nulo
viento y muy poca nubosidad, la temperatura empieza a descender rápidamente,
especialmente en Monterilla. La temperatura cae 7ºC en dos horas (de -7 a -14ºC),
aunque la evolución durante el resto de jornada fluctúa sin llegar a descender de -14,2ºC
(Tabla 5.20). En ésta primera madrugada, las temperaturas más bajas se registran en
las depresiones de mayor altitud con valores que descienden claramente de los -10ºC.
Además, el viento en observatorios de alta montaña, como Calar Alto, no supera los 5
m/s durante la citada madrugada, y el de Casas del Rey se mantiene entre 5-6 m/s. En
definitiva, valores de temperatura muy fríos en niveles medios, como arroja el sondeo
para el día 2, cielos despejados, y escaso viento, que en zonas deprimidas lo hace a
una menor velocidad. A pesar de las bajas temperaturas en zonas elevadas, las tasas
de enfriamiento tras la puesta de sol, y la capacidad de inversión no destacan en exceso
(intensidad máxima de 12,2ºC en Monterilla).
355
Fig. 5.42. Termografía del satélite VIIRS-SUOMI del 4 de diciembre de 2017, y valores
de temperatura mínima en los diferentes datalogger para dicha jornada.
Tal y como se aprecia en la Fig. 5.42, a partir de la madrugada del día 4 se producen
inversiones de temperatura más intensas, con el aumento de la temperatura en niveles
medios atmosféricos, y la prolongación de la estabilidad durante dichas madrugadas.
356
Tabla 5.19. Temperaturas mínimas absolutas (ºC) registrada en la red de datalogger del
2 al 7 de diciembre de 2017.
Incluso, estos valores son más elevados durante las posteriores madrugadas,
alcanzando el valor más elevado de CINV el día 7 en la Vega del río Mundo-Riopar con
19,4ºC. Es decir, mientras que en dicho paraje se registra una temperatura mínima de -
10,2ºC, a una altitud de 930 m, en atmósfera libre (dato del sondeo atmosférico), se
registraba una temperatura de 9,2ºC.
357
Tabla 5.20. Tasas de enfriamiento absolutas (ºC) o caída de la temperatura en 3 horas
(desde las 16.00 a las 19.00 h UTC), registrada en la red de datalogger del 2 al 7 de
diciembre de 2017.
Se trata, por tanto, de un periodo de máxima estabilidad, donde las inversiones térmicas
en altitudes medias (700-1200 m) fueron realmente intensas, y donde dichos periodos,
en zonas elevadas, fueron moderados sin el importante complemento de nieve fresca
en superficie. Vuelve a demostrarse que, sin nieve fresca, las zonas más elevadas de
los calares no son capaces de registrar temperaturas mínimas inferiores a -15ºC. La
nieve fresca posee bajos valores de conductividad térmica, lo que aísla al aire del suelo,
además de tener una elevada emisividad en el infrarrojo y un altísimo albedo en el visible
(Park et al., 2014)
358
Tabla 5.21. Intensidad de inversión (CINV) en la red de datalogger 2-7 diciembre de 2017.
Tabla 5.22. Temperaturas mínimas absolutas del 2 al 7 de diciembre de 2017 con y sin
datalogger de la red FrostSE. Redes utilizadas: SIAM IMIDA, SAIH Segura, AEMET,
Meteoclimatic.
359
Fig. 5.43. Evolución de las clases de estabilidad de Pasquill, del 2 al 7 de diciembre de
2017. Fuente: NOAA.
360
5.4.3.2. Episodio del 11 al 14 de diciembre de 2017
Fig. 5.45. Configuración sinóptica del 12 de diciembre de 2017 a las 12 h UTC. Líneas
azules (geopotencial a 300 hPa), líneas rosas (temperatura a 850 hPa), y fondo (canal
masas de aire de EUMETSAT). Fuente: eumetrain.org.
Los datos arrojados por el sondeo atmosférico nocturno de Murcia reflejan una
advección fría relativamente frecuente en época invernal. La isoterma en el geopotencial
de 850 hPa es de 1,3ºC sobre el área de estudio, mientras que, la isoterma de 0ºC
aparece a una altitud de 1716 m (Fig. 5.46).
361
Sin duda, uno de los aspectos más importantes es la escasa carga higrométrica de la
columna atmosférica. Con valores de humedad relativa entre el 45 y el 10% desde
superficie a 665 hPa (unos 3500 m. de altitud), corrobora que la masa de aire frío es
muy seca durante esos días. Por su parte, el viento en toda la columna atmosférica es
de componente NNO (norte-noroeste), siendo en general, entre débil y moderado.
362
La masa de aire fría que afecta durante el episodio al área de estudio es de origen ártico
continental (Ac), aunque su procedencia tiene origen en los países bálticos (Fig. 5.47).
Tras ascender latitudinalmente hasta el norte de Escandinavia, la masa de aire inicia un
descenso hacia latitudes más meridionales, tras recorrer el Mar Báltico, las costas de
Irlanda, Mar Cantábrico, y recorrer gran parte de la Península Ibérica.
Fig. 5.47. Retrotrayectorias de las masas de aire a 1000 y 950 hPa, desde el 10 de
diciembre al 13 de diciembre de 2017. Fuente: NOAA HYSPLIT MODEL.
El producto “Snow Mass” del satélite MODIS detecta la presencia de nieve fresca en la
Sª de Segura durante las jornadas del 11 y 12 de diciembre, con una cantidad de 3 a 4
kg/m2 en el Calar de Hernán Perea (Fig. 5.48). La superficie nivosa durante las jornadas
del 13 y 14 de diciembre, junto a parámetros de estabilidad, dará lugar a temperaturas
mínimas extremas en el sector más occidental del área de estudio.
363
interior montañoso sureste. Especialmente los dos principales calares (Hernán Perea y
Mundo) registran los mayores espesores de nieve, por exposición y altitud. Se produce,
por tanto, una importante dicotomía, entre los datalogger emplazados en superficie
nivosa, y el resto del área de estudio, donde la nieve no está presente en la superficie.
Aspecto que se refleja en las temperaturas mínimas registradas (Fig. 5.49). Los registros
inferiores a -10ºC aparecen exclusivamente en los calares del Mundo y Hernán Perea,
incluso, con registros inferiores a -20ºC. La diferencia es importante con el resto de
datalogger sin cobertura nivosa, con valores entre -7 y -9ºC en zonas occidentales de la
Región de Murcia, que conforman, eso sí, temperaturas mínimas muy destacables.
Fig. 5.48. Imagen satelital Terra, MODIS (3-6-7), corrected reflectance del 13 de
diciembre de 2017. Puntos, datalogger utilizados, y su temperatura mínima absoluta del
episodio. Fuente: earthdata.nasa.gov.
364
masa de aire frío sigue instalada sobre el sureste peninsular. En los Calares de Hernán
Perea y Mundo, las temperaturas máximas alcanzan 1ºC, todo ello con cielos
completamente despejados y un viento flojo de componente noroeste.
Tras la puesta de sol, y con la superficie cubierta de nieve fresca, caída en las últimas
48 horas, se produce un importante descenso térmico (con erosion en la CAP),
alcanzando, antes de la medianoche, registros de -17ºC en Hernán Perea, y de -7ºC en
el Calar del Mundo.
Fig. 5.49. Termografía del satélite VIIRS-SUOMI del 13 de diciembre de 2017, y valores
de temperatura mínima en los diferentes datalogger para dicha jornada.
365
por un coeficiente máximo de Pasquill (7), y un muy bajo coeficiente de mezcla vertical
(Fig. 5.48), junto a la presencia de nieve fresca, generó, que en depresiones ubicadas
a gran altitud (Monterilla, Nava del Polvo, y Viboreros), se registraran temperaturas
mínimas entre -20 y -23ºC.
Tabla 5.23. Temperaturas mínimas absolutas (ºC) registrada en la red de datalogger del
11 al 14 de diciembre de 2017.
366
La temperatura registrada en la Nava del Polvo (borde del Calar de Hernán Perea) de -
23,4ºC es el tercer registro más bajo registrado en la red propia de datalogger, sólo por
detrás de los -24,2ºC y -23,8ºC registrados en Monterilla durante los días 5 y 7 de febrero
de 2018. Sin duda, un valor extraordinario, sólo explicado por un proceso de inversión
térmica muy intenso y nieve fresca en superficie.
367
Tabla 5.25. Intensidad de inversión (CINV) registradas en la red de datalogger del 11 al
14 de diciembre de 2017.
368
Fig. 5.50. Evolución temporal de la temperatura en una selección de datalogger propios,
del 10 al 14 de diciembre de 2017.
369
Fig. 5.51. Evolución de las clases de estabilidad de Pasquill, del 11 al 14 de diciembre
de 2017. Fuente: NOAA.
370
5.4.3.3. Episodio del 5 al 9 de febrero de 2018
El inicio del mes de febrero de 2018 está marcado, desde el punto de vista sinóptico,
por la advección de una masa de aire frío de origen ártica marítima (Am), cuyo origen
se sitúa en las inmediaciones del círculo polar ártico (Fig. 5.52).
Fig. 5.52. Configuración sinóptica del 5 de febrero de 2018 a las 12 h UTC. Líneas
azules (geopotencial a 300 hPa), líneas rosas (temperatura a 850 hPa), y fondo (canal
masas de aire de EUMETSAT). Fuente: eumetrain.org
En niveles altos atmosféricos (geopotencial a 500 hPa), una gran borrasca fría en altura
(BFA) con reflejo en superficie (975 hPa) entre Reino Unido y Escandinavia desaloja
una masa de aire en todos los niveles atmosféricos sobre el continente europeo. Una
gran vaguada planetaria de onda corta, con eje NNE-SSO, abarca desde el norte de
Escandinavia hasta el sur de la Península Ibérica, constituyendo áreas de altas
presiones en el Atlántico central y en el mediterráneo norafricano (Fig. 5.53). El aire frío
en niveles medios y altos atmosféricos procedentes del norte de Europa es canalizado
hacia la Península a través del Anticiclón de las Azores sobre el Atlántico central (1035
hPa) y la baja de Génova (1000 hPa).
371
Fig. 5.53. Retrotrayectorias de las masas de aire a 1000 y 950 hPa, desde el 31 de
enero al 5 de febrero. Fuente: NOAA HYSPLIT MODEL.
Posteriormente, durante el episodio, se forma una baja relativa (1010 hPa) en el interior
sureste peninsular, lo que permite seguir impulsando la masa de aire frío hacia el área
de estudio. La isoterma de 0ºC en el geopotencial de 850 hPa, llega a abarcar la
totalidad de la Península Ibérica, registrándose, según el sondeo termodinámico de
Murcia (00 UTC) temperaturas de -3,0 y -2,8ºC durante las jornadas del 9 y 3 de febrero
respectivamente, evidenciando la extensión temporal e intensidad de la masa de aire
frío.
372
3000 m (695 hPa), o -31,2ºC a 500 hPa (a una altitud de 5422 m). Presenta un perfil
condicionalmente inestable, con vientos intensos (hasta 80 km/h) de componente norte
desde 300 a 650 hPa, y de componente noroeste y nor-noroeste desde 650 hPa a
superficie.
373
Fig. 5.55. Imagen satelital Terra, MODIS (3-6-7), “corrected reflectance” del 4 de febrero
de 2018. Puntos, datalogger utilizados, y su temperatura mínima absoluta del episodio.
Fuente: earthdata.nasa.gov.
La imagen satelital de la Fig. 5.55 refleja la superficie nivosa en tonos rojos, y las
fotografías tomadas durante el episodio (Fig. 5.56), reflejan espesores de nieve
relativamente importantes, con valores entre 5,5 y 6,3 kg/m2 en Hernán Perea y sierras
adyacentes (datos del producto “Snow mass 9 km). Será un factor determinante para la
génesis de temperaturas mínimas extremas durante los próximos días.
374
resultados muy bajos, con poca mezcla turbulenta, especialmente en las jornadas del 5,
6, y 7, a priori madrugadas más proclives para inversiones térmica más intensas.
Fig. 5.56. Termografía del satélite VIIRS LST del 7 de febrero de 2018, y valores de
temperatura mínima en los diferentes datalogger para dicha jornada.
375
empieza a descender de forma súbita (de 10ºC en una hora, de 13,9ºC en 3 horas),
entre las 17:20 y las 18:20 h (Tabla 5.28). A las 20.30 de la tarde se alcanza -20,0ºC,
mientras, que, a las 22:23 se alcanza la temperatura mínima de la jornada (-24,2ºC).
376
Tabla 5.27. Temperaturas mínimas absolutas (ºC) registrada en la red de datalogger del
5 al 9 de febrero de 2018, y tipología de estabilidad durante las horas nocturnas en cada
jornada.
377
Fig. 5.58. Evolución temporal de la temperatura en una selección de datalogger propios,
del 5 al 9 de febrero de 2018.
378
Tabla 5.29. Intensidad de inversión (CINV) registradas en la red de datalogger del 5 al 9
de febrero de 2018.
379
Con el transcurso de las siguientes madrugadas el ambiente frío se mantiene sobre el
área de estudio, con temperaturas máximas que apenas superan los 0ºC a una altitud
de 1500 m. Las temperaturas mínimas son extremas en el Calar del Mundo, con
registros de -18,4ºC en el paraje de Viboreros, o -14,8ºC en las Cañadas de Nerpio
(lugar habitado). Sin embargo, los registros, con menor influencia de la superficie nivosa,
son algo más modestos en el centro oeste de la DHS, con registros entre -6 y -9ºC en
la Comarca del Noroeste y Tierras Altas de Lorca de la Región de Murcia (Tabla 5.26).
Todo ello supone intensos procesos de inversión térmica, con CINV de hasta 9 y 10ºC en
parajes del centro-oeste de la DHS, y de hasta 16ºC en el Calar del Mundo (6 de febrero
2018).
Fig. 5.59. Fotografía tomada en uno de los páramos próximo a Monterilla, Calar de
Hernán Perea, del 5 de febrero de 2018. Foto: José María Serna García.
Los registros térmicos ponen de relieve la magnitud de los datos observados en los
Campos de Hernán Perea (Monterilla) durante el episodio analizado. Un total de 4 de 5
madrugadas con temperaturas inferiores a -20ºC, temperatura media de las mínimas de
-21,8ºC, y tasas de enfriamiento muy considerables (13,9ºC). Como muestra la
termografía satelital del 7 de febrero, la distribución térmica es muy parecida al resto de
días, donde se pone de relieve la supremacía ejercida por el Calar y las sierras
adyacentes, con la conformación de una “isla” de frío respecto al resto del interior SE
peninsular (Fig. 5.56). Ello se pone de manifiesto en la Tabla 5.29, con una gran
diferencia térmica entre observatorios de cabecera y el resto del centro-oeste de la DHS.
380
Eso sí, tan sólo la estación meteorológica automática de Don Domingo (Santiago-
Pontones), perteneciente a la red SAIH de la Confederación Hidrográfica del Segura,
aparece entre las 10 temperaturas más bajas del episodio, incluido los registros de la
red propia de datalogger (Tabla 5.30).
Aproximadamente dos semanas después del episodio se vuelve a producir una irrupción
de aire frío en el área de estudio, con génesis de temperaturas anormalmente bajas en
el interior de la DHS, especialmente el 24 de febrero de 2018. Es expuesto a
continuación.
381
Fig. 5.60. Configuración sinóptica del 23 de febrero de 2018 a las 06 h UTC. Líneas
azules (geopotencial a 300 hPa), líneas rosas (temperatura a 850 hPa), y fondo (canal
masas de aire de EUMETSAT). Fuente: eumetrain.org.
Se trata de una masa de aire esencialmente seca, con muy poca carga higrométrica en
la columna atmosférica (Fig. 5.62), lo que deja escasas precipitaciones durante el
episodio. A pesar de que, en niveles bajos, la humedad relativa llega a alcanzar el 50-
60%, a partir de 2700 m de altitud (719 hPa), el porcentaje de humedad es inferior al
10% hasta los 4873 m de altitud (542 hPa). Se encuentra, por tanto, un estrato
extremadamente seco que inhibe cualquier formación de precipitación.
382
Fig. 5.61. Retrotrayectorias de las masas de aire a 1000 y 950 hPa, desde el 20 de
febrero al 24 de febrero. Fuente: NOAA HYSPLIT MODEL.
Hasta la noche del día 24 no se registran algunas nevadas débiles en el área de estudio,
si bien, son débiles y de características orográficas. El día 26, coincidiendo con el final
de episodio de frío, empieza a llover al oeste de la DHS debido a la llegada de un frente
383
atlántico que accede a la Península Ibérica por el suroeste peninsular, con algunas
nevadas en zonas elevadas, y que da por concluido, con la presencia de nubosidad y
una masa de aire más suave, el episodio de temperaturas mínimas extremas.
Fig. 5.62. Sondeo termodinámico lanzado desde Murcia, el 23 de febrero de 2018 a las
00 UTC. Fuente: Meteociel.fr.
La imagen satelital (Fig. 5.63) muestra muy poca cobertura nivosa en la cabecera de la
DHS, apenas una fina capa en el Calar de Hernán Perea, y sierras adyacentes. El
producto MODIS “Snow Mass” apenas percibe estimaciones de 0 a 0,8 kg/m 2, por lo que
la influencia en los procesos de irradiación es mínima. Esto va a repercutir notablemente
en la génesis de temperaturas mínimas inferiores a -15ºC, especialmente en la única
zona potencial con capacidad para registrar valores próximos a -25ºC, en el Calar de
Hernán Perea.
384
Fig. 5.63. Imagen satelital Terra, MODIS (3-6-7), corrected reflectance del 23 de febrero
de 2018. Puntos, datalogger utilizados, y su temperatura mínima absoluta del episodio.
Fuente: earthdata.nasa.gov.
385
de tipo alto, que elevan las temperaturas mínimas durante las madrugadas del 25 y 26
de febrero.
386
Fig. 5.65. Termografía del satélite VIIRS-SUOMI del 24 de febrero de 2018, y valores
de temperatura mínima en los diferentes datalogger para dicha jornada.
Aun así, las intensidades de inversión han sido relativamente elevadas (Tabla 5.33), con
un promedio en la red de datalogger de -13,9ºC, a diferencia de -9,8ºC registrada en el
anterior episodio (5-9 febrero 2018). Corrobora, por tanto, que se trata de un episodio
con procesos de inversión térmica más regulares espacialmente, pero con intensidades
absolutas algo más bajas. A pesar de ello, se registran inversiones de temperatura de
hasta 16,3ºC en las poblaciones de Cañada Grande (Almería) y Avilés (Murcia), o
15,7ºC en la de Arroyo Hurtado, situada a una altitud inferior a 500 m.
387
Tabla 5.31. Temperaturas mínimas absolutas (ºC) registrada en la red de datalogger del
22 al 26 de febrero de 2018.
388
Tabla 5.32. Tasas de enfriamiento absolutas (ºC) o caída de la temperatura en 3 horas
(desde las 16.00 a las 19.00 h UTC), registrada en la red de datalogger del 22 al 26 de
febrero de 2018.
389
Es preciso considerar, que las madrugadas, según la clasificación de Pasquill, son a
nivel general eminentemente estables, con tipologías F y G (moderada y
extremadamente estable). El estrato de la capa límite en horas nocturnas se sitúa 50-
51 m sobre la superficie del área de estudio, con coeficientes de mezcla vertical
relativamente bajos. Eso sí, la capa límite ascienden altitudinalmente por encima de los
1000 m en horas nocturnas, aunque a excepción del día 22, el resto de días registran
un bajo coeficiente de mezcla vertical (Fig. 5.65).
Las diferencias térmicas espaciales son poco acusadas durante el episodio, con los
registros de temperaturas mínimas del resto de redes de la DHS. Destacan los registros
de enclaves dispares del Noroeste de la Región de Murcia, como los -7,2ºC de El
Chaparral (a 432 m de altitud), y Tarragoya (-7,1ºC), rondando los 1000 m de altitud.
Inversiones térmicas, por tanto, que funcionaron en cualquier tipología de valle del
centro-oeste del área de estudio. Tan sólo, el registro del Embalse de La Risca
(Moratalla), perteneciente a la red SAIH de la Confederación Hidrográfica del Segura (-
9,3ºC), llega a situarse entre los 10 registros más fríos del episodio, con los datos
térmicos de la red de datalogger propia (Tabla 5.34).
390
Tabla 5.34. Temperaturas mínimas absolutas del 22 al 26 de febrero de 2018 con y sin
datalogger de la red FrostSE. Redes utilizadas: SIAM IMIDA, SAIH Segura, AEMET,
Meteoclimatic.
Referencias bibliográficas
Clements, C.B., Whiteman, C.D., y Horel, J.D. (2003): “Cold-air-pool structure and
evolution in a mountain basin: Peter Sinks, Utah”. Journal of Applied
Meteorology, 42(6), 752-768. https://doi.org/10.1175/1520-
0450(2003)042<0752:CSAEIA>2.0.CO;2
De Wekker, S. F. J., y Whiteman C. D., (2006): “On the time scale of nocturnal boundary
layer cooling in valleys and basins and over plains”. J. Appl. Meteor. Climatol.,
45, 813–820. https://doi.org/10.1175/JAM2378.1
Dorninger, M., Whiteman, C.D., Bica, B., Eisenbach, S., Pospichal, B., y Steinacker, R.
(2011): “Meteorological events affecting cold-air pools in a small basin”. Journal
of Applied Meteorology and Climatology, 50(11), 2223-2234.
https://doi.org/10.1175/2011JAMC2681.1
391
Eisenbach, S., Pospichal, B., Whiteman, C.D., Steinacker, R., y Dorninger, M. (2003).
“Classification of cold air pool events in the Gstettneralm, a sinkhole in the
Eastern Alps”. Extended Abstracts, Int. Conf. on Alpine Meteorology and MAP-
Meeting, Brig, Switzerland, MeteoSwiss, Publication 66, 157–160.
Fritts, D. C., Bizon, C., Werne, J. A., and Meyer, C. K. (2003): “Layering accompanying
turbulence generation due to shear instability and gravity-wave breaking”. J.
Geophys. Res., 108, 8452. https://doi.org/10.1029/2002JD002406
Geiger, R. (1965): The climate near the ground. Revised Edition, Cambridge Mass,
Hardvard University Press, 611 p.
González, M. I., Acuña, J. L., García, H., Rodríguez, A., Pajares, S., Rodríguez, J. y
Pérez, H. J. (2018): “Proyecto Jous. Temperaturas mínimas absolutas en la
Cordillera Cantábrica y su relación con las piscinas de aire frío”. Acta de las
Jornadas Científicas de la Asociación Meteorológica Española, 1(35).
Gudiksen, P. H., Leone Jr, J. M., King, C. W., Ruffieux, D., y Neff, W. D. (1992):
“Measurements and modeling of the effects of ambient meteorology on nocturnal
drainage flows”. Journal of Applied Meteorology, 31(9), 1023-1032.
https://doi.org/10.1175/1520-0450(1992)031<1023:MAMOTE>2.0.CO;2
392
Iglesias González, M., Acuña, J.L, García H., Rodríguez, A., Pajares, S., Rodríguez, J.,
Ruiz-Verdú, A., y Jesús Pérez H. (2018): Proyecto Jous: temperaturas mínimas
absolutas en la cordillera cantábrica y su relación con las piscinas de aire frío.
XXXV Jornadas científicas de la AME - 19º encuentro hispano-luso de
meteorología. https://doi.org/10.30859/ameJrCn35
Iijima, Y., y Shinoda, M. (2000): “Seasonal changes in the cold‐air pool formation in a
subalpine hollow, central Japan”. International Journal of Climatology: A Journal
of the Royal Meteorological Society, 20(12), 1471-1483.
https://doi.org/10.1002/1097-0088(200010)20:12<1471::AID-
JOC554>3.0.CO;2-6
Jiménez, M.A., Ruiz, A., y Cuxart, J. (2015): “Estimation of cold pool areas and chilling
hours through satellite-derived surface temperatures”. Agricultural and Forest
Meteorology, 207, 58-68. https://doi.org/10.1016/j.agrformet.2015.03.017
Katurji, M., y Zhong, S. (2012): “The influence of topography and ambient stability on the
characteristics of cold-air pools: A numerical investigation”. Journal of applied
meteorology and climatology, 51(10), 1740-1749. https://doi.org/10.1175/JAMC-
D-11-0169.1
Kondo, H. (1995): “The thermally induced local wind and surface inversion over the
Kanto plain on calm winter nights”. Journal of Applied Meteorology, 34(6), 1439-
1448. https://doi.org/10.1175/1520-0450(1995)034<1439:TTILWA>2.0.CO;2
Lareau, N. P., Crosman, E., Whiteman, C. D., Horel, J. D., Hoch, S. W., Brown, W. O., y
Horst, T. W. (2013). “The persistent cold-air pool study”. Bulletin of the American
Meteorological Society, 94(1), 51-63. https://doi.org/10.1175/BAMS-D-11-
00255.1
Litschauer, D., (1962): “Untersuchung der Entwicklung von Kaltluftseen in Dolinen- und
Beckenlagen (Investigation of the development of cool air pools in sinkholes and
basins)”. Ph.D. dissertation, University of Vienna, 129 pp.
393
Maki, M., y Harimaya, T. (1988): “The effect of advection and accumulation of downslope
cold air on nocturnal cooling in basins”. Journal of the Meteorological Society of
Japan. Ser. II, 66(4), 581-597. https://doi.org/10.2151/jmsj1965.66.4_581
Martínez Núñez, L., Moreno, J. V., Chazarra, A., Gallego Abaroa, T., Avello, E., y Botey,
M. R. (2015): “Mapas de riesgo: Heladas y horas de frío en la España peninsular
(periodo 2002-2012)”. Agencia Estatal de Meteorología (España).
McKee, T. B., y O'Neal, R. D. (1989): “The role of valley geometry and energy budget in
the formation of nocturnal valley winds”. Journal of Applied Meteorology, 28(6),
445-456. https://doi.org/10.1175/1520-
0450(1989)028<0445:TROVGA>2.0.CO;2
Miró, J. R., Pagès, M., y Kossman, M. (2010): “Cold-air pool detection tools in the
Pyrenees valleys”. In 14th Conference on Mountain Meteorology.
Miró, J.R., Peña, J. C., Pepin, N., Sairouni, A., y Aran, M. (2017): “Key features of cold‐
air pool episodes in the northeast of the Iberian Peninsula (Cerdanya, eastern
Pyrenees)”. International Journal of Climatology, 37.
https://doi.org/10.1002/joc.5236
Nafría, D. A., Garrido, N., Álvarez, M. V., Cubero, D., Fernández, M., Villarino, I., y Abia,
I. (2013): Atlas Agroclimático de Castilla y León. Madrid: Instituto Tecnológico
Agrario de Castilla y León y Agencia Estatal de Meteorología.
Nakamura, C., y Magono, C. (1982): “The extremely low temperature in Hokkaido, Japan
during 1976-77 winter and its numerical simulation”. Journal of the Meteorological
Society of Japan. Ser. II, 60(4), 956-966.
https://doi.org/10.2151/jmsj1965.60.4_956
394
Pagès, M., Pepin, N., y Miró, J.R. (2017): “Measurement and modelling of temperature
cold pools in the Cerdanya valley (Pyrenees), Spain”. Meteorological
Applications, 2(24), 290-302 https://doi.org/10.1002/met.1630
Park, H., Sherstiukov, A. B., Fedorov, A. N., Polyakov, I. V., y Walsh, J. E. (2014): “An
observation-based assessment of the influences of air temperature and snow
depth on soil temperature in Russia”. Environmental Research Letters, 9(6),
064026.
Pasquill, F. (1961): “The estimation of the dispersion of windborne material”. Met. Mag.,
90, 33.
Petkovšek, Z. (1992): “Turbulent dissipation of cold air lake in a basin”. Meteorology and
Atmospheric Physics, 47(2-4), 237-245. https://doi.org/10.1007/BF01025620
Pope, D., and C. Brough, (1996): Utah’s Weather and Climate. Publishers Press, 245 pp
Pospichal, B., Eisenbach, S., Whiteman, C.D., Steinacker, R., y Dorninger, M. (2003):
“Observations of the cold air outflow from a basin cold pool through a low pass”.
En Ext. Abstr., Vol. A, Intl Conf. Alpine Meteor. and the MAP-Meeting 2003 (pp.
153-156).
Rakovec, J., Merše, J., Jernej, S., y Paradiž, B. (2002): “Turbulent dissipation of the cold-
air pool in a basin: Comparison of observed and simulated development”.
Meteorology and Atmospheric Physics, 79(3-4), 195-213.
https://doi.org/10.1007/s007030200003
Renon, B. (2011): “Le fabbriche naturali del freddo. Dipartimento Regionale per la
Sicurezza del Territorio”. ARPAV, 46 pp.
395
Sauberer, F., y Dirmhirn, I. (1956): “Weitere Untersuchungen über die
kaltluftansammungen in der Doline Gstettner-Alm bei Lunz im Niederösterreich”
(Further investigations of the cold air buildup in the Gstettner-Alm doline near
Lunz in lower Austria). Wetter Leben, 8, 187-196.
Savoie, M. H., y T. B. McKee, (1995): “The role of wintertime radiation in maintaining and
destroying stable layers”. Theor. Appl. Climatol., 52, 43–54.
https://doi.org/10.1007/BF00865506
Smith, R. (1997): “Local and remote effects of mountains on weather: Research needs
and opportunities”. Bull. Amer. Meteor. Soc., 78, 877–892.
Steinacker, R., Dorninger, M., Pospichal, B., Eisenbach, S., Holzer, A.M., Whiteman,
C.D., y Baumann, K. (2007): “A sinkhole field experiment in the Eastern Alps”.
Bulletin of the American Meteorological Society, 88(5), 701-716.
https://doi.org/10.1175/BAMS-88-5-701
Vrhovec, T. (1991): “A cold air lake formation in a basin. A simulation with a mesoscale
numerical model”. Meteorology and Atmospheric Physics, 46(1-2), 91-99.
https://doi.org/10.1007/BF01026626
396
Whiteman, C.D., (1986): “Temperature inversion buildup in Colorado’s Eagle Calley”.
Meteorology and Atmospheric Physics, 35(4): 220-226.
https://doi.org/10.1007/BF01041814
Whiteman, C.D. y Barr, S., (1986): “Atmospheric mass transport by a long-valley wind
systems in a deep Colorado valley”. Journal of Climate and Applied Meteorology,
25(9): 1205- 1212. https://doi.org/10.1175/1520-
0450(1986)025<1205AMTBAV>2.0.CO;2
Whiteman, C. D., McKee, T. B., y Doran, J. C. (1996): “Boundary layer evolution within
a canyonland basin. Part I: Mass, heat, and moisture budgets from observations”.
Journal of applied Meteorology, 35(12), 2145-2161. https://doi.org/10.1175/1520-
0450(1996)035<2145:BLEWAC>2.0.CO;2
Whiteman, C.D., Bian, X. y Zhong, S., (1997): “Low-level jet climatology from enhanced
rawinsonde observations at a site in the southern Great Plains”. Journal of
Applied Meteorology, 36(10): 1363-1376. https://doi.org/10.1175/1520-
0450(1997)036<1363:LLJCFE>2.0.CO;2
Whiteman, C.D., Zhong, S., Shaw, W.J., Hubbe, J.M., Bian, X. y Mittelstadt, J., (2001):
“Cold pools in the Columbia Basin”. Weather and Forecasting, 16(4): 432-447.
https://doiorg/10.1175/1520-0434(2001)016<0432:CPITCB>2.0.CO;2
Whiteman, C.D., Pospichal, B., Eisenbach, S., Weihs, P., Clements, C.B., Steinacker,
R. y Dorninger, M., (2004): “Inversion breakup in small Rocky Mountain and
Alpine basins”. Journal of Applied Meteorology, 43(8): 1069-1082. https://
doi.org/10.1175/1520-0450(2004)043<1069:IBISRM>2.0CO;2
https://doi.org/10.1175/1520-0450(2004)043<1069:IBISRM>2.0.CO;2
Whiteman, C.D., Haiden, T., Pospichal, B., Eisenbach, S. y Steinacker, R., (2004b):
“Minimum temperatures, diurnal temperature ranges, and temperature inversions
in limestone sinkholes of different sizes and shapes”. Journal of Applied
Meteorology, 43(8): 1224-1236. https://doi.org/10.1175/1520-
0450(2004)043<1224:MTDTRA>2.0.CO;2
397
Whiteman, C.D., Hoch, S.W., Hahnenberge R.M., Muschinski, A., Hohreiter, V., Behn,
M. y Clements, C.B., (2008): “METCRAX 2006: Meteorological experiments in
arizona’s meteor crater”. Bulletin of the American Meteorological Society, 89(11):
1665- 1680. https://doi.org/10.1175/2008BAMS2574.1
Wolyn, P. G., y McKee, T. B. (1989): “Deep stable layers in the intermountain western
United States”. Monthly weather review, 117(3), 461-472.
https://doi.org/10.1175/1520-0493(1989)117<0461:DSLITI>2.0.CO;2
Yoshino, M. M. (1984): “Thermal belt and cold air drainage on the mountain slope and
cold air lake in the basin at quiet, clear night”. GeoJournal, 8(2), 235-250.
https://doi.org/10.1007/BF00446473
Zhong, S., Whiteman, C. D., Bian, X., Shaw, W. J., y Hubbe, J. M. (2001):
“Meteorological processes affecting the evolution of a wintertime cold air pool in
the Columbia basin”. Monthly Weather Review, 129(10), 2600-2613.
https://doi.org/10.1175/1520-0493(2001)129<2600:MPATEO>2.0.CO;2
Zhong, S., Bian, X., y Whiteman, C. D. (2003): “Time scale for cold-air pool breakup by
turbulent erosion”. Meteorologische Zeitschrift, 12(4), 229-233.
https://doi.org/10.1127/0941-2948/2003/0012-0231
398
CAPÍTULO 6
Las tendencias de calentamiento global durante las últimas décadas y las proyecciones
futuras prevén inviernos, por lo general, más cálidos a nivel planetario. Especialmente,
las temperaturas máximas adquieren unos patrones al alza más consensuados en la
comunidad científica, mientras que, la evolución de las temperaturas mínimas, y, por
consiguiente, las heladas, presentan más incertidumbre debido a su mayor variabilidad
espacio-temporal. Si bien, parece confirmado el incremento de mínimas elevadas en
meses cálidos (“noches tropicales”) como efecto del calentamiento, especialmente en
las regiones del litoral mediterráneo español, en relación con el propio aumento que
registran las temperaturas del mar (Olcina et al., 2019).
Durante los últimos años y especialmente de forma reciente se han llevado a cabo
numerosos estudios sobre tendencias temporales de días fríos y días de helada (FD) a
lo largo del planeta, destacando estudios globales (Liu et al., 2018) y regionales (Vitasse
et al., 2018). El interés por el estudio del frío y de sus índices asociados ha permitido el
análisis de tendencias temporales en todo el planeta y en diferentes periodos
temporales. El estudio anteriormente citado de Liu et al. (2018) pone de manifiesto que
los días de helada no siguen un patrón lo suficientemente claro a nivel mundial (1982-
2012), con disminuciones en el norte de Siberia, meseta del Tibet, y noroeste de
América del Norte, y aumentos en amplias regiones europeas. Ello ha supuesto un gran
debate en la comunidad científica, muy ligado a estudios de riesgos de heladas, y
especialmente al estudio de los periodos de heladas (FP), con especial incidencia en la
fenología de los cultivos.
400
En relación a la fenología aparecen interesantes estudios científicos en Oceanía, donde
destacan los realizados en el cinturón de trigo de Australia (Crimp et al., 2016; Zheng et
al., 2015), o en zonas vitivinícolas de Nueva Zelanda (Marlborough), por Sturman y
Quénol (2013).
401
series meteorológicas utilizadas. Se realiza un importante análisis estadístico para
poder realizar un estudio lo más riguroso sobre el actual cambio climático. Por tanto, es
preciso disponer de datos climáticos de calidad para el análisis estadístico y temporal
de las temperaturas mínimas diarias. Las series climáticas, por tanto, deben ser
sometidas a un proceso de corrección, subsanación de errores y análisis de
homogeneidad. De esta manera se obtendrán series meteorológicas completas y
homogeneizadas cuando las fluctuaciones térmicas se relacionen únicamente con
cambios naturales del clima, y estén libres de sesgos externos y artificiales (Cuadrat et
al., 2013; Aguilar et al., 2013).
Para corregir los errores de las series meteorológicas analizadas se han utilizado
diferentes métodos de homogeneización. En primer lugar, con procesos y test manuales
(destacando, por ejemplo, el Standard Normal Homogeneity Test (SNHT) (Peterson et
al., 1998). Y, posteriormente, con el desarrollo de potentes softwares capaces de
corregir datos completos de temperatura y precipitación a escala mensual y diaria. Entre
ellos, sobresalen SPLIDHOM y HOMER (Mestre et al., 2011, 2013), ProClimDB
(Stepanek, 2008), Climatol (Guijarro, 2014), ClimDex (Alexander et al., 2011; OMM-
ETCCDI, 2013) o RClimDex, que es una versión adaptado al lenguaje R (Li et al., 2009)
o adaptado a EXTRAQC (Aguilar y Prohom, 2011). Recientemente, aparecen los
softwares ClimPACT2 (Alexander y Herold, 2016), y reddPrec (en lenguaje R) específico
para la reconstrucción de precipitación (Serrano-Notivoli et al., 2017).
402
La aplicación del control de calidad (QC) y de los procesos de homogeneización a las
series meteorológicas utilizadas ha permitido la creación de una base de datos fiable de
temperatura diaria en la DHS, a la par que son desestimadas aquellas series que no
cumplen con un mínimo de calidad para realización de estudios climáticos
6.2.1. Datos
La realización de la Tesis Doctoral ha contado con una amplia base de datos climáticos
en la totalidad de la Demarcación Hidrográfica del Segura (DHS). En total, se han
recopilado 346 estaciones meteorológicas con datos diarios de temperatura
pertenecientes a la Agencia Estatal de Meteorología (AEMET), Confederación
Hidrográfica del Segura, y al Sistema de Información Agrometeorológica (SIAM) del
IMIDA.
Se realiza una primera inspección inicial para identificar las estaciones meteorológicas
con un periodo temporal extenso. Se elige el periodo 1950-2016, con un total de 66 años
de estudio (casi 7 décadas de estudio). La finalización del periodo temporal en el año
2016, y no posteriormente, se fundamenta en que varias de las estaciones
meteorológicas no poseen datos en los últimos años (2017-2019). Para poseer un
periodo totalmente homogéneo se decide finalizar el periodo el 31 de diciembre de 2016.
403
temperaturas mínimas y en el posterior análisis estadístico de las tendencias
temporales.
404
Fig. 6.2. Distribución espacial de los observatorios meteorológicos para el período 1997-
2016.
6.2.2. Métodos
En primer lugar, para una inspección más avanzada en las temperaturas diarias se
utiliza el software ClimPACT2.0, un paquete libre (GUI) asociado al software R Studio.
El paquete estadístico calcula frecuencias, duración y magnitud de diferentes índices
climáticos extremos propuestos por el Expert Team on Sector-specific Climate Indices
(ET-SCI) de la Organización Meteorológica Mundial (WMO), así como índices climáticos
extremos adicionales (Alexander y Herold, 2016). Para las salidas gráficas de diferentes
formatos incorpora los paquetes climdex.pcic y climdex.pcic.ncdf de R Studio,
405
desarrollados por el Pacific Climate Impact Consortium (PCIC) de la University of
Victoria (Australia).
El control de calidad (QC) aplicado por el software ClimPACT2 realiza una primera
inspección sobre la calidad de los datos de las series meteorológicas. Se identifican y
analizan las siguientes variables, y se eligen las series que finalmente pueden ser
utilizadas en el posterior análisis:
Además, ClimPACT2 realiza una serie de salidas gráficas para poder realizar una
primera valoración de la calidad de la serie meteorológica. Por un lado, se genera un
diagrama de cajas (bloxpot) anual, con la serie meteorológica completa (cajas con
valores IQR o valores intercuartílicos) con percentiles 75 (p75) y 25 (p25). Y el otro, un
boxplot que hace referencia a los valores de los diferentes meses del año, también con
valores IQR. Muy válidos para observar anomalías (Figuras 6.3 y 6.4)
406
Fig. 6.3. Gráfico “boxseries” (diagrama de caja anual) de las temperaturas mínimas
diarias de la estación meteorológica de Fuente Álamo – AEMET (7023). Generado por
ClimPACT2.
407
Fig. 6.4. Ejemplo de evolución de temperaturas mínimas (ºC) en la estación
meteorológica de Fuente Álamo – AEMET (7023) generada por ClimPACT2, sin
reconstruir. Segmento de 1990-2016.
donde snht es el umbral de rechazo del test de homogeneidad cuando se aplica a todo
el periodo, y el dz.max el umbral de desviaciones estándar en el análisis de outliers.
408
ACmx: autocorrelación máxima absoluta de anomalías por estaciones.
SNHT: prueba estándar de homogeneidad normal en series de anomalías.
RMSE: error cuadrático medio de los datos estimados.
Nº de roturas o inhomogeneidades de cada estación meteorológica.
POD: porcentaje de datos originales de las series ya homogeneizadas. Para el
análisis de tendencias temporales es elegida la serie que dispone del mayor
porcentaje de datos originales (POD) de cada observatorio homogeneizado.
Los índices utilizados se someten a una evaluación estadística temporal a nivel anual,
mientras, que, los índices FD, TNm, y TN10p también son analizados a nivel mensual y
estacional. La cartografía de tendencia temporal para cada periodo de análisis (1950-
2016) y (1997-2016), es realizada a través del software ArcGis 10.3, así como la
presentación de diferentes tablas y figuras.
409
Finalmente, el análisis del índice EA, y su correlación con la evolución temporal de los
índices, es llevada a cabo a través del coeficiente de concordancia de Kendall (Kendall,
1938), utilizando un nivel de significancia (valor p) de 0.95.
6.3. RESULTADOS
Tabla 6.3. Resumen estadístico del QC aplicado por el software ClimPACT2 para las 63
estaciones meteorológicas escogidas inicialmente.
NA OUTLIERS
(%) (%) (%) (%) FATLINE (%) JUMPS (%)
Código Duplicates TX TN TX TN TX<TN TX TN TX TN
7023 0,0 6,4 6,4 0,0 0,0 0,1 0,6 0,6 0,0 0,0
7026 0,0 0,8 0,8 0,0 0,0 0,0 0,9 1,4 0,0 0,0
7031 0,0 0,5 0,5 0,1 0,0 0,0 0,1 0,0 0,0 0,0
7045 0,0 6,0 3,8 0,2 0,0 2,2 0,7 1,4 0,0 0,0
7056 0,0 6,9 4,5 0,1 0,0 6,1 0,1 0,3 0,0 0,0
7059 0,0 6,2 6,2 0,0 0,2 0,4 0,2 0,5 0,1 0,0
7065 0,0 2,6 2,3 0,0 0,0 0,2 0,3 0,7 0,0 0,0
7066 0,0 2,3 2,3 0,0 0,0 0,1 0,3 0,8 0,0 0,0
7077 0,0 9,4 9,4 0,0 0,0 0,1 0,7 1,5 0,0 0,0
7081 0,0 2,8 2,7 0,0 0,0 0,7 0,8 1,3 0,0 0,0
7083 0,0 0,2 0,2 0,0 0,0 0,2 0,3 0,7 0,0 0,0
7092 0,0 6,0 5,8 0,0 0,0 0,4 1,4 2,4 0,0 0,0
7129 0,0 1,9 1,8 0,0 0,0 0,1 0,4 0,9 0,0 0,0
7168 0,0 1,6 1,6 0,0 0,0 0,1 0,1 0,4 0,0 0,0
7198 0,0 0,3 0,3 0,0 0,0 0,1 0,2 0,3 0,0 0,0
7205 0,0 0,8 0,8 0,0 0,0 0,0 0,2 0,5 0,0 0,0
7206 0,0 1,7 1,7 0,0 0,0 0,3 0,6 1,3 0,0 0,0
7214 0,0 3,6 3,8 0,0 0,0 0,1 0,7 0,1 0,0 0,0
7219 0,0 1,4 1,4 0,0 0,0 0,2 1,8 2,2 0,0 0,0
7226 0,0 3,5 3,4 0,0 0,0 0,1 0,2 0,4 0,0 0,0
7228 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
7247 0,0 1,3 1,3 0,0 0,0 0,1 0,3 0,6 0,0 0,0
7001 0,0 8,7 8,7 0,1 0,0 0,1 0,6 1,0 0,0 0,0
7002 0,0 6,3 5,8 0,0 0,0 0,0 0,2 0,3 0,0 0,0
410
7013 0,0 6,9 7,3 0,0 0,0 0,0 0,0 0,0 0,0 0,0
7054 0,0 1,4 1,4 0,5 0,0 1,9 0,6 1,9 0,0 0,0
7096B 0,0 22,4 22,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0
7102 0,0 2,9 2,4 0,0 0,0 0,0 0,2 0,3 0,0 0,0
7103 0,0 5,9 5,9 0,0 0,1 0,0 0,5 0,7 0,0 0,0
7113 0,0 1,6 1,2 0,0 0,0 0,1 0,2 0,4 0,0 0,0
7119A 0,0 2,6 2,6 0,0 0,0 0,1 0,3 1,0 0,0 0,0
7120C 0,0 30,6 30,6 0,0 0,0 0,0 0,1 0,2 0,0 0,0
7121 0,0 0,0 0,0 0,0 0,0 0,2 0,7 1,6 0,0 0,0
7127D 0,0 2,1 2,1 0,0 0,0 0,1 0,4 1,5 0,0 0,0
7131 0,0 0,2 0,0 0,0 0,0 0,1 1,1 1,7 0,0 0,0
7151 0,0 0,7 0,6 0,0 0,0 0,1 0,9 2,7 0,0 0,0
7161A 0,0 1,7 1,7 0,0 0,0 0,0 0,2 1,4 0,0 0,0
7181I 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
7182 0,0 4,7 4,7 0,0 0,0 0,0 0,1 0,2 0,0 0,0
7194 0,0 8,5 3,0 0,0 0,0 2,5 0,3 0,7 0,0 0,0
7209 0,0 2,6 3,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0
7261I 0,0 4,9 4,8 0,1 0,0 0,0 1,1 0,8 0,0 0,0
AL41 0,0 0,2 0,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0
AL62 0,0 0,8 0,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0
CA91 0,0 0,8 0,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0
CI22 0,0 0,3 0,3 0,0 0,0 0,0 0,0 0,0 0,0 0,0
CI42 0,0 2,9 2,9 0,0 0,0 0,0 0,0 0,0 0,0 0,0
CI52 0,0 1,0 1,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
CR32 0,0 5,2 5,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0
CR52 0,0 1,1 1,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0
JU12 0,0 5,3 5,3 0,0 0,0 0,0 0,0 0,0 0,0 0,0
JU52 0,0 1,2 1,2 0,0 0,0 0,0 0,0 0,0 0,0 0,0
JU71 0,0 0,6 2,6 0,0 0,0 0,0 0,0 0,0 0,0 0,0
LO51 0,0 0,8 2,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0
LO61 0,0 0,5 2,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0
MO22 0,0 0,5 2,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0
MO31 0,0 13,8 13,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0
MU52 0,0 0,7 0,7 0,0 0,0 0,0 0,0 0,0 0,0 0,0
TP22 0,0 4,4 4,4 0,0 0,0 0,0 0,0 0,0 0,0 0,0
TP42 0,0 2,8 2,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0
TP73 0,0 3,9 3,9 0,0 0,0 0,0 0,0 0,0 0,0 0,0
411
En general, las series meteorológicas muestran pocas lagunas de datos diarios
faltantes. No se advierte ninguna anomalía sin datos en un periodo temporal de
importancia. Además, el histograma de frecuencias tampoco muestra sesgos
importantes, si bien posee algo de sesgo a la izquierda, aunque al no ser demasiado
pronunciado, los datos de temperatura mínima cumplen con los requisitos previos. En
el proceso de homogeneización se aplica un dz.max=7, ya que el valor predeterminado
eliminaría los datos con anomalías absolutas superiores a 7 desviaciones típicas. Por
tanto, son eliminadas, y reconstruidas, las desviaciones estándar superiores a 7/-7 para
las series meteorológicas escogidas.
Las correlaciones estadísticas entre las diferentes estaciones son generalmente más
bajas cuando la distancia es mayor. Cuanto más altas sean las correlaciones, mayor
será la fiabilidad de la homogeneización y el relleno de datos ausentes. En particular,
las correlaciones deben ser siempre positivas, al menos dentro de un rango de
distancias razonables. En el análisis, las temperaturas mínimas muestran una
importante variabilidad espacial con correlaciones estadísticas moderadas.
412
Los valores de RMSE se calculan al comparar los datos estimados y los observados en
cada serie. Un valor alto puede indicar una mala calidad, pero también podría deberse
a que la estación se encuentra en un sitio peculiar con un microclima distinto.
Cuando hay una separación (o un mínimo claro) entre estas condiciones, es muy fácil
establecer un valor entre ellas como umbral para las etapas de detección. El análisis de
las 22 series muestra la separación de las barras de frecuencia, lo que dificulta la
decisión. Si se procesase un gran número de series estos histogramas mostrarían una
alta frecuencia de valores bajos, correspondientes a series bastante homogéneas.
Tras analizar las gráficas individuales de cada serie, y los gráficos de la Fig. 6.6, se
establece, a priori, unos umbrales de snht1=200 y snht2=2000, ya que el snht por
ventanas muestra una clara disminución de frecuencia a partir de 200, mientras que, en
el máximo global (derecha) establece un agrupamiento en la parte izquierda del
histograma (hasta 2000). Tras el análisis de las series se advierten anomalías
sospechosas con valores inmediatamente inferiores a los establecidos, de ahí, que
finalmente se decida utilizar un snht1=120 y un snht de 800. La mala calidad de las
series meteorológicas, con importantes inhomogeneidades, propicia la realización de un
proceso de homogeneización más profundo. Se trata, por tanto, de largas series
meteorológicas que han sido registradas en décadas donde los medios técnicos y
humanos eran limitados, con estaciones analógicas de toma diaria de datos, y en
ámbitos espaciales de meteorología adversa en invierno.
413
Fig. 6.7. Ejemplo, a la izquierda, de las series con las anomalías más homogénea
(Alcantarilla) y de la más inhomogénea (Pinoso). A la derecha, reconstrucción de sub-
periodos homogéneos, con un proceso de homogeneización muy leve (Alcantarilla), y
extremadamente fuerte (Pinoso).
414
Tabla 6.4. Resumen, por estación meteorológica, de las variables del proceso de
homogeneización por Climatol. El nombre de la serie hace referencia a la serie
homogeneizadas elegida para el análisis de tendencias temporales.
415
6.3.2.2. Series meteorológicas cortas (1997-2016)
Fig. 6.8. Número de "roturas " o inhomogeneidades detectadas por Climatol en relación
con el número de estaciones afectadas y el período de análisis (1997-2016).
416
que ajustar con un análisis de snht por ventanas y global, a fin de que Climatol no divida
en exceso las series con inhomogeneidades muy leves. La distribución del máximo
principal se sitúa en 60, con una disminución progresiva. Tras la comprobación de los
valores de homogeneidad de las diferentes series meteorológicas se identifican saltos
sospechosos por encima del valor 120 (shnt1) y 800 (snht2), por lo que se decide aplicar
la opción más drástica en el proceso de homogeneización.
Sin embargo, la mayoría de observatorios presentan series meteorológicas con una gran
calidad, con nulas o muy pocas roturas o inhomogeneidades en el periodo analizado
(1997-2016). Uno de los ejemplos más claros es la estación meteorológica del Embalse
del Cenajo (7083), donde el proceso de homogeneización de Climatol, al no detectar
ninguna ruptura, sólo corrige la serie original y no crea ninguna paralela (Fig. 6.10).
417
Fig. 6.10. Ejemplo, a la izquierda, de la serie con las anomalías más homogénea (Emb.
Cenajo) y de la más inhomogénea (Alfonso X). A la derecha, reconstrucción de sub-
periodos homogéneos, con un proceso de homogeneización muy leve (Emb. Cenajo), y
extremadamente fuerte (Alfonso X).
418
Tabla 6.5. Resumen, por estación meteorológica, de las variables del proceso de
homogeneización por Climatol. Series homogeneizadas para el posterior análisis de
tendencias temporales.
419
0.41 25.9 1.1 70 1 AL62-2 Cañada Gallego-2
0.45 825.0 1.1 69 1 7031-2 San Javier-2
0.38 345.4 1.0 69 3 TP42-3 Torre Blanca-3
0.39 154.3 1.5 67 2 7151 Sª del Oro
0.42 151.2 1.3 66 1 MU52-2 C. de la Plata-2
0.50 119.6 2.5 65 2 7065-3 Molinicos-3
0.37 231.9 1.4 64 1 7081-2 Socovos-2
0.57 84.2 2.1 62 1 7077 Elche de la Sierra
0.40 147.5 1.5 61 1 7001 Águilas
0.22 86.7 1.3 61 1 7121-2 Calasparra-2
0.40 181.2 2.4 59 1 7045-2 Pontones CHS-2
0.26 40.2 0.8 42 1 TP73 Los Infiernos
0.33 23.1 1.3 41 2 7209-3 Lorca-3
0.38 247.7 1.8 36 3 7059-3 Arguellite-3
0.36 43.5 1.2 29 7 7182-4 Alfonso X-4
Durante los últimos 70 años, los días de helada han experimentado un importante
descenso en el número anual en la DHS (-1,6 días/década). El descenso no es
homogéneo en todo el territorio, ya que el sector occidental más montañoso (C5) no
experimenta cambios significativos, incluso tiende a ascender ligeramente. El sector
centro-oeste (C2) y Segura-Mundo (C4), es donde se producen los mayores descensos,
con promedios entre -2,5 y -3,0 heladas/década (Tabla 6.6). Por su parte, el litoral (C1)
experimenta un menor descenso. Esto es debido al poco peso anual que tienen los días
de heladas en zonas de costa. En el sector C5 (cabecera de la DHS) las heladas incluso,
aumentan ligeramente (0,4) (Fig. 6.11 izquierda).
420
Fig. 6.11. Mapas de las tendencias temporales de los días de helada (FD) para el
período 1950-2016 (izquierda) y 1997-2016 (derecha).
La tendencia temporal desde 1950 a 2016 no ha sido homogénea durante las últimas
décadas (Fig. 6.12). Se registran dos grandes descensos en los días de helada, el
primero desde inicios de 1950 a 1980, y un segundo periodo (estadísticamente
significativo), entre 1967 y 1999, con descensos de hasta 4 días de heladas por década.
Por el contrario, durante los años más recientes la tendencia se ha estabilizado, con
valores positivos, pero próximos a la neutralidad (no significativo). Por tanto, tras unas
décadas, con un importante descenso en el número de heladas, durante los últimos 30
años la tendencia no advierte ningún patrón claro (Fig. 6.12b).
Tabla 6.6. Tendencias temporales (/ 10 años) de los días de helada (FD) para las
regiones climáticas definidas por cluster, en el período 1950-2016. Nivel de confianza
(p value) < 0,05.
La Fig. 6.13 muestra la evolución de las anomalías estandarizadas de los días de helada
anuales. Los valores más positivos se registran durante las décadas de los 50 a 80, con
el año 1956 donde se registran el mayor número de heladas (44,2 de media en el
conjunto de las estaciones analizadas). Por el contrario, el año 1977 fue especialmente
poco relevante, con un promedio de 6,1 días de helada. Las anomalías negativas
421
empiezan a aparecer mayoritariamente a partir de la mitad de la década de los 90,
aunque la región de cabecera (C5) sigue una evolución temporal diferente al resto de la
DHS. En los últimos años han destacado algunos años con un importante número de
días de helada, como los años 1999 (23 heladas), 2005 (32,6) y 2012 (23,3) en el
conjunto de la DHS (Fig. 6.13).
Fig. 6.12. a) Tendencias temporales de los días de helada (FD) en ventanas temporales
desde 1951-1980 a 1987-2016 (rangos en ventanas móviles de 30 años), b) Tendencias
temporal en ventanas móviles de 30 a 20 años, desde 1986-2016 a 1996-2016. Las
estrellas indican significancia estadística a un nivel de confianza del 0.05.
Respecto a la evolución mensual y estacional los meses de enero y febrero son los que
registran los mayores descensos (-0,5 y -0,4/década respectivamente). Especialmente
en los sectores centrales de la DHS (Fig. 14), especialmente en el C2 y C3 con
descensos de -1,0 y -0,8 días por décadas respectivamente (Tabla 6.7). El invierno es
por tanto la estación con la mayor reducción de días de helada, aunque la primavera
registra un descenso mayor a los meses otoñales (-0,2 frente a 0,0 días/década).
422
Fig. 6.13. Evolución temporal anual de las anomalías estandarizadas de los días de
helada (FD) en las regiones climáticas definidas por cluster (1950-2016). Cálculo
respecto al periodo de referencia 1981-2010.
423
424
Fig. 6.14. Mapas de las tendencias temporales de los días de helada (FD) a nivel
mensual para el período 1950-2016. De arriba abajo, e izquierda a derecha (octubre,
noviembre, diciembre, enero, febrero, marzo y abril).
Tabla 6.7. Tendencias temporales (/ 10 años) de los días de helada (FD) a nivel mensual
para las regiones climáticas definidas por cluster (1950-2016). Nivel de confianza (p
value) < 0,05.
Meses C1 C2 C3 C4 C5 Total
Octubre 0,0 0,0 0,0 0,0 0,0 0,0
Noviembre 0,0 0,0 -0,1 0,0 0,2 0,0
Diciembre -0,1 -0,5 -0,4 -0,5 0,2 -0,3
Enero -0,1 -1,0 -0,8 -0,3 0,0 -0,5
Febrero -0,2 -0,7 -0,6 -0,7 0,2 -0,4
Marzo 0,0 -0,3 -0,3 -0,2 0,1 -0,2
Abril 0,0 -0,1 0,0 0,0 -0,1 -0,1
Otoño 0,0 0,0 -0,1 0,0 0,1 0,0
Invierno -0,1 -0,7 -0,6 -0,5 0,1 -0,4
Primavera 0,0 -0,2 -0,2 -0,1 0,0 -0,2
Las rachas frías (CSDI), contabilizadas por el número total de días al año, experimentan
un importante descenso en las últimas décadas (Fig. 6.15 izquierda). La reducción es
de -2,6 días/década, siendo más evidente en los observatorios centrales de la DHS, con
reducciones que rondan -4,0 días/década en las regiones C2 y C4. En el Alto Segura y
Mundo (C5 también se produce un descenso en los CSDI (estadísticamente
significativo), aunque con descensos menores al resto de la cuenca (-1,3 días/década)
(Tabla 6.8).
425
Fig. 6.15. Mapas de las tendencias temporales de las rachas frías (CSDI) para el
período 1950-2016 (izquierda) y 1997-2016 (derecha).
La Fig. 6.15 (derecha) muestra la tendencia temporal durante las últimas dos décadas,
donde se refleja un patrón parecido al intervalo temporal largo (1950-2016), es decir,
con reducciones en la mayor parte del área de estudio (-1,7 días/década. Tan sólo
algunos observatorios litorales y prelitorales, zonas de inversión, o de alta montaña,
experimentan ligeros ascensos (no significativos).
Tabla 6.8. Tendencias temporales (/ 10 años) de las rachas frías (CSDI) para las
regiones climáticas definidas por cluster, en el período 1950-2016. Nivel de confianza
(p value) < 0,05.
426
Durante los últimos años se produce un drástico descenso de las rachas frías. La Fig.
6.17 muestra la importante reducción de las anomalías estandarizadas, especialmente
a partir del año 2000. Las reducciones son muy significativas, especialmente en las
regiones C3 y C4, con el paso de importantes anomalías (5), a valores que en la
actualidad se mantienen entre 0 y -1.
427
428
Fig. 6.17. Evolución temporal anual de las anomalías estandarizadas de los días de
helada (FD) en las regiones climáticas definidas por cluster (1950-2016). Cálculo
respecto al periodo de referencia 1981-2010.
Por su parte, en las dos últimas décadas (1997-2016), la tendencia temporal a nivel
general es igualmente ascendente (0,2ºC/década). Se trata de un ascenso muy
constante durante las últimas décadas. En los sectores litorales y en el centro de la DHS
se observan incrementos muy importantes (0,7 a 0,9ºC/década), especialmente en
observatorios como Tobarra, Zarzadilla de Totana, Cartagena, Fuente Álamo o Bullas.
Tan sólo, en ámbitos occidentales montañosos o en espacios donde predominan los
procesos de inversión térmica (El Chaparral, La Calavera, Los Almadenes…) se
producen ligeros descensos (Fig. 6.18 derecha).
429
Fig. 6.18. Mapas de las tendencias temporales de las temperaturas medias de las
mínimas (TNm) para el período 1950-2016 (izquierda) y 1997-2016 (derecha).
Las medias anuales de las temperaturas media de las mínimas adquieren el valor más
bajo en 1956, con una temperatura media de 8,1ºC en el conjunto de observatorios
analizados. Por el contrario, las temperaturas mínimas menos frías se registran durante
los últimos años de observación (2014 y 2016) con 10,8ºC. En las últimas dos décadas,
destacan, como más fríos, los años 2005 (9,5ºC) y 2010 (9,9ºC).
430
Fig. 6.19. a) Tendencias temporales de la temperatura media de las mínimas
(ºC/década) en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en
ventanas móviles de 30 años). b) Tendencias temporal en ventanas móviles de 30 a 20
años, desde 1986-2016 a 1996-2016. Las estrellas indican significancia estadística a un
nivel de confianza del 0.05.
El análisis mensual y estacional viene marcado por notables diferencias desde el punto
de vista espacio-temporal. El aumento de 0,2ºC/década durante el año se distribuye de
forma homogénea durante las cuatro estacional del año, siendo el mes de octubre el
que registra el mayor ascenso (0,3ºC/década).
431
Fig. 6.20. Evolución temporal anual de las anomalías estandarizadas de las
temperaturas medias de las mínimas (TNm) en las regiones climáticas definidas por
cluster (1950-2016). Cálculo respecto al periodo de referencia 1981-2010.
Las regiones centrales (C2, C3 y C4) registran los mayores ascensos en época invernal
(0,2 a 0,3ºC/década), mientras, que, durante el verano se registran ascensos más bajos,
especialmente en el sector medio-alto del Segura-Mundo (0,1 y 0,0ºC/década
respectivamente). Se trata de un patrón diferente al C1 litoral y prelitoral.
Finalmente, la región más montañosa del C5 (Alto Segura y Mundo) muestra tendencias
positivas muy ligeras sólo en verano y otoño. En invierno y primavera presentan
tendencias temporales neutras, con un aumento significativo (0,2ºC/década) sólo
durante el mes de octubre (Tabla 6.10).
432
433
Fig. 6.21. Mapas de las tendencias temporales de las temperaturas medias de las
mínimas (TNm) a nivel mensual para el período 1950-2016. De arriba abajo, e izquierda
a derecha (octubre, noviembre, diciembre, enero, febrero, marzo y abril).
434
Tabla 6.10. Tendencias temporales (/ 10 años) de las temperaturas medias de las
mínimas (TNm) a nivel mensual para las regiones climáticas definidas por cluster (1950-
2016). Nivel de confianza (p value) < 0,05.
Meses C1 C2 C3 C4 C5 Total
Enero 0,2 0,3 0,3 0,3 0,0 0,2
Febrero 0,2 0,3 0,3 0,2 0,0 0,2
Marzo 0,2 0,2 0,3 0,1 -0,1 0,2
Abril 0,3 0,3 0,2 0,1 0,1 0,2
Mayo 0,3 0,1 0,1 0,1 0,0 0,1
Junio 0,4 0,3 0,2 0,1 0,1 0,2
Julio 0,3 0,2 0,0 -0,1 0,1 0,1
Agosto 0,3 0,3 0,2 0,0 0,1 0,2
Septiembre 0,2 0,1 0,1 -0,1 0,0 0,1
Octubre 0,3 0,3 0,3 0,2 0,2 0,3
Noviembre 0,1 0,2 0,3 0,2 0,0 0,2
Diciembre 0,1 0,3 0,3 0,2 0,0 0,2
Invierno 0,2 0,3 0,3 0,2 0,0 0,2
Primavera 0,3 0,2 0,2 0,1 0,0 0,2
Verano 0,3 0,3 0,1 0,0 0,1 0,2
Otoño 0,2 0,2 0,2 0,1 0,1 0,2
435
Fig. 6.22. Mapas de las tendencias temporales del percentil 10 de las temperaturas
mínimas (TN10p) para el período 1950-2016 (izquierda) y 1997-2016 (derecha).
Por su parte, en época reciente (1997-2016) la tendencia temporal es negativa, con una
reducción media de -1,7%/década, especialmente importante en sectores centrales,
litorales y prelitorales. La reducción se sitúa entre -6 y -7%/década en algunos
observatorios meteorológicos (El Llano de Molina, Cartagena, Fuente Álamo o Tobarra).
Los observatorios occidentales montañosos, y los influenciados por procesos de ITN
adquieren una ligera tendencia positiva (Fig. 6.22 derecha)
Fig. 6.23. a) Tendencias temporales del P10 de las temperaturas mínimas (%/década)
en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en ventanas móviles de
30 años). b) Tendencias temporal en ventanas móviles de 30 a 20 años, desde 1986-
2016 a 1996-2016. Las estrellas indican significancia estadística a un nivel de confianza
del 0.05.
436
del porcentaje de TN10p (-3,5%/década). Durante los últimos años se registran
tendencias negativas, si bien, no tan importantes como en décadas anteriores (Fig.
6.23b). Desde 1986 a 2016 las tendencias temporales oscilan entre -1,0 y -1,5%/década.
Por tanto, la disminución de TN10p durante las últimas décadas se mantiene hasta la
actualidad.
El mayor porcentaje de TN10p en el periodo 1950-2016 corresponde al año más frío del
periodo de análisis, a 1956. En este año se registra un 27,3% de “noches frías”,
temperaturas por debajo del umbral del P10 de las temperaturas mínimas. Se trata de
un dato muy significativo, con casi un tercio de las noches anuales con temperaturas
mínimas frías extremas. Sin embargo, durante los últimos años aparecen porcentajes
muy bajos, representados en los años 2011 o 2014 con 3,6 y 3,4% respectivamente.
Solamente, el año 2005, registra un porcentaje superior al 10% durante las últimas dos
décadas (13,7%).
437
Fig. 6.24. Evolución temporal anual de las anomalías estandarizadas del percentil 10 de
las temperaturas mínimas (TN10p) en las regiones climáticas definidas por cluster
(1950-2016). Cálculo respecto al periodo de referencia 1981-2010.
A nivel anual y mensual el patrón temporal de las tendencias es muy parecido al de las
temperaturas medias de las mínimas (TNm). El descenso es homogéneo durante todo
el año, aunque ligeramente inferior en verano (-2,0%/década).
438
Tabla 6.12. Tendencias temporales (/ 10 años) del percentil 10 de las temperaturas
mínimas (TN10p) a nivel mensual para las regiones climáticas definidas por cluster
(1950-2016). En negrita, nivel de confianza (p value) < 0,05.
Meses C1 C2 C3 C4 C5 Total
Enero -0,7 -2,8 -2,8 -2,3 -0,6 -1,9
Febrero -1,8 -2,2 -2,4 -3,0 -0,4 -2,0
Marzo -2,0 -2,2 -2,4 -1,2 0,3 -1,6
Abril -2,8 -2,9 -1,8 -1,4 -0,6 -2,1
Mayo -2,6 -2,5 -1,3 -0,7 -0,8 -1,7
Junio -3,0 -2,7 -1,7 -1,1 -0,5 -1,9
Julio -3,0 -2,7 -1,1 -0,6 -0,7 -1,7
Agosto -2,9 -3,9 -2,3 -1,0 -1,1 -2,4
Septiembre -1,4 -2,1 -2,1 -0,7 -0,6 -1,4
Octubre -1,9 -2,5 -2,8 -2,3 -0,5 -2,0
Noviembre -1,0 -2,2 -2,6 -1,5 0,7 -1,3
Diciembre -0,9 -1,9 -2,5 -1,9 0,1 -1,4
Invierno -1,1 -2,3 -2,5 -2,4 -0,3 -1,8
Primavera -2,5 -2,5 -1,8 -1,1 -0,4 -1,8
Verano -3,0 -3,1 -1,7 -0,9 -0,8 -2,0
Otoño -1,4 -2,2 -2,5 -1,5 -0,1 -1,6
439
fenómenos intensos de ITN, como el Campo de San Juan y El Chaparral (9,1
días/década) (Fig. 6.25 derecha).
Fig. 6.25. Mapas de las tendencias temporales de los días con temperaturas mínimas
(TN) < a -2ºC (TNltm2) para el período 1950-2016 (izquierda) y 1997-2016 (derecha).
Tabla 6.13. Tendencias temporales (/ 10 años) los días con temperaturas mínimas (TN)
< a -2ºC (TNltm2) para las regiones climáticas definidas por cluster, en el período 1950-
2016. Nivel de confianza (p value) < 0,05.
A lo largo de las últimas décadas, la tendencia negativa del TNltm2 ha registrado varios
ciclos, registrando un descenso estadísticamente significativo en los periodos 1951-
1980, y desde los años 1967-1996 a 1970-1999 (-1.7 días/década) (Fig. 6.26a). Sin
embargo, desde el periodo de referencia 1974-2005 hasta el actual (1987-2016) las
tendencias temporales son ligeramente positivas (entre 0,0 y 0,7 días/década),
confirmadas en los últimos 20 años (Fig. 6.26b), donde las tendencias son ligeramente
positivas (no significativas) sobre 0,5 días/décadas. Por tanto, tras un descenso
especialmente importante en las décadas de los 60, 70 y 80, en la actualidad las
jornadas con temperaturas mínimas inferiores a -2ºC muestran una ligera recuperación.
440
Fig. 6.26. a) Tendencias temporales de los días con temperatura mínima inferior a -2ºC
(días/década) en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en
ventanas móviles de 30 años). b) Tendencias temporal en ventanas móviles de 30 a 20
años, desde 1986-2016 a 1996-2016. Las estrellas indican significancia estadística a un
nivel de confianza del 0.05.
441
Fig. 6.27. Evolución temporal anual de las anomalías estandarizadas los días con
temperatura mínima inferior a -2ºC (días/década) en las regiones climáticas definidas
por cluster (1950-2016). Cálculo respecto al periodo de referencia 1981-2010.
Las jornadas con temperatura mínima inferior a 2ºC, al igual que el resto de índices de
FD y TNltn2, experimentan un acuso descenso durante las últimas décadas (-3,0
días/década). Es especialmente importante en los observatorios centrales de la DHS
(Fig. 6.28 izquierda). Por ejemplo, en el C2 (región centro-oeste) la reducción alcanza -
5,6 días/década. Por su parte se registra un aumento muy ligero en la cabecera de la
DHS, con un valor de 0,2 días/década (Tabla 6.14).
442
Fig. 6.28. Mapas de las tendencias temporales de los días con temperaturas mínimas
(TN) < a 2ºC (TNlt2) para el período 1950-2016 (izquierda) y 1997-2016 (derecha).
Tabla 6.14. Tendencias temporales (/ 10 años) los días con temperaturas mínimas (TN)
< a 2ºC (TNlt2) para las regiones climáticas definidas por cluster, en el período 1950-
2016. Nivel de confianza (p value) < 0,05.
443
Fig. 6.29. a) Tendencias temporales de los días con temperatura mínima inferior a 2ºC
(días/década) en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en
ventanas móviles de 30 años). b) Tendencias temporal en ventanas móviles de 30 a 20
años, desde 1986-2016 a 1996-2016. Las estrellas indican significancia estadística a un
nivel de confianza del 0.05.
Las anomalías estandarizadas registran una evolución muy parecida a los indicadores
anteriormente analizados, con valores positivos desde 1950 a mediados de la década
de los 90, donde el cambio a anomalías negativas afecta a casi toda la DHS, a excepción
de la región C5 (Fig. 6.30). En este sector vuelven a registrarse anomalías positivas
durante los últimos años de observación (desde mediados de la década de los 2000).
En la evolución anual del TNlt2 deja los registros más elevados en 1956 con un total de
74,8 días de promedio en los observatorios analizados. Se sitúa por encima del año
1973, con un promedio de 60,8 días. Si bien, el valor más bajo de la serie corresponde
al año 1977 con solamente 18,1 días. Tras el importante descenso en los últimos años
se observan años con promedios inferiores a 30 días, como el año 2014 con 22,9 días,
o 2002 con 23,4 días. Finalmente, y no excesivamente lejos del record del frío 1956, en
el año 2005 se registraron 57,0 días, sin duda registro sobresaliente en las dos últimas
décadas.
444
Fig. 6.30. Evolución temporal anual de las anomalías estandarizadas los días con
temperatura mínima inferior a 2ºC (días/década) en las regiones climáticas definidas por
cluster (1950-2016). Cálculo respecto al periodo de referencia 1981-2010.
445
occidentales de la DHS, a pesar de registrar un ascenso de 0,3ºC/década (no
significativo), se sitúa por debajo de la media del área de estudio (Tabla 6.16). Tan sólo
los observatorios occidentales de Pontones y el Embalse de Valdeinfierno registran
ascensos (no significativos).
Fig. 6.31. Mapas de las tendencias temporales de las temperaturas mínimas absolutas
anuales (TNn) para el período 1950-2016 (izquierda) y 1997-2016 (derecha).
446
Sin embargo, durante los últimos 30 años se produce un cambio en la tendencia
temporal, con ligeras reducciones en el periodo temporal 1986-2015 (-0,1ºC/década).
Durante los últimos 20 años (1996-2016) se observan descensos de -0,4ºC/década, que
han sido influenciados por las temperaturas mínimas extremas registradas durante las
importantes olas de frío de enero 2005 y febrero 2012 (Fig. 6.32b).
Durante las dos últimas décadas se registran dos notables advecciones de aire frío
siberiano (origen polar continental), con temperaturas mínimas de -21,5ºC en Pontones
(7045) y -22,0ºC en Santiago de la Espada (7056) en enero de 2005. Se trata de uno de
los años con el promedio de temperaturas mínimas absolutas más bajas de la serie
temporal (1950-2016) con -7,7ºC, aunque se queda lejos de 1956, con un promedio de
-9,0ºC. Como muestra la Fig. 6.33, la región C5 (cabecera DHS) muestra anomalías
estandarizadas negativas alrededor del 2005. Finalmente, otros años como 2002 (-
0,5ºC), 1997 (-0,6ºC) o 2013 (-2,0ºC) han registrado, en general, temperaturas mínimas
absolutas poco relevantes.
447
Fig. 6.33. Evolución temporal anual de las anomalías estandarizadas de las
temperaturas mínimas absolutas anuales (TNn) (días/década) en las regiones climáticas
definidas por cluster (1950-2016). Cálculo respecto al periodo de referencia 1981-2010.
448
atraso de la primera helada del periodo. Así, en Castkill Mountain (NY, EE. UU), el
retraso es de 0,2 días/década (Anandhi et al., 2013); o valores similares registrados en
Alberta (Canadá) (Shen et al., 2005).
Los únicos ámbitos territoriales donde se produce un atraso en la primera helada del
periodo corresponde al Alto-Medio Segura (C3) y al litoral-prelitoral (C1) con aumentos,
no significativos, de 1,4 y 0,2 días/década respectivamente (Tabla 6.16). El resto de la
DHS registra ligeros adelantamientos en la llegada del FFF. Destacan, especialmente
la cabecera del Segura (C5) con -0,9 días/década, con las mayores variaciones
negativas en los observatorios situados al oeste del área de estudio. Sin embargo, todos
los observatorios del centro y este del área, especialmente los de la Región de Murcia,
obtienen retrasos en la aparición de la primera helada (Fig. 6.34).
Tabla 6.16. Tendencias temporales (/ 10 años) de la primera helada del periodo (FFF)
para las regiones climáticas definidas por cluster, en el período 1950-2016. Nivel de
confianza (p value) < 0,05.
449
Fig. 6.34. Mapa de tendencia temporal de la primera helada del periodo (FFF) para el
período 1950-2016.
450
La tendencia temporal durante las últimas décadas no ha sido homogénea, al igual que
ocurre con el resto de indicadores analizados. Se observan tres periodos temporales
diferentes (Fig. 6.35a). Entre la década de los 50 y 80 se produce un adelanto
estadísticamente significativo del FFF (hasta -4,0 días/década). La Fig. 6.36 corrobora
en ese mismo periodo temporal el registro de anomalías estandarizadas negativas.
Sin embargo, entre la década de los 60 y 90 la tendencia arroja valores positivos, que
llegan incluso a ser estadísticamente significativos (6,2 días/década) entre 1965 y 1996.
Durante esa franja temporal se produce un atraso en la llegada de la primera helada,
con un ritmo muy acelerado. En las últimas décadas (Fig. 6.35b) se ha registrado, por
lo general, tendencias neutras, con valores negativos desde 1978 a 2016 (-2,0
días/década).
451
Fig. 6.36. Evolución temporal anual de las anomalías estandarizadas de la primera
helada del periodo (FFF) (días/década) en las regiones climáticas definidas por cluster
(1950-2016). Cálculo respecto al periodo de referencia 1981-2010.
Tal y como ocurre con el FFF, el adelanto del LSF es mayor en las regiones del Alto-
Medio Segura (C3) y prelitoral-litoral (C1), con reducciones de -3,6 y -2,3 días/década
respectivamente (estadísticamente significativo). Sólo en la cabecera del Segura se
produce un ligero alargamiento (0,3 días/década), con algunos observatorios
meteorológicos, como Arguellite y Pontones (zonas altas de valle), donde los
incrementos oscilan entre 1,7 y 1,3 días/década respectivamente (Fig. 6.37). Sin
embargo, las estaciones ubicadas en medianías, y en zonas topográficamente
accidentadas, sin ITN (Socovos, Zarzadilla de Totana, Alquerías, Elche de la Sierra o el
Embalse Alfonso XII) obtienen reducciones entre -4 y -7 días/década, con un adelanto
muy considerable.
Tabla 6.17. Tendencias temporales (/ 10 años) de la última helada del periodo (LSF)
para las regiones climáticas definidas por cluster, en el período 1950-2016. Nivel de
confianza (p value) < 0,05.
452
Fig. 6.37. Mapa de tendencia temporal de la última helada del periodo (LSF) para el
período 1950-2016.
Fig. 6.38. a) Tendencias temporales de la última helada del periodo (LSF) (días/década)
en ventanas temporales desde 1951-1980 a 1987-2016 (rangos en ventanas móviles de
30 años). b) Tendencias temporal en ventanas móviles de 30 a 20 años, desde 1986-
2016 a 1996-2016. Las estrellas indican significancia estadística a un nivel de confianza
del 0.05.
453
La evolución temporal de la tendencia no es homogénea durante las últimas décadas.
Resalta, de forma especial, la tendencia negativa (estadísticamente significativa) desde
el periodo 1697-1996 a 1971-2000 (Figura 6.38a). En esa franja temporal se produce el
mayor adelanto del LSF en la DHS, con valores que incluso alcanzan -6,5 días/década.
En general, se producen tendencias negativas desde los periodos temporales de 1959-
1988 a las ventanas temporales más recientes (1985-2014).
Tan sólo, durante los últimos años en las ventanas móviles más recientes (desde 1990-
2016 a 1996-2016) se produce una tendencia positiva, es decir, con un ligero retraso de
la última helada (entre 3 y 4 días/década) (Fig. 38b). La Fig. 6.39 muestra anomalías
estandarizadas positivas hasta finales de la década de los 90 y principios de los 2000.
Al final del periodo temporal (a partir de 2013), se observa ligeras anomalías positivas
especialmente en las regiones C1 (litoral-prelitoral), C3 (Alto-Medio Segura) y C4
(Segura-Mundo, Albacete).
454
Fig. 6.39. Evolución temporal anual de las anomalías estandarizadas de la última helada
del periodo (LSF) (días/década) en las regiones climáticas definidas por cluster (1950-
2016). Cálculo respecto al periodo de referencia 1981-2010.
La longitud del periodo de heladas ha experimentado una notable reducción durante las
últimas décadas en el conjunto de la DHS (-1,3 días/década). Las investigaciones
realizadas a nivel mundial arrojan una tendencia negativa o de acortamiento del periodo
de helada, y, en consecuencia, del aumento del FFP (periodo libre de heladas). Ocurre
en numerosos ámbitos planetarios, como los analizados en Nueva York y Kansas, en
EE.UU, en Alberta-Canadá, o en Turquía).
Otros ejemplos a escala planetario también muestran reducciones en el FP, y, por tanto,
aumentos del periodo libre de heladas, como los anotados en EE. UU (Easterling, 2002),
o los registrados en China, con un importante aumento a partir de 1985, según Liu et al.
(2008). En Europa Central y Polonia las variaciones anuales del FFS en relación con la
circulación atmosférica no se han estudiado ampliamente según Bielec-Bąkowska y
Łupikasza (2009). Sin embargo, recientemente Tomczyk et al. (2015) atribuyen dichos
cambios a los cambios en los valores de la presión a nivel del mar (SLP) y de la altura
de la superficie isobárica de 500 hPa.
En el conjunto de la DHS los periodos de helada son cada vez más cortos.
Especialmente se identifican dos áreas principales: la región litoral-prelitoral (C1) y, por
otro lado, la del Alto-Medio Segura (C3). Coinciden con las mayores tasas de reducción
del FFF y LSF. En estos sectores se anotan reducciones de -2,5 y -5,0 días/década
(Tabla 6.18). Los valores más elevados coinciden con observatorios ubicados en zonas
de medianías altitudinales y sin procesos de inversión térmica, ubicados entre los 300 y
900 m de altitud (Fig. 6.40). Se trata de observatorios como el de Socovos, Elche de la
Sierra, Huerta Espuña o Zarzadilla de Totana, con una drástica reducción entre -8 y -10
días/década.
455
Fig. 6.40. Mapa de tendencia temporal de la longitud del periodo de helada (FP) para el
período 1950-2016.
En Europa, un estudio global realizado por Menzel et al., (2003) arroja un aumento del
periodo libre de heladas (FFP) de 0,2 días/década en Alemania, 0,5 días/década en
Austria y Suiza, y 0,3 días/década en Estonia. Un aspecto interesante de la investigación
es que los mayores aumentos se producen en observatorios entre 500 y 900 m de
altitud. A partir de este nivel altitudinal, a cotas más elevadas, la reducción se mitiga.
Resultado, por tanto, parecido al obtenido en la presente investigación.
Ocurre lo contrario con los observatorios en valles elevados del oeste del área de
estudio (con procesos de inversión térmica), donde en observatorios como Pontones,
Liétor, Embalse de Valdeinfierno o Arguellite, se ha producido un alargamiento del
periodo de heladas
456
Tabla 6.18. Tendencias temporales (/ 10 años) de la longitud del periodo de heladas
(FP) para las regiones climáticas definidas por cluster, en el período 1950-2016. Nivel
de confianza (p value) < 0,05.
457
La tendencia temporal cambia durante los últimos años, si bien, hasta el intervalo
temporal 1992-2016, sigue siendo negativa (acortamiento del FP). Sólo en las dos
últimas ventanas móviles más recientes (1994-2016 y 1996-2016) se produce un
aumento positivo en la tendencia, registrando valores que llegan incluso a superar los 3
días/década (sin ser estadísticamente significativa), y, por tanto, un aumento de la
longitud del FP durante los últimos años (Fig. 6.41b). Al igual que ocurre en el resto de
índices analizados se advierte una evolución diferente de la región C5 (cabecera del
Segura), con anomalías estandarizadas negativas en la década de los 50 y 60 (Fig.
6.42).
458
Fig. 6.42. Evolución temporal anual de las anomalías estandarizadas de la longitud del
periodo de heladas (FP) (días/década) en las regiones climáticas definidas por cluster
(1950-2016). Cálculo respecto al periodo de referencia 1981-2010.
Los índices de teleconexión (PT) que afectan al clima de la Península Ibérica tienen
relación con el número de heladas anuales (Rodríguez Fonseca et al., 2018). Si bien,
algunos índices apenas influyen en la variabilidad temporal, tal y como se ha analizado
en el capítulo. Los índices de correlación (R2) son muy bajos para el ESCAND index (-
0,10), EA/WR index (-0,02), Polar/Eurasia index (0,02) o el índice multidecadal AMO (-
0,06).
Fig. 6.43. Variabilidad temporal de las anomalías estandarizadas durante la época fría
(noviembre-abril) del índice EA y a) FD, b) TNm, c) TN10p y d) FP en la DHS. Línea de
media móvil con un promedio de 10 años (1950-2016).
459
La correlación con el EAi tiene una mayor influencia que países balcánicos (Montenegro)
donde recientemente se ha calculado una correlación de un R2 de 0,38 con el
incremento las temperaturas mínimas en invierno (con un nivel significativo del 0,05)
(Dragan et al., 2018). Sin embargo, el índice NAO (-0,30) obtiene una correlación
estadística débil, y especialmente, el EA index (-0,67), sí influye en la evolución temporal
de los índices ET-SCI en el conjunto de la DHS
Se trata, por tanto, de un índice que ha sido demostrado muy influyente en las
temperaturas del aire en Europa Occidental (Moore et al., 2012). El EAi está
estrechamente conectada con la evolución de la Zona de Convergencia Intertropical
(ZCIT), siendo, por tanto, un excelente indicador para analizar los ascenso y descenso
latitudinales hacia la Península Ibérica. Durante los últimos años se ha demostrado que
la correlación del EAi con el noroeste de la Península Ibérica tiene mayor influencia que
el NAOi (Lorenzo et al., 2008).
Durante los últimos inviernos se produce la migración del Jet Stream hacia regiones más
septentrionales del Atlántico norte (200-300 hPa) (Comas-Bru et al., 2016). Por tanto,
los valores cada vez más positivos del EAi reflejan temperaturas superficiales superiores
460
a la media en el suroeste de Europa (Wallace y Gutzler, 1981). Podría estar relacionado
con la reducción de los días de helada en la Península Ibérica.
Los últimos inviernos en Europa han experimentado con relativa frecuencia patrones
positivos de EAi, con refuerzos anticiclónicos subtropicales sobre el centro-sur de
Europa. Por el contrario, un índice de EAi muy negativo trae inviernos muy fríos a la
Europa mediterránea, como ocurrió en febrero de 1956, o durante los últimos años, el
enero de 2005 o febrero de 2012.
El EAi registra un ascenso durante las últimas décadas, con un aumento de 0,2/década
(estadísticamente significativo) durante el trimestre invernal (DIC, ENE y FEB). El año
de ruptura según el test de homogeneización SNHT es en el año 1977, mismo año de
rotura de los días de helada en el área de estudio. Desde 1950, los años que registran
un mayor promedio de días de helada (FD) corresponden a los valores más negativos
del EAi (Fig. 6.43a). Tal es el caso de los años 1956 (-1,9), 2005 (-1,7), 1973 (-1,0), 1964
(-1,2), 1953 (-1,7), 1971 (-0,5) y 1954 (-1,7). Por el contrario, los años que han registrado
una menor cantidad de heladas en el área de estudio coinciden con fases positivas,
como los años 2002 (1,2), 1997 (0,9), 2014 (1,0) o 1977 (0,7).
Tabla 6.19. Coeficientes de correlación según Kendall entre los índices EAi y ET-SCI.
En negrita, significancia estadística al nivel de confianza del 99%.
Indices DHS C1 C2 C3 C4 C5
FD -0.70 -0.57 -0.69 -0.73 -0.71 -0.41
TNltm2 -0.64 -0.43 -0.53 -0.62 -0.68 -0.39
TNlt2 -0.71 -0.61 -0.75 -0.77 -0.67 -0.31
TNn 0.61 0.58 0.55 0.63 0.57 0.49
CSDI -0.57 -0.45 -0.58 -0.54 -0.48 -0.32
TNm 0.72 0.64 0.78 0.76 0.67 0.47
TN10p -0.70 -0.60 -0.71 -0.71 -0.66 -0.45
FFF 0,06 0,06 0,27 0,18 -0,04 0,00
LSF -0,16 -0,23 -0,25 -0,30 -0,05 -0,03
FP -0,57 -0,53 -0,55 -0,53 -0,34 -0,29
Existe una importante correlación (con significancia estadística según Kendall, a un nivel
de confianza del 0.95) entre el EAI y los índices ET-SCI en todas las regiones analizadas
de la DHS.
461
que obtiene la mayor correlación, ya que con la NAO index apenas obtiene resultados.
Corrobora, por tanto, que los sectores más occidentales de la DHS guardan una menor
correlación estadística con la influencia del EAi sobre los índices analizados.
Fig. 6.44. Patrón de la fase positiva del EAi de presión atmosférica en el geopotencial
de 500 hPa (Z500) y temperaturas en el geopotencial a 850 hPa (T850). Tonos cálidos
con anomalías positivas, y fríos anomalías negativas. Fuente: cdc.noaa.gov.
Los índices ET-SCI que mejor se adaptan en la correlación estadística con el EAi son el
FD (R2 de -0,70), TNlt2 (R2 de -0,71) y TN10p (R2 de -0,70). Se trata de una aportación
de gran relevancia para la previsión a largo plazo en la evolución temporal de las heladas
y de las temperaturas mínimas durante el invierno.
462
Fig. 6.45. Coeficientes de correlación según Kendall entre los índices ET-SCI y el EAi,
para cada observatorio meteorológico (1950-2016).
Conclusiones y discusión
463
mínimas anuales (TN10p), que continúan con el mismo ritmo de tendencia significativa
al calentamiento (Tabla 6.20).
Fig. 6.46. Evolución anual de los días de helada (FD) en el conjunto de la DHS (1950-
2016).
Los índices que hacen referencia al total de jornadas anual con una temperatura inferior
a un determinado umbral de 0ºC, -2 y 2ºC (FD, TNltm2 y TNlt2) experimentan un
descenso estadísticamente significativo durante las últimas 7 décadas en la DHS (Fig.
6.46). La bajada general de heladas en el área de estudio está en consenso con otros
estudios realizados a lo largo de todo el planeta. Durante las últimas décadas se están
produciendo descensos de los días de helada en el continente asiático, concretamente
en China, donde se registran disminuciones significativas entre 0,6 y 1,0 día/década
(Dashkhuu et al., 2015; Wang et al., 2017). Durante los últimos años se han realizado
multitud de análisis, como en la meseta del Tibet (1960-2009), con una tasa de
disminución de heladas entre 3,3 y 14,6 días/década (Dong et al., 2012; Labaciren,
2014), o los registrados en Jordania, con descensos importante (Alhusban y
Makhamreh, 2013). Un fenómeno de calentamiento global en invierno donde la
peligrosidad de heladas está disminuyendo en la mayor parte del planeta. Ocurre lo
mismo en diferentes regiones, con descensos en las regiones Bálticas (Avotniece et al.,
2010), en Sudamérica con disminuciones de las noches frías (Vincent et al., 2005), o
con estudios de carácter regional (1940-2017) donde se determina una importante
reducción de los FD en Argentina (Fernández-Long et al., 2006, 2013).
464
Tabla 6.20. Resumen de las tendencias temporales de los índices analizados, según
dos periodos temporales (1950-2016) y (1997-2016). En negrita, con p value significativo
con un nivel de confianza del 95%.
1950-2016 1997-2016
FD (días) -1,6 0,4
TNltm2 (días) -0,7 0,5
TNlt2 (días) -3,0 -0,2
TNn (ºC) 0,4 -0,6
CSDI (días) -2,6 -1,7
DTR (ºC) 0,0 0,0
TNm (ºC) 0,2 0,2
TN10p (%) -1,8 -1,7
FFF (día) -0,3 -0,2
LSF (día) -2,7 -1,1
FP (días) -1,5 -0,4
La variación temporal de los índices ET-SCI es mayor en las regiones C2, C3 y C4, es
decir, en regiones ubicadas en zonas de medianías altitudinales y centrales de la DHS.
En la mayoría de índices la región C5 (cabecera occidental) registra una dinámica muy
diferente al del resto de la Demarcación, en general, registrando tendencias neutras en
la mayoría de índices analizados. Corrobora lo ocurrido en algunos sectores de Europa
y del resto del planeta, con aumento del número de heladas. En Centroeuropa, los
resultados confirman un aumento significativo en la duración del periodo de heladas
(FP) (hasta 10 días/década) en los sectores más occidentales. Los autores corroboran
una mayor afluencia de masas de aire continentales frías sobre el este de Ucrania y
Bielorrusia (Wypych et al., 2017).
Es preciso considerar, que, desde el punto de vista mensual y estacional, los mayores
descensos se producen durante el invierno, concretamente en enero y febrero, meses,
que agrupan el mayor porcentaje a lo largo del año. Los valores se muestran muy
homogéneos en las regiones del C2, C3 y C4, siendo especialmente relevante el
descenso significativo en primavera y apenas significativo durante los meses otoñales.
465
Corrobora, por tanto, que los días de helada apenas experimentan cambios durante el
inicio del periodo de heladas en otoño (FFF), mientras que, las heladas del final del
periodo (LSF), en primavera, han mostrado descensos significativos durante las últimas
décadas, repercutiendo en la reducción de la longitud del periodo de heladas (FP).
Las medias de temperatura mínima (TNm), a diferencia de los índices extremos, han
experimentado un ascenso estable (0,2 a 0,3ºC/década) desde el periodo temporal
1965-1994 a la actualidad, registrando las regiones C2 y C3 los mayores ascensos
térmicos. De nuevo la región C5 no experimenta cambios significativos.
El incremento térmico en gran parte del área de estudio corrobora la tendencia al alza
de las temperaturas mínimas en Europa y en la Península Ibérica, especialmente en el
trimestre invernal, donde se registra el mayor incremento del año (Pokorná et al., 2018).
Además, los análisis de González‐Hidalgo et al. (2016) determinan un mayor aumento
de las temperaturas mínimas diarias en la Península entre 1970 y 1990, al igual que
ocurre en el área de estudio (Fig. 6.47). Del mismo modo, en un ámbito más regional,
se observan ascensos absolutos de 2-3ºC en las temperaturas mínimas en la ciudad de
Murcia y observatorios cercanos desde 1950 a la actualidad (Gil Guirado y Pérez
Morales, 2019).
Fig. 6.47. Evolución anual de la temperatura media anual invernal (TNm) en el conjunto
de la DHS (1950-2016).
466
cálida del año), mientras que apenas hay variación en la época invernal (especialmente
en los meses de noviembre y diciembre). Ocurre lo contrario en las regiones C3 y C4
(sector medio-alto del Segura y Mundo) donde los ascensos significativos se producen
en invierno. Por su parte, durante el verano se muestra una evolución temporal poco
relevante. Finalmente, en zona de cabecera (C5) no hay tendencias significativas, con
muy poca alteración de las temperaturas mínimas a lo largo del año.
Fig. 6.48. Evolución anual del percentil 10 de las temperaturas mínimas invernales
(Tn10p) en el conjunto de la DHS (1950-2016).
Los índices que registran extremos mínimos absolutos o umbrales de frío (TNn y TN10p)
están experimentando una significativa reducción durante las últimas décadas, con
mayor relevancia en la casi totalidad de la DHS (C1, C2, C3 y C4) (Fig. 6.48). Los
cambios son algo menores en la región de cabecera (C5). La tendencia temporal a
467
índices menos fríos se mantiene constante en gran parte del periodo, aunque durante
los últimos años las temperaturas mínimas absolutas se muestran sin grandes cambios.
Los índices referentes a persistencia y duración del frío (CSDI) siguen patrones muy
parecidos a los anteriores detallados. Durante las últimas décadas los episodios fríos
están disminuyendo, en frecuencia, duración e intensidad (Fig. 6.49). Lo hacen en toda
la DHS, pero especialmente en regiones interiores. Una conclusión muy interesante se
da en la región C5 de cabecera. A pesar de registrar tendencias temporales hacia
índices sin cambios o ligeramente más fríos (días de helada, temperaturas medias, o
incluso valores mínimos absolutos), existe una disminución significativa de los episodios
asociados a frío intenso y persistente durante varios días (CSDI). En regiones
mediterráneas europeas, como la región central del Adriático, los extremos relacionados
con las rachas frías (CSDI), noches frías (TN10p) o días de helada (FD) también
muestran reducciones significativas (Scorzini et al., 2018).
Fig. 6.49. Evolución anual de las rachas frías (CSDI) en el conjunto de la DHS (1950-
2016).
468
Los índices globales de teleconexión (PT) que afectan al clima de la Península Ibérica
(Rodríguez Fonseca et al., 2018) tienen relación con la evolución espacio-temporal del
número de heladas anuales e indicadores fríos. La principal causa de la reducción de
los FD en la DHS parece recaer en la influencia y variación global del índice de
teleconexión East Atlantic (EA), el cual parece intervenir de forma notable con mayor
significancia en el mayor territorio del área de estudio, y con una menor influencia en el
C5 (cabecera montañosa occidental). Según Ríos Cornejo et al. (2015), el EAi es el
índice de teleconexión que mayor influencia tiene en las temperaturas del sureste
peninsular (76,7%), seguido muy de lejos del WeMO con 10,7%, o la NAO con 8,3%.
Tabla 6.21. Inviernos meteorológicos (DIC, ENE y FEB) con las temperaturas medias
de las mínimas (TNm) más frías y más templadas en el conjunto de la DHS (1950-2016),
y valor del índice EA.
Fernández Montes y Rodrigo (2012) concluyen que los cambios en los días de helada
durante el invierno en observatorios de la Península Ibérica están vinculados al índice
EA, lo que indica, que la disminución de la frecuencia de noches frías está vinculada a
fases más positivas de la EA. Según Mikhailova y Yurovsky (2016), durante la fase
positiva del EA index, se registran anomalías térmicas positivas entre 0,5 y 3,5ºC en el
suroeste de Europa durante la época invernal, con una correlación estadística de 0,60
(similar a la presente investigación). Las tablas 6.21 y 6.22 muestran los trimestres
invernales con las temperaturas medias de las mínimas más elevadas y bajas de la serie
temporal analizada (1950-2016). Se corresponde, por lo general, con fases positivas y
negativas del EAi respectivamente.
La tendencia temporal constante hacia una fase cada vez más positiva del EAi implica
un fortalecimiento del anticiclón de Groenlandia, la consolidación de un pasillo de
borrascas invernales (intensas) entre 50-60ºN, y una anomalía positiva de la presión
atmosférica superficial entre 0,5 y 2 hPa en la Península Ibérica. Se produce, por tanto,
el predominio de una circulación zonal meridional, con vientos del oeste que aumentan
469
su intensidad entre 6 y 8 m/s al sur de 45ºN. El aumento ciclónico (más inestabilidad),
pero con masas de aire menos frías durante dicha fase, son clave para una disminución
de los días de helada en la Península Ibérica durante la época fría del año.
Los PT, y, por tanto, las anomalías geopotenciales en niveles altos atmosféricos, son la
principal razón en las anomalías termopluviométricas en superficie. Yu et al. (2014),
concluyen que la anomalía en el geopotencial Z200 sobre América del Norte, inducida
por un tren de ondas de Rossby, influye con fuerza en la depresión sobre América del
Norte y en la evolución de las temperaturas. Erlat, y Türkeş (2016), además, determinan
para Turquía un aumento del periodo libre de heladas (FFP) para la gran mayoría del
país (0,7 días/década), donde se correlaciona significativamente (nivel de confianza de
0.01) con los índices NAOi y AOi.
Tabla 6.22. Inviernos meteorológicos (DIC, ENE y FEB) con el mayor y menor número
de días de helada (FD) en el conjunto de la DHS (1950-2016), y valor del índice EA en
el mismo periodo.
Referencias bibliográficas
Acquaotta, F. y Fratianni, S. (2014): “The importance of the quality and reliability of the
historical time series for the study of climate change”. Revista Brasileira de
Climatologia 14, 20-38.
470
Aguilar, E., y Prohom, M. (2011): RClimDex-extraQC (EXTRAQC Quality Control
Software). User Manual, Centre for Climate Change, University Rovira i Virgili,
Tarragona, Spain.
Anandhi, A., Perumal, S., Gowda, P. H., Knapp, M., Hutchinson, S., Harrington, J.,
Murray, L., Kirkham, M.B, y Rice, C. W. (2013): “Long-term spatial and temporal
trends in frost indices in Kansas, USA”. Climatic Change, 120(1-2), 169-181.
https://doi.org/10.1007/s10584-013-0794-4
Avotniece, Z. A, Rodinov, V. Lizuma L., Briede A., Kļaviņš, Z. (2010): “Trends in the
frequency of extreme climate events in Latvia Zanita”. Baltica, 23(2), 135-148.
Alexander, L., y Herold, N. (2016): ClimPACT2: Indices and software. UNSW, 46 pp.
Barnston A.G y Livezey RE. (1987): “Classification, seasonality and persistence of low‐
frequency atmospheric circulation patterns”. Monthly Weather Review 115:
1083– 1126. https://doi.org/10.1175/1520-
0493(1987)115<1083:CSAPOL>2.0.CO;2
Comas-Bru, L., McDermott, F., y Werner, M. (2016): “The effect of the East Atlantic
pattern on the precipitation δ 18 O-NAO relationship in Europe”, Climate
dynamics, 47(7-8), 2059-2069. DOI: 10.1007/s00382-015-2950-1.
https://doi.org/10.1007/s00382-015-2950-1
Cuadrat, J. M.., Serrano, R., Sánchez, M. A. S., Vargas, E. T., Durán, M. J. P., i Graño,
J. C. y Deaux, N. (2013): “Creación de una base de datos homogeneizada de
temperaturas para los pirineos (1950-2010)”. Geographicalia, (63), 63-74.
https://doi.org/10.26754/ojs_geoph/geoph.201363-64854
Cui, L., Shi, J., Ma, Y., y Liu, X. (2018): “Variations of the thermal growing season during
the period 1961–2015 in northern China”. Journal of Arid Land, 10(2), 264-276.
https://doi.org/10.1007/s40333-018-0001-6
471
Crimp, S. J., Gobbett, D., Kokic, P., Nidumolu, U., Howden, M., y Nicholls, N. (2016):
“Recent seasonal and long-term changes in southern Australian frost
occurrence”. Climatic Change, 139(1), 115-128.
https://doi.org/10.1007/s10584-016-1763-5
Dashkhuu, D., Kim, J. P., Chun, J. A., y Lee, W. S. (2015): “Long-term trends in daily
temperature extremes over Mongolia”. Weather and Climate Extremes, 8, 26-
33. https://doi.org/10.1016/j.wace.2014.11.003
Dong, M., Jiang, Y., Zheng, C., y Zhang, D. (2012): “Trends in the thermal growing
season throughout the Tibetan Plateau during 1960–2009”. Agricultural and
Forest Meteorology, 166, 201-206.
https://doi.org/10.1016/j.agrformet.2012.07.013
Easterling, D. R. (2002): “Recent changes in frost days and the frost-free season in the
United States”. Bulletin of the American Meteorological Society, 83(9), 1327-
1332. https://doi.org/10.1175/1520-0477-83.9.1327
Eccel, E., Rea, R., y Crisci, A. (2008): “La climatologia delle gelate primaverili in
Trentino: il passato e gli scenari futuri”. Italian journal of agrometeorology, 3,15-
23.
Erlat, E., y Türkeş, M. (2016): “Dates of frost onset, frost end and the frost-free season
in Turkey: trends, variability and links to the North Atlantic and Arctic Oscillation
indices, 1950-2013”. Climate Research, 69(2), 155-176.
https://doi.org/10.3354/cr01397
Fernández-Long, M. E., F., y Müller, G. V. (2006): “Annual and monthly trends in frost
days in the Wet Pampa”. In Proceedings 8th International Conference on
Southern Hemisphere Meteorology and Oceanography, Foz do Iguazú, Brazil
(pp. 249-253). INPE.
472
Fernández‐Long, M. E., Müller, G. V., Beltrán‐Przekurat, A., y Scarpati, O. E. (2013):
“Long‐term and recent changes in temperature‐based agroclimatic indices in
Argentina”. International Journal of Climatology, 33(7), 1673-1686.
Klein Tank, A. M. G., Wijngaard, J. B., Können, G. P., Böhm, R., Demarée, G., Gocheva,
A. y Heino, R. (2002): “Daily dataset of 20th‐century surface air temperature
and precipitation series for the European Climate Assessment”. International
Journal of Climatology: A Journal of the Royal Meteorological Society, 22(12),
1441-1453. https://doi.org/10.1002/joc.773
Labaciren, S.B (2014): “Spatial and temporal distribution of frost days over Tibet from
1981 to 2010”. Acta Geographica Sinica, 69(5), 690-696.
473
Li, Q., Zhang, H., Liu, X., Chen, J., Li, W., y Jones, P. (2009): “A mainland China
homogenized historical temperature dataset of 1951–2004”. Bulletin of the
American Meteorological Society, 90(8), 1062-1065.
https://10.1175/2009BAMS2736.1
Liu, Q., Piao, S., Janssens, I. A., Fu, Y., Peng, S., Lian, X., y Wang, T. (2018): “Extension
of the growing season increases vegetation exposure to frost”. Nature
communications, 9(1), 426. https://doi.org/10.1038/s41467-017-02690-y
Lorenzo, M. N., Taboada, J. J., y Gimeno, L. (2008): “Links between circulation weather
types and teleconnection patterns and their influence on precipitation patterns
in Galicia (NW Spain)”. International Journal of Climatology, 28(11), 1493-1505.
https://doi.org/10.1002/joc.1646
Mahmoudi, P. (2015): “Studying changes trend on frequency of days with pervasive and
semi-pervasive frosts in Iran. Participatory Community Assessment for Priority
Problem Diagnosis in Bajura District, Nepal”. What Matters Most–Poverty or
Climate Change, 274.
Moore, G. W. K., y Renfrew, I. A. (2012): “Cold European winters: interplay between the
NAO and the East Atlantic mode”. Atmospheric Science Letters, 13(1), 1-8.
https://doi.org/10.1002/asl.356
Murphy S.J, Washington R. (2001): “United Kingdom and Ireland precipitation variability
and the North Atlantic sea‐level pressure field”. International Journal of
Climatology 21: 939– 959. https://doi.org/10.1002/joc.670
474
Nairn, J. R., y Fawcett, R. G. (2013): “Defining heatwaves: heatwave defined as a heat-
impact event servicing all community and business sectors in Australia”. Centre
for Australian Weather and Climate Research.
Ning, X., Liu, G., Zhang, L., Qin, X., Zhou, S., y Qin, Y. (2017): “The spatio-temporal
variations of frost-free period in China from 1951 to 2012”. Journal of
Geographical Sciences, 27(1), 23-42. https://10.1007/s11442-017-1362-z
Ogi, M., Rysgaard, S., y Barber, D. G. (2016): “Cold winter over North America: The
influence of the East Atlantic (EA) and the tropical/Northern Hemisphere (TNH)
teleconnection patterns”. The Open Atmospheric Science Journal, 10(1).
https://10.2174/1874282301610010006
Peterson, T. C., Easterling, D. R., Karl, T. R., Groisman, P., Nicholls, N., Plummer, N.,
y Vincent, L. (1998): “Homogeneity adjustments of in situ atmospheric climate
data: a review”. International Journal of Climatology: A Journal of the Royal
Meteorological Society, 18(13), 1493-1517. https://doi.org/10.1002/(SICI)1097-
0088(19981115)18:13<1493::AID-JOC329>3.0.CO;2-T
Piticar, A., Croitoru, A. E., Ciupertea, F. A., y Harpa, G. V. (2018): “Recent changes in
heat waves and cold waves detected based on excess heat factor and excess
cold factor in Romania”. International Journal of Climatology, 38(4), 1777-1793.
https://doi.org/10.1002/joc.5295
Popov, T., Gnjato, S., y Trbić, G. (2017): “Trends in frost days in Bosnia and
Herzegovina”. Bulletin of the Serbian geographical society, 97(1), 35-55.
https://doi.org/10.2298/GSGD1701035P
Rahimi, J., Khalili, A., y Bazrafshan, J. (2017): “Analysis of late spring frost dates over
Iran under current climate and future scenarios”. Modeling Earth Systems and
Environment, 3(4), 1601-1610. https://doi.org/10.1007/s40808-017-0393-x
Ríos-Cornejo, D., Penas, Á., Álvarez-Esteban, R., y Del Río, S. (2015): “Links between
teleconneion patterns and mean temperature in Spain”. Theoretical and applied
climatology, 122(1-2), 1-18. https://doi.org/10.1007/s00704-014-1256-2
475
Rodríguez Fonseca, B., Casado Calle, M. J., y Barriopedro, D. (2018): “Modos de
variabilidad que afectan al suroeste de Europa”. CLIVAR Exchanges, 73, 24-
31. https://doi.org/10.31978/639-18-002-5.06
Scheifinger, H., Menzel, A., Koch, E., y Peter, C. (2003): “Trends of spring time frost
events and phenological dates in Central Europe”. Theoretical and Applied
Climatology, 74(1-2), 41-51. https://doi.org/10.1007/s00704-002-0704-6
Scorzini, A. R., Di Bacco, M., y Leopardi, M. (2018): “Recent trends in daily temperature
extremes over the central Adriatic region of Italy in a Mediterranean climatic
context”. International Journal of Climatology, 38, e741-e757.
https://doi.org/10.1002/joc.5403
Serrano-Notivoli, R., de Luis, M., y Beguería, S. (2017): “An R package for daily
precipitation climate series reconstruction”. Environmental modelling &
software, 89, 190-195. https://doi.org/10.1016/j.envsoft.2016.11.005
Skaggs, K. E., y Irmak, S. (2012): “Long-term trends in air temperature distribution and
extremes, growing degree‐days, and spring and fall frosts for climate impact
assessments on agricultural practices in Nebraska”. Journal of Applied
Meteorology and Climatology, 51(11), 2060-2073.
https://doi.org/10.1175/JAMC-D-11-0146.1
Stěpánek, P., Zahradníček, P., y Skalák, P. (2009): “Data quality control and
homogenization of air temperature and precipitation series in the area of the
Czech Republic in the period 1961–2007”. Advances in Science and Research,
3(1), 23-26.
476
Varshavian, V., Ghahreman, N., Khalili, A., y Hajjam, S. (2007): “Statistical analysis of
first and last frost occurrences and length of frost free period during the past
decades in different regions of Iran”. Environmental Informatics Archives, 5,
631-637.
Vincent, L. A., Peterson, T. C., Barros, V. R., Marino, M. B., Rusticucci, M., Carrasco,
G., ... y Grimm, A. M. (2005): “Observed trends in indices of daily temperature
extremes in South America 1960–2000”. Journal of climate, 18(23), 5011-5023.
https://doi.org/10.1175/JCLI3589.1
Vitasse, Y., Schneider, L., Rixen, C., Christen, D., y Rebetez, M. (2018): “Increase in
the risk of exposure of forest and fruit trees to spring frosts at higher elevations
in Switzerland over the last four decades”. Agricultural and Forest Meteorology,
248, 60-69. https://doi.org/10.1016/j.agrformet.2017.09.005
Wang, L., Wu, Z., He, H., Wang, F., Du, H., y Zong, S. (2017): “Changes in start, end,
and length of frost‐free season across Northeast China”. International Journal
of Climatology, 37(S1), 271-283. https://doi.org/10.1002/joc.5002
Wypych, A., Ustrnul, Z., Sulikowska, A., Chmielewski, F. M., y Bochenek, B. (2017):
“Spatial and temporal variability of the frost‐free season in Central Europe and
its circulation background”. International Journal of Climatology, 37(8), 3340-
3352. https://doi.org/10.1002/joc.4920
Yu, L., Zhong, S., Bian, X., Heilman, W. E., y Andresen, J. A. (2014): “Temporal and
spatial variability of frost‐free seasons in the Great Lakes region of the United
States”. International Journal of Climatology, 34(13), 3499-3514.
https://doi.org/10.1002/joc.3923
Zheng, B., Chapman, S. C., Christopher, J. T., Frederiks, T. M., y Chenu, K. (2015):
“Frost trends and their estimated impact on yield in the Australian wheatbelt”.
Journal of Experimental Botany, 66(12), 3611-3623.
https://doi.org/10.1093/jxb/erv163
477
CAPÍTULO 7
Las temperaturas mínimas extremas y las heladas asociadas han sido secularmente un
riesgo natural para la sociedad, especialmente en las actividades socio-económicas.
Aunque los riesgos de inundaciones han recibido un tratamiento científico más
exhaustivo, otros peligros de origen meteorológico (sequías, viento, granizos, o las
heladas) se contemplan también en la normativa sectorial correspondiente, en la Ley
del Seguro Agrario Combinado de 1978 (Olcina Cantos, 2009).
La helada tiene lugar cuando la temperatura del aire es igual o inferior a 0º a una altura
de 1,5 m sobre el suelo y dentro de un abrigo meteorológico homologado. Un estudio
realizado por Chemung (1995) mostró que las heladas se forman cuando la temperatura
479
de la superficie cae por debajo de los 0ºC y el vapor de agua en la atmósfera se
condensa y se congela. Cada planta tiene un umbral, más allá del cual es dañado por
la disminución de las temperaturas.
Las heladas tardo-invernales durante la primavera pueden dañar los brotes de los
cultivos y provocar daños en la fruta en la cosecha (Molitor et al., 2014; Schultze et al.,
2014). De particular preocupación para los productores son las heladas que ocurren
durante o después del brote que son sensibles a la temperatura de congelación.
La susceptibilidad al daño por heladas aumenta a medida que los brotes continúan
desarrollándose, lo que aumenta la vulnerabilidad (Trought et al., 1999). En climas
templados o altamente continentales, el daño por heladas durante esta etapa crítica
puede ser persistente a pesar de tener suficiente acumulación de calor durante el día
(Hall y Jones, 2010; Yau et al., 2014). Desde una perspectiva económica, el daño por
heladas reduce el rendimiento promedio hasta en un 39% (Molitor y Junk, 2011). Por lo
tanto, es importante ubicar nuevos cultivos en sitios donde la probabilidad de heladas
primaverales sea baja para evitar la pérdida de cultivos en el futuro (Trought et al., 1999).
Del mismo modo se utilizan datos del NOAA AVHRR para elaborar cartografía en la
Pampa argentina (Kerdiles et al., 1996). Además, la utilización de imágenes satelitales
para la elaboración de cartografía ha sido ampliamente utilizada en últimos años,
480
destacando los trabajos efectuados en Aberdare (Kenya), con un riguroso y completo
análisis de la peligrosidad de heladas (Kotikot y Onywere, 2015).
El objetivo principal del capítulo es elaborar una cartografía del riesgo de helada de alta
resolución. Para ello, es imprescindible un buen análisis de la peligrosidad,
vulnerabilidad y exposición, elementos básicos en la cuantificación del riesgo. La
principal novedad en el análisis de la peligrosidad viene en la caracterización temporal
del periodo de heladas (inicio y final del mismo) en diferentes observatorios
meteorológicos de la DHS, así como la utilización de termografías (imágenes satelitales)
utilizadas en el Capítulo 3. Se realizan, finalmente, mapas de peligrosidad,
vulnerabilidad, exposición y riesgo para diferentes meses (noviembre a abril).
481
7.2. MATERIAL Y MÉTODOS
7.2.1. Datos
7.2.1.1. Usos de suelo para el análisis del tipo (TC) y fenología (FC) del cultivo
El análisis de usos del suelo para el posterior análisis de la vulnerabilidad de cultivos
(tipo y fenología) se lleva a cabo mediante la información proporcionada por la Sede
Electrónica del Catastro (https://www.sedecatastro.gob.es/).
En el análisis del capítulo se utiliza la información procedente de los usos de suelo del
Catastro, en detrimento de otras coberturas como las del SIOSE, Corine Land Corver
(CLC) o SigPac por los siguientes motivos:
482
estereocorrelación automática de vuelos fotogramétricos del Plan Nacional de
Ortofotografía Aérea (PNOA)
Las temperaturas medias de las mínimas (ºC) han sido obtenidas de los datos
diarios de temperatura mínima absoluta de la red meteorológica utilizada en la
Tesis Doctoral (AEMET, SIAM IMIDA, SAIH Segura, y red propia de datalogger),
que ya ha sido ampliamente descrita en capítulos anteriores.
Temperaturas mínimas absolutas (ºC) registrada en cada una de las series
meteorológicas analizadas.
Nº de días de helada (FD) registradas por mes y año en cada una de las series
meteorológicas analizadas.
El Índice de Concentración de Heladas (ICH) detallado en el Capítulo 4.
Nº de horas de helada (FH) de las series meteorológicas analizadas que
proporcionan datos horarios.
Probabilidad de alcanzar o descender de -5ºC (FP5) en cada mes o año. Realiza
para cada una de las series meteorológicas analizadas de la base de datos
térmica de la Tesis Doctoral.
7.2.1.5. Termografías
Se utiliza el producto final (VIIRS LST y MODIS LST) de las termografías obtenidas en
el Capítulo 4, donde se desarrollan ampliamente. Tras la validación y comprobación
como una excelente herramienta para la cartografía de la distribución de temperaturas
mínimas durante madrugadas de ITN, se utiliza como herramienta clave para la
realización de una cartografía de peligrosidad de helada más completa.
483
7.2.2. Métodos
El término riesgo viene definido como producto de un peligro y sus consecuencias.
Donde no hay personas o valores que puedan verse afectados por un fenómeno natural
no hay riesgo (Kron, 2005). Es decir, aparece el riesgo en la interacción potencial entre
sociedad y eventos naturales extremos (Montz et al., 2017).
Tabla 7.1. Niveles de reclasificación utilizados para la vulnerabilidad (V), exposición (E)
y peligrosidad (P) de heladas.
484
TNn (10) + TNm (10) + FD (15) + FH (15) + FP5 (20) Termo (30)
IPE: (7.2)
6
La cartografía de los variables (TNn, TNm, FD, FH y FP5), salvo el producto final de
termografía, ya realizado en el Capítulo 4, es llevado a cabo mediante un proceso de
interpolación (7.3). Se realiza mediante el método de kriging ordinario (25 m de pixel),
con un modelo de semivariograma esférico. Se agrega un segundo factor
complementario con el gradiente altitudinal:
Las variables elegidas son reducidas a 0 metros de altitud (3), mediante la ecuación
resultante de la regresión lineal para cada mes (temperatura vs. altitud). En el software
ArcGis se utiliza un DEM de una resolución espacial de 25 m de pixel.
Las horas de helada que muestran la duración de las temperaturas bajo cero son de
vital importancia para el cálculo del IPE. La intensidad, pero especialmente la duración,
son los factores que más inciden en los daños por helada. Por ejemplo, un estudio
realizado por Urbina Vallejo (2007) para la variedad “Delicious” de manzana estima
daños con una helada de -4,0ºC según el estado fenológico de la floración. Concluye
daños del 3% con 0,5 horas a ese umbral térmico, del 47% con 2 horas, o del 70% con
4 horas de duración.
485
Se utiliza la termografía general obtenida en el capítulo 4, productos VIIRS/MODIS LST,
con el fin de enfatizar, y localizar la distribución espacial de las piscinas de aire frío
(CAP), las zonas de transición, y las áreas sin inversión térmica (WAM) del área de
estudio. La utilización de este producto se considera especialmente relevante, pues
supone la distribución térmica del 80% de las madrugadas al año (Fig. 7.1). Se trata una
herramienta básica para mapear el riesgo de helada. Para el cálculo y elaboración de
índices de riesgo de helada se han incorporado durante los últimos años imágenes
satelitales en algunas investigaciones, como Nilahue (Chile) por Santibáñez (2013).
486
Depresión del Guadalentín, o zona norte de la DHS. Predominan los cultivos de
lechuga, coliflor, brócoli, alcachofa, melón, sandía, tomate y patata.
La fenología del cultivo (FC), es decir, el estado del ciclo vegetativo (aparición,
transformación o desaparición rápida de los órganos vegetales) es muy
influyente en la afección de heladas para los meses que componen el periodo
frío (PF) (Tabla 7.2). Marzo y abril suelen presentar estados fenológicos más
vulnerables, donde la aparición de brotes y pequeños frutitos, unido a la
aparición ocasional de días helada, aumenta considerablemente la sensibilidad
ante bajas temperaturas.
La pendiente orográfica (P), es un factor de localización clave. Los sectores
orográficamente deprimidos acumulan aire más frío durante la mayor parte de
487
las madrugadas del año (80%). A igual tipo de cultivo, experimentarán una mayor
vulnerabilidad los que se asienten en sector de fondo de valle. Por tanto, a mayor
pendiente orográfica, menor vulnerabilidad. El factor P es utilizado por Simbaña
Chorlango (2014), en la elaboración de cartografía de riesgo de helada para
Pichincha (Ecuador).
La exposición abarca todos los elementos, procesos y temas que podrían verse
afectados por un evento peligroso. En consecuencia, la exposición es la presencia de
activos sociales, económicos, ambientales o culturales en áreas que pueden verse
afectadas por un peligro natural o antrópico (Birkmann, 2013).
488
El índice de exposición de helada se calcula en base a la valoración económica de la
tipología de cultivo (VE). La reclasificación está basada igualmente en 14 niveles. Así
pues, los más elevados (13-14) hacen referencia a valores económicos más bajos
(extremadamente baja o nula), mientras que los índices de reclasificación más bajos (1-
2) coinciden con la exposición más elevada (excepcionalmente alta y
extraordinariamente alta), y el valor económico más elevado de los cultivos (Tabla 7.2).
Peligrosidad de Vulnerabilidad
helada (IPE) Exposición (IEE)
(IVE)
Temperatura Tipo de
media de las cultivo (TC) Valoración
mínimas (TNm) económica del
cultivo (VE)
Fenología del
Temperatura cultivo (FC)
mínima absoluta
(TNn)
Pendiente (P)
Probabilidad
helada >-5ºC
(FP5)
Días de
helada (FD)
Nº Horas de
helada (FH)
Termografía
(TERMO)
Fig. 7.2. Diagrama resumen para la obtención de la cartografía final del riesgo de
helada.
489
7.3. RESULTADOS
Las proyecciones futuras para el periodo 2071-2011 (De Castro et al., 2005) concluían
hace varios años un aumento de 3-4ºC en el sureste peninsular durante la época
invernal. Más recientemente, los resultados de Gómez-Navarro et al. (2010), modelizan
un ascenso de las temperaturas mínimas durante el invierno de 1-2ºC para el mismo
periodo temporal. Los resultados están en consonancia con los obtenidos por Hartmann,
et al., (2013), con incrementos de las temperaturas en los días más fríos de invierno
entre 2-3ºC (escenarios más suaves RCP 2.6 y 4.5).
Tabla 7.3. Promedio estadístico diferentes índices climáticos por década para el
conjunto de 22 observatorios meteorológicos de la DHS (1950-2016).
Los eventos de helada en primavera y otoño tienen una clara repercusión en el ciclo
vegetativo de las plantas. Cuando los umbrales térmicos son rebajados, los daños en el
490
sistema vegetativo (daño en flores, frutos…) puede arruinar la cosecha (Chmielewski y
Rötzer, 2000; Menzel, 2000). Así pues, los cambios temporales del periodo de heladas,
así como el inicio y fin del mismo, determinan en buena medida la salud del ciclo
vegetativo anual (Graczyk y Kundzewicz, 2016; Wypych et al., 2017).
Fig. 7.3. Evolución temporal de la aparición de la primera helada (FFF) para el conjunto
de 22 observatorios meteorológicos de la DHS (1950-2016).
Las primeras heladas del periodo (FP) no son especialmente relevantes en el área de
estudio, pues la gran mayoría de cultivos presentan estados fenológicos poco
vulnerables a las bajas temperaturas. Más temidas son las últimas heladas primaverales
(LSF), ya que actúan en periodos vegetativos especialmente vulnerables (floración
avanzada, y primeros estadios de los frutos). Las heladas, durante los meses de marzo
y abril todavía son frecuentes en sectores occidentales y elevados de la DHS, y en zonas
de valle de media altitud. Pueden llegar a aparecer durante jornadas aisladas en zonas
de medianías y prelitorales.
491
Sin duda, un resultado trascendente en la disminución de la peligrosidad de helada en
el área de estudio. Las heladas se reducen a lo largo del año, y, además, las heladas
tardo-invernales y de primavera aparecen antes.
Fig. 7.4. Evolución temporal la última helada (LSF) para el conjunto de 22 observatorios
meteorológicos de la DHS (1950-2016).
492
Fig. 7.5. Evolución temporal de la longitud del periodo de heladas (FP) para el conjunto
de 22 observatorios meteorológicos de la DHS (1950-2016).
La Tabla 7.4 también muestra el promedio del ICH en los diferentes observatorios
analizados, así como la tendencia temporal durante el periodo de observación (1950-
2016). Los valores más elevados (> 0,30) reflejan una mayor densidad de heladas
durante el FP. Aparecen en Pontones, Santiago de la Espada, Socovos o Pinoso, donde
coinciden con los ámbitos donde el número de heladas es más importante. Sin embargo,
en zonas litorales/prelitorales, y en ámbitos sin eventos de ITN, el ICH es muy bajo (<
0,10), como en Pozo Estrecho, San Javier o Librilla.
El ICH registra una tendencia descendente durante las últimas décadas (-0,01
días/década), si bien, en general, el descenso no es estadísticamente significativo. La
densidad del número de heladas en el periodo frío desciende especialmente en
observatorios como Huerta Espuña, Liétor, Pinoso o San Javier, con descensos entre -
0,03 y -0,04 (estadísticamente significativo).
493
Tabla 7.4. Promedio estadístico de la aparición de la primera helada del periodo (FFF),
de la última (LSF), longitud del periodo (FP), índice ICH y su tendencia temporal
días/década (estadísticamente significativo en negrita) para los 22 observatorios
meteorológicos analizados en la DHS (1981-2010).
La vulnerabilidad agrícola ante las heladas viene marcada por la tipología y ubicación
de los cultivos en un territorio. El asentamiento de variedades poco resistentes al frío en
zonas de inversión térmica le confiere una alta vulnerabilidad, especialmente al final del
periodo de heladas (final del invierno e inicios de primavera).
Desde el punto de vista relativo el mayor incremento es para el olivo, con una variación
del 681% en las últimas tres décadas. La variación de los frutales no cítricos también ha
sido relevante, con un incremento del 164,1% (Fig. 7.6).
494
Tabla 7.5. Evolución de las toneladas producidas para diferentes grupos de cultivo en
la Región de Murcia (1975-2018). Fuente: Comunidad Autónoma de la Región de Murcia
(Consejería de Agricultura y Agua).
Fig. 7.6. Evolución de las toneladas producidas para diferentes grupos de cultivo en la
Región de Murcia (1975-2018). Fuente: Comunidad Autónoma de la Región de Murcia
(Consejería de Agricultura y Agua).
495
Campo de Cartagena (en la cuenca de la Rambla del Albujón), almendros y viñedo en
los Campos de Cagitán (entre Calasparra y Bullas), frutales de regadío en el tramo del
río Segura entre Calasparra y Cieza, frutales de secano y almendros en el altiplano de
Caravaca de la Cruz, o viñedo en el extremo norte de la DHS. En definitiva, un
importante aumento de la vulnerabilidad durante las últimas dos décadas.
La exposición ante las heladas viene marcada especialmente por el precio económico
según grupo de cultivo. Uno de los índices más utilizados es el precio percibido por el
agricultor, que es, en definitiva, quien corre el riesgo económico de perder la cosecha
ante una eventual helada. Según datos de la Consejería de Agricultura y Agua de la
Comunidad Autónoma de la Región de Murcia, la variación durante los últimos 13 años
496
es ligeramente positiva, es decir, el agricultor, está percibiendo un precio algo más
elevado por sus productos (Tabla 7.6).
Tabla 7.6. Evolución del precio percibido por el agricultor para diferentes grupos de
cultivo en la Región de Murcia (1975-2018). Fuente: Comunidad Autónoma de la Región
de Murcia (Consejería de Agricultura y Agua).
Fig. 7.8. Evolución del precio percibido por el agricultor para diferentes grupos de cultivo
en la Región de Murcia (2075-2018). Fuente: Comunidad Autónoma de la Región de
Murcia (Consejería de Agricultura y Agua).
497
7.3.4. Propuesta cartográfica de alta resolución del riesgo de helada
La cartografía final de peligrosidad registra los valores más elevados en la cabecera del
río Segura (Sª de Segura – Altiplano de Hernán Perea). Se trata del ámbito geográfico
de la DHS con la peligrosidad más elevada (excepcionalmente alta) en enero (Fig. 7.12).
Se trata de un sector, que, a tenor de los diferentes mapas elaborados, registra en el
mes de enero una temperatura media de las mínimas inferior a -5ºC, temperaturas
mínimas absolutas inferiores a -20ºC, y un promedio de más de 120 días con helada a
lo largo del año. Además, se contabilizan más de 1230 horas de helada al año.
Dentro del extremo más oriental del área de estudio, destacan algunos ámbitos
geográficos deprimidos (en zonas de valle) donde se registra una peligrosidad de helada
algo mayor que el entorno general:
498
Yéchar – Los Baños de Mula, al noroeste del municipio de Albudeite, con una
peligrosidad media-baja.
Fig. 7.9. Franja de separación entre la zona occidental con la peligrosidad de helada
más elevada, y la zona oriental, con valores de menor peligrosidad. Peligrosidad general
de helada (noviembre a abril).
En zonas de transición, cerca de la franja umbral de la Fig. 7.9, existe una importante
densidad de cobertura agraria. En varios sectores se aprecia una peligrosidad de helada
ligeramente alta, con especial consideración:
499
Noreste del casco urbano de Yecla, y zona norte del Altiplano de la Región de
Murcia, donde aparece un sector con peligrosidad moderadamente alta (paraje
de El Pozancón).
500
Fig. 7.10. Peligrosidad de helada de noviembre en la DHS.
501
Fig. 7.11. Peligrosidad de helada de diciembre en la DHS.
502
Fig. 7.12. Peligrosidad de helada de enero en la DHS.
503
Fig. 7.13. Peligrosidad de helada de febrero en la DHS.
504
Fig. 7.14. Peligrosidad de helada de marzo en la DHS.
505
Fig. 7.15. Peligrosidad de abril en la DHS.
Por tipo de cultivo destacan las extensiones de labor de secano, donde se incluyen
cultivos herbáceos de grano (33,4%). Aparecen, los cultivos del almendro y los nuevos
506
regadíos, que suponen entre ambos más de 3.000 km2 y casi el 38% del total agrícola
(Tabla 7.8). La cartografía de usos del suelo del catastro puede ser consultada en el
Anexo, tanto a nivel de cuenca, como para las diferentes regiones establecidas.
Tabla 7.7. Superficie (km2) de los diferentes usos del suelo en la Demarcación
Hidrográfica del Segura. Fuente: Catastro.
En los últimos años, diferentes investigaciones científicas han confirmado una alta
correlación estadística entre el aumento de la temperatura media y cambios fenológicos,
por lo general, en un adelantamiento de la floración y maduración del fruto (Peñuelas et
al., 2002; Galán et al., 2005; García-Mozo et al., 2010). En el sureste peninsular son
relevantes las conclusiones aportadas por Hernández Aroca (2012), en un análisis de
los cambios fenológicos por cambios en la temperatura para diferentes tipos de cultivo
de la Región de Murcia. Predominan los avances en la foliación, la floración y la
maduración en la mayoría de cultivos (Tabla 7.9). Así pues, se observan adelantos en
la fecha de floración en albaricoquero, peral o ciruelo (frutales), mientras que no se
observan cambios significativos en olivo, viñedo, naranjo o manzano. Por su parte, la
maduración se adelanta en albaricoqueros, melocotoneros, perales, ciruelos o
membrilleros.
507
Tabla 7.8. Superficie (km2) de los diferentes tipos de cultivo del uso agrícola en la
Demarcación Hidrográfica del Segura. Fuente: Catastro.
El almendro, el olivar y el viñedo son los cultivos más resistentes a las bajas
temperaturas, especialmente durante los meses de noviembre a enero-febrero
(vulnerabilidad media-baja a extremadamente baja). El cambio, durante los meses de
508
marzo y abril es muy drástico, con una vulnerabilidad entre ligera y excepcionalmente
alta (Fig. 7.20 y 7.21).
Tabla 7.10. Superficie total y relativa (km2) de los diferentes grados de vulnerabilidad de
helada en la Demarcación Hidrográfica del Segura. Fuente: Catastro.
La Tabla 7.10 muestra la superficie total y peso relativo de los diferentes grados de
vulnerabilidad general en la DHS. Destacan principalmente dos grupos, el de
vulnerabilidad extraordinariamente alta, con un total de 1.336 km2 de cultivos de nuevos
regadíos y huerta tradicional; y por otro, el grupo de vulnerabilidad moderadamente alta,
con 2.723 km2 de cultivos de cereal (labor de secano) y 645 km2 de agrios. Por su parte,
509
los grupos de vulnerabilidad media-alta y media-baja, con más de 1.200 km2 entre
ambos, aglutinan principalmente viñedo, olivo y almendro.
510
Fig. 7.17. Vulnerabilidad de helada de diciembre en la DHS.
511
Fig. 7.18. Vulnerabilidad de helada de enero en la DHS.
512
Fig. 7.19. Vulnerabilidad de helada de febrero en la DHS.
513
Fig. 7.20. Vulnerabilidad de helada de marzo en la DHS.
514
Fig. 7.21. Vulnerabilidad de helada de abril en la DHS.
515
7.3.4.3. Cartografía de la exposición de helada
La exposición ante el riesgo de heladas viene marcada por el valor económico de los
cultivos. Ante la falta de una serie de datos continua de pérdidas económicas por helada,
durante un intervalo temporal suficientemente importante, se determina la utilización del
precio agrario percibido por el agricultor. A mayor cantidad económica recibida por el
cultivador, la exposición es más elevada.
Por cultivos, el almendro es el que posee el mayor valor económico del mercado,
representado espacialmente en sectores centrales de la DHS (exposición
extremadamente alta). El resto de cultivos mayoritarios en el área de estudio (frutales,
cítricos, viñedo, productos hortícolas…) cuentan con una exposición entre alta y baja,
con valores entre 6 y 9 sobre un total de 14.
Desde el punto de vista espacial, las zonas con la mayor exposición se localizan en el
centro de la DHS (principalmente cuenca de Mula, piedemontes de los relieves centrales
de la Región de Murcia (Sierra Espuña, Pedro Ponce…), reborde del Campo de
Cartagena, en sectores marginales de piedemontes. También aparecen aplios sectores
con una importante exposición, sectores del Alto Guadalentín (Tierras Altas de Lorca),
Altiplano de Almería (Chirivel), algunos sectores de la Comarca del Noroeste de la
Región de Murcia, y sur de Albacete. Se trata, en su mayoría, de cultivos de almendro,
una tipología de cultivo mayoritriamente de secano y que tradicionalmente se ha
asentado en zonas marginales, piedemontes o terrenos topográficamente accidentados
(Fig. 7.22).
Sin embargo, la menor exposición de helada recae en cultivos que generan un menor
valor económico al agricultor, destacando los cultivos de cereal de grano (labor de
secano), arrozales, olivo y agrios.
516
Fig. 7.22. Exposición ante heladas en la DHS.
La cartografía final del riesgo de helada para cada uno de los meses del periodo frío
(noviembre, diciembre, enero, febrero, marzo y abril) puede ser consultada en detalle
para cada uno de las 22 comarcas climáticas propuestas en el Capítulo 3 (apartado de
anexos). La cartografía general de riesgo sirve para ubicar, a nivel general, los ámbitos
geográficos con un mayor riesgo de helada, aunque el nivel de detalle alcanzado en la
cartografía (gracias al Catastro) sólo puede ser observada en la cartografía de alta
resolución.
517
A nivel general, los meses de marzo y abril son los que presentan un mayor riesgo de
helada, especialmente por los altos valores de vulnerabilidad en la mayoría de la
tipología de cultivos. Mientras que, noviembre y diciembre presentan un riesgo
relativamente bajo, a excepción de las Huertas de Lorca y Murcia (riesgo alto-
ligeramente), y el extremo más septentrional de la DHS, con un riesgo medio-alto en el
viñedo (Fig. 7.26 y 7.27). También es destacable, durante los meses de marzo y abril
(Fig. 7.30 y 7.31), el mayor riesgo en el sector centro-occidental del área de estudio. En
este sector las temperaturas mínimas son realmente bajas durante el periodo frío, donde
la gran mayoría de cultivos de la DHS presentan una vulnerabilidad muy elevada.
El 10% restante, lo que puede considerarse como un riesgo más extremo, se reparten
entre el riesgo moderadamente alto (4), y el bajo (9). En el primero de ellos, que supone
el 6,7% del total (542,2 km2), sobresale el cultivo de labor de secano, con 181,0 km 2, el
almendro con 124,0 km2, o los nuevos cultivos de regadío (labor de regadío) con 120,1
km2. Por su parte, los cultivos predominantes en el grado de riesgo bajo, con el 3,2%
(261 km2), predominan los cultivos de secano (cereales) con 71,4 km2, olivo con 59,4
km2 o 44 km2 de labor de regadío (Tabla 7.11).
518
Tabla 7.11. Superficie (km2) de los diferentes grados de riesgo de helada en la
Demarcación Hidrográfica del Segura. Fuente: Catastro.
Grado de riesgo Sup. (km2) (%) Tipo Cultivos Sup. (km2) (%)
1. Excepcionalmente alto - - - - -
2. Extraordinariamente alto - - - - -
3. Muy alto 20.4 0.2 Labor regadío 12.3 60.3
Labor secano 6.2 30.4
Almendro 1.1 4.2
4. Moderadamente alto 651.9 8.1 Labor secano 296.4 45.5
Labor regadío 159.4 24.4
Almendro 148.6 22.8
5. Ligeramente alto 1641.5 20.3 Almendro 572.8 34.9
Labor regadío 369.8 22.5
Labor secano 358.0 21.8
Agrios 105.2 6.4
6. Alto 1446.7 17.9 Frutales 296.3 20.5
Labor regadío 295.5 20.4
Almendro 248.9 17.2
Labor secano 215.2 14.9
Viñedo 202.4 14.0
Agrios 122.8 8.5
7. Media – Alto 2128.0 26.3 Labor secano 1085.4 51.0
Viñedo 371.7 17.5
Almendro 237.9 11.2
Labor regadío 149.0 7.0
Frutales 126.0 5.9
8. Media – Bajo 1802.1 22.3 Labor secano 671.0 37.2
Agrios 311.9 17.3
Almendro 269.2 14.9
Labor regadío 260.8 14.5
Olivo 135.2 7.5
Frutales 91.9 5.1
Viñedo 31.5 1.7
9. Bajo 378.9 4.7 Labor secano 117.3 30.9
Olivo 74.8 19.7
Labor regadío 64.9 17.1
Almendro 59.8 15.8
10. Ligeramente bajo 11.5 0.1 Arroz 9.2 80.0
Frutales 0.9 7.8
Labor regadío 0.7 6.1
11. Moderadamente bajo 1.9 0.0 Arroz 0.9 47.3
Frutal 0.5 26.3
12. Muy bajo - - - - -
13. Extremadamente bajo - - - - -
14. Nulo - - - - -
Total superficie: 8076.5 km2
519
Fig. 7.23. Riesgo general de heladas (promedio de noviembre a abril) sintetizado en la
DHS. Color rojo, riesgo importante (muy alto a moderadamente alto), color verde, riesgo
intermedio (ligeramente alto a medio-alto), y azul, riesgo bajo (medio-bajo a
moderadamente bajo).
520
peligrosidad media es elevada (entre alta y ligeramente alta). Zona muy delicada
entre marzo y abril, con una peligrosidad entre media-alta y alta.
Fig. 7.24. Riesgo de helada general (promedio noviembre a abril) para los diferentes
grados de riesgo (de muy alto a moderadamente bajo, de arriba abajo, e izquierda a
derecha).
521
Al igual que el ejemplo anterior, durante los meses de marzo y abril (muy
delicados para el almendro), vuelve a registrar una peligrosidad alta, incluso en
el mes de abril, todavía con una recurrencia importante de heladas. Por ejemplo,
en el mes de marzo, la probabilidad de alcanzar o descender de -5ºC se sitúa
entorno al 50%.
Al sureste de la comarca de las cuencas del Alhárabe, Quipar y Argos (C8), en
el triángulo que conforman Calasparra, Cieza y Bullas, se sitúa una cuenca sobre
los 500 m. de altitud media (Campos de Cagitán), donde el cultivo predominante
vuelve a ser el almendro. Ésta zona presenta una peligrosidad general alta, y
media-alta en el mes de marzo.
Otro ámbito dentro del C8 aparece en las vegas de los ríos Argos (entre Cehegín
y Calasparra) y río Mula, en Bullas. Aparecen fundamentalmente almendros,
aunque en la Vega del río Argos afloran algunos frutales de regadío. Se trata de
zonas con una peligrosidad de heladas intermedia, siendo alta en el sector de
Bullas, y media-alta en el de Cehegín-Calasparra.
Con menor extensión, en el Altiplano norte de Yecla (C2), y Pétrola – Altos de
Chinchilla (C1) existen sectores más aislados con riesgo de helada importante.
Se trata principalmente de cultivos de almendro, en un área, donde la
peligrosidad general es importante (alta a ligeramente alta).
Finalmente, en el noroeste de la DHS, al sur de Albacete, aparece una
importante extensión de riesgo notable de helada, representadas especialmente
al norte de las comarcas C3 (Tobarra – Ontur), C4 (Bajo Mundo, Talave –
Camarillas), C7 (Segura – Mundo sur de Albacete) y C14 Calar del Mundo (C14).
Se trata de cultivos de almendros dispersos, pero que suman en total una
importante extensión. En ámbitos concretos destacan las inmediaciones de
Molinicos – Fuente Carrasca, en los municipios de Alcadozo, Sarguilla,
Casablanca, y el Villar. Finalmente, al norte y noroeste de Tobarra, y sur de
Ontur. Se trata de cultivos de almendros, en una zona de la DHS donde la
peligrosidad general alta a ligeramente alta.
Por su parte, durante los meses de marzo y abril, con una vulnerabilidad muy elevada
en gran parte de la DHS, destacan los siguientes ámbitos geográficos con el mayor
riesgo de helada. Para simplificar el análisis territorial, se describen las zonas para el
mes de abril (Fig. 7.24).
522
Jumilla); norte de la DHS, en los municipios de Albacete (Tobarra, Fuente Álamo, Bonete
y Montealegre del Castillo). Del mismo modo, aunque más diseminado, al sur de la
provincia de Albacete, en un área más accidentada orográficamente, aparecen
extensiones de riesgo importante en Molinicos, Bogarra, Elche de la Sierra, Letur, Yeste
o Socovos. Finalmente, en un área tan fría como el extremo más occidental de la DHS,
también aparecen extensiones de riesgo muy alto, aunque de forma mucho más
reducida. Aparecen en la Vega de Santiago de la Espada (Río Zumeta), en las Juntas
(Jaén), norte de Nerpio (Albacete) o en el Campo de San Juan (Región de Murcia).
Tabla 7.12. Superficie (km2) de los tipos de cultivo predominantes por el mayor grado
de riesgo de helada durante los meses de marzo y abril en la DHS. Fuente: Catastro.
523
Por tipología de cultivos, durante el mes de marzo sobresale el cultivo del almendro,
detallado anteriormente, y que supone un total de 487,6 km2 en los grados de riesgo de
helada más importante, sobre un total de 1214,4 km 2 del total de cultivos. En menor
medida, pero con una importante extensión, los cultivos de secano (cereal) poseen
375,5 km2. Entre ambos, suponen más del 70% de los cultivos de mayor riesgo de
helada en el mes de marzo (Tabla 7.12).
524
Fig. 7.25. Riesgo de helada general (promedio noviembre a abril) para los diferentes
tipos de cultivo mayoritarios en la DHS.
Por su parte, durante el mes de abril los resultados son similares al de marzo, ya que
entre el cultivo del almendro y del cereal (labor de secano), con un total de casi 1000
km2, aglutinan el 76,4% del total de cultivos con el grado más alto de riesgo de helada.
Otros cultivos, como los nuevos regadíos (labor de regadío) o el viñedo, llegan a
albergar entre 80 y 100 km2 durante los meses de marzo y abril en zonas de riesgo de
helada muy alta a moderadamente alta (Tabla 7.12).
525
es uno de los frutales que tiene una floración más temprana, aunque, se dan grandes
diferencias varietales respecto a la fecha de floración. Por ello, en zonas con riesgo de
heladas habrá que poner especial cuidado en escoger variedades de floración tardía.
Según Kodad (2005) la diferencia temporal entre la floración de las dos variedades más
diferentes de almendro en la Península Ibérica (entre grupo extra tempranas y extra
tardías), es de dos meses, entre la floración media a principio de febrero de la variedad
largueta, o a finales de marzo de laguna de las variedades felisia.
La baja productividad del almendro marginal viene determinada por las pésimas
condiciones del medio de cultivo: excesiva pendiente, clima muy adverso, etc. Aunque,
en ocasiones se podrían mejorar algo los niveles productivos con actuaciones culturales,
sobre todo con la implantación de variedades de floración tardía, para paliar los daños
por heladas (Arquero et al., 2013). Esto ya fue apuntado por Del Amor García, et al.
(1992), tras realizar un estudio en 11 variedades diferentes de almendros en la Región
de Murcia. Llegaron a la conclusión que es idóneo decantarse por la incorporación de
variedades tardías, ya que las tempranas y medias obtenían un mayor riesgo de helada.
El estudio fue realizado combinando la probabilidad se registrar una temperatura de -
2ºC durante el periodo de floración (F) para variedades tempranas, medias y tardías,
con una diferencia, por ejemplo, en el centro de la Región de Murcia, de reducción de
un 40 a un 20% de probabilidad de helada durante esa fase fenológica.
Los agrios, por su parte, y principalmente el cultivo del limón, mayoritario en la DHS, se
asienta en zonas prelitorales y litorales del sureste peninsular, en zonas prácticamente
fuera del riesgo de heladas (Nicolás Marín, 2019). La superficie de cultivo en Murcia y
Alicante, que se engloba en el área de estudio, supone el 83% de la superficie nacional
(García García, 2014).
La Tabla 7.13 muestra la superficie total y relativa de los diferentes tipos de cultivo
mayoritario en la DHS según los diferentes niveles de riesgo de helada. Esta tabla se
complementa con la Fig. 7.19, donde se representan espacialmente los niveles de riesgo
para los principales tipos de cultivos en la DHS. El 86,8% de la superficie agrícola se
asienta en 4 grados de riesgo centrales (ligeramente alto, alto, medio-alto y medio-bajo),
pudiendo concluir que los cultivos de la DHS, por lo general, presentan un riesgo de
helada intermedio.
526
Desde el punto de vista relativo los mayores porcentajes por cultivos difieren según el
grado de riesgo, con valores más elevados de la labor de secano en el nivel 7 (medio-
alto), el almendro en el 5 (ligeramente alto), labor de regadío en el 5 (ligeramente alto),
los agrios en el 8 (medio-bajo), el viñedo en el 7 (medio-alto), los frutales en el 6 (alto),
el olivo en el 8 (medio-bajo), la huerta tradicional en el 5 (ligeramente alto), el algarrobo
en el 7 (medio-alto), el arroz en el 10 (ligeramente bajo), y finalmente la higuera en el 7
(medio-alto) (Tabla 7.14).
Se concluye que la mayor extensión del cultivo del almendro y los cultivos hortícolas (ya
sea tradicional, o de nuevo regadío) son los que se asientan en territorios de mayor
riesgo de helada. Ello supone, por ejemplo, que el almendro, alberca cada año, 149,7
km2 en zonas de riesgo muy elevado de heladas, y 821,7 km2 en áreas de riesgo notable.
El total de 971 km2 que suponen una extensión similar a los términos municipales de
Moratalla o Jumilla (Región de Murcia).
Tabla 7.13. Superficie (km2) por tipo de cultivo y nivel de riesgo de helada en la DHS.
Tabla 7.14. Peso relativo (%) por tipo de cultivo y nivel de riesgo de helada en la DHS.
527
Fig. 7.26. Riesgo de helada de noviembre en la DHS.
528
Fig. 7.27. Riesgo de helada de diciembre en la DHS.
529
Fig. 7.28. Riesgo de helada de enero en la DHS.
530
Fig. 7.29. Riesgo de helada de febrero en la DHS.
531
Fig. 7.30. Riesgo de helada de marzo en la DHS.
532
Fig. 7.31. Riesgo de helada de abril en la DHS.
533
Conclusiones y discusión
Según Fonseca et al. (2016), a través de reanálisis del Weather Research and Forecast
(WRF) se produce una disminución de las noches frías (Tn10p) en el sureste peninsular
durante la primavera, coincidiendo con el final del FP, mientras que, los cambios
observados en el otoño son mínimos. Se trata de observaciones similares a las
registradas en el área de estudio, y que influyen directamente en el acortamiento del
periodo especialmente durante la primavera.
El capítulo 5 corrobora una tendencia positiva del EAi, hacia fases cada más positivas
en época invernal. Ello supone el fortalecimiento del Anticiclón de Groenlandia, y el
predominio de una circulación zonal al sur de 45ºN, con inviernos de temperaturas
medias cada vez más elevadas en la fecha occidental europea. Esto coincide con las
investigaciones de Cony et al. (2008), que determinan, una menor recurrencia de las
configuraciones sinópticas que dan lugar a los llamados días extremadamente fríos en
Europa (ECD). Estas situaciones, cada vez menos recurrentes, se caracterizan por tipos
de anticiclón débiles en el Océano Atlántico y el norte de Europa, bajas en Europa
central y occidental, vientos de componente norte, situaciones de pantanos
barométricos en el área mediterránea, y finalmente, bajas presiones en Lituania y
Estonia que introducen aire frío hacia el centro de Europa.
Por su parte, la vulnerabilidad y exposición por heladas aumentan durante las últimas
décadas en el área de estudio, con un incremento sustancial de la cobertura agraria,
534
especialmente en las zonas más frías de valle. En el intervalo temporal de 1975 a 2018,
se produce un ascenso del 72% en la producción agrícola de la Región de Murcia, lo
que supone un aumento de 2,4 millones de toneladas. Además, el valor económico de
los cultivos aumenta ligeramente durante los últimos años (+0,1 euros/kg).
Todo ello genera amplias superficies agrícolas en zonas de riesgo importante de helada,
especialmente durante los meses de marzo y abril. Un total de más de 1200 km 2 (15,7%
del total de superficie agrícola) se encuentran en zonas de riesgo extremadamente a
moderadamente alto cada año, con predominio de almendros y cereales de secano
(entre el 70-75% del total). Además, más de 3000 km2 (39,8% del total agrario) se
encuentran cada año en zonas de riesgo de helada alta a ligeramente alta, desglosados
en más de 800 km2 de nuevos regadíos, 585 en cereales de secano, 460 de almendro,
440 de frutales, 400 de viñedo, o 241 km2 de agrios.
Tabla 7.15. Superficie absoluta (km2) y relativa (%) por tipología de cultivo en las cuatro
zonas más frías de valle. Elaboración a partir del producto de termografías.
Nivel Termografía Sup. (Km2) (%) Tipo cultivo Sup. (Km2) (%)
Nivel 1 35,1 0,2 Labor de secano 10,5 100,0
Nivel 2 250,0 1,3 Labor de secano 48,2 77,4
Labor de regadío 9,3 14,9
Almendro 2,6 4,2
Almendro 2,1 3,5
Nivel 3 1691,0 9,0 Labor de secano 746,3 74,1
Almendro 128,1 12,7
Labor de regadío 94,6 9,4
Frutales 18,8 1,9
Olivo 12,8 1,3
Huerta tradicional 6,9 0,7
Nivel 4 5558,7 29,4 Labor de secano 1488,4 49,6
Almendro 616,8 20,6
Labor de regadío 392,3 13,1
Olivo 248,6 8,3
Frutales 223,3 7,4
Huerta tradicional 26,8 0,9
Arroz 5,0 0,2
La Fig. 7.32 muestra desde el punto de vista espacial la extensión por tipología de
cultivos que se asientan sobre las áreas geográficas más frías de la DHS. Así mismo, la
Tabla 15 recoge los valores absolutos y relativos del parcelario agrícola situado en
dichas zonas, que ha sido extraídas de la reclasificación de las termografías
(MODIS/VIIRS LST). De un total de 14 niveles se escogen los 4 primeros, es decir, los
valles o depresiones que registran las temperaturas más frías durante las madrugadas
de ITN, denominado niveles fríos de termografía. Estos 4 niveles más fríos representan
535
el 40% de la superficie de la DHS (7534,8 km2), y aglutinan 4082 km2 de cultivos en
áreas críticas de frío.
Fig. 7.32. Distribución espacial por tipología de cultivo en las cuatro zonas más frías de
valle. Elaborado a partir del producto de termografías.
Entre los cultivos más destacados sobresale el cereal (labor de secano) con 2293,4 km 2,
de los que más de 58 km2 se encuentran en el polo frío del SE peninsular (Campos de
Hernán Perea). Les sigue el cultivo del almendro con 749,6 km2, labor de regadío con
496,2 km2, olivo con 261,4 km2, frutales con 242,1 km2, o finalmente, y en menor medida,
la huerta tradicional con 33,7 km2.
536
En las áreas más frías de la DHS, predomina, por tanto, un cultivo predominantemente
de secano (cereal, almendro, olivo…), que aparece históricamente en sectores
occidentales del área de estudio. Tradicionales secanos, con un cultivo extensivo,
ubicado en zonas de elevada altitud, y que, en las últimas décadas, ha sido una fuente
de autoabastecimiento para las zonas rurales de interior.
Referencias bibliográficas
Anandhi, A., Perumal, S., Gowda, P. H., Knapp, M., Hutchinson, S., Harrington, J. y Rice,
C. W. (2013): “Long-term spatial and temporal trends in frost indices in Kansas,
USA”. Climatic Change, 120(1-2), 169-181. https://doi.org/10.1007/s10584-013-
0794-4
Anandhi, A., Zion, M. S., Gowda, P. H., Pierson, D. C., Lounsbury, D. y Frei, A. (2013):
“Past and future changes in frost day indices in Catskill Mountain region of New
York”. Hydrological Processes, 27(21), 3094-3104.
https://doi.org/10.1002/hyp.9937
Arquero, A., Belmonte, A., Casado, B., Cruz-Blanco, M., Espadafor, M., Fernández, J. L.,
y Parra, M. A. (2013): “Manual del Almendro”. Consejería de Agricultura, Pesca y
Desarrollo Rural. Junta de Andalucía, 80 pp.
Bielec-Bąkowska, Z., y Łupikasza, E. (2009): “Frosty, freezing and severe freezing days
and their synoptic implications in Małopolska, Southern Poland, 1951–2000”.
Bulletin of Geography. Physical Geography Series, 1(1), 39-62.
https://doi.org/10.2478/bgeo-2009-0003
Carmona, R., Díaz, J., Mirón, I. J., Ortíz, C., León, I., y Linares, C. (2016). “Geographical
variation in relative risks associated with cold waves in Spain: The need for a cold
wave prevention plan”. Environment international, 88, 103-111.
https://doi.org/10.1016/j.envint.2015.12.027
537
Cony, M., Hernández, E., y Del Teso, T. (2008): “Influence of synoptic scale in the
generation of extremely cold days in Europe”. Atmosphere, 21(4), 389-401.
Crimp, S., Bakar, K. S., Kokic, P., Jin, H., Nicholls, N., y Howden, M. (2015): “Bayesian
space–time model to analyse frost risk for agriculture in Southeast Australia”.
International Journal of Climatology, 35(8), 2092-2108.
https://doi.org/10.1002/joc.4109
De Castro, M. D., Martín-Vide, J., y Alonso, S. (2005): “El clima de España: pasado,
presente y escenarios de clima para el siglo XXI. Impactos del cambio climático
en España”. Ministerio de Medio Ambiente (España).
Del Amor García, F., Barba Martínez, E., Botía Ordaz P., Erena Arrabal, M., García
Monreal, F., Sánchez Toribio, M.I, y Soler González, J. (1992): “Riesgo de helada
en almendro en la Región de Murcia”. Consejería de Agricultura, Ganadería y
Pesca de la Región de Murcia, 141 pp.
Easterling, D. R. (2002): “Recent changes in frost days and the frost-free season in the
United States”. Bulletin of the American Meteorological Society, 83(9), 1327-1332.
https://doi.org/10.1175/1520-0477-83.9.1327
Eccel, E., Rea, R., Caffarra, A., y Crisci, A. (2009): “Risk of spring frost to apple production
under future climate scenarios: the role of phenological acclimation”. International
Journal of Biometeorology, 53(3), 273-286. https://doi.org/10.1007/s00484-009-
0213-8
Erena, M., Brotons, J. M., Conesa, A., Manera, F. J., Castañer, R., García, P. y Porras,
I. (2017): “Desarrollo de un geoportal para el inventario y la evaluación de daños
por heladas en los cítricos de la Región de Murcia”. XVII Congreso de la
Asociación Española de Teledetección.
Erlat, E., y Türkeş, M. (2016): “Dates of frost onset, frost end and the frost-free season in
Turkey: trends, variability and links to the North Atlantic and Arctic Oscillation
indices, 1950-2013”. Climate Research, 69(2), 155-176.
https://doi.org/10.3354/cr01397
538
Fernández-Long, M. E., Barnatán, I., Dominici, C., y Murphy, G. (2016): “Información
agroclimática de las heladas en la Argentina: generación y uso”. Meteorologica,
41(2), 7-31.
Fonseca, D., Carvalho, M. J., Marta-Almeida, M., Melo-Gonçalves, P., y Rocha, A. (2016):
“Recent trends of extreme temperature indices for the Iberian Peninsula”. Physics
and Chemistry of the Earth, Parts A/B/C, 94, 66-76.
https://doi.org/10.1016/j.pce.2015.12.005
García García, J. (2014): “Análisis del sector del limonero y evaluación económica de su
cultivo”. Instituto Murciano de Investigación y Desarrollo Agrario y Alimentario,
148 pp.
Galán C., García-Mozo H., Vázquez L., Ruiz L., Díaz de la Guardia C. y Trigo M.M.
(2005): “Heat requirement for the onset of the Olea europaea L. pollen season in
several sites in Andalusia and the effect of the expected future climate change”.
International Journal of Biometeorology, 49, 184-188.
https://doi.org/10.1007/s00484-004-0223-5
García Moreno, R., Tarquis, A. M., Díaz Álvarez, M., Burgaz Moreno, F., y Saa Requejo,
A. (2010): “Influence of climate change on damages to fruit trees produced by frost
temperatures at spanish semiarid Region of Murcia”. In: Semi-Arid Environments:
Agriculture, Water Supply, Nova Science Publishers.
Hänninen, H. (1991): “Does climatic warming increase the risk of frost damage in northern
trees?” Plant Cell Environ., 14, 449 –454. https://doi.org/10.1111/j.1365-
3040.1991.tb01514.x
Hänninen, H. (1995): “Effects of climatic change on trees from cool and temperate
regions: An ecophysiological approach to modeling bud burst phenology”, Can. J.
Bot., 73, 183– 199. https://doi.org/10.1139/b95-022
539
Hartmann, D.L., Klein Tank A.M.G., Rusticucci M., Alexander L.V., Brönnimann S.
Charabi Y, Dentener F.J., Dlugokencky E.J., Easterling D.R., Kaplan A. Soden
B.J, Thorne P.W., Wild M. y Zhai P.M., (2013): ·Observations: Atmosphere and
Surface. In: Climate Change 2013: The Physical Science Basis·. Contribution of
Working Group I to the Fifth Assessment Report of the Intergovernmental Panel
on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J.
Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)]. Cambridge
University Press, Cambridge, United Kingdom and New York, NY, USA.
https://doi.org/10.1017/CBO9781107415324.008
Kerdiles, H., Grondona, M., Rodriguez, R., y Seguin, B. (1996): “Frost mapping using
NOAA AVHRR data in the Pampean region, Argentina”. Agricultural and Forest
Meteorology, 79(3), 157-182. https://doi.org/10.1016/0168-1923(95)02253-8
Kramer, K., I. Leinonen, y D. Loustau (2000): “The importance of phenology for the
evaluation of impact of climate change on growth of boreal, temperate, and
Mediterranean forests ecosystems”: An overview, Int. J. Biometeorol., 44, 67 – 75
https://doi.org/10.1007/s004840000066
Kron, W. (2005): “Flood risk = hazard • values • vulnerability”. Water international, 30(1),
58-68. https://doi.org/10.1080/02508060508691837
540
Laughlin, G. P., y Kalma, J. D. (1990): “Frost risk mapping for landscape planning: a
methodology”. Theoretical and Applied climatology, 42(1), 41-51.
https://doi.org/10.1007/BF00865525
Le Tacon, P., Vacher, J. J., Eldin, M., y Imaña, E. (1992): “Los riesgos de helada en el
Altiplano boliviano”. In Actas del VII congreso internacional sobre cultivos andinos
(pp. 4-8).
Liu, B., Henderson, M., y Xu, M. (2008): “Spatiotemporal change in China's frost days and
frost‐free season, 1955–2000”. Journal of Geophysical Research: Atmospheres,
113(D12). https://doi.org/10.1029/2007JD009259
Menzel, A., Jakobi, G., Ahas, R., Scheifinger, H., y Estrella, N. (2003): “Variations of the
climatological growing season (1951–2000) in Germany compared with other
countries”. International Journal of Climatology: A Journal of the Royal
Meteorological Society, 23(7), 793-812. https://doi.org/10.1002/joc.915
Montz, B. E., Tobin, G. A., y Hagelman, R. R. (2017): “Natural hazards: explanation and
integration”. Guilford Publications, 444 pp.
Nicolás Marín, J. (2019): “Evolución poblacional y control de Prays citri Millière, sobre
limonero fino 95 en cultivo ecológico, en Abanilla (Murcia)”. Trabajo fin de grado.
Universidad Miguel Hernández (Elche).
541
Peñuelas J., Filella I. y Comas P. (2002): “Changed plant and animal life cycles from 1952
to 2000 in the Mediterranean region”. Global Change Biology, 9, 531-544.
https://doi.org/10.1046/j.1365-2486.2002.00489.x
Potop, V., Zahraniček, P., Türkott, L., Štěpánek, P., y Soukup, J. (2014): “Risk
occurrences of damaging frosts during the growing season of vegetables in the
Elbe River lowland, the Czech Republic”. Natural hazards, 71(1), 1-19.
https://doi.org/10.1007/s11069-013-0894-5
Rigby, J. R., y Porporato, A. (2008): “Spring frost risk in a changing climate”. Geophysical
Research Letters, 35(12). https://doi.org/10.1029/2008GL033955
Shen, S. S. P., Yin, H., Cannon, K., Howard, A., Chetner, S., y Karl, T. R. (2005):
“Temporal and spatial changes of the agroclimate in Alberta, Canada, from 1901
to 2002”. Journal of Applied Meteorology, 44(7), 1090-1105.
https://doi.org/10.1175/JAM2251.1
Snyder, R., y Melo-Abreu, J. P. (2010): “El daño producido por las heladas: Fisiología y
temperaturas críticas. Protección contra las heladas: fundamentos, práctica y
economía”, FAO 1, 241.
Tait, A., y Zheng, X. (2003): “Mapping frost occurrence using satellite data”. Journal of
Applied Meteorology, 42(2), 193-203. https://doi.org/10.1175/1520-
0450(2003)042<0193:MFOUSD>2.0.CO;2
542
Urbina Vallejo, V. (2007). Daños por heladas en frutales. Sintomatología y evaluación.
Generalitat de Catalunya - Departament d'Agricultura, Alimentació i Acció Rural,
pp 19.
Webb, M., Pirie, A., Kidd, D., y Minasny, B. (2018): “Spatial analysis of frost risk to
determine viticulture suitability in Tasmania, Australia”. Australian journal of grape
and wine research, 24(2), 219-233. https://doi.org/10.1111/ajgw.12314
Wypych, A., Ustrnul, Z., Sulikowska, A., Chmielewski, F. M., y Bochenek, B. (2017):
“Spatial and temporal variability of the frost‐free season in Central Europe and its
circulation background”. International Journal of Climatology, 37(8), 3340-3352.
https://doi.org/10.1002/joc.4920
Zhang, D., Xu, W., Li, J., Cai, Z., y An, D. (2014): “Frost-free season lengthening and its
potential cause in the Tibetan Plateau from 1960 to 2010”. Theoretical and applied
climatology, 115(3-4), 441-450. https://doi.org/10.1007/s00704-013-0898-9
Zinoni, F., Antolini, G., Campisi, T., Marletto, V., y Rossi, F. (2002): “Characterisation of
Emilia-Romagna region in relation with late frost risk”. Physics and Chemistry of
the Earth, Parts A/B/C, 27(23-24), 1091-1101. https://doi.org/10.1016/S1474-
7065(02)00145-6
543
CAPÍTULO 8
……………………………………………………..
Las tendencias temporales durante las últimas tres décadas, muestran una importante
disminución del número de inversiones térmicas nocturnas (-7,9 días/década). Hay que
añadir un ligero aumento del número de días con ITN durante la última década (2005-
2015). Eso sí, la frecuencia está disminuyendo en los meses de invierno (-1,0 y -1,6
eventos diarios/década en diciembre y enero respectivamente).
Tal y como concluye el capítulo 6, los días de helada están disminuyendo en la mayor
parte de la DHS, influenciados por el incremento de la temperatura de las masas de aire
en niveles medios-bajos atmosféricos (T850) durante el invierno, y por el gradual
ascenso altitudinal de los estratos de ITN, que generan procesos
……………………………………………………….
545
Objetivo 2: Analizar la distribución de temperaturas mínimas bajo condiciones de
estabilidad nocturna en la DHS.
Finalmente, los parámetros de la capa límite (Zi) y el coeficiente de mezcla vertical (Kz)
son claves en el pronóstico de una inversión térmica nocturna superficial de gran
intensidad. A medida que la Zi posee una menor altitud, y el Kz registra una menor
agitación, los procesos de ITN presentan mayor intensidad de inversión. El grado de
correlación estadística es importante (R2 de -0,57 y -0,74 respectivamente).
…………………………………………………………
546
La elaboración de un producto combinado, y su gran resultado en la validación, ha
permitido la creación de 22 comarcas climáticas elaboradas por el autor. Una
herramienta más en la futura planificación y gestión de bajas temperaturas y heladas.
Además, se identifican las cabeceras municipales, entidades poblacionales habitadas y
parajes geográficos según umbrales térmicos, sin duda una importante herramienta a
disposición de las administraciones locales y regionales.
…………………………………………………………
Hipótesis 4: Se trata del ámbito geográfico más frío del SE peninsular, gracias a los
datos arrojados por las escasas estaciones meteorológicas de AEMET (Pontones -
Jaén, Cañadas de Nerpio – Albacete, Campo de San Juan - Murcia), y a las imágenes
satelitales (termografías) consultadas a través de satélites como MODIS/VIIRS, que
estiman temperaturas excepcionalmente frías en la zona.
Conclusión 4. El Calar de Hernán Perea (Jaén) es uno de los ámbitos geográficos más
fríos del sur peninsular, con temperatura mínimas absolutas de -24,2ºC (paraje de
Monterilla) en apenas 4 inviernos de observación. Los promedios registrados son
equiparables a las zonas más frías de la mitad norte peninsular, con valores anuales de
148 heladas, 1754 horas de helada, o una longitud media del periodo de heladas de
253,3 días.
Las temperaturas mínimas extremas (< -15ºC) en los valles occidentales de alta altitud
del área de estudio aparece debido fundamentalmente a intensos procesos de inversión
térmica nocturna. La mayoría de las ocasiones tienen lugar bajo una zona de difluencia
en la península ibérica, representada en una pequeña vaguada de onda larga, y el
anticiclón de las Azores (1029 hPa) en superficie. En el interior SE peninsular aparece
una zona de calma (vientos superficiales muy débiles), con una T850 fría (1-2ºC) y un
punto de rocío extraordinariamente bajo (humedad relativa entre el 37/40%).
547
Generalmente, horas antes del proceso de ITN, tiene lugar la llegada de una línea frontal
de inestabilidad asociada a la zona de divergencia en altura de la vaguada polar
marítima. Genera precipitaciones en forma de nieve, que proporciona un extra en el
enfriamiento radiativo de la superficie. En el área de estudio, el espesor de nieve fresca
es determinante para el registro de temperaturas mínimas extremas en el paraje de
Monterilla (R2 de -0,53). Todas las temperaturas mínimas inferiores a 13ºC en dicho
paraje se acompaña de nieve en la superficie.
……………………………………………………………
…………………………………………………………..
548
la implantación de una mayor extensión agrícola en zonas de valle durante las últimas
décadas.
Por otro lado, la vulnerabilidad y la exposición aumentan durante las últimas décadas,
con un incremento del 72% en la producción agrícola de la Región de Murcia
(especialmente en áreas proclives a las inversiones térmicas nocturnas). Ello determina
que más de 1200 km2 (15,7% del total de superficie agrícola) se encuentran en zonas
de riesgo extremadamente a moderadamente alto cada año, con predominio de
almendros y cereales de secano.
549
8.1. GENERAL CONCLUSIONS
The development of the Doctoral thesis has made it possible to investigate the processes
of nocturnal temperature inversion in the Segura Hydrographic Demarcation, a
phenomenon that generates important surface temperature differences during night
hours. The application of different methodologies, among which are observational
methods, satellite image processing or the realization of high resolution frost risk
mapping, has allowed to obtain a series of results that have given answers to the initial
hypotheses and objectives:
……………………………………………………..
The temporal trends during the last three decades show a significant decrease in the
number of nocturnal temperature inversions (-7.9 days / decade). It should be added a
slight increase in the number of days with ITN during the last decade (2005-2015). Of
course, the frequency is decreasing in the winter months (-1.0 and -1.6 daily events /
decade in December and January respectively).
As Chapter 6 concludes, frost days are decreasing in most of the Segura Hydrographic
Demarcation, influenced by the increase in the temperature of air masses at mid-lower
atmospheric levels (T850) during winter, and by the gradual elevation ascent of ITN
layer, generating less intense inversion processes.
……………………………………………………….
550
Objective 2: Analyze the distribution of minimum temperatures under conditions of night
stability in the Segura Hydrographic Demarcation.
Finally, the boundary layer (Zi) and the vertical mixing coefficient (Kz) are key in the
forecast of a high intensity superficial night temperature inversion. As the Zi has a lower
altitude, and the Kz registers less velocity, the ITN processes present greater intensity
of inversion. The degree of statistical correlation is important (R 2 of -0.57 and -0.74
respectively).
…………………………………………………………
Hypothesis 3: The satellite image with a thermal channel is the only tool available to
know very roughly the surface thermal distribution on nights of temperature inversion.
The interpolation of spatial data in minimum temperatures is very imprecise in this area.
Conclusion 3: In Chapter 4, the statistical adjustments obtained are very relevant with
the combined product of MODIS and VIIRS LST, with statistical correlations of R 2 of 0.82
with the EuroLST product (BIO6) and 0.83 with the surface meteorological stations (level
of 99% confidence according to the Spearman and Pearson tests). The main CAP of the
study area and their thermal characteristics are satisfactorily identified, one of the main
analysis objectives of the research.
551
The elaboration of a combined product (VIIRS/MODIS), and its great result in the
validation, has allowed the creation of 22 climatic regions elaborated by the author. One
more tool in the future planning and management of low temperatures and frosts. In
addition, municipal capitals, inhabited population entities and geographic locations are
identified according to thermal thresholds, undoubtedly an important tool available to
local and regional administrations.
Finally, it has also been the main source for the installation of the thermometers
recorders (datalogger) in the CAP of the Segura River Basin, as well as the confirmation
of Hernán Perea Plateau (Jaén) as the coldest sector in the southeast of the iberian
peninsula.
…………………………………………………………
Hypothesis 4: It is the coldest geographical area in the SE of the iberian peninsula, due
to the data provided by the few AEMET meteorological stations (Pontones - Jaén,
Cañadas de Nerpio - Albacete, Campo de San Juan - Murcia), and the satellite images
(thermographies) consulted via satellites as MODIS/VIIRS, which estimate exceptionally
cold temperatures in the area.
Conclusion 4: It is confirmed that the Hernán Perea Plateau (Jaén) is one of the coldest
geographical areas in the south of the iberian peninsula, with absolute minimum
temperatures of -24.2ºC (Monterilla`s sinkhole) in just 4 observation winters. The
minimum temperatures recorded are comparable to the coldest areas of the northern of
the iberian peninsula, with annual values of 148 frost days, 1754 frost hours, or an
average length of the frost period of 253.3 days, exceptionally cold temperatures in the
study area.
The extreme minimum temperatures (<-15ºC) in the high altitude western valleys of the
study area appear mainly due to intense nocturnal temperature inversion processes.
Most of the occasions take place under a diffluence zone in the iberian peninsula,
represented in a small long wave trough, and the Azores anticyclone (1029 hPa) on the
surface. In the interior SE of the iberian peninsula, a zone of calm appears (very weak
surface winds), with a cold T850 (1-2ºC) and an extraordinarily low dew point (relative
humidity between 37/40%).
552
Generally, hours before the ITN processes, the arrival of a front line of instability
associated with the zone of divergence in height of the polar maritime trough occurs. It
generates precipitation as snow, which provides an extra radiative cooling of the surface.
In the study area, the fresh snow depth is decisive for the record of extreme minimum
temperatures in the Monterilla area (R2 of -0.53). All the minimum temperatures below -
13ºC in this place are accompanied by snow on the surface.
……………………………………………………………
Objetive 5: Analyze, from the spatio-temporal, the behavior of cold indicators through
several observatories subjected to various data quality control processes.
Hypothesis 5: As it has been widely developed throughout the planet and in the iberian
peninsula, the starting point is an increase in temperature during the last decades.
Conclusion 5: The temporal variation of the ET-SCI indices is greater in the C2, C3 and
C4 regions, that is, in regions located in the mid-altitude and central areas of the Segura
River Basin. In these areas there is a statistically significant reduction in cold in most
cases. Finally, the indices in the C5 region (western mountainous) show a very different
dynamic from the rest of the Demarcation, with few variations in the winter night cold in
recent decades.
The evolution of night temperatures experiences a warming in the last decades in a large
part of the Segura Hydrographic Demarcation, mainly due to the increasingly recurrent
and reinforced positive phase of the EA index. The winter with the lowest minimum
average temperatures of the analyzed database (1950-2016) in the study area,
correspond to very negative phases of the EAi. The analysis shows a decreasing
probability of cold events in the SE of the peninsula during the last decades.
…………………………………………………………..
Objetive 6: Calculate and quantify the frost danger, vulnerability, exposure and risk.
Elaboration of high resolution cartography.
Hypothesis 6: The starting hypothesis is based on a reduction in the frost danger, but,
in turn, with an increase in vulnerability as a consequence of the implementation of a
greater agricultural extension in valley areas during the last decades.
553
midlands of the interior areas of the Segura Hydrographic Demarcation. It is especially
determined by a notable advance of the end of the frost period (LSF), with an average
of 2 days / decade in the whole study area.
Vulnerability and exposure have increased in recent decades, with a 72% increase in
agricultural production in the Murcia of Region (especially in areas prone to nocturnal
temperature inversions). This determines that 1200 km2 (15.7% of the total agricultural
area) are found in extremely to moderately high risk areas each year, with a
predominance of dry almond trees and cereals.
El trabajo realizado en la Tesis Doctoral aporta una visión global y muy heterogéneo
sobre el frío nocturno en el SE peninsular, con análisis a escala regional y comarcal.
Entre los objetivos alcanzados está el de la localización de los enclaves geográficos más
fríos de la DHS, donde las herramientas de teledetección (termografías) han sido claves
para la identificación.
554
Desarrollo de códigos (Javascript) como los de Google Earth Engine para
visualizar datos de satélite térmico de alta resolución (ASTER y Landsat 8).
555
Fig. 8.1. Altura de piscina (m) en depresiones cerradas. Altiplano kárstico de Hernán
Perea (Jaén).
556
Volumen de la piscina de aire frío: las piscinas de aire frío de mayor dimensión,
uniendo la profundidad de piscina, tienden a registrar las temperaturas mínimas
absolutas más bajas, al igual que ocurre con el área. Esta vez es más
determinante, pues se tiene en cuenta la altura.
Elevación del factor de vista horizonte / cielo o “Sky view Factor” (Marks y Dozier,
1979). En cielos despejados y aire con escasa carga higrométrica, la radiación
de onda larga es mínima y menos importante que la radiación de onda larga de
la superficie de la tierra. El balance de radiación en el fondo de un valle es óptimo
para la formación de piscinas de aire frío cuando las laderas circundantes son lo
más planas posible y las montañas no son demasiado altas. El SvF es una
medida que se puede calcular de forma continuada para cada punto de la
superficie terrestre (Fig. 8.3 y 8.4). A través del software SAGA es posible su
cálculo, gracias a los algoritmos desarrolados por Oke (2000), Boehner y Antonic
(2009) y Hantzschel et al. (2015).
Energía de alivio: el aire frío no solo se forma directamente en la CAP, sino que
fluye desde las laderas circundantes desde el área de captación, a mayor altitud.
El área de captación es similar con el área de captación hidrológica superficial.
La energía de alivio tiene varios efectos sobre las temperaturas mínimas en una
piscina de aire frío:
557
Fig. 8.2. Altura de piscina (m) en depresiones cerradas. Altiplano kárstico de la Sierra
de la Cabrilla (Jaén).
Elevación del valle: en promedio, la temperatura del aire disminuye 0,65ºC por
cada 100 m de diferencia de altitud (Organización de Aviación Civil Internacional,
2002). En el Capítulo 3 se corrobora que los procesos de ITN a mayor altitud,
por lo general, registran temperaturas mínimas más bajas. Por lo que una
depresión, a mayor altitud, será potencialmente más fría. Deben mencionarse
dos fenómenos en este contexto:
558
Fig. 8.3. Altura de la piscina(m) de inversión térmica (líneas negras) y Sky view Factor
(coloreado). Altiplano kárstico de Hernán Perea (Jaén).
559
formación de una piscina local de aire frío. Se pueden observar grandes
amplitudes de temperatura en estas condiciones.
Fig. 8.4. Altura de la piscina(m) de inversión térmica (líneas negras) y Sky view Factor
(coloreado). Altiplano kárstico de la Sierra de la Cabrilla (Jaén).
560
Fig. 8.5. Propuesta de índice topográfico integrado (ITI). Altiplano kárstico de Hernán
Perea (Jaén).
561
Fig. 8.6. Propuesta de índice topográfico integrado (ITI). Altiplano kárstico de la Sierra
de la Cabrilla (Jaén).
562
por tanto, a una altitud considerable de media montaña. Además, cuenta con una altura
de piscina muy notable (27,6 m), lo que eleva a una altitud mínima del borde a 1426,6
m. Posee un SvF realmente importante (0,97), conformando morfológicamente una
dolina de suaves laderas y de unas dimensiones importantes, con 554 m de largo y 295
m de ancho (152085 m2). Por tanto, el volumen de piscina alcanza una destacada cifra
de 2208593 m3, superior a la de la mega dolina de la Nava del Polvo (1672511 m 3).
Fig. 8.7. Localización geográfica del Calar del Mundo (Albacete) y dolina de Pozo
Romero.
563
Fig. 8.8. Termografía de muy alta resolución de Landsat 7 en una jornada de verano,
donde se estima una diferencia de casi 7ºC entre el fondo y borde de la dolina.
564
Fig. 8.9. Panorámica de la sub-dolina de menor altitud en Pozo Romero, Siles (Jaén).
565
Fig. 8.10. Evolución térmica diezminutal durante las jornadas del 30 al 31 de agosto de
2020 para los sensores de Pozo Romero y los ubicados en el Calar de Hernán Perea e
inmediaciones: Era Alta de Pontón Alto, la dolina de Monterilla y Navalasno (Jaén). Eje
X: temperaturas (ºC), eje Y: horas.
Sin duda, uno de los aspectos más relevantes en el análisis de los datos térmicos han
sido las bajísimas temperaturas registradas fuera del periodo frío, y las importantísimas
oscilaciones térmicas diarias. Concretamente durante el verano y otoño del 2020
registra datos de temperaturas mínimas sin precedentes en la mitad sur peninsular (Fig.
8.11):
566
Especialmente llamativa es la temperatura mínima del 31 de agosto de 2020 con -8,5ºC,
aspecto insólito en la climatología del sur peninsular (Fig. 8.10). Además, Pozo Romero
anota una diferencia muy notable respecto a otros polos fríos de Hernán Perea e
inmediaciones, reafirmando una zona hasta ahora desconocida en el contexto climático
del sureste peninsular.
Fig. 8.11. Ejemplo de la evolución térmica con datos diezminutales del sensor Elitech
RC-5 de Pozo Romero del 06/10/2020 al 16/10/2020, extraído directamente del software
del datalogger.
A continuación, se analizan dos periodos temporales con los datos térmicos de Pozo
Romero, así como su comparativa con otros emplazamientos muy fríos del sureste de
la Península Ibérica y de España. Todo ello para poner en contexto la magnitud de los
datos. Se trata de dos periodos contrapuestos, uno de los más fríos del año durante el
invierno, y el periodo de canícula en pleno verano.
567
Tabla 8.1. Características térmicas de los puntos más fríos del sureste peninsular (DHS)
y a nivel nacional (España) en el periodo 15/12/2019 al 15/01/2020.
T Med T Min
Altitud Nº
Paraje Municipio, Provincia Red Min Abs.
(m) Heladas
(ºC) (ºC)
Pozo Romero Siles, JA Propia 1399 -7,9 -15,4 29
Cañada Yeguas Riopar, AB Propia 1533 -5,0 -11,9 27
Lag. Bonache Siles, JA Propia 1290 -4,8 -12,5 28
Monterilla Santiago, JA Propia 1660 -4,7 -11,2 28
Nava del Polvo Cazorla, JA Propia 1836 -4,5 -12,0 26
La Risca Moratalla, MU Propia 1047 -4,3 -11,2 28
Pontones Santiago, JA Propia 1338 -4,0 -10,5 29
Estany Saburó Torre de Cabdella, LLE MeteoPirineu 2470 -8,3 -19,7 28
V. de Liordes Posada de Valdeón LE ACAMET 1872 -7,8 -18,6 27
La Vasequilla Checa, GU MeteoCheca 1520 -5,8 -15,5 25
Villaceid Soto y Amío, LE ACAMET 1026 -5,0 -11,4 22
Fig. 8.12. Temperaturas mínimas absolutas (ºC) en el periodo invernal del 15/12/2019
al 15/01/2020 en los parajes de la Nava del Polvo (Cazorla, Jaén), Pozo Romero (Siles,
Jaén), Vega de Liordes (Posada de Valdeón, León), y Estany Saburó (Torre de
Cabdella, Lleida).
Por su parte, durante el periodo canicular arroja datos de gran interés, con una
temperatura media de las mínimas de 5,2ºC en Pozo Romero. Se trata de un valor medio
similar a dos grandes polos fríos nacionales, como el Portero de Monteagudo del Castillo
568
(Teruel), y Villaceid (León), con valores de 5,0 y 4,0ºC respectivamente (Tabla 8.2). Eso
sí, los ámbitos de Prado Veneiro (León) y La Vasequilla (Guadalajara) registran valores
mínimos estivales ostensiblemente más bajos. Además, Pozo Romero es capaz de
registrar hasta 3 días de helada con un valor mínimo de -0,6ºC, resultados realmente
anómalos en el sureste peninsular. Por su parte, Villaceid, El Portero, o incluso la Vega
de Liordes registran entre 1 y 2 días de helada, y temperaturas mínimas absolutas de
0,0ºC a -1,1ºC (Fig. 8.13).
Tabla 8.2. Características térmicas de los puntos más fríos del sureste peninsular (DHS)
y a nivel nacional (España) en el periodo canicular del 15/07/2020 al 15/08/2020.
T Med T Min
Altitud Nº
Paraje Municipio Red Min Abs.
(m) Heladas
(ºC) (ºC)
Pozo Romero Siles, JA Propia 1399 5,2 -0,6 3
Los Pocicos Riopar, AB Propia 1527 7,1 1,8 0
Nava del Polvo Cazorla, JA Propia 1836 10,6 2,7 0
Cjo. de Tortas Paterna, AB Propia 1373 11,2 7,3 0
Viboreros Vianos, AB Propia 1555 11,3 4,9 0
Río Zumeta Santiago, JA Propia 1200 11,6 8,5 0
Prado Veneiro Cospedal ,LE NOROMET 1208 2,1 -2,7 9
La Vasequilla Checa, GU MeteoCheca 1520 2,8 -2,0 5
Villaceid Soto y Amío, LE NOROMET 1026 4,0 -0,5 2
El Portero Mont. del Castillo, TE AVAMET 1489 5,0 0,0 1
Vega de Liordes Posada de Valdeón LE ACAMET 1872 6,6 -1,1 1
Fig. 8.13. Temperaturas mínimas absolutas (ºC) en el periodo canicular del 15/07/2020
al 15/08/2020 en los parajes de la Nava del Polvo (Cazorla, Jaén), Pozo Romero (Siles,
Jaén), Prado Veneiro (Cospedal, León), y La Vasequilla (Checa, Guadalajara).
569
Tras la revisión de bases de datos en el sur peninsular, se está en disposición de afirmar,
que las temperaturas mínimas registradas en Pozo Romero durante las jornadas del 31
de agosto y el 16 de octubre de 2020 son efemérides de valores mínimos absolutos
desde que existen datos térmicos fiables. Incluso, tras cuatro años de observación en
los contrastados polos fríos del área de estudio (Nava del Polvo y Monterilla), las
temperaturas mínimas absolutas de los meses de agosto y octubre se sitúan en 2,5ºC
y -5,6ºC respectivamente. Los registros de -8,5ºC y -12,1ºC en Pozo Romero, situaron
al paraje durante esos días entre las temperaturas mínimas absolutas más bajas de
España (Tabla 8.3).
Tabla 8.3. Temperaturas mínimas absolutas (ºC) más bajas a nivel nacional durante dos
de las jornadas más relevantes en Pozo Romero, correspondientes al 31 de agosto y 16
de octubre de 2020. Fuente: redes meteorológicas oficiales y aficionadas.
Tras la monitorización inicial, con el propósito de corroborar los buenos datos del análisis
geomorfológico y de termografías de alta resolución, la dolina de Pozo Romero ha
obtenido registros de temperatura que podrían catalogar a este lugar como uno de los
más fríos de España. Ante su notable interés, y como objetivo futuro de una
monitorización mucho más exhaustiva, el 16 de octubre de 2020 quedan instalados 4
termómetros registradores en diferentes niveles de la dolina (Fig. 8.14). Uno de los
570
principales objetivos es corroborar mediante el análisis de un periodo temporal más
amplio los registros de frío extremo que caracterizan a la zona. Pero también la hipótesis
de partida de amplias diferencias térmicas en el interior de la dolina, y poder explicar,
por tanto, su funcionamiento en la deposición de frío estable.
571
Fig. 8.15. Instalación de un termómetro registrador Elitech RC-5 en el interior de la garita
meteorológica homologada tipo Davis 7710 en el punto D1 de la dolina de Pozo Romero.
Referencias bibliográficas
572
Oke, T.R. (2000): 'Boundary Layer Climates'. Taylor & Francis, New York. 435pp.
Planchon O., y Darboux F. (2001): “A fast, simple and versatile algorithm to fill the
depressions of digital elevation models”. Catena 46: 159-176.
https://doi.org/10.1016/S0341-8162(01)00164-3
Steinacker, R., Whiteman, C. D., Dorninger, M., Pospichal, B., Eisenbach, S., Holzer, A.
M., ... y Baumann, K. (2007): “A sinkhole field experiment in the Eastern Alps”.
Bulletin of the American Meteorological Society, 88(5), 701-716.
Whiteman, C. D., Haiden, T., Pospichal, B., Eisenbach, S., y Steinacker, R. (2004):
“Minimum temperatures, diurnal temperature ranges, and temperature inversions
in limestone sinkholes of different sizes and shapes”. Journal of applied
meteorology, 43(8), 1224-1236 https://doi.org/10.1175/1520-
0450(2004)043<1224:MTDTRA>2.0.CO;2
573
574