Detectar una tendencia exige algo más que dibujar una recta sobre un gráfico. Necesitamos una pregunta concreta, datos comparables y una explicación de lo que puede alterar el resultado. Este procedimiento permite pasar de una sospecha razonable a una conclusión revisable, sin prometer que una serie corta resuelva por sí sola cómo está cambiando el clima.

Seis decisiones que conviene escribir antes

• Qué variable, lugar y época del año queremos estudiar.
• Qué intervalo completo y qué frecuencia usaremos.
• De dónde salen los datos y qué versión tienen.
• Cómo trataremos ausencias, cambios y valores dudosos.
• Qué medida de cambio y qué incertidumbre mostraremos.
• Qué pruebas de sensibilidad haremos antes de concluir.

Paso 1: convertir la pregunta en una medida

«¿Hace más calor?» puede significar aumento de la temperatura media, de las mínimas nocturnas o de los días muy cálidos. Son preguntas relacionadas, pero requieren medidas distintas. Define una sola como principal y deja las demás como comprobaciones complementarias. Especifica también si hablas de una estación, una comarca o una superficie mayor.

Una tendencia resume el cambio durante unas fechas. No implica que cada año supere al anterior. Una anomalía compara un valor con una referencia; tampoco equivale por sí sola a una tendencia. Mantener estas definiciones evita que la conclusión cambie de significado al pasar del cálculo al titular.

Paso 2: elegir y conservar la fuente

Una estación mide en un entorno concreto. Un reanálisis combina observaciones y un modelo para reconstruir la atmósfera en una rejilla. Ambos pueden ayudar, pero una celda no sustituye automáticamente la historia del termómetro local. Elige una fuente adecuada para la pregunta y guarda su identificación, unidades, frecuencia y fecha de consulta.

Trabaja sobre una copia y conserva los datos originales. Anota si utilizas valores observados, corregidos o estimados. Si una versión nueva cambia resultados, debe ser posible explicar por qué. No mezcles versiones de una misma serie sin comprobar su compatibilidad.

Paso 3: sesgos de estación y metadatos del entorno

Revisa ubicación, altitud, traslados, instrumento, garita, mantenimiento y hora de observación. Busca también cambios del suelo, edificios, árboles u obstáculos cercanos. Fecha cada modificación que conozcas. Si falta un dato de la historia, márcalo como desconocido; una explicación plausible no es una prueba documental.

Un traslado puede introducir un salto que parezca una tendencia. Una transformación urbana puede ser un cambio real del entorno local y, a la vez, limitar la representación de una región más amplia. La interpretación depende de la pregunta. No borres ni corrijas un tramo solo porque no se parece a las estaciones vecinas.

Paso 4: revisar calendario y calidad

Ordena las fechas, detecta duplicados y cuenta ausencias por estación del año. Un hueco no es cero. Comprueba unidades, valores imposibles y criterios de agregación. Una media anual con meses cálidos ausentes puede quedar sesgada aunque conserve muchas observaciones del resto del año.

Exige una cobertura apropiada para el indicador y declara el criterio. No hay un porcentaje único que sirva para todas las variables. La homogeneización busca cambios artificiales y necesita métodos documentados; no consiste en alisar todos los extremos. Conserva separadas las banderas de calidad y las correcciones.

Paso 5: representar y estimar

Dibuja primero la serie y señala huecos y cambios conocidos. Calcula después una medida que responda a la pregunta: por ejemplo, pendiente de temperatura en grados por década, cambio de una frecuencia o evolución de un índice. Usa fechas reales y explica el periodo de ajuste.

Una recta es un resumen, no una ley física para siempre. Si hay oscilaciones, escalones o curvatura, muéstralos. Comparar solo los dos extremos de la serie puede dar una impresión distinta del ajuste que utiliza todos sus datos.

Paso 6: cuantificar lo que no sabemos

Acompaña el cambio estimado de un intervalo o una evaluación de incertidumbre adecuada. Los años consecutivos pueden estar relacionados; tratarlos como repeticiones independientes puede exagerar la precisión. Repite el análisis con periodos alternativos justificados y criterios de cobertura razonables, sin elegir únicamente la combinación más llamativa.

Un resultado sin significación estadística no demuestra ausencia de cambio. Uno significativo tampoco explica por sí solo la causa. Si comparas muchos lugares o indicadores, aumenta la necesidad de controlar hallazgos casuales. Diferencia siempre tamaño del cambio, incertidumbre y atribución.

Paso 7: adaptar el método a sequía y extremos

Para sequía, el SPI describe anomalías de precipitación y el SPEI incorpora también la evapotranspiración potencial. Sus ventanas temporales y referencia importan: un índice de tres meses responde a otra pregunta que uno de doce. Restar precipitación y demanda en milímetros no produce directamente un SPEI ni mide toda el agua del suelo.

Para extremos se puede estudiar una serie de máximos anuales con una distribución GEV, si sus supuestos y datos lo permiten. La forma de la cola añade incertidumbre. Un periodo de retorno expresa frecuencia probabilística bajo unas condiciones; no fija una cita en el calendario. Una pendiente de la media no determina automáticamente cómo cambia esa cola.

Cinco aplicaciones documentadas del procedimiento

NOAA NCEI: investigar los cambios de estación

La documentación de GHCNm explica cómo instrumentos, horarios, traslados y uso del suelo pueden alterar registros. Su comparación entre series relacionadas ayuda a investigar discontinuidades. La aplicación práctica es revisar la historia y el método de ajuste antes de interpretar una pendiente local.

ECMWF Training: definir el extremo antes del ajuste

El tutorial trabaja con máximos anuales de precipitación diaria. Enseña a relacionar una distribución de extremos con niveles de retorno. No hemos realizado aquí su ajuste ni convertido sus datos de ejemplo en observaciones de España.

ERA5–Drought: mantener ventana y referencia

El producto distingue SPI y SPEI y ofrece varias acumulaciones con referencia 1991–2020. Sirve para mostrar por qué hay que identificar el índice completo. Sus valores son productos derivados de reanálisis, sujetos a metodología y versiones.

NOAA HDSC: distinguir años de sucesos

Su explicación diferencia la probabilidad de excedencia basada en máximos anuales de la frecuencia de casos de una serie de duración parcial. La diferencia puede importar en sucesos frecuentes. No trasladamos estimaciones de diseño estadounidenses a un municipio español.

NIST: elegir la distribución de máximos

El manual presenta formas de Gumbel para máximos y mínimos. Elegir la equivocada cambia el significado del cálculo. Nuestro ejemplo usa máximos y parámetros inventados conocidos; ilustra una operación, sin estimar un riesgo real.

Ocho ejercicios numéricos independientes

Todos los datos siguientes son sintéticos y didácticos. No son resultados medidos ni umbrales universales de calidad.

1. Cobertura: de 120 meses faltan 6. Quedan 114 y la cobertura es 114/120=95 %. Todavía hay que comprobar qué meses faltan.
2. Pendiente sencilla: para años relativos 0, 1, 2 y 3 y temperaturas 10, 11, 12 y 13 °C, la recta es 10+t y sube 1 °C por año. Es un ejemplo deliberadamente simple.
3. Unidad y duración: una pendiente ficticia de 0,03 °C por año equivale a 0,3 °C por década. De 2000 a 2020 transcurren 20 años: el cambio de la recta es 0,6 °C, aunque haya 21 valores anuales.
4. Salto artificial: la serie 10, 10, 11 y 11 °C contiene un salto conocido de instrumento. Su ajuste da 0,4 °C por año. Descontar el salto documentado de 1 °C en los dos últimos valores deja 10, 10, 10 y 10 y pendiente cero.
5. Déficit sin estandarizar: precipitación de 40 mm menos evapotranspiración potencial de 70 mm da −30 mm. Ese número no es un SPEI de −30.
6. Frecuencia: pasar de 2 años con excedencia entre 20 a 5 entre otros 20 supone pasar del 10 % al 25 %: aumento de 15 puntos porcentuales, todavía con incertidumbre.
7. Acumulación del riesgo: si la probabilidad anual constante es 2 % y los años son independientes, en 30 años la probabilidad de al menos una excedencia es 1−0,98³⁰, aproximadamente 45,45 %, no 60 %.
8. Gumbel de máximos: con parámetros didácticos μ de 10 mm y escala de 2 mm, el nivel de retorno de 50 años es 10−2 ln[−ln(0,98)]=17,804 mm aproximadamente. La probabilidad anual de superarlo es 2 % bajo ese modelo supuesto.

Paso 8: escribir una conclusión reproducible

Termina indicando variable, lugar, fechas, fuente, cambio estimado, incertidumbre y principales limitaciones. Describe qué decisiones modifican el resultado y conserva datos y cálculos. Si los metadatos faltan o la serie no permite resolver la pregunta, una conclusión limitada y explícita es un buen resultado científico.

No conviertas esta exploración en una predicción exacta, una atribución causal o una recomendación de obra. Esas aplicaciones necesitan evidencia y análisis propios. El objetivo del procedimiento es que otra persona pueda entender y revisar cada paso.

Fuentes y lecturas recomendadas

• NCAR/UCAR: análisis de tendencias, muestreo y dependencia temporal y espacial
• NOAA NCEI: series mensuales, cambios de estación y homogeneización
• ECMWF Training: máximos anuales, GEV y niveles de retorno
• ECMWF: producto ERA5–Drought, SPI, SPEI, ventanas y referencia
• NOAA HDSC: probabilidad de excedencia, máximos anuales y series de duración parcial
• NIST: distribución de Gumbel para máximos y mínimos

J+A♾️ · Artículo revisado y ampliado en WikiMeteo.es