Introducción

El grupo intergubernamental de expertos sobre el cambio climático (IPCC, Intergovernmental Panel on Climate Change) describe al cambio climático, como un cambio en las propiedades del clima (por ejemplo, el promedio de Temperatura) identificado utilizando métodos estadísticos en un periodo extendido de tiempo. Este cambio puede ocurrir por causas naturales o por actividades humanas, o el conjunto de ambas. Científicos en todo el mundo han realizado trabajos de investigación para entender este fenómeno global. En 1896, Svante Arrhenius describió como el CO2 (dióxido de carbono) tiene la capacidad de absorber y reflejar la radiación de onda larga (calor) emitida por la superficie Terrestre, por lo tanto, el aumento de la concentración de CO2 en la atmósfera asemeja el efecto de un invernadero.

De manera simple, el cambio climático es la variación del clima provocada de manera natural o por la actividad humana que persiste por largos periodos de tiempo.

El cambio climático es un problema de seguridad estratégica, nacional y mundial, por lo que es urgente incrementar los esfuerzos de mitigación (reducción de emisiones de Gas Efecto Invernadero) y desarrollar capacidades de adaptación ante sus impactos adversos previsibles. Con base en la evidencia científica, la información económica más reciente indica que la inacción en el presente elevará exponencialmente los costos de adaptación en el futuro (Martínez, 2007).

También impone un desafío considerable a la medición estadística, tanto para los países y las agencias. La comunidad estadística enfrenta una creciente demanda de estadísticas y datos de diversas partes interesadas como: Acuerdo de Paris, Políticas Nacionales sobre Cambio Climático, entre otras. La demanda de información sobre cambio climático es mayor que la oferta, particularmente en los aspectos ambientales. La brecha es mayor en países en vías desarrollo y menos desarrollados, porque sufren una mayor escacez de recursos, poseen capacidades técnicas limitadas, debilidad institucional y falta de coordinación en las instituciones nacionales. La mayor parte de la literatura sobre Cambio Climático se enfoca en aspectos analíticos y políticos. Existe orientación estadística principalmente para la estimación de emisiones de GEI. Se ha impulsado el desarrollo de metodologías en otros aspectos relevantes del Cambio Climático, como la evidencia e impactos, ocurrencia de desastres y esfuerzos de adaptación.

Antecedentes

Ante el fenómeno del cambio climático, el Estado de Sonora tiene ahora mayores probabilidades de verse impactado por huracanes, de que el nivel del mar se incremente y de sufrir sequías más prolongadas. Sin embargo la actividad turísticoinmobiliaria se está impulsando en todas nuestras costas, ignorando las declaraciones de renombrados científicos como Jay Zwally, climatólogo de la NASA, quien después de evaluar el deshielo de Groenlandia durante 2007 declaró: “A este ritmo, el Océano Ártico podría quedar casi sin hielo para el final del verano de 2012, mucho más rápido que las predicciones anteriores.” Según los expertos, el derretimiento total del Ártico elevaría el nivel del mar hasta en 6.4 metros, lo que prácticamente dejaría bajo el agua una buena parte de nuestras costas.

En los últimos años, el auge inmobiliario en el noroeste de México ha creado polos de atracción de mano de obra barata proveniente de diferentes puntos del país y ha sido materia inacabable de discursos promotores del empleo. Pero ahora que nuestros vecinos del norte se dieron cuenta de que están entrando a una recesión económica, han dejado de comprar los condominios que alegraban las cuentas de inversionistas y constructores, llevando a la industria a detener obras hasta en un 70%, como es el caso del paraíso inmobiliario en Sonora: Puerto Peñasco. Aunado a la construcción de infraestructura sin considerar los efectos del cambio climático, un problema en Puerto Peñasco es la creación de nuevos asentamientos humanos, generalmente ilegales y sin servicios básicos de agua, luz, drenaje, escuelas, hospitales, etcétera, lo que ubica a estos grupos en los primeros lugares de vulnerabilidad ante una catástrofe ambiental.

Por otro lado, la ciudad de Hermosillo ha experimentado un crecimiento constante a lo largo del siglo pasado y las proyecciones muestran similares tendencias a futuro. Históricamente el Estado de Sonora ha ocupado un lugar preponderante en el país por su desarrollo económico, basado principalmente en la agricultura y en la ganadería. Está situado en la porción más árida del territorio nacional, en la ecoregión conocida como Desierto de Sonora que se extiende a través de los estados de California y Arizona en la Unión Americana y Baja California y Sonora en México, esta última entidad alberga el 40% de las poco más de 22 millones de hectáreas que comprende este desierto. (MARSHALL, R. 2000).

El clima del norte de México es esencialmente semiárido, con precipitaciones anuales mayores hacia las regiones costeras. La evaporación excede la precipitación y por tanto existen importantes déficit de humedad en el suelo. La precipitación promedio anual en el estado de Sonora es de aproximadamente 428 mm, y en la región de Hermosillo entre 250 y 300 mm. La mayor parte de la precipitación ocurren en los meses de verano asociada con el llamado Monzón Mexicano. En invierno, algunos frentes fríos llegan a producir lluvias y nevadas en las partes altas del estado. La temperatura media anual en Hermosillo varía entre 15 y 25° C. Sin embargo, la mayor parte del año las temperaturas máximas están por encima de los 30° C, y en algunos casos, las temperaturas máximas pueden alcanzar los 45° C. Existen marcadas variaciones inter-decadales en la temperatura media anual. La década de los 70 y 80 fueron relativamente frescas, resultado de mayores precipitaciones y nubosidad. Por otro lado, las lluvias estacionales exhiben una marcada variabilidad interanual, por lo que en ciertos años las lluvias pueden alcanzar los 600 mm en un año mientras que en otros difícilmente alcanzan los 200 mm.

Las décadas de los 70 y 80 vieron un marcado aumento en la precipitación. Sin embargo, en los noventa la tendencia se revirtió, regresando a lluvias de entre 200 y 300 mm anuales, aunque muchos concluyeron equivocadamente que se trató de una década de sequías (meteorológicas). Un análisis de la precipitación en la región de Sonora indica que la tendencia de la lluvia en el siglo XX fue positiva, aunque con variaciones inter-decadales marcadas.

Objetivos

El uso de la estadística y del análisis de datos, se utilizará para poder observar cómo afectan diversos factores en el cambio climático de temperatura en el estado de Sonora. Reducir en forma sostenible los impactos negativos del cambio climático y adaptarnos a los cambios. Proteger el suelo, agua y aire como matrices de desarrollo de la vida en el planeta, así como la biodiversidad y los ecosistemas para evitar la desertificación y la sequía.

Los objetivos de la investigación es responder a la pregunta central:

• ¿Cómo ha sido el cambio de temperatura durante el transcurso de los años en el estado de Sonora?

Adicionalmente, a través de análisis de datos, se dará réplica a las siguientes cuestiones:

• ¿En qué año se pudo observar mayores temperaturas?

• ¿Cómo ha evolucionado en tiempo la temperatura?

• ¿A qué se deben los cambios en la temperatura?

Como resultado de responder a estas interrogantes, esta investigación demostrará la utilidad de los datos en el análisis del cambio climático.

Teoría

Método

La correlación lineal y la regresión lineal simple

Son métodos estadísticos que estudian la relación lineal existente entre dos variables. Antes de profundizar en cada uno de ellos, conviene destacar algunas diferencias:

La correlación cuantifica como de relacionadas están dos variables, mientras que la regresión lineal consiste en generar una ecuación (modelo) que, basándose en la relación existente entre ambas variables, permita predecir el valor de una a partir de la otra.

El cálculo de la correlación entre dos variables es independiente del orden o asignación de cada variable a X e Y, mide únicamente la relación entre ambas sin considerar dependencias. En el caso de la regresión lineal, el modelo varía según qué variable se considere dependiente de la otra (lo cual no implica causa-efecto).

A nivel experimental, la correlación se suele emplear cuando ninguna de las variables se ha controlado, simplemente se han medido ambas y se desea saber si están relacionadas. En el caso de estudios de regresión lineal, es más común que una de las variables se controle (tiempo, concentración de reactivo, temperatura…) y se mida la otra.

Por norma general, los estudios de correlación lineal preceden a la generación de modelos de regresión lineal. Primero se analiza si ambas variables están correlacionadas y, en caso de estarlo, se procede a generar el modelo de regresión.

Para estudiar la relación lineal existente entre dos variables continuas es necesario disponer de parámetros que permitan cuantificar dicha relación. Uno de estos parámetros es la covarianza, que indica el grado de variación conjunta de dos variables aleatorias.

\[Covarianza muestral=Cov(X,Y)=∑ni=1(xi−x¯)(yi−y¯)N−1\] siendo x¯ e y¯ la media de cada variable y xi e yi el valor de las variables para la observación i.

La covarianza depende de las escalas en que se miden las variables estudiadas, por lo tanto, no es comparable entre distintos pares de variables. Para poder hacer comparaciones se estandariza la covarianza, generando lo que se conoce como coeficientes de correlación. Existen diferentes tipos, de entre los que destacan el coeficiente de Pearson, Rho de Spearman y Tau de Kendall.

Todos ellos varían entre +1 y -1. Siendo +1 una correlación positiva perfecta y -1 una correlación negativa perfecta.

Se emplean como medida de fuerza de asociación (tamaño del efecto): 0: asociación nula. 0.1: asociación pequeña. 0.3: asociación mediana. 0.5: asociación moderada. 0.7: asociación alta. 0.9: asociación muy alta. Las principales diferencias entre estos tres coeficientes de asociación son:

La correlación de Pearson funciona bien con variables cuantitativas que tienen una distribución normal. En el libro Handbook of Biological Statatistics se menciona que sigue siendo bastante robusto a pesar de la falta de normalidad. Es más sensible a los valores extremos que las otras dos alternativas.

La correlación de Spearman se emplea cuando los datos son ordinales, de intervalo, o bien cuando no se satisface la condición de normalidad para variables continuas y los datos se pueden transformar a rangos. Es un método no paramétrico.

La correlación de Kendall es otra alternativa no paramétrica para el estudio de la correlación que trabaja con rangos. Se emplea cuando se dispone de pocos datos y muchos de ellos ocupan la misma posición en el rango, es decir, cuando hay muchas ligaduras.

Además del valor obtenido para el coeficiente de correlación, es necesario calcular su significancia. Solo si el p-value es significativo se puede aceptar que existe correlación, y esta será de la magnitud que indique el coeficiente. Por muy cercano que sea el valor del coeficiente de correlación a +1 o −1, si no es significativo, se ha de interpretar que la correlación de ambas variables es 0, ya que el valor observado puede deberse a simple aleatoriedad.

El test paramétrico de significancia estadística empleado para el coeficiente de correlación es el t-test. Al igual que ocurre siempre que se trabaja con muestras, por un lado está el parámetro estimado (en este caso el coeficiente de correlación) y por otro su significancia a la hora de considerar la población entera. Si se calcula el coeficiente de correlación entre X e Y en diferentes muestras de una misma población, el valor va a variar dependiendo de las muestras utilizadas. Por esta razón se tiene que calcular la significancia de la correlación obtenida y su intervalo de confianza.

\[t= r√(N−2√)/√(1−r2), df=N−2\]

Para este test de hipótesis, H0 considera que las variables son independientes (coeficiente de correlación poblacional = 0) mientras que, la Ha, considera que existe relación (coeficiente de correlación poblacional ≠ 0)

La correlación lineal entre dos variables, además del valor del coeficiente de correlación y de sus significancia, también tiene un tamaño de efecto asociado. Se conoce como coeficiente de determinación R2. Se interpreta como la cantidad de varianza de Y explicada por X. En el caso del coeficiente de Pearson y el de Spearman, R2 se obtiene elevando al cuadrado el coeficiente de correlación. En el caso de Kendall no se puede calcular de este modo. (No he encontrado como se calcula).

También se puede calcular la significancia de un coeficiente de correlación mediante bootstrapping.

Resultados y discusión

library(pacman)
p_load("rwhatsapp", "lubridate", "tidyverse", "tidytext", "kableExtra", "RColorBrewer", "RColorBrewer", "base64enc", "htmltools", "mime", "xfun", "prettydoc", "readxl")

setwd("~/Stat")
tempmax <- read_excel("TEMPMAXPROM.xlsx", 
    col_types = c("numeric", "numeric", "numeric"))

ggplot(data = tempmax) +
  ggtitle("Temperaturas extremas promedio en Obregon y Hermosillo 2015")+
  geom_line(mapping = aes(x = mes, y = CAJEME , colour = 'CAJEME' )) +
  geom_line(mapping = aes(x = mes, y = HERMOSILLO , colour = 'HERMOSILLO'   )) +
  labs(colour ='Municipios') + 
   xlab('Mes') +
  ylab('Temperatura')

• Comparando las dos ciudades podemos observar que en Hermosillo se presenta la media de las temperaturas más bajas al inicio y final del año(enero-diciembre), pero, también en los meses de calor las temperaturas son más altas que en Obregón. Como resultado de esta grafica podemos observar que el rango de promedios de temperaturas extremas del municipio de Cajeme y Hermosillo es de aproximadamente 15.1°C y podemos observar que en los meses del centro se presentas las temperaturas más altas (junio-agosto).

Datos

xfun::embed_file("TEMPMAXPROM.xlsx")

xfun::embed_file("TrabajoFinal.Rmd")

Conclusión

Como hemos visto, el cambio climático ya no es simplemente un problema ambiental, es un problema con implicaciones serias para la salud, el desarrollo económico y la seguridad nacional e internacional. Decimos esto ya que en ciudades de nuestra nación ya se presentan problemas del ambiente y dado a esto se nos presentas mas cambios climáticos conforme pasa el tiempo y nos preguntamos a que se debe esto. Y la mejor respuesta seria a la ignorancia de ser humano y esto quiere decir que nos estamos dañando a nosotros mismos. Ya que al nosotros producir contaminante para el aire estamos dañando la atmosfera y así mismo esto causa que los cambios climático se vean reflejados años con años y siempre con temperaturas mas extremas.

Bibliografía

• Daniel Chacón Anaya, María Elena Giner, Mario Vázquez Valles, Juan A. Maldonado , Stephen M. Roe, Rachel Anderson. (junio 2010). emisiones de gases del efecto invernadero en sonora. 05/07/2020, de comisión de cooperación ecológica fronteriza Sitio web: https://cambioclimatico.gob.mx/wp-content/uploads/2018/11/Documento-3-Emisiones-de-Gases-Sonora-1990-2020-2010.pdf

• INEGI, 2000. Anuario Estadístico. Sonora. Instituto Nacional de Estadística, Geografía e Informática. México: http://internet.contenidos.inegi.org.mx

• Stratus Consulting, Inc., Universidad Nacional Autónoma de México y El Colegio de Sonora. (Enero 2004). ADAPTACIÓN AL CAMBIO CLIMÁTICO: HERMOSILLO, SONORA, UN CASO DE ESTUDIO. julio 2020, de Instituto Nacional de Ecología, Secretaría de Medio Ambiente y Recursos Naturales y United States Environmental Protection Agency Sitio web: http://www2.inecc.gob.mx/descargas/cclimatico/adap_cclimatico.pdf

• INEGI. (2010). México ante el cambio climático. julio 2020, de Sitio Oficial de País Sitio web: https://cambioclimatico.gob.mx/sonora/#

• Gobierno de Mexico. (Septiembre 2018). Resúmenes Mensuales de Temperaturas y Lluvia. julio 2020, de Gobierno del Mexico Sitio web: https://smn.conagua.gob.mx/es/climatologia/temperaturas-y-lluvias/resumenes-mensuales-de-temperaturas-y-lluvias