El 29 de febrero y el 1 de marzo de 2016, la Fundación Ramón Areces analizó la relación entre 'Big Data y el cambio climático' en unas jornadas. ¿Puede el Big Data ayudar a reducir el cambio climático? ¿Cómo contribuirá ese análisis masivo de datos a prevenir y gestionar catástrofes naturales? Son solo algunas de las preguntas a las que intentarán responder los ponentes. Las ciencias vinculadas al clima tienen en el Big Data una herramienta muy prometedora para afrontar diferentes fenómenos asociados al cambio climático.

1. BIG DATA for Climate Services
Dr. Fernando Belda
Director of Production and Infrastructure
AEMET

2. Index
 Motivation and Background
 NMS’s Role
 GFCS
 AEMET vs. GFCS
 Data warehouse for Social Benefit Areas
 Observations in real time. AWS, Radar, Radiometric Networks, lightning…
 Remote Sensing
 Numerical Models
 Natural Disaster
 BDDP. First level
 Forestry applications
 Agricultural applications
 Drought monitoring, evaluation and forecast.
 Grids georeferenced, Rainfalll, temperatura, etp….
 Climate prediction
 Energy
 Health and Food
 HPC
 Model Process
 Conclusions/Discussion

3. IPCC, 2012)

4. Análisis
Valor
Impacto
Riesgo
Ciudades/ciudadanos
F. Adversos
Degradación
Probabilidad
Están expuestos a
Causan una cierta
Con una cierta
Interesan por su
Meteo
Clima

5. Background
 In Spain most of the current operational activities in meteorology have
been related with the use of real-time meteorological data coming from
specific weather networks to provide products to short, medium and
long range. Delivering warning to civil or specific reports for agricultural,
maritime, aeronautical, mountain, pollution….at several levels, cities,
small areas or big areas.
 Climatology: Past, future, present.
 Preserve the memory of the climate. Data bases: …Data (from
observations to model’s output) and climatological products. Validations and
verifications Data, Data Rescue, data warehouse georeferenced and
permanents.
 Climate Monitoring. Data analysis, early warning system.
 Climate forecast. From mensual forecast to climate change
projections.
 Provide Climate Services. Deliverables tailored to users, adapted to a
range of social, economic and enviromental contexts with advice on
their interpretation and use.
 Recently local weather predictions or climate information are also
available in combination with the advice service, outputs from numerical
weather and climate models

6. NMS’s Role
 REAL DECRETO 186/2008, de 8 de febrero, por el que
se aprueba el Estatuto de la Agencia Estatal de
Meteorología.
 Artículo 1. Naturaleza, adscripción y objeto.
 Disposición 3. El objeto de la Agencia Estatal de
Meteorología es el desarrollo, implantación, y
prestación de los servicios meteorológicos de
competencia del Estado y el apoyo al ejercicio de otras
políticas públicas y actividades privadas, contribuyendo
a la seguridad de personas y bienes, y al bienestar y
desarrollo sostenible de la sociedad española.

7. NMS’s Role
 Disposición 4.
 En la ejecución de las políticas públicas de meteorología y
climatología de competencia del Estado, corresponde a la
Agencia Estatal de Meteorología:
 a) La gestión del servicio público de meteorología del Estado,
entendiendo por tal, el destinado a la satisfacción de las
necesidades básicas de información meteorológica y
climatológica de la sociedad, a la atención a las instituciones
públicas competentes en materia de protección civil, defensa y
seguridad del Estado, al ejercicio de la autoridad meteorológica
del Estado y al mantenimiento y conservación de las redes de
observación, infraestructuras y sistemas de telecomunicación
indispensables para el cumplimiento de estos cometidos.

8. GFCS
 Principio 1. Será prioritario el desarrollo de capacidad en los países menos
desarrollados.
 Principio 2. La meta será asegurar la disponibilidad, acceso y uso de los
servicios climáticos en todos los países.
 Principio 3. Habrá tres ámbitos geográficos de actuación: mundial, regional y
nacional.
 Principio 4. El elemento central del MMSC son los servicios climáticos
operativos.
 Principio 5. Los servicios climáticos son un bien público internacional ofrecido
por los gobiernos.
 Principio 6. El marco promoverá el intercambio libre y abierto de los datos,
herramientas y métodos.
 Principio 7. El papel del MMSC será facilitar y fortalecer, no duplicar.
 Principio 8. El MMSC se construirá mediante la asociación de usuarios y
proveedores.

9. GFCS
 • El Sistema de Información de Servicios Climáticos (SISC). Es el principal
mecanismo para que, de forma rutinaria, la información climática (sobre el
tiempo pasado, actual y futuro) se recoja, almacene, procese y difunda en
forma de productos y servicios que contribuyan a la toma de decisiones.
 • El pilar de Observaciones y Vigilancia (OyV). Este pilar asegura que se
tomen, gestionen y difundan las observaciones climáticas necesarias para
satisfacer las necesidades de los usuarios finales. También se encarga de que
se elaboren productos básicos de vigilancia del clima a partir de estas
observaciones.
 • El pilar de Investigación, Modelización y Predicción (IMP). Este componente
promueve la investigación para mejorar de forma continua la calidad
científica de la información climática. Asimismo, apoya el desarrollo y mejora
de métodos y herramientas que faciliten la transición de los desarrollos
científicos a servicios climáticos operativos para aplicaciones prácticas.

10. GFCS
 La Plataforma Interfaz de Usuarios (PIU). Constituye el medio de interacción
estructurado entre usuarios, investigadores del clima y proveedores de datos
e información climática. Su objetivo es asegurar que se genera información
climática adecuada que se pueda utilizar para la toma de decisiones.
 • El Desarrollo de Capacidad. Este pilar contempla el fortalecimiento de las
capacidades necesarias en los cuatro pilares anteriores y más ampliamente los
requerimientos básicos (políticas y legislación nacionales, instituciones,
infraestructura y personal) para que existan las actividades relacionadas con el
MMSC.

11. OMM, 2012

12. AEMET vs. GFCS
Agricultura
Hidrología
Desastres Naturales
Energía
Medio Ambiente
Salud
Ecosistemas
OcéanosTransporte Turismo ……
SNI+D+
i
SNT
SNO SNP SNVyPC
Áreas de
beneficio
Social

13. Climate Monitoring/Forecasting systems
National
Observations and Numerical
Weather/Climate Models Outputs
Focus on:
Early warning systems
Agricultural and
Food Forestry
Hydrology
SBA
Health
………

14. NETWORKS
AEMET network
SIAR Network
Hydrological organizations
Marine authority
Regional organizations.
Transport General Direction
Highway General Direction
Remote sensing data
Data in real time
Data warehouse

15. Contributión to the WWW Programme
Type of network Number stations Distance
between stations
Instrumentation Data Transmission
Surface RBSN 36
(9 GCOS/GSN)
150 km Semiautomatic
Weather Station
Every hour
Upper Air RBSN 8
(2 GCOS/GUAN)
300 km 4 Autosonde 00 and 12UTC
ASAP and VOS 1 Maurtitanian
coastal area
Container and AWS 12UTC sounding
Every 3 hours SHIP
Climatological RCBR 54 Manual and AWS Climat
Climat temp
Mesoescalar Network 282 30-80 km 64 Semiautomatic
Weather Stations
218 AWS
Every 10 minutes
National Ordinary
Climatological
Network
2423 Climatological
National Criteria
Manual
555 AWS
Monthly
Six times a day

16. Automatic Weather
Station Network of
AEMET

19. AEMET RADAR NETWORK
15 radars
13 in the peninsula
1 in the Balearic Islands
1 in the Canary Islands

20. AEMET RADAR NETWORK
National Radar Service
Computers: 2 redundant (Analysis
and 1 Display)
OS: Linux (RHEL 5.4)
Control Software: IRIS 8.11.3
Task:
-Composite images
-McIDAS filter
-Data delivery

23. Ground Based Radiometric networks
 Broadband VIS, UV and IR
 BREWER spectrophotometer
 CIMEL sun-photometer
 Madrid CRN: calibration
facilities, UVA, UVB diffuse,
Global-tilt pyranometers, UV-
VIS-IR spectro-radiometer,
total sky imager…

24. Broadband VIS, UV and IR radiation network
(since late 70’s)
Irradiance Measuring Stations:60
Solar Radiation Instruments
DNI 23 UVER 25 PAR 1
GHI 58 UVB-DHI 1 Down LWR 22
DHI 34 UVA 2 Upw LLWR 2

25. BREWER spectrophotometer network
(since late 80´s )
 Locations: Coruña-Zaragoza-Madrid-
Murcia-S.C.Tenerife-Izaña
 Measurements/retrieval
 Total Ozone Column
 UV spectral irradiance
 Aerosol Optical Depth in UV
CAPA DE OZONO - MADRID CRN - AÑO 2012
100,0
150,0
200,0
250,0
300,0
350,0
400,0
450,0
500,0
01/01/2003
15/01/2003
29/01/2003
12/02/2003
26/02/2003
12/03/2003
26/03/2003
09/04/2003
23/04/2003
07/05/2003
21/05/2003
04/06/2003
18/06/2003
02/07/2003
16/07/2003
30/07/2003
13/08/2003
27/08/2003
10/09/2003
24/09/2003
08/10/2003
22/10/2003
05/11/2003
19/11/2003
03/12/2003
17/12/2003
31/12/2003
u.d.
MEDIA 1993-2011
AÑO 2012
MAX 93-11
MIN 93-11

26. CIMEL sun-photometer network
(since July 2006)
 Locations: Coruña, Zaragoza,
Madrid, Palma de Mallorca,
Murcia, Santa Cruz Tenerife and
Izaña
 This network operates within the
framework of AERONET
programme, providing daily
observations of AOD and
products derived
http://aeronet.gsfc.nasa.gov/index.html

27. Ozonesondes
(since 1992)
Madrid and S.C.Tenerife
Time frequency: weekly

28. The EMEP/GAW/CAMP Network
(since 1984)
13 stations to monitor background pollution
The regular measurement programme consists on:
•Ten-minute averaged concentration data of O3, NO, NO2,
SO2, and PM10 (four stations) and gaseous Hg (one
station) provided by automated analyzers
•Over 100 chemical compounds retrieved manually from
analyzers on different sampling periods:
•A wide range of meteorological parameters

29. LIGHTNING LOCATION NETWORK
DETECTORS SUBSYTEM
 DETECTOR UNITS DEPLOYMENT – CURRENT
SYSTEM
 11 IMPACT-ES and 4 LS-7001 Lightning
Detection Units
 Mainland Spain and Balaeric Islands
 5 LS-7000 Lightning Detection Units
 Canary Islands

30. 2 examples for alarms

31. Remote Sensing data
• Support from images from
DEIMOS (20 m pixel).
• Development of different
indices:
• Plan cover fraction
•NDVI
• Yield potential
•….
(Information from AgroASESOR Project)
Satellite images
• METEOSAT
• NOAA
• MODIS
• LANDSAT
•….

35. SIGROBS
Manualobs.
Radiosounds
Satellite
RadarProcts.
Ligthning
HirlamAna.
AWS+QC0
SOSS+QC0
Operational Control of
Met Systems
Data around every
station
Real time QC1
Data + Flag Temporary Data
Base
Non real time QC2
Operations Centre
It takes automatic or
manual decisions in real
time according to the
procedures.
Auto fault
reports
Metadata
SYNOP
BUFR
Final Data Base
GTS/MSS
Data + Flag USERS
OtherAWS
Man fault
reports

38.  Avisos: 62 de nivel rojo, 2520 de nivel
naranja y 15642 de nivel amarillo.
 Certificados e informes elaborados: 2.093
 Páginas visitadas en la web (media diaria):
3.820.449.
 Máximo de páginas visitadas en un día:
7.504.136 (22 de enero)
Producción. Año ????
 AVISO ESPECIAL

42.  Ejemplo de predicción de rachas máximas de viento proporcionada por el
modelo HARMONIE

43.  Predicción de ozono basada en modelo MOCAGE

44. Forestry applications
In the case of the forestry sector an
operational scheme for wildfire early
warning purposes at national level based
on the use of short and medium range
numerical weather prediction model
outputs has been in operation in Spain for
several years. In some cases, specific
activities in this field are also been carried
out at regional level.

45. Wildfire early warning in Spain.
 In the case of the forestry sector an operational scheme for wildfire early
warning purposes based on the use of short and medium range numerical
weather prediction model outputs has been in operation in Spain for
several years.
 This system allows the generation of predictions up to 3-days in advance
of the numerical values of a meteorological wildfire risk index, the
Canadian Fire Weather Index.
 The numerical model weather outputs are also used in combination with
topography features, land use and land cover information to predict all the
fire-weather components referring to the daily variation of water content
for fuels with different response time changes in weather conditions: Fine
Fuel Moisture Code FFMC, Duff Moisture Code DMC and Drought Code
DC, as well as the initial rate of spread for propagation ((Initial Spread
Index ISI), the quantity of fuel (Build-up Index BUI) and the expected
intensity of the flame front.
 This information is essential to achieve an adequate organization of
wildfire prevention activities in Spain and it is provided to all the Regional
Forestry and Civil Protection Agencies.

46. Meteorological Forest Fire Danger Rating
Index Forecasts (based on FWI)
++
Combined Fire
Risk Index

47. 47
Drought monitoring
Drought’s Problem
Affect to:
 Social-economic Sector.
 Ecosystem and natural
environment.
 Agriculture
 Transport
 ...
Drought’s Problem
Phenomenon cyclical:
 Any geographical area
 Temporal distribution
 Water resource for human use
Several definitions and type
Meteorological and Climatological
Agricultural
Hidrological
Social-economical

48. 48
Drought monitoring
From meteorological point o view we need to study short
drought (important to agriculture) or long drought (important for
water management, ground water availibility, runoff and reservoir).
Meteorological/climatological Drought
Weather conditions generating lack or less rainfall than
normal conditions during long period (weeks, months, years).

52. Drought Monitoring

56. 56
Climatology Conditions in May 1995 using SPI

57. Climate predictions models
(seasonal scale)
 No operational activities have been developed in
Spain to date to make direct use of seasonal
predictions outputs in agriculture.
 Nevertheless it can be mentioned that AEMET is
participating in a research, in the framework of the
EUPORIAS project, aimed at using seasonal forecasts
outputs for decision making purposes regarding water
reservoir management.
 This subject is closely connected with the agricultural
decisions, because of the importance of the irrigated
agriculture in Spain, being more than 70% of total
water consumption in the country devoted to
irrigation.

58.  In this project the outputs from Seasonal Climate
Forecast Models will be used through a model called
SIMRISK to generate multiple stream flow scenarios and
multiple simulations of future management aimed at
incorporating the risk evaluation into the decision
making process:
 level of probability of not meeting a specific water
demand as the irrigation needs
 probability level that the water stored at the reservoirs
exceeds a certain threshold.
 probability of not meeting the minimum ecologic flow
rate criteria….

62. Para pasar a escala más regional/local:
DOWNSCALING
2 tipos:
• Estadístico
• Dinámico
Proyecciones de CC: Regionalización

63. REGIONALIZACIÓN:
 Métodos Estadísticos: relacionan variables climáticas de
gran escala y variables climáticas locales de superficie,
derivadas de datos observados.
 Métodos Dinámicos: basados en el “anidamiento” de un
modelo regional a un modelo de circulación global.
Modelos globales
(AOGCMs) Res. 100-300 Kms
Modelos regionales
(Area Limitada) Res. 50 Kms.

64. GENERACIÓN DE ESCENARIOS CLIMÁTICOS
FUTUROS:
+MODELOS ACOPLADOS DE
CIRCULACIÓN GENERAL
ESCENARIO DE EMISIONES
GENERACIÓN DE PROYECCIONES CLIMÁTICAS GLOBALES
ESCENARIOS REGIONALIZADOS DE CAMBIO CLIMÁTICO
BASE DE DATOS DIARIOS
REGIONALIZACIÓN (Estadística/Dinámica)

65. IV Congreso de la
Naturaleza de la
Región de Murcia
ESCENARIOS REGIONALIZADOS DE CAMBIO CLIMÁTICO
APLICACIÓN A ESTUDIOS
DE
IMPACTOS
(cuantificación de incertidumbres)

72. Potenciales Impactos del Cambio Climático
Escasez de agua y alimentos
Aumento de la pobreza
Aumento de población
desplazada
Inundaciones costeras
AR5 WGII SPM

73. El cambio climático pone en riesgo la
producción de alimentos
AR5 SYR SPM

74.  Sistema virtualizado de
servidores • HPC

76. 76
Model Process
Drought Meteorological/ClimatologicQuantify
Monitoring
Database of climatic
variables
Climatologic Index
Synoptic Climatology
Satellite Images
(MODIS,NOAA, SMOS….)
•Different temporary/spatial
scales
¿Policy Maker ?
Outer information not directly
meteorological Land Use, Vegetation maps….
Data Mining
Meteorological – Hydrological Drought (SM..)

77. Grids
Text
Image
Spatial
Editor
Temporal Editor
Grid Manager
GFE Editor FDD
Storage
CEPPM
EPS
CEO
Hirlam
Dust..
Hirlam005
Hirlam016 HARMONI
OthersWaves
Deterministic models
Probabilistic models
Input Data
Internal products
External products
to GFE

78. Seguimiento de la Sequía a partir de Índices Climáticos y Patrones Sinópticos utilizando Técnicas de Minería de Datos 78
Minería de Datos
 Pasos del proceso de descubrimiento de conocimiento
Limpieza e
Integración de
Datos
Selección y
Transformación
de Datos
Minería de
Datos
Evaluación de Patrones y
Presentación de Conocimiento
Conocimiento
Repositorios de Datos
FicherosBD
OLAP-Mining

79. Seguimiento de la Sequía a partir de Índices Climáticos y Patrones Sinópticos utilizando Técnicas de Minería de Datos 79
Minería de Datos
 Pasos del proceso de descubrimiento de conocimiento
Limpieza e
Integración de
Datos
Selección y
Transformación
de Datos
Minería de
Datos
Evaluación de Patrones y
Presentación de Conocimiento
Conocimiento
Repositorios de Datos
FicherosBD
OLAP-
Mining
Fuentes de
Datos
Almacén
Datos
Minería de
Datos
AnálisisInformes/
Consultas
Cubo de
Datos
Servidor
Almacén
de Datos
Servidor
OLAP
Herramientas
De Análisis

80. Servicios Climáticos:
Sistema Nacional de
Vigilancia y Predicción del
Clima

81. Preserve the memory of the climate. Data bases:
…Data (from observations to model’s output) and
climatological products. Validations and verifications Data,
Data Rescue, data warehouse georeferenced and
permanents.
Climate Monitoring. Data analysis, early warning
system.
Climate forecast. From mensual forecast to climate
change projections.
Provide Climate Services. Deliverables tailored to
users, adapted to a range of social, economic and
enviromental contexts with advice on their
interpretation and use.

82. Provide Climate Services
 The application of modern GIS technologies for the
management of georeferenced information, making use
of soil variability, climate, crop condition, plant health
alerts, and biotic and abiotic risks in the decisionmaking
process.
 Web-based Decision Support Tools (DST) to systematise
the management decisions.
 Geo-referenced Traceability, as a tool to register and
manage historical records of Crop Management Units
(CMU).
(From Agroasesor Project)

83. Conclusion/Discussion
 Data collected, in situ and satellite facilities. Big data
 Standard information and georeferenced
 Climate models, seamless forecast systems
 uncertainty analysis and improved it
 Climate impact to Social Benefit Areas (users understanding). floods,
drought…..
 WMO approving the implementation plan GFCS sets out the principles
and mark the lines of action for the development of an efficient
climatological information focused on sectors of social benefit such as
water resources, prevention of natural disasters, health, agriculture and
food.
 Use of geographical information systems.
 Decision support tools (easy to use, web platform).
 Risk management depending directly to vulnerability, exposure, climate
(threatened) and inverse way to resilience.

84. Conclusion/Discussion
 AEMET dispone de la infraestrutura necesaria para proveer los
servicios meteorológicos y climáticos requeridos por la sociedad.
Existe una infraestructura territorial que desempeña un papel clave
para generar productos climáticos. La presencia de AEMET en todas
las CC. AA. le permite asesorar e interaccionar más directamente con
los usuarios.
 AEMET cuenta con sistemas TIC (SNT) atendidos permanentemente
e información muy completa. Un SNO con observatorios centenarios
y registros desde 1893. Un SNP consolidado y un plan meteoalerta
en constante operación y actualización. EL SNI+D+i que permita la
investigación y el desarrollo en cualquier campo del medio
ambiente, variabilidad del clima y Cambio climático. El SNVyPC que
permite la homogeneización de procedimientos, la generación
consistente de productos para la vigilancia del clima y la elaboración
de proyecciones climáticas para el siglo XXI.

85. ¡¡Gracias por su atención¡¡