Geovisualización de grandes volúmenes de datos ambientales. Diseño e implementación de un sistema para el acceso y la difusión de datos globales

Geovisualización de grandes bases de datos climáticos i TABLA DE CONTENIDOS Agradecimientos xi Resumen xiii I. PLANTEAMIENTOS GENERALES 1 I.1. Antecedentes de la investigación. 3 I.2. Problema de investigación. Hipótesis y objetivos. 5 I.3. Justificación del trabajo. 6 I.4. Resumen de la metodología. 8 I.5. Esquema general de la tesis. 9 II. LA INFORMACIÓN CLIMÁTICA 11 II.1. Estructura del dato científico. 13 II.2. El dato climático. 15 II.3. El dato climático en la matriz de datos. 17 II.4. Tipos de datos climáticos. 22 II.4.1. Datos observados. 23 II.4.1.1. Datos procedentes de observatorios in situ 23 II.4.1.2. Datos procedentes de sensores remotos. 33 II.4.2. Datos modelados. 35 II.4.2.1. Datos generados a partir de Modelos de Circulación General. 35 II.4.2.2. Datos generados a partir de la interpolación de datos observados. 40 Geovisualización de grandes bases de datos climáticos ii II.5. Formatos de distribución. 42 II.5.1. Los formatos de texto. 42 II.5.2. Los formatos raster bidimensionales. 42 II.5.3. Los formatos multidimensionales. 43 II.6. Conclusión del capítulo. 44 III. EL ACCESO DE LOS USUARIOS A LA INFORMACIÓN CLIMÁTICA 47 III.1. La información climática y el open data movement . 49 III.1.1. Dato, información y conocimiento. 50 III.1.2. Open Data Movement. 53 III.1.3. Open Access. 54 III.1.4. Open scientific data. 56 III.1.5. Información climática y open data. 59 III.2. Los usuarios de la información climática. 61 III.2.1. Grupos de usuarios potenciales. 62 III.2.2. Requerimientos de los usuarios. 64 III.3. Conclusión del capítulo. 66 IV. LA GEOVISUALIZACIÓN DE LA INFORMACIÓN CLIMÁTICA 69 IV.1. La geovisualización. 71 IV.2. Web mapping y cartografía web. 74 IV.2.1. Los datos y su almacenamiento. 79 IV.2.1.1. Mapas estáticos y mapas dinámicos. 79 IV.2.1.2. Sistemas Gestores de Bases de Datos Relacionales. 80 IV.2.2. Difusión de la información. Servidores y servicios. 83 IV.2.2.1. Servidores web y servidores de aplicaciones. 84 IV.2.2.2. Interoperabilidad y estándares OGC. 87 IV.2.2.2.1. Web Map Service. 88 Geovisualización de grandes bases de datos climáticos iii IV.2.2.2.2. Web Map Tile Service. 91 IV.2.2.2.3. Web Feature Service. 93 IV.2.2.2.4. Otros estándares del OGC. 95 IV.2.3. Presentación de la información. 97 IV.2.3.1. Clientes Pesados. 97 IV.2.3.2. Clientes ligeros. 98 IV.3. Sistemas de cartografía web climática actuales. 100 IV.4. Conclusión del capítulo. 111 V. METODOLOGÍA 113 V.1. Marco metodológico. 115 V.2. Fuentes de datos y escalas. 119 V.2.1. Escalas del trabajo de investigación. 120 V.2.2. Los conjuntos de datos globales en rejilla. 121 V.2.2.1. Conjunto de datos CRU TS. 121 V.2.2.2. Conjunto de datos GHCN-CAMS. 126 V.2.2.3. Conjunto de datos GPCC - First Guess monthly (GPCC-FGM). 128 V.2.3. Los conjuntos de datos regionales procedentes de downscaling. 131 V.2.4. Formatos de distribución de los datos utilizados. 132 V.3. Fases metodológicas de desarrollo del sistema. 133 V.3.1. Análisis y diseño general del sistema. 134 V.3.2. Entrada de datos en el sistema. 134 V.3.3. Modelado de datos. 136 V.3.4. Diseño e implementación del servidor cartográfico. 137 V.3.5. Flujo de salida y diseño de la interfaz de usuario. 139 V.4. Conclusión del capítulo. 140 VI. ANALISIS Y DISCUSIÓN DE RESULTADOS 141 VI.1. Arquitectura de los sistemas. 143 Geovisualización de grandes bases de datos climáticos iv VI.2. La escala global: Global Climate Monitor. 145 VI.2.1. El flujo de datos. 145 VI.2.2. El modelo lógico de datos. 148 VI.2.2.1. Vistas SQL de la base de datos. 150 VI.2.3. El servidor cartográfico. 153 VI.2.4. La interfaz de usuario 156 VI.2.4.1. Resultados de retroalimentación de los usuarios. 162 VI.2.4.1.1. Encuesta a todos los usuarios de la aplicación. 162 VI.2.4.1.2. Estadísticas de uso Google Analytics. 164 VI.3. La escala Regional: CAMBIA . 166 VI.3.1. El flujo de datos. 166 VI.3.2. El modelo lógico de datos. 169 VI.3.3. El servidor cartográfico. 171 VI.3.4. La interfaz de usuario 172 VII. CONCLUSIONES 177 VII.1. Conclusiones generales. 179 VII.2. Líneas de investigación futuras. 183 Bibliografía 187 Índice de siglas y acrónimos 219 Anexos 223 Geovisualización de grandes bases de datos climáticos v ÍNDICE DE FIGURAS Fig. 1: Gráfico de evolución de la temperatura media anual. 19 Fig. 2: Volumen de datos climáticos en el mundo según su origen. 23 Fig. 3: Resultados medios de cinco años de observaciones (1780-1784) en Haguenau (Alsacia) realizadas por M. Keller, doctor en medicina. 25 Fig. 4: Mapa de todas las estaciones del volumen A de informes meteorológicos de la WMO en 2014. 27 Fig. 5: Mapa de estaciones de la red GSN del GCOS. 32 Fig. 6. Red de satélites del Global Climate Observing System en 2009. 33 Fig. 7. Esquema simplificado de un Modelo acoplado de Circulación General Atmósfera- Océano. 36 Fig. 8. Precipitación media diaria (mm./día) del invierno (1961-1990) en Reino Unido a partir de un GCM, de un RCM y de observaciones. 38 Fig. 9. Esquema de la relación dato-información-conocimiento. 53 Fig. 10. Esquema de las razones fundamentales para la compartición de datos. 59 Fig. 11. El cubo de MacEachren. 73 Fig. 12. Página del “Interactive Map Viewer” en su configuración por defecto. 75 Fig. 13. Marco general de comunicación de un sistema de web mapping. 78 Fig. 14. Ejemplo de recurso estático. Mapa global de anomalías térmicas del mes de agosto de 2003 con respecto al periodo normal 1961-1990. 85 Fig. 15. Ejemplo de recurso dinámico. Mapa global de anomalías térmicas del mes de agosto de 2003 con respecto al periodo normal 1961-1990. 86 Fig. 16. Interoperabilidad entre dos unidades funcionales. 88 Fig. 17. Esquema de teselado con cinco niveles de zoom. 92 Fig. 18. Vista de la página del visor del IPCC. 101 Geovisualización de grandes bases de datos climáticos vi Fig. 19. Vista del visor Global Data Explorer. 103 Fig. 20. Vista del visor Climatewizard. 104 Fig. 21. Vista de la página del visor del IRI. 105 Fig. 22. Vista del CMIP5 Global Climate Change Viewer. 106 Fig. 23. Vista del visor Climateinternational.org. 107 Fig. 24. Vista de la página del visor de la NCDC-NOAA. 108 Fig. 25. Vista de la página del visor de la NCDC-NOAA de sequía global. 109 Fig. 26. Vista de la página del visor GIDMaPS. 109 Fig. 27. Vista del visor Global drought monitor. 110 Fig. 28. Ejemplo de la definición de un sistema. 115 Fig. 29: Tipos de flujos de procesos en el desarrollo de sistemas de información. 118 Fig. 30: Distribución espacial de los observatorios de las redes para la construcción del conjunto de datos de precipitación de CRU TS 3.23. 122 Fig. 31. Temperatura media normal del mes de enero del periodo de referencia 1961-1990 del conjunto de datos de Jones. 125 Fig. 32: Distribución espacial de los observatorios de las redes para la construcción del conjunto de datos GHCN-CAMS. 127 Fig. 33: Número de informes mensuales de temperatura media de las redes GHCN y CAMS y la combinación de ambas (excluyendo estaciones duplicadas) entre 1948 y 2007. 128 Fig. 34: Distribución espacial de los observatorios disponibles en 2015 con cálculo de precipitación normal basado en un mínimo de 10 años de registros mensuales. 130 Fig. 35. Zonas definidas para la regionalización en estratos por regresión múltiple. 132 Fig. 36. Etapas de la entrada de datos en los sistemas. 136 Fig. 37. Arquitectura de los sistemas. 144 Fig. 38: Modelado del flujo de datos en el sistema Global Climate Monitor. 146 Fig. 39: Modelo lógico entidad relación del sistema Global Climate Monitor. 149 Geovisualización de grandes bases de datos climáticos vii Fig. 40. Ejemplo de la cobertura de puntos de la rejilla a 0.5º x 0.5º centrado en la península ibérica. 150 Fig. 41. Ejemplo de solicitud (recuadro superior) de una imagen al servicio WMS, con su correspondiente respuesta (recuadro inferior). 154 Fig. 42. Ejemplo de gradación con interpolación del color para precipitación mensual. 155 Fig. 43: Interfaz de usuario de Globalclimatemonitor.org. 157 Fig. 44. Ventana de animación de normales de Global Climate Monitor. 158 Fig. 45. Ventana de la funcionalidad de descarga de Global Climate Monitor. 159 Fig. 46. Captura de pantalla de un archivo correspondiente a las anomalías térmicas mensuales de agosto de 2003 en formato KML visualizado en Google Earth. 160 Fig. 47. Funcionalidad de gráficos de Global Climate Monitor. 161 Fig. 48. Resumen de respuestas a la encuesta Global Climate Monitor. 163 Fig. 49. Porcentaje de respuestas por pregunta a la encuesta Global Climate Monitor. 164 Fig. 50. Distribución geográfica de los usuarios de globalclimatemonitor.org durante el último año (junio 2015 – mayo 2016). 165 Fig. 51: Modelado del flujo de datos en el sistema CambiA. 167 Fig. 52: Modelo lógico entidad relación del sistema CambiA. 170 Fig. 53. Interfaz de usuario del visor CambiA. 174 Fig. 54. Visualización del indicador de cambio mensual con respecto al periodo 1961-2000, para el mes de octubre, el escenario sra1b y el periodo 2011-2040. CambiA. 175 Geovisualización de grandes bases de datos climáticos viii Geovisualización de grandes bases de datos climáticos ix ÍNDICE DE TABLAS Tabla. 1: Estructura de la tesis doctoral en capítulos 9 Tabla 2. La matriz de datos. 14 Tabla 3. La estructura del dato aplicada a dos elementos básicos del clima. 18 Tabla 4. La matriz de datos de observatorios meteorológicos. 18 Tabla 5. La matriz de datos de temperaturas anuales. 19 Tabla 6. La matriz de datos de temperaturas anuales transpuesta. 20 Tabla 7. La matriz de datos de temperaturas anuales con el tiempo como variable. 20 Tabla 8. La matriz de datos de temperaturas anuales en varios observatorios. 21 Tabla 9. La matriz de datos de temperaturas anuales con el tiempo y el observatorio como variables. 21 Tabla 10. Información básica relativa al subsistema de la atmósfera sobre los modelos utilizados en este trabajo. 37 Tabla 11. Grupos de usuarios según sector, uso de la información y capacidades. 64 Tabla. 12. Los parámetros de la operación GetCapabilities de un servicio WMS. 89 Tabla. 13. Los parámetros de la operación GetMap de un servicio WMS. 90 Tabla. 14. Los parámetrosde la operación GetFeatureInfo de un servicio WMS. 90 Tabla. 15. Los parámetros de la operación GetTile de un servicio WMTS. 93 Tabla. 16. Operaciones de un servicio WFS. 94 Tabla. 17. Parámetros de las operaciones DescribeFeatureType y GetFeature de un WFS. 95 Tabla. 18. Variables e indicadores climáticos de Global Climate Monitor. 151 Tabla. 19. Parámetros y valores de la solicitud de la figura 42. 155 Tabla. 20. Opciones de descarga de Global Climate Monitor. 160 CAPÍTULO I. Introducción  2  CAPÍTULO I. Introducción  3  l sistema climático es una compleja máquina que determina el tiempo y el clima. Los datos climáticos son representaciones abstractas de aspectos del sistema que resultan fundamentales para profundizar en el conocimiento del sistema climático, de su evolución en el pasado y su posible configuración en el futuro. La geovisualización es una disciplina multidisciplinar cuyo fin último es la transmisión de la información climática a los usuarios mediante su representación en el tiempo y el espacio. Las evoluciones tecnológicas que han tenido lugar desde las últimas décadas han permitido, no sólo mejorar la capacidad para transmitir la información a un número creciente de usuarios interesados en la información climática, sino también multiplicar de manera exponencial la capacidad de los sistemas de observación y de almacenamiento. Esto ha desembocado en la generación de grandes volúmenes de información cuya gestión, especialmente desde el punto de vista de su transmisión a través de la representación visual, sigue constituyendo un reto. Esta tesis doctoral pretende hacer una contribución al campo de la geovisualización de datos climáticos. Mediante la utilización de diferentes conceptos y técnicas de esta disciplina, se propone el diseño de un sistema que facilite el acceso de un amplio número de potenciales usuarios a grandes volúmenes de información climática procedentes de diferentes fuentes. I.1. Antecedentes de la investigación. Los antecedentes de este trabajo de investigación se resumen en las dos trayectorias de investigación complementarias en las que he tenido ocasión de desarrollar mi trabajo en los últimos años en el Departamento de Geografía E CAPÍTULO I. Introducción  4  Física y AGR de la Universidad de Sevilla. Ambas me han permitido adquirir los conocimientos temáticos y tecnológicos que este trabajo requería. Por una parte, en los aspectos más temáticos, he tenido la fortuna de haberme integrado en el equipo de climatología del Departamento, bajo la dirección de la profesora Mª Fernanda Pita López. Bajo su dirección realicé el trabajo de investigación del Diploma de Estudios Avanzados sobre métodos de espacialización de variables y pude colaborar en muchos otros trabajos y proyectos de investigación relacionados con la climatología que se reflejan en otras tantas publicaciones (Pita López et al. 2005; Rafael Blanquero Bravo et al. 2012; Marzo Artigas et al. 2014; Ramírez-Cobo et al. 2014). Por otra parte, estos últimos años, he continuado mi labor investigadora en el marco del proyecto de Excelencia de la Consejería de Economía y Conocimiento titulado “Espacialización y Difusión Web de Datos de Urbanización, y Fitodiversidad para el Análisis de Vulnerabilidad ante los Procesos de Inundación Asociados a la Subida del Nivel del Mar en la Costa Andaluza”. Mi integración en el grupo de investigación dirigido por el profesor José Ojeda Zújar me ha permitido complementar mi formación en otros aspectos temáticos, relacionados con los riesgos asociados a la costa. En especial, he tenido la oportunidad de adquirir los conocimientos técnicos necesarios para la realización de esta tesis doctoral gracias a mi trabajo en el desarrollo de visores y en el diseño e investigación relacionados con las tecnologías de tratamiento y difusión de la información espacial, que se refleja también en una serie de publicaciones (Ojeda Zújar et al. 2007; Ojeda Zújar et al. 2009; Ojeda Zújar et al. 2010; Ojeda Zújar, Álvarez Francoso, et al. 2013; Ojeda Zújar, Díaz Cuevas, et al. 2013). CAPÍTULO I. Introducción  5  I.2. Problema de investigación. Hipótesis y objetivos. Las conclusiones de la investigación científica se derivan del conocimiento de las leyes fundamentales de la ciencia y su contrastación con observaciones, experimentos de laboratorio y modelos físico-matemáticos que simulan fenómenos del mundo real. Todas estas actividades generan datos. Durante las últimas décadas, se han producido cambios drásticos desde el punto de vista científico, tecnológico y social que han afectado a la manera en que se almacenan, analizan, procesan y transmiten los datos en general y los datos espaciales en particular. En el caso de la información climática, una de las consecuencias de estos cambios ha sido la producción de numerosas bases de datos con una amplia cobertura tanto espacial como temporal. La georeferenciación generalizada ha permitido la integración de fuentes de datos muy diversas. Este hecho, unido a los constantes desarrollos tecnológicos, ha levantando enormes expectativas en relación al potencial de la geovisualización para contribuir al estudio de los diferentes fenómenos que tienen lugar en la superficie terrestre en toda su complejidad. Al mismo tiempo, se ha puesto de manifiesto el reto que supone la transformación de los datos brutos en información y conocimiento. Este trabajo pretende hacer una contribución en el campo de la geovisualización de bases de datos climáticos a diferentes escalas, mediante el diseño y desarrollo de un sistema que facilite su acceso y difusión a usuarios tanto expertos como no expertos, y que permita la generación de conocimiento a partir de dichos datos. Los principales objetivos de la investigación CAPÍTULO I. Introducción  6  planteados son los siguientes:  Hacer una revisión e identificar los problemas actuales y los desafíos que plantea la geovisualización en relación con las grandes bases de datos climáticos.  Aplicar conceptos y métodos de geovisualización para permitir un acceso y visualización rápidos con el fin de facilitar la extracción de conocimiento a partir de los datos.  Diseñar e implementar sistemas abiertos que permitan el acceso a la información climática a diferentes escalas a un gran número de usuarios y, en especial, a aquellos sin conocimientos específicos sobre el clima. Las hipótesis de partida de este trabajo son las siguientes:  La geovisualización de los datos climáticos es una herramienta adecuada e indispensable cuando el objetivo es la transmisión del conocimiento climático a partir de grandes bases de datos.  Los sistemas de geovisualización web de datos climáticos efectivos requieren un diseño basado en un reparto adecuado de la carga de trabajo entre tres componentes básicos de los sistemas: servidor de datos, servidor cartográfico e interfaz de usuario.  Los servicios web geoespaciales interoperables, utilizados adecuadamente junto con la tecnología actual, son una herramienta útil para lograr una visualización y acceso rápidos a grandes bases de datos. I.3. Justificación del trabajo. El trabajo desarrollado en esta tesis doctoral se justifica por varias razones: - Por la gran relevancia de la información climática, especialmente en el CAPÍTULO I. Introducción  7  contexto actual de cambio climático. El clima interesa a una amplia variedad de personas de muy diversos sectores de la sociedad, porque las características del clima y sus variaciones han afectado y afectan al ser humano en muchos sentidos. - Por la importancia de la componente espacial y temporal de la información climática. La variabilidad espacial y temporal de los elementos que conforman el sistema climático resultan claves para profundizar en su conocimiento. - Por el papel que juega la visualización de la información climática como herramienta para conseguir explorar, descubrir, comunicar esta información en sus dimensiones temporal y espacial. - A pesar de ello, resulta notable la escasez de sistemas dedicados exclusivamente al acceso y la difusión de este tipo de datos o la relativa poca relevancia que tiene la visualización en los sistemas ya existentes. - Aunque durante las últimas décadas se han desarrollado multitud de tecnologías y herramientas para una visualización rápida, eficaz y abierta a todo tipo de usuarios de la información climática, no parecen estar siendo aprovechadas adecuadamente. - Los sistemas de geovisualización web de información climática como los propuestos en este trabajo son herramientas de gran utilidad porque facilitan enormemente la observación patrones en los datos que sólo se revelan en su dimensión espacial. Además, también permiten ampliar el espectro de usuarios de la información más allá del grupo de los usuarios especializados. CAPÍTULO I. Introducción  8  I.4. Resumen de la metodología. El desarrollo de los sistemas propuestos en este trabajo se resume en cinco grandes etapas: - La primera etapa consiste en el análisis y diseño general del sistema, de manera que se definan los requerimientos, los flujos de procesos y los componentes implicados en el funcionamiento del mismo. - En la segunda etapa se investigan, diseñan e implementan los métodos, técnicas y recursos que se utilizarán para optimizar la entrada de los datos externos en el sistema. - La tercera etapa se corresponde con el diseño de los modelos de los componentes del sistema de almacenamiento de los datos y de las técnicas implementadas para su distribución. - En la cuarta etapa, cuyo desarrollo se solapa con la anterior, se diseña el servidor cartográfico, las capas, las simbologías y los servicios cartográficos. - En la cuarta etapa se lleva a cabo el diseño y la implementación de la capa de presentación, es decir del geovisor web con el que interactúa el usuario. Durante esta fase se desarrollan iterativamente los prototipos a nivel de interfaz de presentación apoyándose en la retroalimentación proporcionada por los usuarios. CAPÍTULO I. Introducción  9  I.5. Esquema general de la tesis. Los objetivos planteados en este trabajo de investigación justifican la estructura del mismo, que se resume en la tabla 1. La tesis se estructura en siete capítulos, que se describen a continuación brevemente: En el primer capítulo se hace una introducción al campo de estudio en el que se enmarca el trabajo, se definen los principales retos y se acota el problema de investigación, justificando su pertinencia. También se describe sucintamente la metodología empleada y se definen los conceptos principales que se asumen en esta investigación. Capítulo I. Planteamientos generales Antecedentes de la investigación Hipótesis y objetivos Justificación Resumen de la metodología Esquema general Capítulo II. La información climática El dato científico y el dato climático Tipos de datos climático Formas de distribución de los datos climáticos Capítulo III. Acceso de los usuarios a la información climática La información climática y el open data movement Los usuarios de la información climática Capítulo IV. La Geovisualización de la información climática Introducción a la Geovisualización Web mapping y cartografía web Sistemas actuales de cartografía web Capítulo V. Metodología, fuentes de datos y escalas Fuentes de datos y escalas Fases metodológicas Marco metodológico Capítulo VI. Análisis y resultados Arquitectura de los sistemas Resultados a escala global: EL sistema Global Climate Monitor (globalclimatemonitor.org) Resultados a escala regional: EL sistema Cambia (cambia.climasig.es) Capítulo VII. Conclusiones Conclusiones generales Investigaciones futuras Tabla. 1: Estructura de la tesis doctoral en capítulos. Fuente: Elaboración prorpia CAPÍTULO I. Introducción  10  En el segundo, tercer y cuarto capítulos se plantea el estado de la cuestión en relación con los tres grandes componentes de los sistemas diseñados para la visualización de la información climática. El segundo capítulo trata sobre el dato climático, su estructura y especificidades. El tercer capítulo se centra en los aspectos relacionados con el acceso a la información por parte de los usuarios. El cuarto capítulo aborda una introducción a la geovisualización, centrándose posteriormente en los sistemas de cartografía interactiva en la web. En el quinto capítulo se justifica y describe con detalle la metodología empleada. También se describen las fuentes de datos, los procedimientos para la obtención, tratamiento y análisis de los mismos, las herramientas utilizadas y las limitaciones de la metodología. En el sexto capítulo se presentan y analizan los resultados de los dos sistemas propuestos, a escala global y regional. Finalmente, en el séptimo capítulo se establecen conclusiones de la tesis doctoral, sobre sus limitaciones y sobre investigaciones futuras. CAPÍTULO II. La información climática II. LA INFORMACIÓN CLIMÁTICA CAPÍTULO II. La información climática  18  Unidad de análisis Variable Valor Observatorio Temperatura máxima de un día 18.5 ºC Observatorio Precipitación caída en el día 10 mm Tabla 3. La estructura del dato aplicada a dos elementos básicos del clima. Fuente: Elaboración propia. Una vez definidas las unidades de análisis y las variables que van a medirse en ellas, podemos construir nuestra matriz de datos como en la tabla 4: Temp máxima día (ºC) Temp mínima día (ºC) Temp media día (ºC) Precipitación caída en el día (mm.) Observatorio 1 18,5 8,2 13,4 10,0 Observatorio 2 20,0 8,1 14,1 5,0 Observatorio 3 25,4 6,3 15,9 0,0 Observatorio 4 27,1 12,5 19,8 6,0 Observatorio 5 18,5 10,6 14,6 20,0 Tabla 4. La matriz de datos de observatorios meteorológicos. Fuente: Elaboración propia. La dimensión temporal del dato es fundamental en climatología, pues se encuentra en su propia definición. Al tratar de describir estados medios de la atmósfera, la climatología se refiere a valores representativos de periodos de tiempo definidos como el valor medio de temperatura en un día, en un mes o en un año determinados (figura 1). CAPÍTULO II. La información climática  19  Fig. 1: Gráfico de evolución de la temperatura media anual durante el periodo 1901-2012, coordenada 6ºW, 37ºN. Fuente: Globalclimatemonitor.org. Cuando observamos la figura 1, nos encontramos con un inconveniente a la hora de encajar esta serie de mediciones en la matriz de datos. La unidad de análisis debe ser, como su nombre indica, única. Por lo tanto, si consideramos que todas las observaciones se refieren a una sola unidad de análisis, obtendríamos una matriz con una fila y tantas columnas como años tuviera la serie (tabla 5), conocida como matriz “degenerada” (Baranger 2009, p.18). Temp año 1901 Temp año 1903 Temp año 1904 Temp año 1905 … Temp año m Observatorio 1 18,5 17.2 19.1 18.0 … 17.7 Tabla 5. La matriz de datos de temperaturas anuales. Fuente: Elaboración propia. Desde el punto de vista operacional, esta estructura resulta muy poco eficiente. Pero cabe la posibilidad de ordenar los datos de manera diferente. También podríamos considerar tantas unidades de análisis como años haya en la serie, y CAPÍTULO II. La información climática  20  la tabla quedaría de la siguiente manera: Temp media UA1 - Observatorio en el año 1901 18,5 UA2 - Observatorio en el año 1902 17.2 UA3 - Observatorio en el año 1903 19.1 UA4 - Observatorio en el año 1904 18.0 … … UAn - Observatorio en el año m 17.7 Tabla 6. La matriz de datos de temperaturas anuales transpuesta. Fuente: Elaboración propia. No parece lógico considerar una unidad de análisis diferente para cada año y el mismo observatorio, pero la observación de esta tabla reordenada nos da ahora la solución que se muestra en la tabla 7: considerar el año como una nueva variable que constituye un aspecto más de la unidad de análisis (esta, ahora sí, es homogénea y se refiere a la temperatura en un observatorio). Tabla 7. La matriz de datos de temperaturas anuales con el tiempo como variable. Fuente: Elaboración propia. Pero, ¿Qué ocurre cuando queremos estudiar elementos del clima en su dimensión espacial? Consideremos ahora que disponemos de datos en un conjunto de observatorios meteorológicos repartidos por una región. Si queremos estudiar algún aspecto del clima de dicha región a partir de la información suministrada por este conjunto de datos, ¿Cómo podemos organizar la información en una matriz de datos? Si colocamos nuestros datos en la matriz que se muestra en la tabla 7, obtendremos una nueva matriz con la Año Temp media UA - Observatorio 1 1901 18,5 UA - Observatorio 1 1902 17.2 UA - Observatorio 1 1903 19.1 UA - Observatorio 1 1904 18.0 … … … UA - Observatorio 1 m 17.7 CAPÍTULO II. La información climática  21  estructura que se muestra a continuación: Tabla 8. La matriz de datos de temperaturas anuales en varios observatorios. Fuente: Elaboración propia. De la misma forma que el tiempo fue convertido en una variable, podríamos considerar cada observatorio como un aspecto o dimensión de toda la región, transformando las múltiples unidades de análisis en una nueva variable que definiría el observatorio. La tabla quedaría finalmente así: Tabla 9. La matriz de datos de temperaturas anuales con el tiempo y el observatorio como variables. Fuente: Elaboración propia. Esta organización en forma de tabla ordenada (tidy dataset) de los datos facilita la manipulación, el modelado y la visualización de la información (Wickham 2014) y es utilizada por la mayoría de los sistemas de gestión de bases de datos. Año Temp media UA - Observatorio 1 1901 18.5 UA - Observatorio 2 1901 19.8 UA - Observatorio 3 1901 16.4 UA - Observatorio 1 1902 17.2 UA - Observatorio 2 1902 21.0 UA - Observatorio 3 1902 14.8 … … … UA - Observatorio 1 m 17.7 UA - Observatorio 2 m 22.0 UA - Observatorio 3 m 15.6 Observatorio Año Temp media UA - Región 1 1901 18.5 UA - Región 2 1901 19.8 UA - Región 3 1901 16.4 UA - Región 1 1902 17.2 UA - Región 2 1902 21.0 UA - Región 3 1902 14.8 … … … … UA - Región On An Tn CAPÍTULO II. La información climática  22  II.4. Tipos de datos climáticos. El volumen generado de datos científicos en general y de datos climáticos en particular no ha parado de crecer en los últimos tiempos (Overpeck et al. 2011; Hey & Trefethen 2003) y la previsión para las próximas décadas es que seguirá creciendo significativamente, propiciado principalmente por los datos procedentes de modelos y de satélites (figura 2). En la actualidad existe una gran diversidad de datos climáticos. Los datos podrían ser clasificados de diferentes maneras, pero la forma en que han sido generados es una de sus características principales porque determina muchas de sus propiedades. A continuación se hará una revisión de los diferentes tipos de datos existentes en función de su origen, poniendo en relieve sus diferentes características y haciendo especial hincapié en las variables y conjuntos de datos utilizados en este trabajo, principalmente datos medidos en superficie continental de temperatura y precipitación a escala temporal mensual. La clasificación que se detalla en los siguientes epígrafes distingue dos grandes tipos de datos: los datos observados, ya sea a través de sensores ubicados in situ o bien a distancia (teledetección, radar) y los datos generados mediante modelización. CAPÍTULO II. La información climática  23  Fig. 2: Volumen de datos climáticos en el mundo según su origen. Fuente: Elaboración propia a partir de Overpeck et al. 2011. II.4.1. Datos observados. Tradicionalmente, los datos observados se han obtenido a partir de sensores instalados en observatorios que registraban los valores de las diferentes variables climáticas in situ, es decir, en el mismo lugar en el que se encontraban ubicados. A partir de la segunda mitad del siglo XX, con la aparición de los satélites, se empezaron a registrar datos de sensores a bordo de los mismos. También los radares, ya estén instalados en tierra o a bordo de satélites, registran datos a distancia. Los productos de ambos tipos de observaciones tienen algunas diferencias importantes, principalmente desde el punto de vista de la cobertura espacial (puntual o continua) , por lo que haremos una subdivisión de los datos observados según se deriven de sensores in situ o remotos. II.4.1.1. Datos procedentes de observatorios in situ El ser humano se ha interesado por la climatología desde tiempos antiguos, CAPÍTULO II. La información climática  24  pero las primeras observaciones científicas de variables climáticas se producen con la aparición del termómetro y el barómetro durante el siglo XVII (Jones 1995; MétéoFrance n.d.). En 1654, bajo el auspicio del gran duque de Toscana, Fernando II, el padre Antinori, puso en funcionamiento la que se considera como la primera red de observación meteorológica, la Rete Medicea, formada por 11 estaciones en Italia y otros puntos de Europa como Varsovia o Innsbruck (Kington 1988; Camuffo et al. 2010). A finales del siglo XVIII empezaron a llevarse a cabo más campañas de medición auspiciadas por diferentes sociedades científicas, entre las que destacan la red de la Societas Meteorologica Palatina (Cassidy 1985) y la red de la Société Royale de Médicine de Francia (figura 3) que con el tiempo llevaron a la multiplicación de las redes meteorológicas de observación. Actualmente, la red de estaciones disponible abarca todo el planeta, aunque con notables diferencias en cuanto a cobertura espacial y temporal (figura 4). Las regiones mejor cubiertas en ambos sentidos se corresponden lógicamente con los países más desarrollados. Durante las últimas décadas del siglo XX, la creciente preocupación por los temas medioambientales y por el clima de la Tierra y su evolución pasada y futura, motivó la creación de sistemas de observación que pudieran proporcionar la información necesaria para responder a las cuestiones planteadas por la sociedad con respecto al clima. La finalidad de la mayoría de las redes de observación en los inicios del periodo instrumental era el registro de datos del clima local y no el estudio climático a escala global, por lo que la utilización de los primeros datos de observación para estos fines tiene inconvenientes relacionados con el acceso a los datos, su distribución espacial y su homogeneidad temporal. CAPÍTULO II. La información climática  25  Fig. 3: Resultados medios de cinco años de observaciones (1780-1784) en Haguenau (Alsacia) realizadas por M. Keller, doctor en medicina. Fuente: Météo France. A finales del siglo XIX empiezan a surgir iniciativas de coordinación internacional para superar estos inconvenientes. En 1873, representantes de los servicios meteorológicos de Bélgica, Francia, Holanda, Reino Unido, Portugal, Rusia, Suecia y Estados Unidos crean la Organización Meteorológica Internacional (IMO, por sus siglas en inglés). Uno de los hitos en relación con CAPÍTULO II. La información climática  26  las redes de observación fue la creación en 1905 de la comisión para el Réseau Mondiale, con el propósito de establecer la primera red global de observación estandarizada de la atmósfera (Sarukhanian & Walker 2004). De la conferencia de la IMO de 1923 surgió una resolución para poner en marcha la iniciativa conocida como Registros meteorológicos mundiales (World Wheather Records, WWR), que consiste en una monumental publicación periódica de datos globales mensuales de temperatura, precipitación y presión atmosférica procedentes de cientos de estaciones (Clayton 1927). En lo que concierne a estas variables, los WWR han constituido la fuente de datos básica utilizada por los primeros trabajos orientados al estudio del clima a escala global. A partir de 1947, la recién creada Organización Meteorológica Mundial (WMO) sucedió a la IMO y las iniciativas para la mejora de la observación del clima se multiplicaron. En 1979 tuvo lugar la primera Conferencia Mundial sobre el Clima, en la que se urgía a las naciones, por una parte, a sacar el máximo partido del conocimiento climático y dar los pasos necesarios para mejorarlo de manera significativa, y por otra a prever y prevenir los potenciales cambios climáticos antropogénicos que pudieran afectar negativamente al bienestar humano (WMO 1979). También se estableció el Programa Mundial sobre el Clima (WCP, por sus siglas en inglés). El WCP se organizaba en cuatro subprogramas, entre los que destacaremos el Programa Mundial de Datos sobre el Clima, que pretendía impulsar una mejora en la adquisición y accesibilidad de los datos climáticos. CAPÍTULO II. La información climática  27  Fig. 4: Mapa de todas las estaciones del volumen A de informes meteorológicos de la WMO en 2014. Fuente: Elaboración propia a partir de WMO 2014. CAPÍTULO II. La información climática  34  han tenido lugar en las últimas décadas, los inconvenientes de la utilización de esta fuente para la obtención de series largas y homogéneas siguen siendo numerosos. La corta duración de las misiones (inferior a la década), unida a la ausencia de solapes entre las mismas para poder contrastar los resultados y a la complejidad de los procesos que deben aplicarse a los datos brutos, hacen que la utilización de los datos de satélite se convierta en un reto (Peterson et al. 1997; Hijmans et al. 2005; D. Jones et al. 2009; Overpeck et al. 2011). Podemos afirmar, en conclusión, que los datos observados en las estaciones meteorológicas, aunque sólo reflejan el resultado en superficie de un complejo sistema de relaciones, interacciones y procesos físicos dentro de la atmósfera, siguen constituyendo la fuente principal de información para el estudio del clima durante los últimos siglos en general y de determinados aspectos del mismo en particular, como el cambio climático. Esto es así por dos razones fundamentales: por una parte, los registros de los observatorios constituyen medidas directas de las variables climáticas, y por otra, han sido recopilados en un gran número de localizaciones y durante prolongados periodos de tiempo. Sin embargo, la utilización de datos instrumentales recopilados in situ no está exenta de inconvenientes. Estos inconvenientes son de varios tipos. Por una parte, la representatividad espacial de los datos se ve mermada por la irregular distribución espacial de los observatorios, sobre todo a escala regional (Willmott, et al 1994). Por otra parte, las series de datos originales presentan con frecuencia inhomogeneidades producidas fundamentalmente por cuatro causas (Parker 1994; Jones et al. 1999): a) Cambios en los instrumentos de medida, la exposición y la técnica de medida, b) Cambios en la localización del observatorio, c) Cambios en los momentos de observación o en la manera de calcular las agregaciones temporales, y d) Cambios en los usos alrededor del observatorio. Para corregir o superar estos inconvenientes, se han utilizado durante las últimas décadas diferentes estrategias basadas en la modelización. CAPÍTULO II. La información climática  35  II.4.2. Datos modelados. Hemos clasificado los datos modelados en dos grupos: aquellos que son el producto de la elaboración de modelos matemáticos del sistema climático que aplican las leyes fundamentales de la física, y cuyas salidas son contrastadas con los datos instrumentales, o bien los que surgen de modelos matemáticos y estadísticos aplicados a los datos observados con el fin de asegurar su homogeneidad temporal (relleno de lagunas, corrección de inhomogeneidades en las series) y espacial (interpolación de los datos a una rejilla regular). II.4.2.1. Datos generados a partir de Modelos de Circulación General. Un modelo climático es una representación simplificada del sistema climático, que sirve para entender mejor su funcionamiento y para poder predecir su evolución en el futuro. Desde mediados del siglo pasado, los modelos han evolucionado en complejidad y realismo gracias al aumento de las capacidades en almacenamiento y computación y al avance en los conocimientos sobre los múltiples procesos que tienen lugar en el seno del sistema climático. Existe una gran variedad de modelos, desde los de mayor abstracción de balance energético hasta los más sofisticados modelos del Sistema Terrestre más actuales (ESM, por sus siglas en inglés), pasando por los modelos acoplados de circulación general (GCM, por sus siglas en inglés, figura 7). Al contrario de lo que pudiera parecer más lógico, la evolución de los modelos no sigue una línea temporal continua desde los más simples a los más complejos, ya que los primeros GCM fueron desarrollados a principios de los 60, al mismo tiempo que los modelos radiativos-convectivos. Los modelos más simples de balance energético no aparecen hasta finales de la década, y los Modelos de Sistema CAPÍTULO II. La información climática  36  Terrestre de Complejidad Intermedia (EMIC, por sus siglas en inglés), hasta finales de los años noventa (McGuffie & Henderson-Sellers 2001). Fig. 7. Esquema simplificado de un Modelo acoplado de Circulación General Atmósfera- Océano. Fuente: D.Bice, Penn State University. Los GCM actuales reproducen el funcionamiento de los grandes subsistemas que conforman el sistema climático, fundamentalmente el atmosférico y el oceánico, por lo que se les conoce por el nombre de Modelos de Circulación General Acoplados (AOGCM por sus siglas en inglés). Una de sus características esenciales es la resolución tanto horizontal como vertical, que determinan el tamaño de la unidad mínima del modelo (tabla 10). Los ESM van más allá al incluir la simulación de ciclos biogeoquímicos que juegan un papel muy importante en el sistema, como por ejemplo el ciclo del carbono (Flato 2011). CAPÍTULO II. La información climática  37  Centro de investigación Modelo Resolución aprox. Lat x lon Niveles verticales Referencia Bjerknes Center for Climate Research, Norway BCM2.0 2,8° x 2,8° 31 Déqué et al., 1994 Centre National de Recherches Meteorologiques, France CNCM3 2,8º x 2,8º 45 Déqué et al., 1994; Salas-Mélia et al., 2005 Max-Planck-Institut for Meteorology, Germany ECHAM5 1,8º x 1,8º 31 Roeckner et al., 2003 Freie Universität Berlin, Alemania EGMAM 3,7º x 3,7º 39 Huebener et al., 2007 Tabla 10. Información básica relativa al subsistema de la atmósfera sobre los modelos utilizados en este trabajo. Fuente: Elaboración propia. Las salidas de los GCM resultan en general poco apropiadas para estudiar el clima a escalas de mayor detalle que la escala global, si bien los últimos modelos presentan resoluciones cada vez mejores (Randall et al. 2007). Generalmente, la resolución horizontal aproximada de un GCM se encuentra entre 2º y 4º de latitud y longitud y la vertical comprende entre 10 y más de 40 niveles. Un modelo de circulación general sólo es capaz de reproducir el comportamiento de las variables climáticas en superficie a escala global, y no en cada una de las celdillas. Con el fin de obtener datos modelados a escalas más finas, se han desarrollado los métodos conocidos con el nombre de downscaling. Existen dos grandes tipos de métodos de downscaling: dinámico y el estadístico (Wilby & Wigley 1997; Fowler et al. 2007; Murphy 2000; Murphy 1999). El primero se basa en la utilización conjunta de GCM y de Modelos Climáticos Regionales (RCM, por sus siglas en inglés). Los RCM son modelos físicos similares a los GCM, pero con mejor resolución espacial, y generalmente modelan sólo la componente atmosférica del sistema climático. Estos modelos se ejecutan a partir de condiciones iniciales determinadas por un GCM CAPÍTULO II. La información climática  38  (anidados), y sus simulaciones son capaces de dar cuenta de fenómenos que tienen lugar a escalas de mayor detalle que la unidad mínima espacial de los Modelos de Circulación General (figura 8). Fig. 8. Precipitación media diaria (mm./día) del invierno (1961-1990) en Reino Unido a partir de un GCM, de un RCM y de observaciones (Modelo HadCM3, Hadley Center). Fuente: Maraun et al., 2010. Los métodos de downscaling estadístico, por otra parte, se basan en el establecimiento de relaciones estadísticas entre las salidas de los GCM y las observaciones hechas en superficie. Según como se establezcan estas relaciones, los métodos estadísticos pueden clasificarse en tres grandes grupos: a) Métodos de regresión. Son los métodos más sencillos conceptualmente y los que menos recursos computacionales requieren. Utilizan relaciones, que pueden ser lineales o no, entre predictandos y predictores. Tienen el inconveniente de que tienden a subestimar la varianza del predictando. b) Tipos de tiempo. En este caso se establecen relaciones entre las variables locales y una clasificación de tipos de tiempo hecha a partir de observaciones históricas. Los datos generados por un GCM son clasificados según su similitud con los tipos de tiempo, y de esta clasificación se deducen los valores o rangos de valores para las variables locales. Estos métodos requieren que CAPÍTULO II. La información climática  39  existan largas series de datos diarios de la zona de estudio para poder hacer la clasificación, pero son más apropiados para utilizarse con variables que no tienen una distribución normal, como la precipitación. c) Generadores de tiempo. Se trata de modelos que son capaces de reproducir los parámetros estadísticos de una o varias variables climáticas locales (media, dispersión, etc.). Posteriormente, estos parámetros son utilizados para producir series temporales (generalmente diarias) de precipitación y otras variables dependientes de esta. Otro tipo de datos producidos a partir de modelos de circulación general son los datos de reanálisis. Los reanálisis surgieron por la necesidad de contrastar las salidas de los GCM. Una de las posibles formas de validar los datos simulados por un GCM era generando estas simulaciones para periodos en los que se dispusiera de datos instrumentales. El reanálisis se basa en el concepto de análisis sinóptico, o simplemente análisis, que puede definirse como el proceso mediante el cual se infiere el estado de la atmósfera en un momento determinado, a partir de un conjunto de observaciones meteorológicas de diferentes variables tomadas de manera aproximadamente sincrónica (Compo et al. 2011). Los análisis para la predicción meteorológica eran realizados tradicionalmente de forma subjetiva por un experto, hasta que a partir del siglo XX, con el desarrollo tecnológico, fue posible automatizar el proceso de creación de análisis mediante lo que se denomina la asimilación de datos. Para poder correr un modelo operacional de predicción meteorológica, es necesario asignarle un estado inicial, es decir, una serie de valores para un conjunto de variables de entrada. La asimilación de datos comprende una serie de análisis en varios pasos o ciclos en los que la información simulada con un modelo de predicción se combina con la observada (de todas las fuentes disponibles: observatorios, radiosondas, barcos, CAPÍTULO II. La información climática  40  aviones, satélite, etc.) para obtener la mejor estimación del estado de la atmósfera en un momento dado (Uppala et al. 2005). A principios de los años ochenta, se empezaron a utilizar los análisis en la investigación climática. Sin embargo, la utilización de las salidas de modelos operacionales con fines climatológicos pronto se reveló problemática. Tanto los métodos de análisis como los de asimilación de datos presentaban errores y deficiencias que fueron subsanándose con el paso del tiempo, pero que invalidaban con probabilidad las conclusiones que pudieran derivarse de ellos desde el punto de vista de la climatología. Es por ello que a finales de la década, algunos investigadores propusieron realizar nuevos análisis (reanálisis) de los datos registrados utilizando ahora un sistema de asimilación de datos actualizado y fijo (Bengtsson & Shukla 1988; Trenberth & Olson 1988), de manera que se pudieran producir series de datos consistentes y homogéneas del clima. Desde finales del siglo pasado se han puesto en marcha muchos proyectos para la generación de reanálisis climáticos, como por ejemplo: el NCEP-NCAR 40 year reanalysis (Kalnay et al. 1996), el ERA-40 (Uppala et al. 2005), el ERA-Interim (Dee et al. 2011) o el MERRA (Rienecker et al. 2011). II.4.2.2. Datos generados a partir de la interpolación de datos observados. Como se mencionó en párrafos anteriores, la necesidad de disponer de series largas que permitieran la evaluación del clima a escala global impulsó iniciativas para la creación y mantenimiento de redes globales, así como la investigación encaminada a la construcción de series homogéneas desde el punto de vista tanto espacial como temporal. Los datos observacionales también son esenciales para la evaluación de los modelos climáticos (Hulme 1992; Randall CAPÍTULO II. La información climática  41  et al. 2007). Por otra parte, a menudo se ha recurrido a los datos de reanálisis para contrastar el desempeño de los modelos climáticos. Esta práctica presenta un gran inconveniente en el hecho de que los reanálisis son ellos mismos derivados de algún modelo, aunque también incorporen datos observacionales (Jones et al. 2013). Por ello, diversos grupos de investigación en la actualidad siguen dedicando parte de su tiempo a la construcción de conjuntos de datos en rejilla a escala global. Entre los centros de investigación que trabajan en este tipo de productos se encuentran la ya mencionada CRU, el Climate Prediction Center (CPC) de la agencia NOAA, el Global Precipitation Climatology Centre (GPCC) dependiente del servicio meteorológico nacional alemán (DWD, por sus siglas en alemán) y la universidad de Delaware, entre otros. En la sección dedicada a las fuentes de datos se describen con más detalle algunos de estos productos. En relación con los datos modelados, ya sea a partir de simulaciones o por espacialización de datos observados a una rejilla, cabe destacar la amplia disponibilidad de estas series globales de datos. En la mayoría de los casos se distribuyen bajo licencias abiertas de bases de datos Open Database License (ODbL), lo cual permite un uso abierto y sin restricciones con fines y propósitos no comerciales como la educación o la investigación. Ello ha producido una disponibilidad de datos globales que ha favorecido su uso cada vez más extensivo en el ámbito científico, con numerosas referencias de investigaciones basadas en estos (IPCC 1990; IPCC 2007; IPCC 1996; Jones & Moberg 2003; New et al. 2000; IPCC 2013). En lo que respecta a la calidad de los datos, esta es variable en función de los conjuntos de datos. Los controles de calidad realizados sobre las series son de diferentes tipos, aunque todos los conjuntos de datos utilizados como CAPÍTULO II. La información climática  42  referencia, en particular las RCS, CLINO, GSN o GHCN, han pasado por procesos de revisión de metadatos de las estaciones, eliminación de duplicidades, detección y corrección de valores manifiestamente anómalos y análisis de homogeneidad. El análisis de datos en rejilla somete a los datos a nuevos test de calidad que aseguran su homogeneidad y continuidad espacial. II.5. Formatos de distribución. Los datos anteriormente descritos representan un volumen de información considerable que requiere de formatos de almacenamiento específicos que permitan una distribución y manejo eficientes. Entre los diferentes formatos utilizados, predominan tres grandes categorías: los formatos de texto, los formatos raster bidimensionales y los formatos multidimensionales. II.5.1. Los formatos de texto. Los formatos de texto fueron los primeros que se utilizaron para almacenar y transmitir la información climática. Generalmente, los formatos de texto están formados por una secuencia de líneas acabadas en un carácter especial. La codificación utilizada suele ser ASCII. La ventaja de los formatos de texto es que pueden ser leídos directamente por el ser humano, pero tienen el gran inconveniente de requerir mucho más espacio de almacenamiento que otros formatos. II.5.2. Los formatos raster bidimensionales. Son formatos raster geo-referenciados. Aunque existe una gran variedad de CAPÍTULO II. La información climática  43  estos formatos, sólo mencionaremos aquí el formato GeoTIFF, por ser el estándar más utilizado para la distribución de la información climática. El formato GeoTIFF es una variante del estándar Tagged Image File Format (TIFF) con información adicional de geo-referenciación. El formato TIFF es uno de los formatos raster más populares. Una de las características más relevantes de este formato es que es capaz de usar una compresión sin pérdida de calidad, y de ahí su utilidad para la distribución de datos científicos. La compresión sin pérdida de calidad permite recuperar completamente la información original, lo cual es esencial para la distribución de datos. El formato TIFF incluye una serie de informaciones o etiquetas en su cabecera, que definen la geometría del archivo. El estándar GeoTIFF incluye nuevas etiquetas para insertar en ellas la información de geo-referenciación de los datos. Este formato permite distribuir datos bidimensionales, y por lo tanto no es adecuado para almacenar y distribuir largas series de datos en rejilla. Para esto último es necesario recurrir a formatos que permitan el almacenamiento de múltiples dimensiones. II.5.3. Los formatos multidimensionales. Los formatos multidimensionales almacenan la información en tres (cube) o más (hypercube) dimensiones. Son formatos apropiados para almacenar y distribuir datos relativos a largas series temporales geo-referenciadas. Entre los formatos multidimensionales se encuentran el formato GRIB, el NetCDF y el HDF. Son todos formatos independientes de la plataforma y auto-descritos, es decir que pueden ser abiertos por el software adecuado sin que el usuario tenga necesidad de conocer los detalles de su estructura o contenido. Estos formatos han evolucionado con el tiempo, y las versiones actuales son GRIB2, NetCDF4 y HDF5. CAPÍTULO III. Acceso de los usuarios a la información climática  50  III.1.1. Dato, información y conocimiento. En el contexto de las ciencias de la información, los conceptos de datos, información y conocimiento son considerados como los pilares básicos sobre los que se construye el pensamiento científico en este campo. Son tres conceptos íntimamente relacionados y cuyo significado (y las interrelaciones que se establecen entre los ellos) puede variar en gran medida según los autores (Zins 2007) y el contexto en el que se interpretan (Aamodt & Nygård 1995). En este trabajo, adoptaremos el marco teórico conocido como la jerarquía DIKW (Data, Information, Knowledge, Wisdom, Ackoff, 1989), si bien nos centraremos en los tres primeros componentes de la misma, ya que el último está en relación con cuestiones filosóficas que van más allá del objeto de este trabajo. El dato, como ya se mencionó en el capítulo anterior, es una representación abstracta de un hecho. El dato se obtiene de manera individual y subjetiva mediante los sentidos o bien de forma objetiva mediante sensores diseñados para tal fin. El dato por sí mismo carece de sentido (Cooper 2014). El crecimiento continuo de las capacidades de almacenamiento y de proceso de los sistemas de hardware ha permitido el mantenimiento, la gestión y el análisis de una cantidad de datos e información inconcebible hasta hace poco. La cantidad de información generada es tal que se habla de diluvio de datos (data deluge), o sobrecarga (overload) de información, en el sentido de que la capacidad para gestionar y explotar tanta información no ha crecido al mismo ritmo (Hey & Trefethen 2003; Anderson 2008; Borgman 2012). En relación con el diluvio de datos, uno de los términos más recurrentes en los últimos años es el de big data. La definición de big data resulta complicada. Se pueden encontrar numerosas definiciones en la literatura, algunas de ellas CAPÍTULO III. Acceso de los usuarios a la información climática  51  contradictorias entre sí (Thatcher 2014; Ward & Barker 2013). Una de las definiciones que más consenso concitan es la que caracteriza al big data como un conjunto de datos cuyo volumen y/o complejidad exceden la capacidad de almacenaje y/o proceso de los sistemas actuales (Jacobs 2009; Ward & Barker 2013). A menudo también se alude en la definición a tres características fundamentales del big data, representadas por tres uves: gran volumen, gran velocidad y gran variedad, que requieren nuevas formas de análisis (Thatcher 2014; Evans et al. 2014; Sharma 2013; Shearer 2015; Kitchin 2014). Algunos autores han llegado a hablar, en relación con el diluvio de datos y el big data, de un nuevo paradigma en la ciencia caracterizado por el “fin de la teoría”, en el sentido de que el enorme volumen de datos disponibles permitiría adquirir conocimiento de una manera directamente empírica y sin necesidad de recurrir a teorías previas (Anderson 2008; Prensky 2009). Otros, en un término medio, defienden una ciencia guiada por los datos (data-driven), de manera que se generen hipótesis de los datos más que de la teoría (Kelling et al. 2009). Además, la inmensa mayoría de estos datos tienen una importante componente espacial o son susceptibles de ser geo-referenciados en alguna medida, de tal forma que se habla también de spatial o geospatial big data para referirse a este aluvión de datos referidos directamente al espacio y que aparecen en todas las disciplinas relacionadas con las ciencias de la Tierra (Amirian et al. 2014; Evans et al. 2014; Lee & Kang 2015). La información es también una representación abstracta de los hechos, que se crea generalmente a partir de los datos mediante una serie de procesos de contextualización, análisis, interrelación, ordenación, agregación, resumen, etc. La información proporciona significado a los datos. También puede considerarse la información, como señala Zins, como una forma de representación del conocimiento, como conocimiento empírico (Zins 2007), ya que el conocimiento por sí mismo sólo existe en la mente del que lo ha CAPÍTULO III. Acceso de los usuarios a la información climática  52  adquirido o generado. Al convertir el conocimiento en una representación simbólica, mediante un proceso de comunicación, se genera información. El conocimiento representa la información interpretada por un individuo en un marco conceptual. El conocimiento es información interiorizada, es decir, integrada en las estructuras cognitivas de una persona (Segundo 2002). Como se ha mencionado, la transmisión del conocimiento requiere, por lo tanto, de su plasmación en una información que pueda ser emitida en un mensaje y comprendida por el receptor. Los conceptos de información y conocimiento son por tanto parecidos, pero no sinónimos. Podríamos decir que la información es un vehículo de transmisión y generación de conocimiento, porque en el proceso de interiorización o aprendizaje, cada receptor puede crear, ampliar y mejorar el conocimiento al incorporarlo a su estructura cognitiva. Las relaciones entre datos, información y conocimiento se han descrito tradicionalmente por medio de una pirámide o una cadena. Los datos se sitúan en el primer escalón, y son los que ocupan un mayor volumen, y el conocimiento en el último, con un volumen menor. Los datos brutos producen información y la información permite generar conocimiento. Esta representación, aunque ha sido criticada por algunos expertos en ciencias de la información (Zins 2007; Braganza 2004), nos parece adecuada para el propósito de este trabajo, si bien incluimos algunos matices ya apuntados anteriormente para expresar los flujos en la dirección opuesta, como el proceso de externalización o comunicación del conocimiento, el de generación de nuevos datos a partir de nuevos conocimientos (retroalimentación o feedback) o el papel que juega el conocimiento en la generación de información a partir de los datos (ver figura 9). CAPÍTULO III. Acceso de los usuarios a la información climática  53  Fig. 9. Esquema de la relación dato-información-conocimiento. Fuente: Elaboración propia. Tradicionalmente, la transmisión del conocimiento científico se ha hecho en su mayor parte a través de libros y publicaciones en revistas especializadas. En las últimas décadas, el impulso tecnológico ha propiciado un cambio radical en las posibilidades de transmisión de datos, información y conocimiento. El desarrollo de múltiples y diversas herramientas de gestión, tratamiento, análisis, visualización, difusión y colaboración ha ampliado también de forma considerable las posibilidades de generación y transmisión de conocimiento. Quizá uno de los mayores retos que se plantean a las sociedades de hoy en día sea el de conseguir gestionar esta avalancha de datos para optimizar la extracción de información y creación y transmisión de conocimiento. En este contexto, el acceso a los datos y a la información, cuyas posibilidades se han ampliado también de forma radical, juega un papel fundamental. III.1.2. Open Data Movement. Durante estas últimas décadas, la idea de poner a disposición de todos los ciudadanos datos de todo tipo, cuyo acceso había estado hasta entonces restringido, ha ido cobrando fuerza y se ha materializado en diferentes iniciativas puestas en marcha desde gobiernos y plataformas civiles. Este emergente movimiento social global, conocido como Open Data Movement CAPÍTULO III. Acceso de los usuarios a la información climática  54  (Murray-Rust 2008; Molloy 2011; Ferrer-Sapena et al. 2011; Dawes 2012; Leonelli 2013; Cimiano et al. 2013; Ferrer-Sapena & Sánchez-Pérez 2013; Dove 2015), se ha puesto de moda en prácticamente todas las facetas de nuestra sociedad, y en particular el término inglés open, la encontramos a menudo formando expresiones como open government, open source, open access, open data, open knowledge, open science, open standard, etc. La apertura es un concepto transversal, un nuevo paradigma que va más allá del mero acceso a los datos. Es un principio que se basa en una comunicación transparente, permanente y multidireccional entre los diferentes componentes de la sociedad, apoyándose en la estructura fundamental que suponen las actuales tecnologías de la información y la comunicación. III.1.3. Open Access. La idea de la apertura de datos, aunque ha tomado fuerza recientemente, no es nueva. Si bien hoy en día se ha extendido a todos los sectores de la sociedad, es en la comunidad científica donde surgen las primeras iniciativas de apertura, principalmente en relación con las publicaciones científicas. Ya en los años 40, el sociólogo Robert King Merton defendía la idea de que una apertura de la investigación científica supone un enorme beneficio para la ciencia. En su sociología de la ciencia, Merton propone los principios de la ética de la ciencia moderna. Uno de estos principios es el de communism 1 , según el cual los descubrimientos científicos representan un bien común y los investigadores deben renunciar a los derechos de propiedad intelectual para el avance de la ciencia (Merton 1942). 1 Otros autores usan el término communalism, con un significado algo diferente. Ziman lo define en el sentido de “eliminar o prohibir el secreto” (Ziman 2002). CAPÍTULO III. Acceso de los usuarios a la información climática  55  El término acuñado para referirse a la apertura de las publicaciones científicas es el de open access. El concepto ha sido debatido en profundidad y definido fundamentalmente a partir de tres declaraciones públicas: Budapest Open Access Initiative 1 en febrero de 2002, Bethesda Statement on Open Access Publishing 2 en junio de 2003 y Berlin Declaration on Open Access to Knowledge in the Sciences and Humanities 3 en octubre de 2003. Peter Suber extrae de las tres declaraciones lo que él llama la “definición BBB” de open access: “La literatura open access es digital, en línea, gratuita y libre de la mayoría de restricciones de licencia o copyright” (Suber 2012, 4). Según un artículo publicado en 2011, a partir del cambio de milenio, se produjo un aumento considerable de las publicaciones open access, pasando de una veintena de publicaciones y menos de 500 artículos a principios de los años noventa, hasta unos 200 000 artículos publicados en casi 5 000 revistas (Laakso et al. 2011). Por otra parte, otras investigaciones destacan la repercusión positiva de las publicaciones open access (Antelman 2004; Hajjem et al. 2006; Swan & Brown 2008; Evans & Reimer 2009; Suber 2012), sobre todo por su capacidad para abrir las fronteras de la investigación científica a aquellas zonas cuyos recursos limitan considerablemente el acceso a las publicaciones convencionales. Sin embargo, el acceso a las publicaciones no ha venido generalmente acompañado de un acceso a los datos sobre los que se sustentan las investigaciones. Una de las razones principales por las que esto ha ocurrido tradicionalmente radica en la inadecuación del soporte en papel para la transmisión de datos (Vision 2010). Hoy en día, esto no supone un 1 http://www.budapestopenaccessinitiative.org/. 2 https://dash.harvard.edu/bitstream/handle/1/4725199/suber%20_bethesda.htm?sequence =1#scientists. 3 http://openaccess.mpg.de/Berlin-Declaration. CAPÍTULO III. Acceso de los usuarios a la información climática  56  impedimento, pero sigue existiendo la inercia de estos hábitos de publicación. Por esta razón, en las últimas décadas, son muchas las voces que se han alzado para pedir un acceso completo y libre a los datos asociados a las publicaciones científicas (Arzberger et al. 2004; Uhlir & Schröder 2007; Murray-Rust 2008; Schofield et al. 2009; Molloy 2011; Joint-Programming-Initiatives 2015). III.1.4. Open scientific data. En los años cincuenta, el Consejo Internacional para la Ciencia (ICSU, de su antiguo nombre International Council of Scientific Unions), creó el Sistema de Centro Mundial de Datos (WDC, World Data Center), con el objetivo el administrar y proporcionar acceso a los datos generados en el marco del Año Geofísico Internacional de 1957. Se trata de una iniciativa pionera que estableció el concepto de acceso abierto (open access) a los datos científicos en el contexto internacional. El término open data referido a los datos científicos aparece por primera vez en 1995, con motivo de una publicación del Committee on Geophysical and Environmental Data (CGED) en la que se criticaba la propuesta del WMO de mayo del mismo año para cambiar su política de distribución de datos 1 , haciéndola más restrictiva (National Resesarch Council 1995). El Sistema Mundial de Datos (WDS, por sus siglas en inglés) sucedió al WDC en 2008 como adaptación a la nueva situación creada por la evolución social y tecnológica, y declaró en 2015 cuatro principios éticos básicos por los que todo miembro debe guiarse con el fin facilitar y mejorar el acceso a los datos 1 En el documento se habla, más precisamente, de open scientific data. Puede consultarse un resumen en: http://www.nap.edu/readingroom.php?book=exch&page=summary.html#fn1. CAPÍTULO III. Acceso de los usuarios a la información climática  57  científicos 1 : - Los datos, metadatos, productos e información deben ser completa y abiertamente compartidos, respetando siempre las leyes nacionales e internacionales y los estándares éticos científicos internacionales. - Los datos, metadatos, productos e información generados para la investigación, educación y el dominio público estarán disponibles en el mínimo plazo de tiempo y sin cargas más allá del coste de la distribución. - Aquellos que producen, comparten o usan datos y metadatos son responsables y deben velar por su autenticidad, calidad e integridad, así como respetar las fuentes preservando si fuera preciso la privacidad y citando siempre el origen. - Los datos pueden marcarse como sensibles o restringidos únicamente en casos debidamente justificados, siguiendo protocolos claramente definidos, y esas restricciones, de tener lugar, deben minimizarse en la medida de lo posible. Durante estos últimos años, numerosas instituciones relacionadas con la investigación científica de todo el mundo han adoptado tesis similares y las promueven en sus declaraciones de principios. En particular, en el caso de la información geográfica, cabe destacar la puesta en marcha por parte de la Unión Europea, el 14 de marzo de 2007, de la Directiva por la que se establece una infraestructura de información espacial en la Comunidad Europea, más conocida como INSPIRE (Comisión Europea 2007), de obligado cumplimiento por los estados miembros. Esta directiva fija normas generales con vistas al establecimiento de una infraestructura de información espacial en la Unión Europea, basándose en las ya establecidas y 1 WDS Data Sharing Principles, http://dx.doi.org/10.5281/zenodo.34354 CAPÍTULO III. Acceso de los usuarios a la información climática  58  gestionadas por los Estados miembros. La norma regula tres aspectos claves para establecer esta infraestructura: los metadatos, la interoperabilidad y los servicios de red. También refleja, aunque de forma algo tímida, la necesidad de ofrecer al público un número mínimo de servicios (los de localización y de visualización) con carácter gratuito. Normativas e iniciativas en el mismo sentido se han implementado en otros lugares del globo, como por ejemplo la National Spatial Data Infrastructure en Estados Unidos (Federal Register 1994), la Canadian Geospatial Data Infrastructure o la Infraestructura de Datos Espaciales de las Naciones Unidas (UNSDI por sus siglas en inglés) (Tonchovska & Adlington 2011). A pesar de ello, y aunque los avances en la apertura de datos son evidentes, siguen existiendo algunas barreras para un acceso abierto a los datos científicos, tal y como lo han expresado recientemente algunos autores (Overpeck et al. 2011; Themeßl 2014; Joint-Programming-Initiatives 2015). Uno de los retos más importantes en relación con el acceso abierto a los datos científicos radica en cómo gestionar y mantener el ingente volumen de datos generado y el que se producirá en el futuro, al tiempo que se proporciona acceso y se diseñan herramientas y métodos para explotar de manera efectiva tanta información por parte de un número cada vez mayor y más diverso de usuarios (Hey & Trefethen 2003; Gray et al. 2005; Uhlir & Schröder 2007; Dawes 2012; Kitchin 2014). La compleja cantidad y variedad de datos científicos supone un reto a la hora de gestionar el acceso a los datos y su compartición. Como afirma Borgman, se trata de un difícil e intrincado problema, que esquematiza en un modelo de cuatro planteamientos fundamentales para la compartición de datos (figura 10). El autor añade que difícilmente podrá mejorar la situación si no aumentan los incentivos a los investigadores y centros de investigación para la facilitar el CAPÍTULO III. Acceso de los usuarios a la información climática  59  acceso a los datos (Borgman 2012). Fig. 10. Esquema de las razones fundamentales para la compartición de datos. Fuente: Elaboración propia a partir de Borgman 2012. III.1.5. Información climática y open data. Como hemos mencionado en párrafos anteriores, la comunidad científica fue pionera en la idea de compartir los datos de los que se nutren las investigaciones. En particular, en climatología y meteorología, como destacaba el Consejo Nacional de la Ciencia estadounidense ya en 1995, “el intercambio libre y sin restricciones de datos meteorológicos y climatológicos bajo la égida de la WMO ha sido, durante un largo tiempo, un brillante ejemplo de colaboración científica internacional en beneficio de todas las naciones CAPÍTULO III. Acceso de los usuarios a la información climática  66  disciplinas tales como la estadística, los recursos energéticos o las ciencias de la salud (Karlis et al. 2001; Perez et al. 2011; Kharazmi et al. 2014). Ha surgido incluso el grupo Climate Knowledge Brokers (CKB), formado por organizaciones y profesionales orientados a la mejora de la calidad y el empleo del conocimiento climático en la toma de decisiones. Su manifiesto 1 , publicado en 2015, describe muy detalladamente el papel que sería atribuible a estos brokers o catalizadores del conocimiento (Bauer & Smith 2015), el cual podría sintetizarse en la comunicación de las ideas en el lenguaje y el sistema de valores de la audiencia. Esta tarea exigiría desenvolverse bien en los numerosos ámbitos disciplinares implicados en la producción de los datos climáticos, en su organización y almacenamiento y en los ámbitos correspondientes a los numerosos potenciales usuarios. En último término, el papel del broker sería el de generar conocimiento derivado, útil para la toma de decisiones (Boden & Avram 2009; Bauer & Smith 2015). Para un buen desempeño de este papel todos parecen concordar en asignar una importancia capital a la tecnología y al desarrollo de sofisticadas herramientas de software para acceder, filtrar y visualizar el gran número de datos observados y modelados disponible en la red (Overpeck et al. 2011). III.3. Conclusión del capítulo. La sociedad actual demanda de manera cada vez más generalizada un acceso abierto, es decir, libre y gratuito, a todo tipo de datos, y en particular a los datos científicos. Pero el dato por sí solo no es capaz de generar conocimiento. El dato debe ser convenientemente organizado y analizado, puesto en un contexto que permita crear información y conocimiento. El acceso abierto a los datos 1 http://manifesto.climateknowledgebrokers.net CAPÍTULO III. Acceso de los usuarios a la información climática  67  es por tanto una condición indispensable pero no suficiente para conseguir acrecentar el conocimiento científico y extenderlo a una mayor parte de la sociedad. Es necesario crear y potenciar al máximo los medios existentes para conseguirlo. La comunidad científica, y en especial en el campo de la climatología y meteorología, ha sido pionera en la puesta en marcha de mecanismos de apertura de datos en los últimos años, y actualmente se encuentran disponibles de manera libre y gratuita enormes bases de datos sobre el sistema climático. Aun así, la explotación de este ingente volumen de datos sigue constituyendo un desafío importante. La importancia del clima en las actividades humanas hace que existan numerosos usuarios interesados en acceder a la información climática. La gran diversidad de los usuarios potenciales de la información introduce un complejidad más en la ya de por sí difícil tarea de proporcionar acceso y poner los medios para que aquellos puedan utilizar la información para sus fines y en definitiva generar conocimiento. Entre muchas otras, la visualización de los datos climáticos contextualizados en el tiempo y en el espacio es una herramienta útil para transmitir y generar conocimiento climático. En el siguiente capítulo se hará un estado de la cuestión en el campo de la geovisualización web de la información climática. CAPÍTULO IV. La Geovisualización CAPÍTULO IV. La Geovisualización IV. LA GEOVISUALIZACIÓN DE LA INFORMACIÓN CLIMÁTICA CAPÍTULO IV. La Geovisualización  70  CAPÍTULO IV. La Geovisualización  71  “Ideas come from previous exploration more often than from lightning strokes.” (Tukey 1980, p. 23) rente a las herramientas informáticas, que son capaces de procesar grandes volúmenes de datos y detectar con relativa rapidez patrones espaciales conocidos, el cerebro humano posee una alta capacidad para descubrir e interpretar complejos patrones espaciales que las computadoras no son capaces de gestionar de manera eficiente (MacEachren & Kraak 2001; Peuquet & Kraak 2002; Swienty 2005; Aigner et al. 2008; Keim et al. 2008; Iosifescu-Enescu et al. 2010; Ladstädter & Steiner 2010; Sacha et al. 2014). En este sentido, las herramientas que permiten la exploración visual de la información espacial son especialmente útiles para la generación y difusión del conocimiento. IV.1. La geovisualización. La visualización geográfica o geovisualización (MacEachren et al. 1998, 2004; Harrower et al. 2000; Crampton 2002) es una disciplina que combina elementos de la cartografía tradicional con otros procedentes de otros campos, como la visualización científica o los sistemas de información geográfica, para tratar de responder a cuestiones relacionadas con el espacio. En palabras de MacEachren y Kraak, “La Geovisualización integra aspectos de la visualización científica, la cartografía, el análisis de imágenes, el Análisis Exploratorio de Datos y los Sistemas de Información Geográfica, con el fin de proporcionar la teoría, métodos y herramientas para la exploración visual, el análisis, la síntesis y la presentación de datos espaciales” (MacEachren y Kraak F CAPÍTULO IV. La Geovisualización  72  2001, p. 3). Crampton define la geovisualización como una “aproximación a la visualización de los datos geográficos con el fin de explorar patrones, generar hipótesis, reconocer conexiones o discontinuidades e identificar tendencias” (Crampton 2002, p. 85). Otros autores aportan matices a la definición desde la perspectiva del usuario en el proceso de exploración y visualización de la información espacial. Según Dykes, la geovisualización tiene que ver “con las personas, los mapas, los procesos y la adquisición de conocimiento” (Dykes et al. 2005, p. 4).También J- M. Kraak destaca que la geovisualización “se sirve de la representación espacial para explorar los datos y generar hipótesis a partir de las mismas, resolver problemas y construir conocimiento” (Kraak 2003, p. 390). De estas definiciones se desprenden dos hechos fundamentales: Por una parte, el carácter multidisciplinar de la geovisualización. Esta disciplina aúna las aportaciones de diversos campos de investigación. Toma sus raíces en las teorías y métodos de la cartografía tradicional y el análisis y exploración de datos, y las combina con las nuevas herramientas de visualización científica y los sistemas de información geográfica. Este carácter multidisciplinar le confiere una gran complejidad y al mismo tiempo una alta versatilidad para afrontar los retos de la explotación eficiente de los grandes volúmenes de datos y la diversidad de usuarios de la información. Por otra parte, también se revela la importancia del usuario en el proceso de exploración, visualización y descubrimiento de conocimiento a partir de los datos. Los usuarios no son los mismos que tradicionalmente demandaban los productos cartográficos. Con la evolución de las tecnologías de la información y la comunicación, el abanico de usuarios se ha ampliado para abarcar a sectores de la sociedad que antes no demandaban dicha información. Además, CAPÍTULO IV. La Geovisualización  73  la forma en que los usuarios interactúan con los datos espaciales también ha evolucionado hasta llegar, en muchos casos a participar en procesos colaborativos (o crowdsourcing 12 ) que los convierten al mismo tiempo en usuarios y productores de la información. Durante los años 90, MacEachren desarrolló conceptos fundamentales de la geovisualización y los representó en el modelo conocido como el Map Uses Cube (MacEachren & Kraak 1997). En el cubo de MacEachren se definen cuatro usos u objetivos principales de la geovisualización (exploración, análisis, síntesis y presentación), que son caracterizados por tres dimensiones continuas: el grado de interacción con los mapas, el tipo de audiencia y la relación entre los datos (desde el descubrimiento de relaciones desconocidas y construcción del conocimiento, hasta la transmisión del conocimiento previamente adquirido) (figura 11). Fig. 11. El cubo de MacEachren. Fuente: Adaptado de MacEachren & Kraak 1997. Son muchos los desafíos que se plantean en el campo de la geovisualización y 12 http://www.wired.com/2006/06/crowds/ CAPÍTULO IV. La Geovisualización  74  muy numerosas las líneas de investigación, como ya se planteó hace más de una década desde la Asociación Cartográfica Internacional (ICA, por sus siglas en inglés). La ICA lideró un importante esfuerzo para la creación de una agenda de investigación en la disciplina, asignando a diferentes equipos internacionales de expertos cada uno de los temas a abordar. Se plantearon numerosas cuestiones que se agruparon en cuatro grandes ejes: la representación, la integración de visualización y computación, el diseño de interfaces de geovisualización y los usuarios (MacEachren & Kraak 2001). Este trabajo se centra en algunos aspectos fundamentales de la geovisualización. Estos aspectos están sobre todo relacionados con la representación de la información climática en la web y el diseño de sistemas web de geovisualización (Cartwright et al. 2001; Kramis et al. 2009; Roth et al. 2008) de datos climáticos, utilizando las estructuras y tecnologías de lo que se conoce como web mapping (Plewe 2007; Haklay et al. 2008; Neumann 2008). En las secciones que siguen se hará una descripción de conceptos, de la evolución, los componentes y tecnologías que forman la base de los sistemas de cartografía web. IV.2. Web mapping y cartografía web. Según Neumann, la expresión web mapping define el proceso que permite el diseño, implementación, generación y distribución de mapas a través de la World Wide Web , mientras que la cartografía web se ocupa de otros aspectos desde un enfoque teórico, como el uso de los mapas en la web, la evaluación y optimización de técnicas y flujos de trabajo, los aspectos sociales, etc. (Neumann 2008). Prácticamente desde el nacimiento de la World Wide Web a principio de los años CAPÍTULO IV. La Geovisualización  75  90, se empezaron a producir los primeros mapas en la web. Putz publicó el Interactive Map Viewer en 1993 (Putz 1994), que permitía a los usuarios visualizar un mapa del mundo e interactuar con él mediante algunas herramientas básicas, que funcionaban a través de hiperenlaces. Las imágenes y los documentos HTML (HyperText Markup Language) eran generados de manera dinámica mediante un programa diseñado para tal fin en el servidor (figura 12). Un año después apareció el primer atlas en línea, el Atlas Nacional de Canadá (Neumann 2008). Fig. 12. Página del “Interactive Map Viewer” en su configuración por defecto. Los términos subrayados son hiperenlaces. Fuente: Putz 1994. CAPÍTULO IV. La Geovisualización  82  espacial. Estas consultas pueden referirse a objetos individuales (la longitud de un segmento, el área de un polígono) o a complejas relaciones establecidas entre varios objetos espaciales. Los sistemas de gestión de bases de datos se han adaptado rápidamente a la necesidad de gestionar la información espacial, y la lista de RDBMS espaciales es muy extensa. Destacan por su implantación tres soluciones comerciales como Oracle, IBM DB2 y Microsoft SQL Server, y dos en el campo del software libre, como PostgreSQL y MySQL. Una herramienta fundamental en los RDBMS la constituye el lenguaje SQL (Structured Query Language). El lenguaje SQL, con ligeras variantes dependiendo del sistema gestor de bases de datos que lo utilice es, desde 1986, un estándar (ANSI-SQL) para el acceso y manipulación de bases de datos relacionales. Se trata de un lenguaje declarativo de alto nivel. Un lenguaje de alto nivel es aquel que tiene una sintaxis cercana a la del lenguaje humano, lo que lo hace más sencillo de entender. Es también declarativo en el sentido en que especifica el qué y no el cómo. Esta característica es importante porque determina que no exista un orden explícito de ejecución en una sentencia SQL. Este hecho puede repercutir gravemente en la eficiencia del sistema, por lo que se hace necesario optimizarlo previamente con, por ejemplo, la construcción de índices que aceleren la ejecución de determinadas consultas. Esto es especialmente importante cuando el RDBMS contiene grandes volúmenes de datos. Mediante SQL es posible realizar un gran número de operaciones, como ejecutar consultas complejas o la creación, eliminación y actualización de registros o tablas. CAPÍTULO IV. La Geovisualización  83  IV.2.2. Difusión de la información. Servidores y servicios. La difusión de la información en la web es posible gracias a la comunicación que se establece entre datos y usuarios basada en la arquitectura clienteservidor. Esta arquitectura de red define dos tipos de entidades diferenciadas (asimétricas) que se responsabilizan de acciones diferentes 13 . El modelo de interacción de la arquitectura cliente-servidor está basado en el concepto de servicio implementado sobre un diálogo petición-respuesta. El cliente es la parte activa, porque es la que se encarga de hacer las peticiones, mientras que el servidor se mantiene a la espera de dichas peticiones. Un servicio web puede definirse, de manera genérica, como un sistema de software que permite la comunicación entre máquinas a través de la web. El principio de los servicios web está en la desagregación de la funcionalidad de grandes aplicaciones en partes funcionales más pequeñas. Para favorecer la interoperabilidad, las comunicaciones se realizan por medio de estándares (HTTP, XML, etc.). Esto permite una interacción fluida entre diferentes lenguajes y/o sistemas operativos. Cliente y servidor se comunican por medio de diferentes protocolos que actúan a varios niveles: al nivel más bajo se encuentran los protocolos de transmisión y recepción de datos, como el protocolo TCP/IP, y a nivel más alto, los conocidos como protocolos de aplicación, de los que hay muchos tipos y entre los más utilizados están HTTP, FTP, SMTP, POP3 o SOAP. Entre estos destaca el HTTP (Hypertext Transfer Protocol) porque representa el pilar fundamental de las comunicaciones en la web. Una característica muy 13 Existen otros tipos de arquitecturas de red, como por ejemplo peer to peer, en las que la relación entre las entidades es simétrica. CAPÍTULO IV. La Geovisualización  84  importante del HTTP, que ha determinado la evolución de las tecnologías web, es que es un protocolo sin estado, es decir, no guarda ninguna información sobre conexiones anteriores. Esta es la razón principal por la que, tradicionalmente, la implementación de sitios web altamente interactivos ha resultado complicada. Para superar este inconveniente han surgido tecnologías como Javascript, Java, ActiveX o las cookies. Generalmente, la respuesta de un servidor es enviada al cliente bajo la forma de un documento en lenguaje HTML, que define la estructura de la página. En los sistemas de cartografía interactiva en la web, entre los datos almacenados en un servidor y el usuario, se encuentra el componente que se encarga de responder a las peticiones de los últimos y les devuelve un mapa o los datos almacenados en forma de un archivo, o bien solicita la ejecución de una serie de instrucciones que dan como resultado también un archivo en algún formato determinado. Este componente es el servidor web. Dentro del servidor web, los servidores de aplicaciones son los encargados de ejecutar los procesos que generan recursos solicitados que no se encontraban almacenados previamente en el servidor. IV.2.2.1. Servidores web y servidores de aplicaciones. En un sistema de web mapping, el servidor web es un programa que se ocupa de recibir la petición de un cliente y devolver una respuesta mediante HTTP. Esta respuesta suele tener la forma de un documento HTML. Si la petición es de un recurso estático (por ejemplo, la imagen de un mapa), el servidor simplemente lo busca y devuelve al cliente (figura 14). Si se trata de un recurso dinámico, el servidor web delega la tarea en un programa, conocido como servidor de aplicaciones, capaz de manejar la petición. Entre los servidores web, destacan dos por ser de código abierto y por su alto CAPÍTULO IV. La Geovisualización  85  grado de implantación: el servidor HTTP Apache y el servidor Nginx. Según un estudio de Netcraft's Web Server Survey, en abril de 2016, ambos son, con diferencia, los dos servidores web más usados en dominios activos en el mundo 14 . El servidor Nginx es relativamente reciente y ha experimentado un crecimiento constante desde su lanzamiento. Debe su éxito a su alta capacidad para responder a peticiones concurrentes y a su bajo uso de memoria en comparación con otros servidores web 15 . Fig. 14. Ejemplo de recurso estático. Mapa global de anomalías térmicas del mes de agosto de 2003 con respecto al periodo normal 1961-1990. Fuente: NCDC/NESDIS/NOAA. El servidor de aplicaciones especializado en servir información geoespacial es el servidor de mapas o servidor cartográfico. Cuando el cliente solicita un recurso dinámico, como puede ser un mapa de una fecha determinada, el servidor web transmite la petición al servidor cartográfico, que se encarga de 14 http://news.netcraft.com/archives/2016/04/21/april-2016-web-server-survey.html 15 http://wiki.dreamhost.com/Web_Server_Performance_Comparison CAPÍTULO IV. La Geovisualización  86  generar un mapa con los parámetros especificados por el cliente (figura 15). Estos parámetros pueden ser la fecha, la variable a cartografiar, la extensión geográfica, la proyección cartográfica, etc. Si el cliente no especifica todos los parámetros necesarios para la generación del mapa, el servidor cartográfico aplicará los que tiene definidos por defecto. La comunicación entre el cliente, el servidor web y el servidor de mapas se ha solucionado mediante dos tecnologías diferentes implementadas en el lado del servidor. La primera en aparecer fue la tecnología CGI. Como alternativa al CGI, se inició a finales de los noventa la utilización de los Java Servlets, que eran más eficientes y utilizaban menos recursos del servidor. Los servidores cartográficos más ampliamente utilizados se sirven de estas tecnologías: Mapserver 16 usa CGI y Geoserver 17 , Java Servlet. Fig. 15. Ejemplo de recurso dinámico. Mapa global de anomalías térmicas del mes de agosto de 2003 con respecto al periodo normal 1961-1990. Fuente: Globalclimatemonitor.org. 16 http://mapserver.org/ 17 http://geoserver.org/ CAPÍTULO IV. La Geovisualización  87  Durante un tiempo, los diferentes proveedores de información espacial a través de sistemas de web mapping desarrollaron sus propias tecnologías para distribuir los mapas por la web. La problemática que planteaba la heterogeneidad de servicios cartográficos condujo al desarrollo de los estándares geoespaciales para conseguir la interoperabilidad entre los diversos sistemas. Entre otros, se han desarrollado determinados estándares de servicios web para la distribución de la información espacial en sus diversas formas. IV.2.2.2. Interoperabilidad y estándares OGC. El Open Geospatial Consortium (OGC) es una organización sin ánimo de lucro que agrupa (en marzo de 2016) a más de 500 entidades públicas y privadas (empresas, agencias gubernamentales, universidades) cuyo objetivo general es el de facilitar los procesos de consenso para resolver los problemas relacionados con la creación, comunicación y uso de la información espacial. Una de las tareas a las que más tiempo y trabajo ha dedicado la OGC es la definición y desarrollo de estándares geográficos con el fin de conseguir la interoperabilidad de la información espacial en la web. Según la OGC, la “interoperabilidad es la capacidad de comunicar, ejecutar programas o transferir datos entre varias unidades funcionales de manera que se requiera del usuario muy poco o ningún conocimiento de las características particulares de dichas unidades” (Open Geospatial Consortium 2002, figura 16). Basándose en esta definición, la OGC define igualmente la interoperabilidad geográfica como la habilidad de los sistemas de información para intercambiar libremente todo tipo de información espacial sobre la Tierra y para ejecutar programas de manera cooperativa para manipular dicha información. CAPÍTULO IV. La Geovisualización  88  Fig. 16. Interoperabilidad entre dos unidades funcionales. Los dos componentes son interoperables cuando X puede enviar solicitudes de servicios a Y, basándose en un entendimiento mutuo de la solicitud por parte de X e Y, y si Y puede devolver de la misma forma su respuesta a X. Fuente: Percivall 2002. La definición de estándar de la OGC es la siguiente: “Un documento, establecido por consenso y aprobado por los miembros de la OGC, que proporciona reglas y directrices a seguir con el fin de alcanzar el grado óptimo de interoperabilidad en un contexto dado” (Reed 2013). La OGC ha desarrollado una arquitectura orientada a servicios (Open Geospatial Consortium 2005b) y toda una batería de estándares de servicios web geoespaciales, bajo el nombre de OGC Web Services (OWS), de los que destacaremos dos grupos: - Los servicios web orientados a la visualización, como WMS, WMTS. - Los servicios web orientados a los datos, como WFS y WCS. A continuación describiremos, por su relevancia en el contexto de este trabajo, los estándares para la distribución de mapas geo-referenciados (WMS), de teselado (WMTS) y de entidades geográficas (WFS). IV.2.2.2.1. Web Map Service. Un servicio Web Map Service (WMS, Open Geospatial Consortium 2006) es un servicio web que define un protocolo estándar para servir mapas geo- X Y Respuesta Solicitud CAPÍTULO IV. La Geovisualización  89  referenciados a través de la web 18 . Una petición de un mapa WMS define una o más capas geográficas (layers) y un ámbito espacial (bounding box) y la envía al servidor. Éste responde devolviendo uno o más mapas georeferenciados del ámbito solicitado en un formato de imagen (JPG, PNG, TIFF, etc.) que puede ser mostrada en cualquier navegador web. Un servicio WMS no sirve el dato geográfico en sí mismo, sino que compone, a partir de los datos, un mapa (con una simbología predefinida) y lo sirve en un formato de imagen. El estándar WMS define tres operaciones: a) Solicitud de los metadatos del servicio (GetCapabilities, tabla 12). Esta petición devuelve un archivo XML en el que se describe el servicio (Capas que sirve, sistema de referencia de coordenadas (CRS), si es interrogable o no, extensión de las capas). b) Solicitud de un mapa determinado para una extensión definida (GetMap, tabla 13). El cliente debe definir toda una serie de parámetros (raíz del servicio, capas, CRS, extensión, estilo, etc.) para poder obtener el mapa. c) Solicitud de información (GetFeatureInfo, tabla 14) sobre entidades de una capa del servicio. Esta información se extrae directamente de los atributos asociados a la geometría original. Tabla. 12. Los parámetros (requeridos u opcionales) de la operación GetCapabilities de un servicio WMS. Fuente: Open Geospatial Consortium 2006. 18 http://portal.opengeospatial.org/files/?artifact_id=14416 CAPÍTULO IV. La Geovisualización  90  Tabla. 13. Los parámetros (requeridos u opcionales) de la operación GetMap de un servicio WMS. Fuente: Open Geospatial Consortium 2006. Tabla. 14. Los parámetros (requeridos u opcionales) de la operación GetFeatureInfo de un servicio WMS. Fuente: Open Geospatial Consortium 2006. La posibilidad de efectuar estas operaciones tiene que existir para que se cumpla el estándar, pero no impide que puedan realizarse otras, como CAPÍTULO IV. La Geovisualización  91  GetLegendGraphics, mediante la cual se obtiene la leyenda de una capa. Todas las operaciones WMS pueden invocarse desde un navegador web a través de una dirección URL. Esta dirección se construye de una manera u otra dependiendo de la petición que desee realizarse. IV.2.2.2.2. Web Map Tile Service. Un servicio Web Map Tile Service (WMTS, Open Geospatial Consortium 2010) es un servicio web que define un protocolo estándar para servir mapas a través de la web en forma de teselas geo-referenciadas 19 . Los servicios de teselas han sido desarrollados para aumentar el rendimiento de los servicios de mapas mediante la previa generación y almacenamiento de los mapas en el servidor. Una vez generada la información, el servidor únicamente debe enviarla al cliente que la solicita, por lo que el tiempo de respuesta a las peticiones se reduce de forma drástica. Como las teselas deben generarse de antemano, este servicio se encuentra con dos inconvenientes: la escala y el sistema de referencia de coordenadas. Ya que no es factible generar teselas a todas las escalas y en todos los CRS posibles, la solución del servicio WMTS consiste en la selección de un número limitado de escalas y CRS. Para las escalas se han definido una serie de niveles de zoom, de manera que el usuario va dando saltos de una escala a otra en lugar de usar una escala continua. Para cada nivel de zoom, se define una matriz de teselas (ver figura 17). 19 http://portal.opengeospatial.org/files/?artifact_id=35326 CAPÍTULO IV. La Geovisualización  98  pequeños programas adicionales para funcionar, conocidos como plugins. La principal ventaja de los clientes pesados es su capacidad para aprovechar los recursos de la máquina cliente, lo que permite la creación de interfaces muy complejas y completas para la visualización y el procesamiento espacial. Sin embargo, presentan algunos inconvenientes importantes relacionados con la distribución del software, la actualización y la compatibilidad, ya que son dependientes del software y hardware de la máquina en la que se instalan. También resultan más difíciles de implementar, ya que su programación resulta generalmente mucho más compleja que la de los clientes ligeros. IV.2.3.2. Clientes ligeros. Los clientes ligeros (thin clients) son aquellos en los que la carga principal de procesamiento recae sobre el servidor. Aunque existen varios tipos de clientes ligeros, nos referiremos únicamente aquí a los clientes que utilizan un navegador web como interfaz de comunicación entre el usuario y el servidor. Básicamente, las tareas de estos clientes son las de mostrar la información en pantalla y enviar al servidor los datos introducidos por el cliente. Durante las primeras etapas de la evolución de la cartografía interactiva en la web, uno de los inconvenientes principales de los clientes ligeros ha sido la ineficiente interacción cliente-servidor y las limitadas capacidades de exploración, manipulación y procesamiento de los datos. Con el desarrollo de las tecnologías mencionadas anteriormente, como las API o AJAX, el aumento de la capacidad de transmisión de datos a través de la red o la progresiva estandarización de los servicios web geoespaciales, la tendencia en el web mapping se ha dirigido hacia una generalización de los clientes ligeros enriquecidos con las múltiples posibilidades ofrecidas por dichas tecnologías. El desarrollo de aplicaciones de web mapping se fundamenta, al igual que la CAPÍTULO IV. La Geovisualización  99  mayoría de las aplicaciones web actuales, en la utilización de tres lenguajes estándares especializados en tres aspectos concretos del desarrollo web: HTML, CSS y Javascript. El lenguaje HTML (HyperText Markup Language) en el lenguaje de marcado que define la estructura y contenidos de una página web. Este lenguaje fue creado por Tim Berners Lee en 1991 22 , y desde entonces ha evolucionado hasta la versión HTML v5 actual. Este lenguaje se basa en insertar únicamente el texto de forma directa en una página, mientras que el resto de elementos son insertados mediante una referencia a su ubicación. El HTML utiliza etiquetas o marcas para definir los distintos elementos de la página y algunas de sus propiedades. Entre los elementos que se definen con HTML están, por ejemplo, las tablas, los encabezados, los formularios, las listas, los contenedores, el texto, la ubicación de las imágenes o los enlaces. Para definir la apariencia de los elementos de una página web se utiliza el lenguaje de estilos en cascada conocido como CSS (cascading style sheets). El CSS se basa en la separación de la estructura web y su apariencia, lo que reduce drásticamente el trabajo de diseño, ya que los estilos son reutilizables por diferentes páginas y elementos. El lenguaje Javascript es el que se utiliza para introducir la interactividad y el comportamiento de los elementos de una página. A diferencia de los anteriores, este es un lenguaje de programación, y su uso se ha extendido hasta llegar a ser uno de los lenguajes de programación web más populares. Como se ha comentado anteriormente, durante la última década, el lenguaje Javascript en combinación con un conjunto de tecnologías web, conocidas bajo el acrónimo de AJAX, ha facilitado la multiplicación de herramientas del lado del cliente 22 http://lists.w3.org/Archives/Public/www-talk/1991SepOct/0003.html CAPÍTULO IV. La Geovisualización  100  para la implementación de sistemas de cartografía interactiva en la web. Conocidas como librerías o API javascript, existe actualmente una amplia colección de estas herramientas dedicadas a todo tipo de fines. Entre las librerías de web mapping, destacan dos de código abierto: Openlayers 23 , por su amplia implantación y madurez, su extensa documentación y funcionalidades, y Leaflet 24 , por su sencillez, ligereza, soporte móvil y rendimiento. Además existen numerosas API dedicadas a otras tareas que pueden servir para enriquecer en gran medida las aplicaciones de cartografía interactiva, como por ejemplo las que permiten inestar gráficos dinámicos 25 u otras librerías como la popular jQuery, optimizadas para realizar funciones frecuentes de interacción con los documentos HTML. IV.3. Sistemas de cartografía web climática actuales. Son muchos los sistemas de web mapping diseñados para la visualización y descarga de variables e indicadores climáticos. Este epígrafe hace una revisión de los principales sistemas de cartografía web dedicados específicamente a la información climática global. La revisión se centra únicamente en los sistemas que permitan un acceso fácil y cómodo a un número mayor de potenciales usuarios de la información climática (clientes ligeros o visores web geoespaciales) y en particular a aquellos que incorporan datos sobre las variables fundamentales del clima procedentes de observaciones o de modelos, tanto del pasado como del futuro. Se destacan los siguientes: 23 http://openlayers.org/ 24 http://leafletjs.com/ 25 https://en.wikipedia.org/wiki/Comparison_of_JavaScript_charting_frameworks CAPÍTULO IV. La Geovisualización  101  La herramienta de visualización del IPCC 26 . Se trata de un visor web basado en Openlayers 2, de alcance general, que muestra la climatología normal de 30 años o de 10 años del conjunto de datos CRU TS 2.1 (figura 18). Fig. 18. Vista de la página del visor del IPCC. Se muestra la temperatura media normal del mes de diciembre del periodo 1961-1990. Fuente: http://www.ipcc-data.org/maps/. También pueden visualizarse las anomalías y medias de periodos de 20 y 30 años proyectadas durante el siglo XXI, correspondientes al 3er y 4º informe del IPCC. La posibilidad de interacción del usuario con el mapa es muy baja, limitándose a las tres herramientas básicas de zoom y mover el mapa. También es posible descargar el mapa visualizado en un formato de imagen, aunque no es personalizable. No existe mención directa en la página a la opción de descarga de datos, aunque a través del enlace de información se accede a una página de descarga directa de los valores normales. Para poder descargar datos de 26 http://www.ipcc-data.org/maps/ CAPÍTULO IV. La Geovisualización  102  proyecciones es necesario registrarse con una dirección de correo válida y se descargan archivos en formato netCDF sin proporcionar mucha más información en el momento de la descarga. El visor NOAAView Global Data Explorer 27 de la NOAA. Este visor permite la visualización de múltiples mapas de variables medioambientales a partir de imágenes previamente generadas y almacenadas en sus servidores. En el apartado Climate se pueden visualizar las anomalías de precipitación y temperatura mensuales y anuales (figura 19). Los mapas de datos observacionales proceden, en el caso de la precipitación, de la versión 2.2 del proyecto Global Precipitation Climatology Project, mientras que los de temperatura corresponden al producto llamado Merged Land and Ocean Surface Temperature version 3.5.4, que es una combinación de la versión 3.2.2 del GHCN mensual y la versión 3b del proyecto ERSST (Extended Reconstructed Sea Surface Temperature). 28 Utiliza Openlayers 2.12 y otras librerías Javascript para la interacción con el usuario. La aplicación ofrece la descarga del mapa en formato PNG o KML comprimido (KMZ), pero no de los datos. La posibilidad de interacción con el mapa es mayor en este caso, pudiendo visualizar los valores concretos de los píxeles, personalizar algunas opciones del menú y visualizar una secuencia de imágenes en el tiempo. 27 http://www.nnvl.noaa.gov/view/globaldata.html 28 http://www.ncdc.noaa.gov/data-access/marineocean-data/extended-reconstructed-sea- surface-temperature-ersst-v3b CAPÍTULO IV. La Geovisualización  103  Fig. 19. Vista del visor Global Data Explorer. Se muestra la temperatura media del mes de abril de 2016. Fuente: NOAA. El visor Climatewizard 29 , desarrollado por la ONG The Nature Conservancy, la Universidad de Oregón y la Universidad del Sur de Mississippi. Este visor, desarrollado utilizando un conjunto de librerías Javascript 30 , presenta datos del pasado (conjunto de datos CRU TS 2.1 desde 1950) y del futuro (del proyecto CMIP3, figura 20). El sistema recupera la información de una base de datos externa y utiliza la API de ArcGis y el paquete estadístico R para la representación de la información (Girvetz et al. 2009). La interacción con el mapa es relativamente limitada, incluyendo, más allá de las herramientas básicas, sólo la posibilidad de personalizar la transparencia de la capa. Es 29 http://www.climatewizard.org/ 30 Dojo Toolkit. http://dojotoolkit.org/ CAPÍTULO IV. La Geovisualización  104  posible descargar los datos en formato raster ASCII y un mapa básico con una leyenda y un título en formato PNG. El sitio también incluye algunas herramientas de visualización interesantes, como el enlace a un nuevo visor en el que se pueden visualizar animaciones sobre el cambio climático 31 , o una herramienta de comparación de mapas. Fig. 20. Vista del visor Climatewizard. Se muestra la temperatura media normal del mes de diciembre del periodo 1951-2002. Fuente: http://www.climatewizard.org. El visor del IRI 32 (International Research Institute for Climate and Society) de la Universidad de Columbia. La librería de datos climáticos del IRI implementa una sección llamada Maproom (figura 21), desde la que se puede acceder a 31 http://www.climatewizard.org/tnc/ClimateChange.html 32 http://iridl.ldeo.columbia.edu/maproom/Global/index.html CAPÍTULO IV. La Geovisualización  105  cartografías de temperatura y precipitación globales procedentes de la red CAMS (ver epígrafe V.2.2.2). La descarga del mapa se puede hacer en formatos de imagen. El visor es de dimensiones reducidas y la interacción es limitada. Fig. 21. Vista de la página del visor del IRI. Se muestra la temperatura media normal del mes de diciembre del periodo 1971-2000. Fuente: https://gis.ncdc.noaa.gov/map/viewer/. El visor de cambio climático del USGS (United States Geological Survey) 33 . Con el nombre Global Climate Change Viewer (GCCV), este visor muestra resúmenes de los resultados del proyecto CMIP5 (Coupled Model Intercomparison Project Phase 5). El usuario puede visualizar las proyecciones de temperatura y precipitación medias para periodos de 25 años a lo largo del siglo XXI (Alder et al. 2013). También es posible acceder a la visualización de datos paleoclimáticos del proyecto PMIP3 (Paleoclimate Modelling Intercomparison Project phase 3). El visor GCCV se basa en Adobe Flex (Actualmente Apache Flex) para crear la interfaz de usuario (figura 22). Es necesario por tanto tener instalado el plugin Flash Player en el navegador para poder interpretar los archivos swf generados por la aplicación. Este visor no ofrece ninguna herramienta de descarga de datos 33 http://regclim.coas.oregonstate.edu/visualization/gccv/cmip5-global-climate-change- viewer/index.html CAPÍTULO IV. La Geovisualización  106  integrada en la interfaz. Fig. 22. Vista del CMIP5 Global Climate Change Viewer. Se muestran las diferencias entre las temperatura media normal del mes de diciembre del periodo 1980-2004 con respecto a la media de los modelos del CMIP5 para el escenario RCP6.0 para el mismo mes del periodo 2050-2074. Fuente: http://regclim.coas.oregonstate.edu/visualization/index. El visor Climateinternational.org 34 , de la NASA (figura 23). Se trata de una interfaz diseñada para la visualización de datos de downscaling para todo el globo para el periodo desde 1950 hasta 2100, obtenidos del proyecto de la NASA denominado NASA Earth Exchange Global Daily Downscaled Projections (NEXGDDP) 35 . Está desarrollado con el cliente Openlayers 3.0.0 y otras librerías 34 http://www.climateinternational.org/#map 35 https://nex.nasa.gov/nex/projects/1356/ CAPÍTULO IV. La Geovisualización  107  Javascript. Se trata de una interfaz intuitiva que incorpora una herramienta para la comparación de proyecciones con dos escenarios diferentes. En lo que respecta al acceso a los datos, tan sólo ofrece el enlace a la página del proyecto desde la que se pueden descargar los mismos. Fig. 23. Vista del visor Climateinternational.org. Se muestra la temperatura máxima diaria media proyectada para el verano de 2100. Se ha insertado el detalle de Andalucía en el centro, para mostrar la resolución espacial. Fuente: http://www.climateinternational.org. El visor de mapas de la NCDC - NOAA 36 . Es un visor web especializado en el acceso y descarga de datos de la red GHCN. La herramienta de visualización utiliza la tecnología flash (plugins) para conseguir la interactividad en la interfaz del visor (figura 24). 36 https://gis.ncdc.noaa.gov/map/viewer/ CAPÍTULO V. Metodología  114  CAPÍTULO V. Metodología  115  n este capítulo se detallan las escalas temporales y espaciales, las fuentes de datos y la metodología empleada en la tesis doctoral. En primer lugar se introducen el marco metodológico, las escalas y las fuentes de datos, posteriormente se describen los pasos metodológicos. V.1. Marco metodológico. Los sistemas de cartografía interactiva en web son sistemas de información. Se entiende por sistema un conjunto de dos o más elementos que directa o indirectamente están interconectados (Backlund 2000). Una representación esquemática de un sistema se muestra en la figura 28. Los elementos f y e son externos al sistema, porque el flujo es unidireccional: f puede afectar al sistema pero no se ve afectado por él, y e no tiene influencia sobre el sistema aunque sí se ve afectado por él. Fig. 28. Ejemplo de la definición de un sistema. Fuente: Backlund 2000. E CAPÍTULO V. Metodología  116  Según lo que ya se ha tratado en los capítulos anteriores, los sistemas de web mapping son por lo tanto sistemas de información, compuestos por una serie de elementos interconectados (usuarios, máquinas, aplicaciones, datos) mediante una red de comunicación, y que tienen como objetivo el diseño, creación, distribución y comunicación de la información espacial. Los pasos metodológicos seguidos en este trabajo especifican y descomponen la funcionalidad de los sistemas de cartografía web interactiva siguiendo las metodologías clásicas de diseño de sistemas de información. Desde mediados del siglo XX han ido desarrollándose una gran diversidad de metodologías de desarrollo de sistemas de información. Entre estas metodologías cabe destacar varios tipos, como la estructurada, la evolutiva, la incremental, la orientada a prototipos y la orientada a objetos. Todas ellas constituyen aproximaciones diferentes para afrontar la cinco actividades fundamentales que describe Pressman en el proceso de desarrollo de un sistema de software (Pressman 2010): - Comunicación. Esta actividad permite definir los objetivos del sistema y reunir los requerimientos de los usuarios con el fin de delimitar las características y funciones del sistema. - Planificación. En esta fase, el objetivo es realizar un plan de trabajo que describa las tareas técnicas a realizar, los recursos disponibles, los productos deseados y la programación del trabajo. - Modelado. Durante esta fase, se crean modelos de los componentes del sistema que ayudarán a entender mejor los requerimientos del software y el diseño del mismo. - Construcción. Esta actividad se corresponde con las tareas de implementación y generación de código y la comprobación del buen funcionamiento del sistema. CAPÍTULO V. Metodología  117  - Despliegue. En esta etapa, el sistema se pone a disposición del usuario, que puede evaluarlo y aportar el resultado de su experiencia (feedback) que permita la corrección de errores o la mejora de determinados aspectos de funcionamiento del sistema. Existen dos grandes tendencias que definen la manera en que se abordan las actividades del proceso de desarrollo de sistemas de información. La tendencia tradicional es la que siguen las metodologías prescriptivas, que inciden en definir, identificar y aplicar con detalle las actividades descritas y las tareas implicadas, mientras las metodologías ágiles hacen una aproximación más informal, con el fin de conseguir una mayor flexibilidad y un ahorro de costes y tiempo. Estos últimos son especialmente útiles en el desarrollo de aplicaciones web (Pressman 2010). Por otra parte, una característica importante de la metodología de desarrollo de un sistema como el que se propone en este trabajo es la manera en que se establece el flujo de procesos en el tiempo. En este sentido, cabe destacar también la existencia de varias aproximaciones metodológicas (figura 29): Un primer grupo es el de las metodologías basadas en flujos lineales, en las que la secuencia de las cinco actividades básicas descritas anteriormente se ejecuta de forma lineal, desde la comunicación al despliegue. Otras metodologías introducen la iteración en forma de flujos evolutivos, cuando el ciclo completo de actividades se repite hasta conseguir los objetivos propuestos, o iterativos, en el que determinadas actividades se llevan a cabo varias veces hasta llegar al despliegue final. Una tercera aproximación se basa en la utilización de flujos paralelos, de manera que se llevan a cabo varias actividades al mismo tiempo. La realidad a la hora de llevar a cabo proyectos de desarrollo de software es que CAPÍTULO V. Metodología  118  en muchas ocasiones se utilizan metodologías mixtas, que aprovechan las fortalezas de las diferentes estrategias metodológicas y confieren al proceso de desarrollo la flexibilidad necesaria para responder a los cambios. Fig. 29: Tipos de flujos de procesos en el desarrollo de sistemas de información. Fuente: Elaboración propia a partir de Pressman 2010 Para la elección de la metodología es necesario volver a los objetivos de este trabajo de investigación. En particular destacamos dos objetivos: a) El diseño de un sistema abierto que permita el acceso a datos globales sobre el clima a un gran número de usuarios y, b) Aplicar conceptos y métodos de geovisualización para permitir un acceso y visualización rápidos con el fin de facilitar la extracción de conocimiento a partir de los datos. Considerando estos dos objetivos, desde el punto de vista metodológico, CAPÍTULO V. Metodología  119  resultan fundamentales tres etapas: - La etapa que incluye los métodos para la transformación de la información original en un formato que optimice su gestión para su representación visual y en definitiva su transmisión de manera efectiva al usuario final. - Una fase de definición del diseño de la arquitectura del sistema de almacenamiento de los datos y de los métodos utilizados para su distribución. - Una etapa de diseño de las interfaces que permiten la interacción del sistema con el usuario. Este capítulo se centrará por lo tanto en estas tres etapas, pues es en ellas en las que el proyecto de investigación introduce sus aportaciones más significativas. Para el diseño del modelo de datos se sigue una aproximación lineal utilizando las herramientas estándares que proporciona el Structured Systems Analysis and Design Method (SSADM, The Stationery Office 2000). Antes de entrar a describir los pasos metodológicos, se presenta a continuación la descripción de las fuentes de datos y escalas del trabajo de investigación. V.2. Fuentes de datos y escalas. En los sistemas implementados en este trabajo, se utilizan dos tipos de datos de naturaleza diferente. Por una parte, en el sistema a escala global se utilizan los datos interpolados en rejilla de temperatura media, precipitación total y evapotranspiración potencial a escala temporal mensual, procedentes de tres organismos: la CRU de la universidad de Anglia del Este, el Climate Prediction Center (CPC) de la agencia NOAA y el Global Precipitation Climatology Centre (GPCC) dependiente del servicio meteorológico nacional alemán (DWD, por CAPÍTULO V. Metodología  120  sus siglas en alemán). Por otra parte, el sistema a escala regional (Andalucía) se nutre de datos obtenidos mediante el downscaling de modelos climáticos. V.2.1. Escalas del trabajo de investigación. La escala de trabajo utilizada para los datos climáticos en este trabajo es la escala mensual. La elección de esta escala se justifica en primer lugar por la amplia disponibilidad de datos, tanto observados como modelados. Por otra parte, constituye un periodo lo suficientemente largo como para servir de base para la caracterización del clima. En cuanto a la dimensión espacial, se proponen dos sistemas que se sitúan a dos escalas espaciales que resultan fundamentales en el estudio del sistema climático y su variabilidad: la escala planetaria o global y la escala regional. La definición de escala regional no es sencilla porque se han hecho diferentes definiciones dependiendo del contexto, que puede ser de índole político, geográfico, climático, etc. (IPCC 2001). En este trabajo se utiliza el criterio del IPCC, que adopta una definición operacional y considera las escalas regionales como aquellas que abarcan áreas en el rango entre 104 y 107 km2. Desde el punto de vista climático, son áreas en las que los patrones de circulación general se ven modulados por factores como la topografía, los usos del suelo, los contrastes en la interfase tierra-mar, la distribución de las corrientes oceánicas, y muchos otros. Las fuentes de datos utilizadas corresponden a dos tipos de datos en rejilla de naturaleza diferente: datos desde 1901 hasta la actualidad modelados a partir de observaciones a escala global y datos de proyecciones de futuro procedentes de las salidas de modelos de circulación general y adaptados a la escala regional (Andalucía) mediante un proceso de downscaling estadístico. CAPÍTULO V. Metodología  121  V.2.2. Los conjuntos de datos globales en rejilla. Los conjuntos de datos globales en rejilla utilizados son tres: el conjunto de datos CRU TS , de la Climatic Research Unit de la Universidad de East Anglia, el conjunto GHCN-CAMS de la NOAA y el conjunto GPCC First-Guess- Monthly de la DWD. A continuación se describen con detalle estas fuentes de datos. V.2.2.1. Conjunto de datos CRU TS. Se trata de series temporales de datos mensuales en rejilla global de alta resolución espacial (0.5 x 0.5 grados). La primera versión de este conjunto de datos se publicó en el año 2000 (New et al. 2000). La última versión (CRU TS 3.23, Harris et al., 2014) cubre el periodo que se extiende desde el 1 de enero de 1901 hasta el 31 de diciembre de 2014. La versión utilizada en este trabajo es la 3.21, que abarca hasta el 31 de diciembre de 2012. Este producto es el resultado de una interpolación a una rejilla de 0.5º en latitud y longitud (aprox. 56 km. en el ecuador) de los datos procedentes de más de 4 000 observatorios en superficie, que cubre toda las tierras emergidas a excepción de la Antártida (ver figura 30). Además de las temperaturas media, mínima y máxima y la precipitación, se proporcionan valores de variables como la evapotranspiración potencial, la amplitud térmica diurna, el número de días de lluvia, el número de días de helada, la presión de vapor de agua y la cobertura nubosa. CAPÍTULO V. Metodología  122  Fig. 30: Distribución espacial de los observatorios de las redes para la construcción del conjunto de datos de precipitación de CRU TS 3.23. Fuente: Elaboración propia a partir de «CRUTS v3.23 Observations», s. f. CAPÍTULO V. Metodología  123  Las fuentes de datos instrumentales utilizadas para la construcción del conjunto de datos CRU TS son fundamentalmente tres: los datos de los informes CLIMAT de la WMO (más de 2 000 estaciones), los datos del informe Monthly Climatic Data for the World (MCDW), del National Climatic Data Center (unas 2 000 estaciones) y los datos de la publicación WWR (unas 1700 estaciones). Además, se incorporan datos o actualizaciones de los mismos a escala nacional gracias a acuerdos entre la CRU y los servicios meteorológicos de determinados países, como Australia (un centenar de estaciones), Nueva Zelanda (13 estaciones) y Canadá (más de 200 observatorios, Vincent & Gullett, 1999). El método utilizado para construir este conjunto de datos es el método de las anomalías climáticas (Climate Anomaly Method, CAM, P. D. Jones et al., 1986; Mitchell & Jones, 2005; Thomas C. Peterson et al., 1998). En este método, en primer lugar, se construye una rejilla con los valores mensuales normales para un periodo de referencia establecido (1961-1990 en este caso, ver figura 31 y New et al., 1999). Para el cálculo de las normales de precipitación mensual se utilizaron un total de 19 295 observatorios, y 12 092 para las de temperatura. La interpolación a una rejilla regular se llevó a cabo aplicando el método thin plate splines (Hutchinson, 1995; considerando cada superficie a interpolar como una función de la longitud, la latitud y la altitud) de manera independiente en cada una de las teselas (de tamaño irregular) en que se habían dividido previamente la superficies emergidas. Posteriormente, las series de cada estación se expresan en forma de anomalías con respecto a ese periodo normal. Estos valores de anomalías son interpolados (utilizando un algoritmo que calcula una triangulación de Delaunay y posteriormente lleva a cabo una interpolación lineal en cada triángulo) a una rejilla de las mismas características que la rejilla normal, y finalmente se suman ambas rejillas (normales y anomalías CAPÍTULO V. Metodología  130  Fig. 34: Distribución espacial de los observatorios disponibles en 2015 con cálculo de precipitación normal basado en un mínimo de 10 años de registros mensuales (base de datos del GPCC). Fuente: Schneider et al. 2016. CAPÍTULO V. Metodología  131  V.2.3. Los conjuntos de datos regionales procedentes de downscaling . Las variables que se utilizan en el sistema de cartografía web a escala regional se han obtenido mediante la corrección, agregación y espacialización de los valores diarios del proyecto “Escenarios Locales de Cambio Climático en Andalucía” (ELCCA). Los ELCCA son la particularización a escala regional de los cambios esperados en el clima en las próximas décadas, según estudios realizados a escala planetaria (Consejería de Medio Ambiente y Ordenación del Territorio de la Junta de Andalucía n.d.). Los datos regionalizados se han obtenido mediante la técnica de downscaling estadístico conocida como método de análogos (Consejería de Medio Ambiente y Ordenación del Territorio de la Junta de Andalucía 2015). En concreto, los conjuntos de datos a escala regional están compuestos por la temperatura mínima diaria (t_min), temperatura máxima diaria (t_max), temperatura media diaria (t_med), precipitación total diaria (prc), número de días de calor (ndc) y número de días de helada (ndf), que han sido agregadas mensualmente para los tres periodos de treinta años 2011-2040, 2041-2070 y 2071-2099. Estas variables se han simulado con cuatro modelos de circulación general y para tres escenarios de emisiones diferentes. Posteriormente, las variables referidas a observatorios han sido espacializadas mediante un método de regresión múltiple estratificada por zonas geográficas (figura 35). Los resultados de la espacialización se almacenan y distribuyen en archivos en formato GeoTIFF, con una resolución de celdilla de 200 metros. El número total de archivos para estas seis variables es por lo tanto de 2 592 (6 variables 12 meses x 3 periodos x 3 escenarios x 4 modelos). Considerando que la región de Andalucía está cubierta por 2 175 723 píxeles de 200 metros de CAPÍTULO V. Metodología  132  resolución espacial, el número total de píxeles se aproxima a los seis mil millones. Fig. 35. Zonas definidas para la regionalización en estratos por regresión múltiple. Fuente: Consejería de Medio Ambiente y Ordenación del Territorio de la Junta de Andalucía 2015. V.2.4. Formatos de distribución de los datos utilizados. Los datos de la CRU se sirven en formato NetCDF y en formato de texto ASCII ordenado en una rejilla de 720 columnas por 360 filas. Los datos del conjunto de datos GHCN-CAMS se sirven en NetCDF y GRIB, mientras que los datos del GPCC-FGM se distribuyen en NetCDF (desde 2013) y texto ASCII. Para el conjunto de datos de la CRU, la temperatura se expresa en grados Celsius y la precipitación en milímetros. Los datos de evapotranspiración potencial están expresados en milímetros/día. En el caso de los datos procedentes de la GHCN-CAMS y de GPCC-FGM, la temperatura viene expresada en grados Kelvin y la precipitación en milímetros CAPÍTULO V. Metodología  133  respectivamente. Los datos de downscaling se distribuyen, previa petición a la Consejería de Medio Ambiente de la Junta de Andalucía, en formato GeoTIFF. Las unidades de las variables relativas a temperatura y precipitación están en décimas de grado centígrado y décimas de milímetro respectivamente. V.3. Fases metodológicas de desarrollo del sistema. El desarrollo de los sistemas propuestos en este trabajo se resume en cinco grandes etapas: - La primera etapa consiste en el análisis y diseño general del sistema, de manera que se definan los requerimientos, los flujos de procesos y los componentes implicados en el funcionamiento del mismo. - En la segunda etapa se investigan, diseñan e implementan los métodos, técnicas y recursos que se utilizarán para optimizar la entrada de los datos externos en el sistema. - La tercera etapa se corresponde con el diseño de los modelos de los componentes del sistema de almacenamiento de los datos y de las técnicas implementadas para su distribución. - En la cuarta etapa, cuyo desarrollo se solapa con la anterior, se diseña el servidor cartográfico, las capas, las simbologías y los servicios cartográficos. - En la cuarta etapa se lleva a cabo el diseño y la implementación de la capa CAPÍTULO V. Metodología  134  de presentación, es decir del geovisor web con el que interactúa el usuario. Durante esta fase se desarrollan iterativamente los prototipos a nivel de interfaz de presentación apoyándose en la retroalimentación proporcionada por los usuarios. A continuación se describen con mayor detalle las cuatro fases. V.3.1. Análisis y diseño general del sistema. En esta primera etapa se ha llevado a cabo un diseño general de los sistemas, basándose en los objetivos de los mismos y en el análisis de los recursos humanos, de software, de tiempo y en la estimación de los requerimientos de los usuarios. Teniendo en cuenta el objetivo fundamental de este trabajo, que consiste en lograr un acceso fácil y rápido, mediante la visualización, a una información que se encuentra en formatos de difícil manejo por parte de un gran número de usuarios, el diseño debe insistir en tres aspectos esenciales: el diseño de un modelo de almacenamiento y gestión adecuado, que incorpore estructuras y procesos para un rápido acceso a los datos; el diseño y programación de métodos de transformación de los datos para su entrada en el sistema; y finalmente el diseño e implementación de una interfaz de usuario adecuada al objetivo propuesto. A continuación se detallan estas tareas en la secuencia de entrada-modelado/proceso-salida. V.3.2. Entrada de datos en el sistema. Esta tarea incluye los métodos para la transformación de la información original en un formato que optimice su gestión para su representación visual y CAPÍTULO V. Metodología  135  en definitiva su transmisión de manera efectiva al usuario final. Los formatos de los datos que se introducen en los dos sistemas propuestos son de dos tipos: el formato raster multidimensional netCDF y formato GeoTIFF. En ambos casos se trata de modelos de representación raster, con la diferencia de que el formato netCDF incorpora el tiempo como una dimensión que permite el almacenamiento de una serie temporal de datos matriciales en un único archivo. En el caso del formato GeoTIFF, cada archivo se corresponde con una sola matriz de datos, y por tanto, una serie temporal debe almacenarse en una serie múltiple de archivos. Los pasos seguidos (figura 36) para importar los datos en los sistemas utilizan tecnologías de código abierto, y han sido los mismos para ambos tipos de datos: - Para acceder a los datos contenidos en los archivos, se ha utilizado la librería geoespacial Geospatial Data Abstraction Library 40 (más conocida como GDAL, que proporciona un gran número de herramientas para la lectura, conversión y proceso de datos raster y vectoriales. - Los datos se procesan secuencialmente para cada dimensión (netCDF) o archivo (GeoTIFF) y se escriben en un único archivo de texto separado por delimitadores. Para ello, se han implementado los correspondientes programas o scripts utilizando el lenguaje de programación Python. - En el último paso, el archivo de texto es importado a la base de datos del sistema con la herramienta propia del RDBMS (COPY). 40 http://www.gdal.org/ CAPÍTULO V. Metodología  136  Fig. 36. Etapas de la entrada de datos en los sistemas. Fuente: Elaboración propia. V.3.3. Modelado de datos. El modelado de datos incluye los métodos para la organización y proceso de la información de manera que se optimice su gestión para la representación visual y en definitiva su transmisión de manera efectiva al usuario final. El modelado de los datos se lleva a cabo de tres formas: - El modelo del flujo de datos o Data Flow Modelling (DFM). Es el proceso de identificación, modelado y documentación de cómo fluye la información en el sistema. Esta técnica permite examinar tres elementos: los almacenes de datos, los procesos de transformación de los datos y los flujos, es decir las vías por las que circulan. La representación gráfica del DFM se conoce como el diagrama de flujos o Data Flow Diagram (DFD). El diagrama CAPÍTULO V. Metodología  137  muestra los elementos que constituyen entradas y salidas del sistema, las áreas en las que se almacenan los datos y rutas de flujo de la información mediante una notación estandarizada. - El modelo lógico de los datos o Logical Data Model (LDM), en el que se muestra con detalle la manera en que los datos están organizados dentro del sistema. Este modelo constituye los cimientos sobre los que se construye la base de datos. El LDM está formado por una representación gráfica llamada Logical Data Structure (LDS) y por una descripción textual de sus elementos. - Modelo de comportamiento o evento de entidades o Entity Event Modelling (EEM). Sirve para describir cada una de las entidades del sistema y la secuencia en la que se suceden los eventos que afectan a dichas entidades. V.3.4. Diseño e implementación del servidor cartográfico. En esta etapa se diseña el servidor cartográfico, y se implementan en él las capas y los métodos y técnicas necesarios para conseguir el flujo de información hacia el usuario. En primer lugar se han configurado los sistemas con el software Geoserver v2.5. Geoserver es un servidor cartográfico de código abierto escrito en java. Sirve mapas y datos en diferentes formatos para ser consumidos por clientes web ligeros, o programas SIG de escritorio. Está especialmente diseñado para la interoperabilidad. Entre sus principales características se pueden destacar: CAPÍTULO V. Metodología  138  - Soporta salidas cartográficas avanzadas mediante SLD. - Es multiplataforma: funciona en cualquiera que soporte Java: Windows, Linux, Mac. - Trabaja con multitud de formatos de datos raster y vector. - Soporta la reproyección de las imágenes de salida al vuelo. - Incluye Geowebcache, una aplicación java que implementa un servidor intermedio entre el cliente y Geoserver, cacheando teselas que son servidas a través del protocolo estándar WMTS. El flujo de información saliente del sistema para su presentación en el lado del cliente se lleva a cabo mediante servicios web interoperables del OGC. En concreto, el servicio que utilizan los sistemas para la composición de los mapas es un WMS, mientras que para la descarga de información se recurre al servicio WFS. La estrategia adoptada a la hora de crear los servicios interoperables ha sido la de construir un único servicio por cada variable climática, que contiene por lo tanto toda la serie temporal de datos correspondiente a dicha variable. De esta manera, se reduce drásticamente la tarea de diseño de capas en el servidor cartográfico, dejando al cliente ejecutar la petición mediante la aplicación de un filtro y al RDBMS llevar a cabo la tarea de recuperar la información referente el filtro. Este diseño permite repartir de manera eficiente la carga de trabajo entre los diferentes componentes del sistema, aumentando la velocidad con la que se visualizan las capas y mejorando de esta manera la experiencia del usuario. En esta fase se diseña también la semiología aplicada a las diferentes variables del sistema, utilizando un lenguaje estándar (Styled Layer Descriptor) para la comunicación de las reglas que definen la representación cartográfica entre servidor y cliente. Las capas son representadas utilizando estilos (archivo SLD en el que se define CAPÍTULO V. Metodología  139  la semiología a aplicar a una capa) que definen gradaciones de colores secuenciales y divergentes en base al trabajo de Brewer (Brewer 1997), utilizando para la creación de las mismas la aplicación ColorBrewer (Harrower & Brewer 2003). V.3.5. Flujo de salida y diseño de la interfaz de usuario. Esta tarea se corresponde con el diseño de las interfaces y los procesos de flujo de información y de representación que permiten la interacción del usuario con el sistema. La implementación del cliente en los sistemas se ha hecho utilizando una combinación de librerías Javascript que se ocupan de las diversas tareas que confieren interactividad a la interfaz web, junto con los lenguajes HTML v5 y CSS v3 para la generación de la estructura y apariencia de la página web. Las librerías utilizadas han sido Openlayers v2.13 para el contenido cartográfico y la interacción básica con el mismo. Para la generación de los gráficos interactivos se ha recurrido a la librería Highcharts 41 v.4.2.3, mientras que para otras tareas genéricas de interacción web se ha utilizado Jquery v1.11.1. Otro aspecto importante del que depende una rápida respuesta del servidor cartográfico es la utilización de filtros CQL (Common Query Language), un lenguaje de consulta basado en texto plano y de sintaxis sencilla que se introduce como parámetro en la petición al servicio con el fin de restringir la petición a los datos que respondan a los criterios especificados. La utilización de estos filtros hace innecesaria la creación de múltiples servicios. 41 http://www.highcharts.com/ Anexos Anexo V: Encuesta Global Climate Monitor 1. Overall, how well does the Global Climate Monitor meet your needs? Extremely well Very well Moderately well Not so well Not at all well 2. How easy was it to find what you were looking for on the Global Climate Monitor? Extremely easy Very easy Moderately easy Not so easy Not at all easy 3. How visually appealing is the Global Climate Monitor website? Extremely appealing Very appealing Moderately appealing Not so appealing Not at all appealing 4. How user-friendly is the Global Climate Monitor interface? Extremely user-friendly Very user-friendly Moderately user-friendly Slightly user-friendly Not at all user-friendly 5. How easy is it to understand the information on the Global Climate monitor? Extremely easy Very easy Moderately easy Not so easy Not at all easy 6. What do you like most about the Global Climate Monitor website? Anexos 7. What do you dislike most about the Global Climate Monitor website? 8. What's your profession/field of expertise? 9. Do you have any other comments about how we can improve the Global Climate Monitor website? Anexos Anexo VI: Esquema de entidades de CambiA ecc4_1000_dif_espacial Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_escenario INTEGER id_periodo INTEGER mes INTEGER diferencia NUMERIC geom [geometry] ecc4_1000_dif_espacial_anual Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_escenario INTEGER id_periodo INTEGER diferencia NUMERIC geom [geometry] ecc4_1000_dif_espacial_temp Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_escenario INTEGER id_periodo INTEGER mes INTEGER diferencia NUMERIC geom [geometry] ecc4_1000_dif_temp_espacial_anual Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_escenario INTEGER id_periodo INTEGER diferencia NUMERIC geom [geometry] ecc4_1000_pre_espacial_anual_idc Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL reclass INTEGER pre_anual NUMERIC geom [geometry] Anexos ecc4_1000_pre_espacial_idc Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL reclass INTEGER valor NUMERIC geom [geometry] ecc4_1000_temp_espacial_anual_idc Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL reclass INTEGER temp_med_anual NUMERIC geom [geometry] ecc4_1000_temp_espacial_idc Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL reclass INTEGER valor NUMERIC geom [geometry] ecc4_200_dif_espacial Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_escenario INTEGER id_periodo INTEGER mes INTEGER diferencia NUMERIC geom [geometry] ecc4_200_dif_espacial_anual Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_escenario INTEGER id_periodo INTEGER diferencia NUMERIC geom [geometry] Anexos ecc4_200_dif_espacial_temp Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_escenario INTEGER id_periodo INTEGER mes INTEGER diferencia NUMERIC geom [geometry] ecc4_200_dif_temp_espacial_anual Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_escenario INTEGER id_periodo INTEGER diferencia NUMERIC geom [geometry] ecc4_200_pre_espacial_anual_idc Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL reclass INTEGER pre_anual NUMERIC geom [geometry] ecc4_200_pre_espacial_idc Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL reclass INTEGER valor NUMERIC geom [geometry] ecc4_200_temp_espacial_anual_idc Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL reclass INTEGER temp_med_anual NUMERIC geom [geometry] ecc4_200_temp_espacial_idc Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL reclass INTEGER valor NUMERIC geom [geometry] Anexos pre_aemet_6190 Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_modelo INTEGER id_escenario INTEGER id_periodo INTEGER mes INTEGER valor NUMERIC pre_aemet_6190_anual Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL pre_anual NUMERIC tmed_aemet_6100 Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL id_modelo INTEGER id_escenario INTEGER id_periodo INTEGER mes INTEGER valor NUMERIC tmed_aemet_6100_anual Logical Column Name Type PK Nullable id_punto (PK) NUMERIC PK NOT NULL temp_med_anual NUMERIC