Abstract
Resumen: El presente Trabajo Fin de Grado tiene como objetivo principal analizar la evolución temporal de las precipitaciones y las temperaturas en la España peninsular durante el periodo comprendido entre 2019 y 2021, así como estudiar la relación estadística existente entre ambas variables, sin realizar predicciones ni establecer relaciones de causa-efecto. El estudio se apoya en series temporales de datos climatológicos procedentes de distintas fuentes. Los datos de temperatura han sido obtenidos de la Agencia Estatal de Meteorología (AEMET). En el caso de la precipitación, se emplean acumulados mensuales por provincia a partir de los ficheros provinciales de 2019, 2020 y 2021 del dataset hidro-data (Kaggle, Josep Blasco), presentado como construido a partir de registros oficiales de AEMET. La utilización de este dataset responde a que proporciona la precipitación ya agregada a escala provincial y con una estructura temporal homogénea, lo que facilita su integración directa con la cartografía y su tratamiento conjunto en el análisis espacial y temporal desarrollado. La revisión de estos datos se ha realizado mediante controles básicos de plausibilidad y consistencia, basados en el análisis de formatos, unidades, rangos y detección de valores extremos, así como en la verificación de la coherencia de los valores agregados mediante su contraste con registros de referencia de AEMET, sin aplicar correcciones automáticas ni criterios numéricos cerrados de descarte. Desde el punto de vista técnico, se ha llevado a cabo la unificación y normalización de las series temporales, junto con un análisis exploratorio de la evolución mensual e interanual de ambas variables. En el caso de las temperaturas, se han calculado métricas derivadas como valores medios, máximos, mínimos, amplitudes térmicas y anomalías calculadas respecto a la media del periodo de estudio. Para las precipitaciones, se ha realizado un análisis espacial a escala provincial mediante mapas coropléticos y la evaluación de la autocorrelación espacial a través del índice de Moran global. Asimismo, se ha desarrollado un análisis correlacional entre precipitaciones y temperaturas mediante coeficientes de Pearson calculados sobre series mensuales agregadas, sin aplicar un tratamiento específico de la estacionalidad, por lo que su interpretación se plantea con un carácter exploratorio y descriptivo. Todo el trabajo se ha realizado utilizando Python en entornos Jupyter Notebook. Los resultados muestran diferencias interanuales en la evolución temporal de ambas variables. Las precipitaciones presentan una elevada variabilidad espacial entre provincias y un grado de autocorrelación espacial que varía según el año considerado, mientras que las temperaturas muestran un patrón mensual similar entre localizaciones, con variaciones interanuales apreciables. El análisis correlacional indica que la relación estadística entre precipitaciones y temperaturas es, en general, baja o moderada y no se mantiene de forma estable a lo largo del periodo analizado. Abstract: The present Final Degree Project aims to analyse the temporal evolution of precipitation and temperature in peninsular Spain during the period from 2019 to 2021, as well as to study the statistical relationship between both variables, without performing predictions or establishing cause–effect relationships. The study is based on climate time series data obtained from different sources. Temperature data were provided by the Spanish State Meteorological Agency (AEMET). Precipitation data consist of monthly provincial accumulations derived from the 2019, 2020 and 2021 provincial files of the hydro-data dataset (Kaggle, Josep Blasco), which is presented as being built from official AEMET records. The use of this dataset is justified by the fact that it provides precipitation values already aggregated at provincial scale and organised in a homogeneous temporal structure, facilitating their direct integration with cartographic data and their joint spatial and temporal analysis. Data validation was limited to basic plausibility and consistency checks, including format, units, value ranges and detection of extreme values, together with the verification of the coherence of aggregated values through comparison with AEMET reference records, without applying automatic corrections or fixed numerical rejection criteria. From a technical perspective, the work includes the unification and normalisation of the time series, along with an exploratory analysis of monthly and interannual evolution. For temperature data, derived metrics such as mean, maximum and minimum values, thermal ranges and anomalies calculated with respect to the mean of the study period were obtained. In the case of precipitation, a spatial analysis at provincial scale was carried out using choropleth maps and the assessment of spatial autocorrelation through the global Moran’s I index. In addition, a correlation analysis between precipitation and temperature was performed using Pearson correlation coefficients calculated on aggregated monthly series, without applying a specific treatment of seasonality; therefore, the interpretation of the correlations is exploratory and descriptive. All analyses were carried out using Python in Jupyter Notebook. The results reveal interannual differences in the temporal behaviour of both variables. Precipitation shows high spatial variability among provinces and levels of spatial autocorrelation that vary depending on the year analysed, while temperature exhibits a similar monthly pattern across locations with noticeable interannual variations. The correlation analysis indicates that the statistical relationship between precipitation and temperature is generally low to moderate and not stable over time.