Top Met 062014

Editora:
Dra. Gladys Jimnez Valverde

Director de publicacin:
MSc. Roberto Villalobos Flores
Comit editorial:
Diseo y diagramacin:
Rodrigo Granados Jimnez
Licdo. Werner Stolz Espaa Ing. Jos Alberto Retana Barrantes Licdo. Luis Fernando Alvarado Gamboa
La revista Tpicos Meteorolgicos y Oceanogrcos es publicada por el Insttuto Meteorolgico
Nacional, Ministerio de Ambiente y Energa, Costa Rica. Tiene como nalidad dar a conocer los resultados
de investgaciones y estudios en Ciencias de la Atmsfera y Oceanografa Fsica.
* Los artculos publicados en Tpicos Meteorolgicos y Oceanogrcos expresan la opinin del autor y no
necesariamente la del Insttuto Meteorolgico Nacional
Versin electrnica en:
htp://www.imn.ac.cr/publicaciones
METEOROLGICOS Y
OCEANOGRFICOS
TPICOS
Ministerio de Ambiente y Energa
Instituto Meteorolgico Nacional
ISSN 1409 - 2034 Volumen 13 Junio 2014
1
TPICOS METEOROLGICOS Y OCEANOGRFICOS
3
Editora:
Dra. Gladys Jimnez Valverde
Director de publicacin:
MSc. Roberto Villalobos Flores
Comit editorial:
Diseo y diagramacin:
Rodrigo Granados Jimnez
Licdo. Werner Stolz Espaa Ing. Jos Alberto Retana Barrantes Licdo. Luis Fernando Alvarado Gamboa
La revista Tpicos Meteorolgicos y Oceanogrcos es publicada por el Insttuto Meteorolgico
Nacional, Ministerio de Ambiente y Energa, Costa Rica. Tiene como nalidad dar a conocer los resultados
de investgaciones y estudios en Ciencias de la Atmsfera y Oceanografa Fsica.
* Los artculos publicados en Tpicos Meteorolgicos y Oceanogrcos expresan la opinin del autor y no
necesariamente la del Insttuto Meteorolgico Nacional
Versin electrnica en:
htp://www.imn.ac.cr/publicaciones
METEOROLGICOS Y
OCEANOGRFICOS
TPICOS
Ministerio de Ambiente y Energa
Instituto Meteorolgico Nacional
ISSN 1409 - 2034 Volumen 13 Junio 2014
1
5
Prediccin estacional de las temperaturas mximas y
mnimas en Amrica Central
BERNY FALLAS LPEZ, ERIC J. ALFARO
27
Desarrollo de un software para el procesamiento y control de
calidad semi-automtico de datos meteorolgicos horarios
JOS LUIS ARAYA LPEZ, DANIEL SOTO CERVANTES
43
Clculo de la evaporacin en Costa Rica mediante el mtodo
FAO-56
KARINA HERNANDEZ ESPINOZA
50
Reincidencia de eventos hidrometeorolgicos extremos en
Costa Rica durante el periodo 2000-2010
LUIS EDUARDO QUESADA HERNNDEZ, NURY SANABRIA VALVERDE
58
La Oscilacin atmosfrica Madden-Julian (MJO) y las lluvias
en Costa Rica
DANIEL POLEO BRITO, ELADIO SOLANO LEN, WERNER STOLZ ESPAA
CONTENIDO
Pg. Artculo
5
Prediccin estacional de las temperaturas
mximas y mnimas en Amrica Central
BERNY FALLAS LPEZ1
ERIC J. ALFARO2
Resumen
Se utilizaron las tcnicas estadsticas del anlisis de tablas de contingencia y el anlisis de correlacin cannica
para elaborar esquemas predictivos de los campos de temperatura mxima y mnima en Amrica Central. Como
primer paso, se produjeron ndices de estos campos utilizando el anlisis de componentes principales a partir de los
registros de 146 estaciones con datos diarios, en los cuales se obtuvo un ndice para la temperatura mxima y otro
para la mnima. Adems se obtuvieron sendos ndices para pronosticar los campos de las temperaturas mximas
y mnimas. Debido a que uno de los objetivos del estudio es el de apoyar el proceso de los Foros Regionales de
Prediccin Climtica, los esquemas predictivos utilizaron los trimestres de Mayo-Junio-Julio, Agosto-Setiembre-
Octubre y el cuatrimestre de Diciembre-Enero-Febrero-Marzo como periodos a predecir de los predictantes, es
decir, de las temperaturas mximas y mnimas. Como predictores se utilizaron diferentes ndices asociados con
fuentes de variabilidad climtica, que influencian los patrones climticos de Amrica Central, como Nio 3 y NAO,
esto para el bimestre anterior y transanterior al del predictante, tambin se formaron nuevos ndices a partir de la
combinacin lineal de varios de ellos. Se encontraron esquemas predictivos tiles para todas las relaciones sealadas
anteriormente y se observ que gran parte de la variabilidad de las temperaturas mnimas y mximas en Amrica
Central, se pueden explicar con ndices de variabilidad climtica interanual como el ENOS (El Nio-Oscilacin del Sur)
y de variabilidad multidecadal como el de la Oscilacin Multidecadal del Atlntico (AMO, por sus siglas en ingls).
PALABRAS CLAVE: COMPONENTES PRINCIPALES, AMRICA CENTRAL, TABLA DE CONTINGENCIA, ANLISIS DE
CORRELACIN CANNICA, NDICES CLIMTICOS, VARIABILIDAD CLIMTICA.
Abstract
The statistical technique of contingency table analysis and canonical correlation analysis were used to produce
predictive schemes associated with maximum and minimum temperatures in Central America. As a first step, principal
component analysis was used to produce indices using 146 daily station records. One index was obtained for both,
maximum and minimum temperatures. Keeping in mind that one of the work objectives is to support the Regional
Climate Outlook Forums process, the predictive schemes used the trimesters of May-June-July, August-September-
October and the four month period of December-January-February-March as targets for predictions of maximum
and minimum temperatures. Different climate indices like Nio 3 and NAO were used as predictors, associated with
several climate variability sources that influence the climate patterns in Central America, using one or two bimester
previous to the predicted season. Linear combination of climate indices was also used to create new ones. Useful
predictive schemes were found for practically all the relationships mentioned previously, noticing that most of the
Central America climate variability could be explained by the El Nio (La Nia) (e.g. interannual variability) and the
Atlantic (AMO, mainly, e.g. multidecadal variability) indices.
KEYWORDS: PRINCIPAL COMPONENTS, CENTRAL AMERICA, CONTINGENCY TABLE, CANONICAL CORRELATION
ANALYSIS, CLIMATE NDICES, CLIMATE VARIABILITY.
1 Licdo. en Meteorologa. Departamento de Hidrologa, Estudios Bsicos de Ingeniera (EBI), Insttuto Costarricense de
Electricidad (ICE). San Jos. Costa Rica. Correo electrnico: bfallasl@ice.go.cr. Tel. 2000-7895.
2 Dr. en Oceanografa. Centro de Investgaciones Geofsicas (CIGEFI), Escuela de Fsica y Centro de Investgacin en Ciencias del
Mar y Limnologa (CIMAR), Universidad de Costa Rica. San Jos, Costa Rica. Correo electrnico: erick.alfaro@ucr.ac.cr. Tel.
2511-5096.
6
Prediccin estacional de las temperaturas mximas y mnimas en Amrica Central
1. Introduccin
El ciclo anual de la temperatura superfcial del aire
en Centroamrica se puede clasifcar como tropical
y predominantemente martmo, con cambios
anuales pequeos y dependientes de la cobertura
nubosa y la alttud (Alfaro, 2000). En ese trabajo,
con un enfoque de prediccin estacional, el autor
utliz 337 puntos de una rejilla (0.5 de lattud x
0.5 de longitud) sobre el istmo centroamericano,
de un conjunto de datos mensuales de temperatura
superfcial del aire, para ajustar modelos de
regresin lineal mltple entre las primeras
componentes principales de este campo (variables
dependientes) y diversos ndices de temperatura
superfcial del mar (variables independientes).
Se pudieron ajustar modelos predictvos para
todas las primeras componentes principales de
las cuatro estaciones del ao. Estos modelos
mostraron que la principal infuencia sobre la
regin, al compararla con los otros ndices, la ejerce
el fenmeno de El Nio-Oscilacin del Sur (ENOS),
pues present correlaciones positvas con todas
las estaciones climtcas del ao de la temperatura
superfcial, lo cual refeja una transferencia de calor
sensible y latente desde el ocano a la atmsfera
suprayacente.
Posteriormente, con el fn de explorar la
infuencia de los ocanos tropicales sobre las
Anomalas de la Temperatura Superfcial del Mar
(ATSM) de la costa pacfca centroamericana,
Alfaro y Lizano (2001) ajustaron un modelo de
funcin de transferencia a las series de ATSM de
los Golfos de Tehuantepec, Papagayo, Panam y
Quepos, usando como variables independientes
los ndices Nio 3.4, Atlntco Tropical Norte
y Sur. Estos investgadores concluyeron que la
principal infuencia sobre la regin, al compararla
con los otros ndices, la ejerce el ndice Nio 3.4
pues mostr correlaciones positvas con todas
las series de ATSM, lo cual refeja una infuencia
de este ndice sobre la profundidad relatva
de la termoclina frente a la costa del Pacfco
centroamericano.
Alfaro (2007) us un modelo basado en el Anlisis
de Correlacin Cannica (ACC), para explorar las
asociaciones climtcas y la predictbilidad de marzo-
abril-mayo como el trimestre correspondiente
al mximo del ciclo anual de la temperatura
superfcial del aire, del campo empleado en Alfaro
(2000), pero usando como variables predictoras
las temperaturas superfciales del mar en los
ocanos Atlntco y Pacfco de 1958 a 1998 (41
aos). El primer modo del modelo, mostr una
correlacin signifcatva con el ndice Nio 3, en
donde se not que anomalas positvas (negatvas)
de las temperaturas superfciales del mar en
el Pacfco Ecuatorial Este, estn asociadas con
anomalas positvas (negatvas) de la temperatura
superfcial sobre prctcamente todo el istmo
centroamericano.
Contar con una prediccin estacional de
temperatura es muy tl, ya que Hidalgo, Amador,
Alfaro y Quesada (2013) demostraron que, junto
con la radiacin solar, este es un factor clave para
la estmacin a futuro de la evapotranspiracin,
adems de que lo hace importante tambin
para realizar clasifcaciones climtcas. Debido
a lo anterior, en este trabajo se hizo uso de las
relaciones presentes entre las componentes
principales, obtenidas de los campos de
temperatura mxima/mnima y diferentes ndices
climtcos, para evaluar qu ndices son los
mejores para realizar los pronstcos estacionales
segn la poca del ao. Adicionalmente, se
plantea el elaborar un pronstco climtco
estacional en Amrica Central basado en el ACC,
usando las temperaturas superfciales del mar
de los ocanos circundantes al istmo, para los
distntas temporadas climtcas utlizadas en los
foros regionales de Amrica Central (Donoso y
Ramrez, 2001; Garca-Solera y Ramrez, 2012).
2. Metodologa
En el presente estudio se utlizaron datos de
temperaturas mximas y mnimas diarias de la
7
base NUMEROSA del Centro de Investgaciones
Geofsicas (CIGEFI-UCR), mismas que fueron
explicadas en detalle en Fallas-Lpez y Alfaro
(2012a, b), para un total de 146 estaciones
luego de pasar el proceso de control de calidad y
distribuidas a lo largo del istmo centroamericano.
Se escogi el perodo de treinta aos en que
faltaban menos datos, el cual dio como resultado
el perodo de 1971 al 2000. Las estaciones
utlizadas presentaron menos del 30% de datos
faltantes para el rango de aos defnido. Se utliz
la temperatura mxima y mnima en cada estacin
en forma separada y no la temperatura media,
debido a que los aspectos que las determinan
no necesariamente son los mismos, como lo
mostraron Alfaro, Gershunov and Cayan (2006) al
utlizar el anlisis de correlacin cannica para la
prediccin estacional de la temperatura superfcial
del aire en el oeste de Estados Unidos.
Para el relleno de datos faltantes, se utliz el
mtodo expuesto por Alfaro y Soley (2009), en
el cual se utlizan componentes principales de
forma tal, que se complete la serie con valores
consistentes con la estadstca de algunas de
las seales captadas y basado en la matriz de
correlacin en forma iteratva.
Los ndices climtcos usados fueron los mismos
que los utlizados por Fallas-Lpez y Alfaro (2012a,
b) a saber: Oscilacin del Atlntco Norte, (NAO)
3
,
Oscilacin Multdecadal del Atlntco (AMO)
4
,
Oscilacin Decadal del Pacfco (PDO)
5
, Nio3
(N3)
6
, luego se usaron combinaciones lineales
de los ndices anteriormente mencionados, para
realizar diferencias y sumas normalizadas de los
distntos ndices, y as intentar realzar efectos
y observar interacciones entre los ocanos que
3 http://www.cpc.noaa.gov/products/precip/CWlink/
pna/norm.nao.monthly.b5001.current.ascii
4 http://www.cdc.noaa.gov/data/correlation/amon.
us.long.data
5 http://jisao.washington.edu/pdo/PDO.latest
6 http://www.cpc.noaa.gov/data/indices/sstoi.indices
rodean la regin de estudio, como: AMO-N3,
AMO-(PDO+N3), AMO-PDO, AMO+PDO, PDO+N3.
Las tablas de contngencia fueron calculadas
utlizando la herramienta desarrollada por
Alfaro, Soley y Enfeld (2003). Una vez escogidas
las variables dependientes e independientes,
se dividieron las dos variables en terciles, es
decir, en tres categoras (normal, arriba de lo
normal y abajo de lo normal), y se obtuvieron 9
categoras conjuntas. Para evaluar su signifcancia
se utlizaron los estadstcos chi cuadrado (
2
) y la
correlacin de Pearson para anlisis categrico
(Agrest, 2002).
Para los clculos del ACC se utliz la Herramienta
de Prediccin Climtca
7
(CPT por sus siglas en
ingls), que es un sofware desarrollado por el
Insttuto Internacional de Investgacin para el
Clima y la Sociedad (IRI por sus siglas en ingls),
diseado para hacer pronstcos estacionales
climtcos (Ndiaye y Mason, 2007). Dicho
programa es una herramienta fcil de utlizar y
fue desarrollado inicialmente para ayudar a los
pronostcadores de los Servicios Meteorolgicos
Nacionales en frica, para producir pronstcos
actualizados para cada pas cada mes. En forma
anloga a Fallas-Lpez y Alfaro (2012b), el rea
ocenica usada como campo predictor fue el de la
temperatura superfcial del mar, que comprende
de los 60N a los 60S de lattud, y de los 90E a los
0W de longitud, obtenidos de la base de datos de
ndices del IRI (fgura 1). Se us la versin 2 (Smith
y Reynolds, 2004) de los mismos. En la evaluacin
de dichos resultados se utlizaron el ndice de
Correlacin de Pearson, ndice de Correlacin de
Spearman, ndice de Acierto, el error lineal en
el espacio de las probabilidades (LEPS, siglas en
ingls) (Wilks, 2011).
Al igual que en Fallas-Lpez y Alfaro (2012a, b), el
presente trabajo tom en cuenta los perodos de
pronstco utlizados por el Foro de Perspectvas
7 http://iri.columbia.edu/outreach/software/
8
Climtcas de Amrica Central (Donoso y Ramrez,
2001; Garca-Solera y Ramrez, 2012) para realizar
los pronstcos, dichos perodos comprenden,
los trimestres de Mayo, Junio y Julio (MJJ);
Agosto, Setembre y Octubre (ASO); as como
el cuatrimestre de Diciembre, Enero, Febrero y
Marzo (DEFM). En este estudio se fraccion este
ltmo cuatrimestre en los bimestres Diciembre-
Enero (DE) y Febrero-Marzo (FM), debido a los
diferentes patrones climtcos que se presentan
en un bimestre u otro (Amador, Alfaro, Lizano y
Magaa, 2006). Se us el promedio del bimestre
que anteceda al perodo del pronstco, as como
el bimestre tras anterior.
3. Resultados y Discusin
3.1. Anlisis de Componentes Principales
Luego de realizar el scree test (Wilks, 2011),
mostrado en la fgura 2, se puede notar que en
lo que se refere a las temperaturas mnimas
y mximas, se trabaj nicamente con una
componente principal, ya que con una nica
componente se explicaba la mayor cantdad
Figura 1. rea ocenica usada de la temperatura superfcial del mar como campo predictor.
Figura 2. Scree test correspondiente a la (a)
Temperatura Mnima y (b) Mxima, para los pri-
meros 21 autovalores. Su error estndar, en ba-
rras vertcales, se calcul de acuerdo a North et
al. (1982).
a)
b)
9
de variabilidad del total de datos (49% para la
mxima y 43% para la mnima).
Los promedios mensuales del ciclo anual de los
primeros modos ortogonales estandarizados,
asociados a la temperatura mxima y mnima se
muestran en la fgura 3, ambos con mximos en
mayo y mnimos en diciembre.
En la fgura 4 se puede notar, que en general se
presentaron correlaciones importantes sobre
toda la regin de las series de tempo, de los
primeros modos ortogonales con las estaciones
usadas. A pesar de que se usaron slo estaciones
localizadas sobre terra, en la fgura se incluyen
algunos contornos sobre el mar producto de
la metodologa de interpolacin, por lo que su
interpretacin debe considerar este aspecto.
Por ejemplo, en la frontera entre Costa Rica y
Nicaragua se tenan algunas estaciones, aunque
quizs por la poca informacin disponible se
obtuvieron valores altos de correlacin en esa
zona, mientras que en el Golfo de Fonseca y el
Valle Central - Pacfco de Costa Rica, los valores
fueron menores porque haban bastantes
estaciones y estas zonas presentan una importante
variabilidad de temperaturas. Si bien es cierto el
anlisis se enfoca sobre el istmo centroamericano,
para la construccin de la fgura 4 se consideraron
tambin estaciones en el norte de Suramrica
(Colombia y Venezuela), la isla de San Andrs y el
sur de Mxico (Fallas-Lpez, 2009).
Figura 3. Ciclo anual de los primeros modos orto-
gonales estandarizados asociados a la temperatu-
ra mxima (a) y mnima (b).
Figura 4. Mapa de correlacin para la Componen-
te Principal 1 de la (a) Temperatura Mxima y (b)
Temperatura Mnima.
10
3.2. Anlisis de contingencia
Se procedi a evaluar los resultados de las tablas de
contngencia de los distntos ndices y diferencias
normalizadas entre ellos, luego se escogi los
que presentaban probabilidades ms altas de
que el escenario pronostcado se cumpliera. Los
resultados obtenidos se muestran a contnuacin
en grfcos de tringulos (SYSTAT, 1999) para los
mejores predictores.
A pesar que el estudio fue realizado con mltples
ndices, nicamente se muestran los que tenan
signifcancias superiores al 90% y eventualmente
sern mencionados los que no superan el 90%,
en los casos en que ninguno de los ndices exceda
dicho nivel de signifcancia. Los grfcos de
tringulos de la izquierda, corresponden a los que
muestran probabilidades altas de que se presente
un escenario de temperaturas por debajo de
lo normal (primer tercil), mientras que los de la
derecha muestran las probabilidades altas de que
se encuentren las temperaturas por encima de
lo normal (tercer tercil). El color del punto indica
la signifcancia de dicho valor, si es negro no es
signifcatvo al 90%, si es azul su signifcancia va
del 90 al 95%, si es verde es signifcatvo del 95%
al 99% y si es rojo, es signifcante a ms del 99%;
tambin se agreg una lnea bajo cada ndice
predictor para establecer el tercil en el que se
encuentra, una lnea roja (azul) indica que el
ndice predictor se encuentra en el tercil superior
(inferior).
En la fgura 5 se muestra cmo la temperatura
mnima para el trimestre de mayo, junio y julio es
infuenciada principalmente por los ndices AMO
y N3, indistntamente de los bimestres usados
para pronostcarla. Situacin similar ocurre en el
caso de las temperaturas mximas, que muestra
dentro de los mejores pronostcadores a los
ndices de AMO y N3. Tambin cabe agregar, que
la PDO est presente dentro de los ndices ms
signifcantes.
Figura 5. Predictores para la Temperatura Mnima, a y b (Mxima, c y d) del perodo de Mayo, Junio y Julio
(MJJ), usando el bimestre de Febrero y Marzo (a) (c) Marzo y Abril (b) (d). Escenarios Bajo lo normal (Iz-
quierda) y Arriba de lo normal (Derecha).
c)
a)
d)
b)
11
Al pronostcar las temperaturas mnimas de
agosto, setembre y octubre (fgura 6), se observa
nuevamente que los ndices AMO y N3 se encuentran
dentro de los mejores predictores; adems en
el caso del bimestre mayo y junio, el ndice NAO
aparece dentro de los mejores predictores, cuando
ste se encuentra en fase positva (negatva) las
temperaturas mnimas son menores (mayores). De
igual forma ocurre para las temperaturas mximas,
donde se presentan signifcancias altas del AMO y
N3, y tambin est presente el ndice NAO, pero en
este caso, para los meses de junio y julio, justo para
la poca del veranillo.
En diciembre y enero (fgura 7) aparece
nuevamente el ndice NAO en todos los grfcos,
a excepcin del bimestre setembre y octubre
y su pronstco al escenario bajo lo normal; los
ndices AMO y AMO+PDO con valores en el tercil
bajo, pronostcan tambin temperaturas mnimas
por debajo de las normales. Con las temperaturas
mximas nuevamente se observa la presencia
del ndice NAO, lo cual tene sentdo debido a
la presencia de masas invernales del norte que
incursionan a lattudes de Amrica Central.
Tambin se destacan los ndices AMO, N3 y PDO.
En la fgura 8 se muestran los ndices
correspondientes al mes de febrero y marzo, se
nota que el ndice NAO vuelve a aparecer en todos
los grfcos, a excepcin del correspondiente al
escenario bajo lo normal del bimestre octubre y
noviembre. En el caso del escenario por encima
de lo normal correspondiente al bimestre de
setembre y octubre, no se muestra debido a
que no super el 90% de confanza; adems
hay un incremento en la presencia de ndices
de pronstcos relacionados con la PDO, entre
ellos el ndice de AMO+PDO+N3, que con
valores bajo lo normal pronostca temperaturas
mnimas por debajo de las normales. En el caso
de las temperaturas mximas de febrero y marzo,
tambin se muestra el ndice NAO, adems del
AMO, N3 y el AMO+PDO.
Figura 6. Predictores para la Temperatura Mnima, a y b (Mxima c y d) del perodo de Agosto, Setembre
y Octubre, usando el bimestre de Mayo y Junio (a) (c) y Junio y Julio (b) (d). Escenarios Bajo lo normal
(Izquierda) y Arriba de lo normal (Derecha).
c)
a)
d)
b)
12
Figura 7. Predictores para la Temperatura Mnima, a y b (Mxima c y d) del perodo de Diciembre y Enero,
usando el bimestre de Setembre y Octubre (a)(c) y Octubre y Noviembre (b)(d). Escenarios Bajo lo normal
(Izquierda) y Arriba de lo normal (Derecha).
c)
a)
d)
b)
Figura 8. Predictores para la Temperatura Mnima, a y b (Mxima c y d) del perodo de Febrero y Marzo,
usando el bimestre de Setembre y Octubre (a) (c) y Octubre y Noviembre (b) (d). Escenarios Bajo lo nor-
mal (Izquierda) y Arriba de lo normal (Derecha).
c)
a)
d)
b)
13
3.3. Anlisis de Correlacin Cannica
Luego de mostrar los resultados usando
componentes principales con los ndices de forma
individual en los grfcos de tringulo, se procedi a
mostrar los resultados obtenidos con el anlisis de
correlacin cannica. A contnuacin se muestran las
fguras con la informacin obtenida a partr de dicho
anlisis, inicialmente se observarn las imgenes
con los modos cannicos correspondientes para
la temperatura mnima o temperatura mxima,
cada modo cannico se muestra en las fguras
en el siguiente orden, a la izquierda el patrn
de temperaturas superfciales del mar (variable
independiente), que traera consigo temperaturas
por encima (colores amarillos, naranjas o rojos)
o por debajo (celestes o azules) de los valores
promedios en las estaciones utlizadas (variable
dependiente). Dichos patrones en las estaciones se
muestran en los grfcos de la derecha. En el medio
de las fguras se encuentra un grfco, que muestra
los valores del modo con respecto al tempo.
Como se mencion anteriormente, en esta
parte del estudio se utlizaron las temperaturas
superfciales del mar correspondientes al
perodo de 1971 al 2000, del trimestre anterior
al pronostcado, con excepcin del bimestre de
febrero y marzo, en donde se usaron las mismas
temperaturas que para el bimestre de diciembre y
enero (setembre, octubre, noviembre).
Para saber con cuntos modos de correlacin
cannica se trabajar, se usa un scree test, al
igual que en el caso de las componentes principales
(Wilks, 2011). El criterio aplicado en este caso
es usar un eje logartmico, y el punto en que se
forme un codo en el scree test de la variable
independiente o dependiente, con esa cantdad
de modos se trabaja. Lo anterior implica, que el
aporte a la varianza total de los otros modos no es
tan importante, sin embargo, existe una excepcin
en la cual puede ser que el codo en el scree test
se presente por ejemplo en el modo dos, pero el
modo tres tene una correlacin cannica superior
a 0.5, en este caso el criterio de experto es el que
decide, generalmente debido a la alta correlacin,
el modo es incluido. Dicha situacin sucedi en los
grfcos correspondientes a la temperatura mnima
del bimestre de diciembre y enero, as como en
los de la temperatura mxima correspondiente
a los bimestres de diciembre y enero, as como
de febrero y marzo. Se muestra el ndice de
Correlacin de Pearson, ndice de Correlacin de
Spearman, ndice de Acierto y fnalmente el LEPS,
para cada perodo de estudio (MJJ, ASO, DE y FM).
Las tendencias no fueron eliminadas del anlisis
como fuente de variabilidad (Alfaro et al., 2006).
Adems, se incluyeron en el anlisis los resultados
correspondientes a las estaciones utlizadas en
el Sur de Mxico, isla San Andrs y Norte de
Suramrica (Colombia y Venezuela), para tener una
visin ms amplia de la regin.
A contnuacin se muestran los resultados con
las temperaturas mnimas. Para la temperatura
mnima en el perodo de MJJ (fgura 9) se observa
que el primer modo est relacionado con la
tendencia lineal en las series, mientras que el
segundo modo muestra que bajo condiciones
de un PDO negatvo (positvo) ms condiciones
de Nia (Nio), las temperaturas mnimas caen
por debajo (encima) de los valores normales (sin
omitr el efecto del ligero enfriamiento en el ATN),
especialmente sobre Honduras, resultado tambin
obtenido con el anlisis de tabla de contngencia
(fgura 5). Distntos patrones espaciales asociados
con los ndices se incluyen en Fallas-Lpez (2009).
La fgura 10 muestra que la correlacin tanto de
Pearson como Spearman tene valores positvos,
especialmente altos sobre Panam y el Caribe
de Costa Rica, el ndice de Acierto es alto sobre
Panam y una estacin en Belice, mientras que en
el resto de la regin est en valores cercanos al
50%, fnalmente el ndice LEPS presenta valores
positvos, los ms altos sobre Panam. El LEPS
(linear error in probability space, por sus siglas
en ingls), calcula un ndice defnido usando
una tabla de conteo que da diferentes valores
14
Figura 9. Modos cannicos para la temperatura mnima de Mayo, Junio y Julio.
Figura 10. Correlacin de Pearson a) Correlacin de Spearman b) ndice de Acierto c) e ndice LEPS d) para
la temperatura mnima del trimestre de Mayo, Junio y Julio.
15
para los aciertos, dependiendo de las categoras
observadas y con las probabilidades previas de
las categoras. Este indicador de calidad penaliza
ms los errores de acierto por 2 o ms categoras.
Entre ms alto mejor es el esquema de pronstco.
Ntese que los estadstcos presentados en la
fgura 10 y posteriores, se referen al conjunto de
modos cannicos y no nicamente a uno de ellos.
Analizando el trimestre de ASO (fgura 11), se
observa que el primer modo parece estar asociado
a la tendencia, mientras que el segundo modo
corresponde a condiciones en las cuales el Atlntco
est clido (fro), el PDO es positvo (negatvo)
y se presentan condiciones de Nio (Nia) en el
Pacfco. Dicho patrn se refeja en un aumento
(disminucin) en las temperaturas mnimas sobre
todo Centroamrica, especialmente sobre el
Pacfco de Nicaragua y Costa Rica.
Los estadstcos asociados (fgura 12) muestran
buenos resultados, por ejemplo, las correlaciones
de Pearson y Spearman presentan valores positvos
en toda la regin, excepto sobre regiones de
Honduras y parte de Belice. El ndice de acierto es
positvo en varias de las estaciones ubicadas al norte
de Centroamrica, y en su mayora estn cerca del
40%, mientras que el ndice LEPS muestra valores
positvos, siendo mayores al norte de la regin.
En el caso de diciembre y enero, se obtuvieron 3
modos cannicos (fgura 13), el primero parece
estar asociado a una tendencia, mientras que el
segundo muestra que una PDO negatva (positva)
se refeja en una temperatura mnima menor
(mayor) sobre Guatemala, Costa Rica y El Salvador,
mientras que sobre Honduras, Nicaragua y Panam
la tendencia no es clara. Posiblemente esa seal
no sea homognea debido al efecto del ligero
calentamiento en el ATN. El tercer modo muestra
un Atlntco clido (fro), correspondiendo a
temperaturas mayores (menores) sobre toda la
regin, especialmente sobre Belice.
Los estadstcos (fgura 14) muestran una
correlacin de Pearson con valores cercanos a
cero y una ligera tendencia a valores positvos
sobre Honduras y Nicaragua, el resto de la regin
Figura 11. Modos cannicos para la temperatura mnima de Agosto, Setembre y Octubre.
16
Figura 13. Modos cannicos para la temperatura mnima de Diciembre y Enero
la temperatura mnima del trimestre de Agosto, Setembre y Octubre.
17
presenta valores negatvos, algo similar ocurre con
la correlacin de Spearman, sin embargo se notan
valores negatvos ms defnidos sobre Costa Rica
y Guatemala. El ndice de Acierto presenta valores
inferiores al 50% mayormente. Finalmente, en el
caso del ndice LEPS, los valores son positvos, ms
marcados sobre Honduras y Costa Rica.
Concluyendo con la temperatura mnima, para
el bimestre de febrero y marzo (fgura 15) se
obtuvieron 3 modos cannicos, el primero
muestra condiciones de Nia (Nio), sin omitr
el evento fro (clido), que traen consigo
temperaturas mnimas por debajo (encima)
de las normales sobre toda la regin; el modo
dos, muestra que condiciones de Nia (Nio)
dbil y un Atlntco clido (fro) traen consigo
temperaturas mnimas por debajo (encima)
de los promedios en Honduras, El Salvador y
Nicaragua. Finalmente el modo 3 presenta una
Nia (Nio) dbil que se asocia con temperaturas
mnimas con valores inferiores (superiores) a lo
normal al sur de la regin y superiores al norte.
Otra posible explicacin es de que el norte tenga
ese patrn por el calentamiento (enfriamiento),
que se observa en toda la costa del Pacfco de
Norteamrica, favoreciendo (disminuyendo)
empujes fros ms dbiles, sin embargo, esto
requiere un estudio posterior.
Los estadstcos correspondientes a estas
temperaturas mnimas (fgura 16) muestran
valores altos positvos de la correlacin de Pearson
sobre toda la regin, mientras que los valores de
Spearman presentan una confguracin similar,
pero con valores no tan altos como los de Pearson.
El ndice de Acierto tene valores cercanos al 50%
sobre toda Centroamrica, fnalmente el ndice
LEPS tene valores positvos altos sobre casi toda
la regin. En resumen, este bimestre mostr los
valores ms altos de los perodos usados para
la temperatura mnima. Dicho de otra forma,
se podra concluir que el bimestre FM es el que
manifesta la mayor habilidad y confabilidad para
pronostcar la Tmin.
la temperatura mnima del bimestre de Diciembre y Enero.
18
Figura 15. Modos cannicos para la temperatura mnima de Febrero y Marzo.
la temperatura mnima del bimestre de Febrero y Marzo.
19
Iniciando con los resultados para la temperatura
mxima, se observa que para el trimestre de MJJ
(fgura 17) se presentaron 3 modos cannicos,
el primero relacionado con la tendencia en la
serie, mientras que el segundo muestra que con
condiciones de Nia (Nio), y de enfriamiento en
el ATN, las temperaturas mximas son menores
(mayores) sobre casi toda la regin, mostrndose
dicha tendencia de forma ms dbil sobre
Nicaragua y parte de Guatemala; el tercer modo
indica que un PDO negatvo (positvo) trae consigo
temperaturas mximas por encima (debajo) de las
normales al sur de la regin, especialmente sobre
Costa Rica, y temperaturas mximas menores
(mayores) al norte de Centroamrica. Este caso
singular requiere un estudio posterior debido a
que todo el resto de Centroamrica muestra un
comportamiento diferente; ntese adems que
el ATN est ligeramente fro. Por lo tanto no se
aprecia con facilidad un forzante que pueda
explicar esa singularidad en Costa Rica.
En cuanto a los estadstcos obtenidos (fgura 18),
la correlacin de Pearson muestra valores positvos,
siendo los ms altos sobre Honduras, El Salvador y
Nicaragua, de forma similar ocurre con la correlacin
de Spearman; los ndices de acierto se encuentran
en su mayora en el rango superior al 40%, con
valores ms altos en Nicaragua y Honduras. El
ndice LEPS tene valores positvos sobre casi todo
Centroamrica, a excepcin de Panam.
Al trimestre siguiente, correspondiente a ASO,
se obtuvieron 2 modos cannicos (fgura 19), el
primero corresponde a tendencia en la serie,
parte de la variabilidad de la misma, mientras que
la segunda muestra que bajo un patrn de Nia
(Nio), las temperaturas mximas son menores
Figura 17. Modos cannicos para la temperatura mxima de Mayo, Junio y Julio.
20
Figura 19. Modos cannicos para la temperatura mxima de Agosto, Setembre y Octubre.
la temperatura mxima del trimestre de Mayo, Junio y Julio.
21
(mayores) sobre casi toda la regin, a excepcin
de Nicaragua y parte de Honduras.
Las correlaciones e ndices dieron valores superiores
a los del trimestre MJJ (fgura 20), las correlaciones
de Pearson y Spearman muestran valores positvos
altos sobre todo Centroamrica, siendo la excepcin
el norte de Honduras. El ndice de acierto muestra
varios valores por encima del 60% y los menores
superiores al 50%, ambos ubicados de forma
dispersa sobre la regin; fnalmente el ndice LEPS
muestra valores positvos, siendo los ms altos
sobre Honduras y Panam.
El bimestre de diciembre y enero muestra tres
modos cannicos (fgura 21), el primero relacionado
con la tendencia de la serie y el segundo asociado
a condiciones de Nio (Nia) y un Atlntco fro
(clido), que traeran consigo temperaturas
mximas con valores por debajo (encima) de las
normales sobre toda la regin. Este resultado
requiere un estudio posterior, debido a que bajo
circunstancias como por ejemplo fro en el Atlntco
y caliente en el Pacfco, se esperara un escenario
ms de tpo seco para regiones del Pacfco,
y por lo tanto un aumento de las temperaturas
diurnas. Pero ntese que a la luz de esto ltmo,
prctcamente todo el Atlntco Norte presenta un
escenario fro. Lo mismo sucedera con el modo
3, slo que ahora el Atlntco Norte est caliente,
lo que podra implicar una mayor infuencia del
Atlntco, al compararla con la del Pacfco en el
invierno boreal. El modo tres indica que un AMO
clido (fro) aumenta (disminuye) las temperaturas
mximas sobre Centroamrica, especialmente
sobre Guatemala, El Salvador y Panam.
En cuanto a los estadstcos (fgura 22), se muestra
que las correlaciones de Pearson y Spearman dan
valores positvos, siendo los ms altos ubicados
en el Caribe de Nicaragua, los ndices de acierto
se encuentran en su mayora por encima del
40%, sin embargo, hay valores superiores sobre
Honduras y Nicaragua, el ndice LEPS presenta
la temperatura mxima del trimestre de Agosto, Setembre y Octubre.
22
Figura 21. Modos cannicos para la temperatura mxima de Diciembre y Enero.
la temperatura mxima del bimestre de Diciembre y Enero.
23
valores positvos, estando los ms altos ubicados
sobre Honduras y el Caribe de Nicaragua.
Finalmente, para el caso de febrero y marzo se
presentan tres modos cannicos (fgura 23),
el primero con un PDO negatvo (positvo) y
condiciones de Nia (Nio), lo cual se asocia con
temperaturas mximas menores (mayores) a las
normales sobre toda la regin. El segundo modo,
correspondiente a un Atlntco fro (clido),
disminuyen (aumentan) las temperaturas mximas
sobre Honduras, El Salvador, Nicaragua y Costa
Rica, caso contrario ocurre sobre Belice, Guatemala
y Panam, el anlisis por tabla de contngencia
muestra resultados similares a estos. Finalmente,
el modo tres parece estar asociado al Atlntco
Tropical Sur y muestra que al estar ms clida (fra)
de lo normal dicha zona, las temperaturas mximas
aumentan (disminuyen) sobre toda Centroamrica
siendo excepcin Panam.
Los valores de correlaciones e ndices fueron
superiores a los de cualquier otro perodo de
pronstco usado (fgura 24), por lo que al igual
que en el caso de la temperatura mnima, dicho
bimestre muestra los mejores resultados.
Para las temperaturas utlizadas, algunos modos
mostraron la presencia de la PDO, resultado
similar al obtenido por Alfaro (2007).
Como se pudo observar, el pronstco de las
temperaturas del perodo de febrero y marzo es
el que da mejores resultados, mientras que el de
Figura 23. Modos cannicos para la temperatura mxima de Febrero y Marzo.
24
diciembre y enero parece ser el menos acertado, el
cual puede estar relacionado con la variabilidad en
la cantdad de ingreso de empujes fros a la regin.
Sin embargo, la afrmacin anterior sera cierta si
efectvamente hubiera una gran variabilidad en
la frecuencia de empujes fros, pero la desviacin
estndar acumulada de la frecuencia de frentes
fros es de 1.85 en FM y de 1.55 en DE (Alvarado,
comunicacin personal). Si se comparan los
resultados de la temperatura mnima, con los de
la temperatura mxima, tanto para el trimestre de
agosto, setembre y octubre, como el bimestre de
diciembre y enero, se nota que los resultados son
mejores para la temperatura mxima.
4. Conclusiones
Los resultados obtenidos con ambos tpos de
anlisis han mostrado en trminos generales
resultados similares, sin embargo, el probar con
el anlisis contngente cada ndice por separado
para cada perodo de pronstco, ha sido tl
para valorar para qu componente y en qu
perodo es ms efectvo un ndice. En el caso
del anlisis de correlacin cannica, el mismo
permite establecer de forma ms especfca la
infuencia de un determinado patrn ocenico,
sobre las temperaturas en cada estacin de
forma individual, por lo cual delimita bien cuales
estaciones estn infuenciadas y en qu forma, por
una cierta confguracin de predictores. Adems,
el anlisis contngente presenta los niveles de
confanza asociados a cada signo.
Ambos anlisis coinciden en la infuencia de
las temperaturas superfciales del mar sobre
el Ocano Atlntco, el Pacfco Ecuatorial y la
Oscilacin Decadal del Pacfco, tanto sobre las
temperaturas mnimas como las mximas.
La tcnica de las componentes principales, es tl
para resumir la mayor cantdad de informacin de
un conjunto de datos, en el presente estudio se
pudo reunir la informacin ms importante con
ayuda nicamente de una componente principal,
la temperatura mxima del bimestre de Febrero y Marzo.
25
explicando gran parte de la variabilidad de las
mismas sobre el rea, lo cual facilita mucho el
estudio de ellas.
En cuanto a ndices usados para pronostcar
estacionalmente, el presente estudio muestra que
si bien gran parte de la variabilidad de Amrica
Central se puede explicar con la infuencia de
El Nio (La Nia) (variabilidad interanual) o del
Atlntco (AMO, principalmente, variabilidad
multdecadal), tambin hay otros ndices como
el NAO, PDO y relaciones entre ellos, que pueden
realzar seales con niveles de signifcancia
mayores al 95%, adems, el usar productos de
ndices normalizados ayudan a defnir condiciones
pronostcadas, en los casos en que los ndices
ms usados, se encuentren dentro de los rangos
normales.
Los resultados obtenidos indican que hay varios
predictores para realizar dichos pronstcos, sin
embargo, los ndices AMO, N3 y AMO+N3 son
los ms relevantes, mostrando en algunos casos
niveles de signifcancia al 99%. Dichos resultados
son similares a los obtenidos por Alfaro (2000), ya
que al igual que en ese estudio, con las primeras
componentes principales fue sufciente para
evaluar las temperaturas y adems, se obtuvo
que los ocanos circundantes eran los ms
importantes para determinar la temperatura del
aire.
De manera interesante dentro de los predictores
para las temperaturas mnimas y mximas, se
encontr el NAO, un ndice atmosfrico que dio
resultados relevantes. Sin embargo, en la mayora
de los casos la signifcancia no era alta, lo cual
tene sentdo debido a la variabilidad de los
ndices atmosfricos con respecto a los ocenicos.
El uso de la suma de los ndices normalizados
como en el caso del AMO+N3, dio resultados
signifcatvos, contrario a lo que se esperara con la
precipitacin, donde la diferencia de ambos signos
es relevante (Alfaro 2007), se realiz la suma ya
que no se buscaba un dipolo que infuenciara las
temperaturas, sino la suma de las temperaturas
superfciales de los ocanos circundantes.
Es importante el observar que el ndice PDO da
buenos resultados en varios de los perodos
utlizados, ya que es un ndice poco utlizado
en trminos generales a la hora de realizar
pronstcos estacionales de las temperaturas
mnimas y mximas.
El anlisis cannico aparte de ser una herramienta
tl para realizar pronstcos, tambin result tl
para explicar predictores y asociaciones con otros
ndices.
Mejores resultados y mayor cantdad de ndices
para pronostcar las temperaturas, hacen de sta
variable la menos complicada de pronostcar en
trminos de esquemas predictvos, comparada con
la precipitacin (Fallas-Lopez y Alfaro, 2012a, b).
5. Referencias
Agrest, A. (2002). Categorical data analysis (2da
Ed.). John Wiley & Sons. United States of
America.
Alfaro, E. (2000). Response of Air Surface
Temperatures over Central America to
Oceanic Climate Variability Indices. Tpicos
Meteorolgicos y Oceanogrfcos. 7(2), 63-72.
Alfaro, E. (2007). Prediccin Climtca de la
Temperatura Superfcial del Aire en
Centroamrica. Ambientco. 165, 6-10.
Alfaro, E.; Gershunov, A. & Cayan, D. (2006).
Predicton of Summer Maximum and
Minimum Temperature over the Central
and Western United States: The Roles of
Soil Moisture and Sea Surface Temperature.
J. Climate. 19(8), 1407-1421.
Alfaro, E. & Lizano, O. (2001). Algunas relaciones
entre las zonas de surgencia del Pacfco
Centroamericano y los Ocanos Pacfco
26
y Atlntco Tropical. Revista de Biologa
Tropical. 49(Supl. 2), 185-193.
Alfaro, E.; Soley J. & Enfeld, D. (2003). Uso de una
Tabla de Contngencia para Aplicaciones
Climtcas (Use of a Contngency Table
for Climatc Applicatons), ISBN 9978-310-
00-2. Editado por ESPOL y FUNDESPOL,
Guayaquil, Ecuador. 51pp.
Alfaro, E. & Soley, J. (2009). Descripcin de dos
mtodos de rellenado de datos ausentes en
series de tempo meteorolgicas. Revista
de Matemtcas: Teora y Aplicaciones.
16(1), 59-74.
Amador, J.; Alfaro, E.; Lizano, O. & Magaa, V.
(2006). Atmospheric forcing in the Eastern
Tropical Pacifc: A review. Progress in
Oceanography. 69, 101-142.
Donoso, M. & Ramrez, P. (2001). Latn America
and the Caribbean: Report on the Climate
Outlook Forums for Mesoamerica. In:
Coping with the climate: A step Forward.
Workshop Report: A mult-stakeholder
review of Regional Climate Outlook Forums.
October 16-20, 2000, Pretoria, South Africa.
Publicaton IRI-CW/01/1. 11-18.
Fallas-Lpez, B. (2009). Prediccin Estacional de
los campos de precipitacin y temperatura
en Centroamrica usando herramientas
estadstcas. Tesis de Grado, Licenciatura.
Escuela de Fsica. Universidad de Costa
Rica, San Jos, Costa Rica.
Fallas-Lpez B. & Alfaro, E. (2012a): Uso de
herramientas estadstcas para la prediccin
estacional del campo de precipitacin en
Amrica Central como apoyo a los Foros
Climtcos Regionales. 1: Anlisis de tablas
de contngencia. Revista de Climatologa.
12, 61-79.
Fallas-Lpez B. & Alfaro, E. (2012b). Uso de
herramientas estadstcas para la prediccin
estacional del campo de precipitacin
en Amrica Central como apoyo a los
Foros Climtcos Regionales. 2: Anlisis
de Correlacin Cannica. Revista de
Climatologa. 12, 93-105.
Garca-Solera, I. & Ramrez, P. (2012). Central
Americas Seasonal Climate Outlook Forum.
The Climate Services Partnership, 8 pp.
Recuperado de htp://climate-services.
org/resource/central-american-climate-
outlook-forum
Hidalgo, H.G.; Amador, J.A; Alfaro, E.J. & Quesada,
B. (2013). Hydrological Climate Change
Projectons for Central America. Journal of
Hydrology. 495, 94-112.
Ndiaye, O. & Mason, S. (2007). Climate
Predictability Tool. Internatonal Research
Insttute for Climate and Society, The
Earth Insttute of Columbia University.
Recuperado de htp://portal.iri.columbia.
edu.
North, G. R.; Bell, T. L.; Cahalan, R. F. & Moeng, F. J.
(1982). Sampling Errors in the Estmaton of
Empirical Orthogonal Functons. Mon. Wea.
Rev. 110, 699-706.
Smith, T.M. & Reynolds, R.W. (2004): Improved
Extended Reconstructon of SST 1854-1997.
J. Climate. 17:2466-2477.
SYSTAT (1999). SYSTAT 9, Graphics. Chicago, EUA.
Wilks, D. (2011). Statstcal Methods in the
Atmospheric Sciences. 3ra. Ed. Academic
Press.
6. Agradecimientos
Se agradece a los Servicios Meteorolgicos e
Hidrolgicos de Amrica Central, por el suministro
de los registros de las estaciones meteorolgicas
para realizar este estudio. Este trabajo se realiz
tambin, gracias al apoyo de los siguientes
proyectos de la Vicerrectora de Investgacin,
Universidad de Costa Rica: 805-B0-402 (apoyo de
CORBANA), 805-A9-224 (fondo de estmulo UCR),
805-B3-600 (fondo de estmulo UCR), 805-A7-002
(apoyo de CRN2050-IAI). A la Escuela de Fsica de
la Universidad de Costa Rica, ya que este trabajo
se enmarc dentro de la Tesis de Licenciatura en
Meteorologa de BF.
27
Desarrollo de un software para el procesamiento
y control de calidad semi-automtico de
datos meteorolgicos horarios
JOS LUIS ARAYA LPEZ1
DANIEL SOTO CERVANTES2
Resumen
Se presenta el desarrollo, implementacin y prueba del software MetCC, que facilita la revisin de la calidad de
un gran nmero de series de tiempo meteorolgicas. MetCC ha sido ideado para solventar las necesidades que se
tienen en el Instituto Meteorolgico Nacional, de contar con herramientas que permitan disminuir tiempo y costos
en el procesamiento de cantidades crecientes de datos. MetCC es un conjunto de mdulos y funciones acopladas, el
cual permite obtener resultados de una forma ms eficiente que con el uso de programas para series individuales.
Su ventaja principal es que est diseado para poder filtrar valores atpicos presentes en las series temporales para
su posterior anlisis y validacin, evitando el trabajo rutinario de ejecucin por parte del usuario, de modo que
este pueda dedicar ese tiempo a anlisis y validacin de los datos. Diversas pruebas realizadas sugieren que MetCC
simplifica el protocolo de control de calidad, al unificar los diversos algoritmos y programas desarrollados en otros
lenguajes en una herramienta de trabajo.
PALABRAS CLAVE: CONTROL DE CALIDAD, CLIMATOLOGA, COMPUTACIN CIENTFICA, METEOROLOGA.
Abstract
We present MetCC, a quality-control software developed at the Costa Rican National Meteorological Institute. MetCC
has been thought out to satisfy the need of filtering atypical values in data sets. MetCC includes routines that have
been coupled in an unified system, which can be used either as part of a process or independently, depending on
the needs of the analyst. It generates reports that extract atypical data based on the application of quality control
algorithms. The software is endowed with the ability to operate on an arbitrary number of data sets, facilitating data
processing and transformation for further analysis and validation. MetCC also incorporates procedures for filling
time gaps, data manipulation and flagging. A number of tests suggest that MetCC can save valuable time and work,
allowing the analyst to concentrate efforts on the evaluation aspect of the process.
KEYWORDS: QUALITY CONTROL, CLIMATOLOGY, SCIENTIFIC COMPUTING, METEOROLOGY.
1 Licdo. en Meteorologa. Insttuto Meteorolgico Nacional. Departamento de Redes y Procesamiento de Datos. Correo
electrnico: jlaraya@imn.ac.cr. Tel. (506) 2222-5616.
2 Tcnico Especialista III en Meteorologa. Insttuto Meteorolgico Nacional. Departamento de Redes y Procesamiento de
Datos. Correo electrnico: dsoto@imn.ac.cr. Tel. (506) 2222-5616, ext. 209.
1. Introduccin
Con el crecimiento del nmero de dispositvos
mviles, computadoras y sensores de diversa
ndole, el nmero de datos disponibles a diversos
usuarios ha crecido vertginosamente en todas
las reas del conocimiento y en partcular en
la meteorologa. De hecho, el trmino data
deluge ha surgido para describir el dilema al
que se enfrentan diversas organizaciones en
cuanto a cmo almacenar, interpretar y traducir
esta informacin voluminosa en conocimiento
aplicado. Adems, se est proponiendo un cuarto
paradigma cientfco, orientado a uso intensivo de
28
Desarrollo de un software para el procesamiento y control de calidad
semi-automtico de datos meteorolgicos horarios
datos (Hey, Tansley & Tolle, 2009), contexto en el
cual el uso del dato resulta imprescindible.
En el caso partcular de la meteorologa, el proce-
samiento de datos resulta primordial para respon-
der a muchas de las interrogantes que surgen en
esta disciplina, en partcular en temas como la va-
riabilidad climtca y el cambio climtco. Por eso
resulta importante encontrar formas de recolectar,
almacenar, procesar y analizar el dato de forma
efciente, partcularmente en lo que a su calidad se
refere. Es de suma importancia para las insttucio-
nes, orientar y/o redirigir el tempo que utlizan los
analistas para desarrollar herramientas que mejo-
ren la efciencia del anlisis del dato y les permita
dedicarse al anlisis de la informacin generada.
Esto a su vez promueve una cultura de vigilancia
contnua sobre la calidad de la informacin.
El desarrollo e implementacin de un sofware
para el control de calidad, debera ser un aspecto
metodolgico inherente en el quehacer de los
servicios meteorolgicos e hidrolgicos, as como
de aquellas insttuciones que gestonan datos.
Gandin (1962, 1988) introduce el concepto del
control objetvo de la calidad aplicada al campo
meteorolgico, lo cual sentara las bases para
la posibilidad del control de calidad usando
soluciones computacionales.
Posteriormente, con el desarrollo de los recursos
tecnolgicos, se han venido presentando diversas
propuestas en lo referente a sofware para el
control de calidad, tal como lo proponen Wolfson,
Erez & Alperson, (1978); Schmidlin, Wilks, McKay
y Cember (1995); Gronell y Wijfels (2008).
Los principales centros de acopio del mundo
cuentan con sistemas de control de calidad, tales
como los descritos en Vejen et al. (2002), Gronell
y Wijfels (2008) o el sistema MADIS (abreviatura
para Meteorological Assimilaton Data ingest
System) de la NOAA (htp://madis.noaa.gov/).
Dada la existencia de sofware para el control de
calidad, surge la pregunta de por qu se opta por
esta propuesta en partcular. Una de las razones es,
desarrollar la capacidad de resolver necesidades
propias en trminos de aplicaciones y productos.
Otra razn es que an no existe un proceso estndar
internacional, que especifque como deben de
llevarse a cabo los controles de calidad (Beltrano y
Perini, 2004), dada las diferencias que existen en los
diversos centros de acopio en trminos de objetvos,
servicios, recursos disponibles, parmetros,
resolucin y cantdades de datos acopiados.
En el Insttuto Meteorolgico Nacional (IMN)
de Costa Rica, en los ltmos aos se ha venido
incrementando el nmero de estaciones
meteorolgicas automtcas en la red de
estaciones. Anteriormente, la revisin y el
procesamiento de los datos se hacan de forma
visual, esto era necesario porque dentro de
los sistemas de observacin automatzados
se introduce el problema del aislamiento del
observador del proceso de medicin, razn por
la cual si no se desarrollan programas adecuados
para probar la integridad del dato, la computadora
va a procesar, transmitr y almacenar tanto datos
vlidos como errneos (Brock y Richardson, 2001).
Dado lo anterior, surge la necesidad de plantear
estrategias para poder procesar la informacin,
de modo que pueda ser revisada y almacenada
efcientemente. Resulta deseable tambin,
que dicho procesamiento pueda efectuarse
independientemente del nmero de estaciones
meteorolgicas que se adicionen a la red y que el
procesamiento de datos pueda mantenerse a pesar
de contar con una cantdad limitada de recurso
humano. Parte de la solucin a este problema, va
dirigida en hacer un uso inteligente de los recursos
tecnolgicos y transferir a las computadoras el
trabajo rutnario del analista. Es por eso que el
Departamento de Redes y Procesamiento de
Datos del IMN, ha optado por desarrollar una
herramienta que unifque los algoritmos de control
de calidad y las rutnas de procesamiento que se
han venido utlizando desde el ao 2008, el cual se
ha convenido denominar MetCC y consiste en un
29
paquete de programas orientado al procesamiento
y control de calidad de datos climtcos horarios.
MetCC est orientado a satsfacer la necesidad
de poder llevar a cabo de forma rutnaria el
procesamiento de los datos almacenados en la
base de datos ofcial del IMN.
En este artculo se presenta la metodologa de
trabajo utlizada en el desarrollo de este producto,
las consideraciones prctcas pertnentes, as como
algunos resultados obtenidos al correr MetCC
sobre un amplio conjunto de datos en resolucin
horaria de diversos parmetros meteorolgicos,
a fn de que el lector pueda enterarse de datos
atpicos cuya deteccin se facilita usando esta
herramienta. Para fnalizar se presentan algunas
conclusiones principales sobre el trabajo realizado.
2. Metodologa
2.1. Algoritmos de control
de calidad utilizados
Para incluir los diversos algoritmos de control de
calidad en MetCC, se debi de efectuar un anlisis
preliminar de qu algoritmos pueden servir para
diversos parmetros meteorolgicos de forma
simultnea (los valores umbrales de rechazo del
dato de los diversos algoritmos pueden ingresarse
por medio de una funcin o mtodo adecuada,
dependiendo de la variable meteorolgica). El
lector puede consultar Shafer, Friebrich, Arndt,
Fredrickson y Hughes (2000), Meek y Hatield
(2001); Graybeal, DeGaetano y Eggleston (2004);
Liljegren et al. (2009); Jimnez Gonzlez-Rouco,
Navarro, Montvez, y Garca-Bustamante 2010),
para una descripcin de diversos algoritmos
de control de calidad que se pueden aplicar a
datos meteorolgicos. Los algoritmos de control
de calidad incorporados a MetCC son tambin
discutdos en Araya (2007), Araya y Alfaro (2008a,
2008b). De manera general, los algoritmos de
control de calidad que se han programado en
MetCC pueden clasifcarse de la siguiente manera:
a) Pruebas de cotas: verifcacin de que los
datos horarios almacenados superan o no los
valores histricos almacenados en la base de
datos espejo (base de datos con un control de
calidad sobre estos).
b) Pruebas de saltos: se aplican a la temperatura
superfcial del aire, humedad relatva y presin
atmosfrica superfcial. Cuando el valor absoluto
del salto excede el valor umbral, entonces el
dato es aislado para una evaluacin detallada.
c) Pruebas de anomalas: se usan para la
temperatura superfcial del aire, la humedad
relatva y la presin atmosfrica superfcial, se
efectan clculos de la desviacin del dato con
respecto al promedio horario. Esto ayuda a la
deteccin de anomalas positvas o negatvas
inconsistentes.
d) Pruebas de consistencia: son pruebas tales
como la consistencia entre el fujo total de
irradiancia y los valores extremos de irradiancia
para una hora en partcular. Para el parmetro
viento se ha aplicado una serie de algoritmos de
consistencia discutdos en DeGaetano (1997).
e) Pruebas de persistencia: se aplican a los
todos los parmetros meteorolgicos, ya
que permiten detectar secuencias de valores
repetdos que pudieran no estar correctos.
f) Generacin de estadstcos mensuales:
capacidad de generar estadstcos de los
diversos parmetros meteorolgicos en
resolucin mensual, esto con el fn de
determinar posibles inconsistencias que
pudieran deducirse de su anlisis.
g) Productos grfcos: la visualizacin grfca de la
informacin resulta fundamental en cualquier
anlisis emprico de datos.
2.2. Datos utilizados
MetCC fue validado con un amplio conjunto
de datos provenientes de la red de estaciones
meteorolgicas automtcas del IMN (ver cuadro
1). En dicho cuadro se muestran las estaciones
meteorolgicas tanto abiertas como cerradas a las
30
Cuadro 1. Lista de estaciones meteorolgicas utilizadas para la prueba de MetCC
NMERO CUENCA ESTACIN NOMBRE LATITUD LONGITUD ALTITUD
69597 69 597 BOCA TAPADA 10,68 -84,23 60
69633 69 633 COMANDO LOS CHILES 11,02 -84,70 40
69647 69 647 FINCA BRASILIA DE LORO 10,97 -85,33 380
69649 69 649 FINCA EL ENSAYO 10,95 -85,40 540
69651 69 651 VILLA BLANCA 10,20 -84,48 1080
69655 69 655 LOS LIRIOS 10,75 -84,57 1080
69661 69 661 CIUDAD QUESADA 10,30 -84,42 700
69677 69 677 LAGUNA, CAO NEGRO 10,90 -84,78 37
69679 69 679 UPALA 10,87 -85,07 60
69681 69 681 LA REBUSCA 10,48 -84,02 40
69697 69 697 BIOLGICA LA SELVA DE SARAPIQU 10,43 -84,00 40
69699 69 699 BETANIA, CUTRIS 10,64 -84,38 100
69701 69 701 ITCR, SAN CARLOS 10,36 -84,51 183
69709 69 709 SAN GERARDO, LA VIRGEN DE SARAPIQU 10,41 -84,15 210
71015 71 15 CANTA GALLO 10,48 -83,67 20
71021 71 21 LA RITA, ROXANA CENTRO 10,25 -83,75 120
72141 72 141 CUAJINIQUIL TIERRA 10,95 -85,70 60
72149 72 149 SAN JOS, PINILLA 10,25 -85,83 15
72153 72 153 SANTA ELENA, LA CRUZ 10,92 -85,61 1700
72157 72 157 FINCA LA CEIBA 10,10 -85,32 58
72159 72 159 PAQUERA 9,82 -84,93 10
72161 72 161 SANTA ROSA 10,83 -85,62 285
72163 72 163 SANTA ROSA 2 10,84 -85,62 315
72165 72 165 NICOYA CENTRO 10,14 -85,45 130
73123 73 123 ITCR, CARTAGO 9,85 -83,90 1360
73129 73 129 RECOPE, OCHOMOGO 9,88 -83,93 1546
73137 73 137 VOLCAN IRAZ 9,97 -83,83 3060
73141 73 141 PACAYAS 9,90 -83,80 1735
73143 73 143 VOLCN TURRIALBA 10,02 -83,77 3343
73147 73 147 POCOC, GUAPILES 10,21 -83,77 253
73149 73 149 MARAVILLA , JUAN VIAS 9,89 -83,74 1181
74051 74 51 AEROPUERTO LIBERIA OESTE 07 10,58 -85,53 70
74053 74 53 SANTA CRUZ 10,28 -85,58 40
74061 74 61 EL CORRAL, PALO VERDE 10,35 -85,35 10
74063 74 63 MANGARICA, LLANO LA CRUZ, LIBERIA 10,60 85,45 135
76055 76 55 HACIENDA MOJICA 10,45 -85,15 33
76057 76 57 PARQUE NACIONAL PALO VERDE 10,34 -85,34 9
76059 76 59 HACIENDA TABOGA, CAAS 10,35 -85,18 29
78027 78 27 PUNTARENAS 9,97 -84,82 3
31
NMERO CUENCA ESTACIN NOMBRE LATITUD LONGITUD ALTITUD
81005 81 5 AEROPUERTO DE LIMN 9,95 -83,02 5
84000 84 0 MUSEO NACIONAL, SAN JOS 9,93 -84,08 1160
84124 84 124 SAN LUIS, POAS 10,12 -84,30 1360
84139 84 139 CIGEFI 9,93 -84,03 1210
84141 84 141 IMN, ARANJUEZ 9,93 -84,07 1181
84143 84 143 OROTINA 9,88 -84,50 160
84145 84 145 ESC. CENTROAMERICANA GANADERA 9,92 -84,37 390
84167 84 167 BARRIO SAN JOS, ATENAS 10,00 -84,40 680
84169 84 169 JUAN SANTAMARA 9,98 -84,17 913
84181 84 181 ISTAR 9,88 -83,97 1680
84187 84 187 FABIO BAUDRIT 10,00 -84,25 840
84189 84 189 LAGUNA, FRAIJANES 10,13 -84,18 1720
84191 84 191 RECOPE, LA GARITA 10,00 -84,28 740
84195 84 195 AEROPUERTO PAVAS OESTE 9,97 -84,13 997
84197 84 197 SANTA BARBARA 10,03 -84,15 1070
84199 84 199 BELEN 9,98 -84,19 926
84205 84 205 GETSEMAN, HEREDIA 10,03 -84,10 1389
84207 84 207 PATIO DE AGUA, CORONADO 9,98 -83,97 1690
84225 84 225 UTN, BALSA ATENAS 9,94 -84,38 437
85021 85 21 HITOY CERERE 9,67 -83,02 170
85023 85 23 MANZANILLO 9,63 -82,65 80
87013 87 13 SIXAOLA 9,52 -82,63 10
88035 88 35 FRAILES 9,77 -84,07 1600
88041 88 41 LA LUCHA 9,72 -83,98 1880
88047 88 47 LA LUCHA 2 9,73 -84,00 1740
90011 90 11 QUEPOS 9,42 -84,17 6
90013 90 13 FINCA DAMAS 9,48 -84,20 6
94013 94 13 CERRO BUENAVISTA 9,56 -83,75 3400
98075 98 75 LAS BRISAS, SAN VITO 8,87 -82,88 1040
98079 98 79 LA LINDA, PEREZ ZELEDN 9,35 -83,63 750
98087 98 87 PINDECO 9,13 -83,33 397
98091 98 91 CHIRRIP 9,45 -83,50 3440
98095 98 95 ALTAMIRA 9,02 -83,00 1370
98103 98 103 ESTACIN BIOLGICA LAS CRUCES 8,79 -82,96 1210
100003 100 3 GOLFITO 8,63 -83,16 6
100615 100 615 LA PALMA, PALMAR SUR 8,95 -83,35 16
100631 100 631 COTO 47 8,60 -82,98 8
100633 100 633 FINCA EL PATIO, PUERTO JIMENEZ 8,60 -83,43 8
100641 100 641 COOPEAGROPAL, LAUREL 8,47 -82,85 16
100643 100 643 RO CLARO 8,67 -83,06 45
Continuacin de cuadro 1
32
que se les ha efectuado el control de calidad. La
ubicacin de las diversas estaciones meteorolgicas
en todo el territorio costarricense se presenta en la
fgura 1. Se puede notar la variedad en alttudes que
se pueden encontrar, las cuales van desde el nivel
del mar hasta los 3.440 metros aproximadamente.
Algunas de estas estaciones no contenan datos
en los periodos analizados, ya que haban sido
clausuradas. De igual manera, no necesariamente
todas generan datos de los parmetros
meteorolgicos considerados en este trabajo. Los
periodos elegidos se defnieron en virtud de los
datos con control de calidad almacenados en la
base de datos ofcial del IMN (instancia de la base
de datos la cual se denomina en este documento
base espejo). Con el fn de llevar a cabo una
actualizacin, se eligieron los siguientes parmetros
meteorolgicos horarios en los siguientes perodos:
Temperatura superfcial del aire (abril del 2010
a mayo del 2013).
Humedad relatva (enero del 2007 a mayo del
2013).
Irradiancia (enero del 2009 a julio del 2013).
Precipitacin (enero del 2012 a julio del 2013).
Viento (enero del 2008 a octubre del 2013).
Figura 1. Distribucin espacial de las estaciones meteorolgicas analizadas.
33
separados por coma (csv) y marcacin de
datos atpicos.
b) Relleno de ejes temporales: con el fn de
garantzar que las series temporales tengan
las mismas dimensiones, el procesamiento y
control de calidad de los datos incluye completar
los ejes temporales de las series. Muchas
veces los datos extrados de la base de datos
ofcial presentan brechas de datos faltantes,
que no estn referenciadas temporalmente.
Completar el eje de tempo signifca detectar
estas brechas y asignarles cdigo de dato
faltante a los datos no registrados. Esto se
lleva a cabo para cualquier cantdad de series
de datos, a partr de una fecha inicial y fnal
defnida para todas las series.
c) Controles de calidad de datos: los datos
son incorporados en la carpeta de trabajo
de MetCC y las rutnas de control de calidad
se ejecutan sobre un nmero arbitrario de
archivos de datos horarios. De la ejecucin
de estos controles de calidad se generan
reportes de los diversos algoritmos de control
de calidad, que se aplican segn el parmetro
meteorolgico analizado.
En la fgura 2 se muestran las diferentes etapas
del procesamiento de datos horarios. stos son
extrados de la base de datos ofcial del IMN, se
eliminan los encabezados y se completan los ejes
temporales, se efectan los controles de calidad
segn el parmetro meteorolgico seleccionado
para el anlisis.
Despus de la ejecucin de MetCC se efecta un
anlisis de los reportes generados. En esta etapa
el analista, luego de un proceso de anlisis y
validacin de los datos atpicos generados, asla
los valores atpicos para todas las estaciones,
genera un archivo de datos con los valores atpicos
y utliza una rutna de marcacin (OMM, 1992)
en la que los indicadores de alerta son incluidos
en las series (vase Araya, 2007). La evaluacin
manual de los datos atpicos es recomendable y
necesaria debido a que con ello se evita remover
2.3. Caractersticas generales de MetCC
Para el desarrollo de los programas de control
de calidad se hizo uso del sofware Python,
partcularmente de los mdulos Numpy, Scipy,
Matplotlib y PyQt. Tosi (2009), Vangast (2012)
y Langtangen (2008) muestran ejemplos de
las capacidades de dicho sofware.). Python
implement en el IMN en el ao 2009.
Se ha procurado que este paquete de programas
cuente con las siguientes propiedades:
a) Desarrollado en un programa de fuente
abierta.
b) Que pueda ser ejecutado sobre un nmero
arbitrario de series temporales.
c) Que utlice un lenguaje de programacin
intuitvo, claro, usando un cdigo fcil de
comprender y seguir por parte del equipo de
desarrollo.
d) Que el programa de desarrollo utlizado
incentve la productvidad e integracin
de diversas rutnas, as como aplicar un
paradigma de programacin moderno que
permita un mantenimiento y mejoramiento de
la herramienta.
e) Estructura de diseo de sofware que permita
la integracin de futuros algoritmos de control
de calidad.
f) Acceso simple e intuitvo.
g) Que la herramienta pueda implementarse
en diversos sistemas operatvos, tales como
Windows y Linux.
En cuanto a las funcionalidades, estas van
orientadas a satsfacer tres necesidades concretas:
a) Formato y edicin de archivos de datos:
dentro del procesamiento de datos es
necesario extraer datos de la base ofcial
y llevar a cabo diversas operaciones de
eliminacin de encabezados, extraccin de
columnas especfcas, cambio de formato de
datos de archivo de texto a formato de valores
34
de forma automtca valores vlidos del conjunto
de datos (Kunkel, et al., 2005). A la hora de verifcar
manualmente los resultados, se ha defnido una
sistema de marcacin de los valores atpicos
detectados los cuales se asignan a los datos que
no han pasado los criterios del control de calidad
(OMM, 1992). Finalmente, estos datos con control
de calidad son importados a la base espejo.
La fgura 3 muestra el conjunto de carpetas que
componen las diferentes salidas de MetCC. El
programa efecta una serie de operaciones sobre
los datos de forma independiente, y las salidas
a dichos procesos van siendo almacenadas en
diversas carpetas. Se puede observar que se
cuenta con una carpeta general denominada
MetCC-GUI, la cual da acceso al paquete. Dentro
de esta carpeta se tenen otras cuatro, una de ellas
destnada al almacenamiento de los datos que se
desean procesar. La carpeta datos_modif est
destnada para ciertos procesos de transformacin
de archivos, tales como la rutna para completar
Figura 2. Fases del procesamiento y control de calidad efectuado.
Figura 3. Distribucin de carpetas dentro de MetCC.
35
ejes temporales, o conversiones de formato de
texto a formato csv. La carpeta de resultados
almacena una serie de carpetas que albergan
las salidas del control de calidad propiamente
dicho, y corresponde a resultados de diferentes
etapas del control de calidad que se almacenan
temporalmente, con el fn efectuar evaluaciones
ms detalladas, en caso de requerirse. En la
carpeta resmenes se almacenan los reportes
fnales, los cuales deben ser evaluados por el
analista.
La fgura 4 muestra las diferentes ventanas
que presenta la interface grfca del MetCC, la
cual fue desarrollada en Qt y traducida a PyQt
(Harwani, 2012). En la seccin 4a se muestra la
pestaa de inicio, la cual seala brevemente el
propsito del paquete, as como el nombre de
los autores. La seccin 4.b muestra la ventana de
edicin de MetCC, en la cual se accesan las rutnas
dimensionamiento y manipulacin de archivos
de datos. Es importante indicar que cada una de
estas rutnas es utlizada constantemente en el
procesamiento y control de calidad sealado en la
fgura 2. En la ventana de edicin, el usuario tene
acceso a rutnas para eliminar los encabezados
generados por los archivos tal como salen de la
base de datos, eliminacin de flas repetdas,
reemplazo de caracteres, incorporacin y
extraccin de columnas, entre otros. La seccin
4.c muestra la ventana que accesa la rutna para
completar ejes temporales en las series horarias.
Esta rutna da facilidad al usuario de completar
archivos de datos, en resolucin horaria y diaria.
La seccin 4.d presenta las opciones para control
de calidad segn el parmetro meteorolgico
Figura 4. Interface grfca de MetCC.
a)
c)
b)
d)
36
en cuestn. Dichos controles de calidad son
discutdos en Araya (2011a, 2011b), en caso
de que el lector desee familiarizarse ms con
ellos. Adems, el manual del usuario presenta
informacin adicional sobre su aplicacin.
Cabe sealar, que el manual del usuario es
accesible en forma de archivo con formato pdf al
oprimir el botn de ayuda en la parte superior del
men, adems, el botn acerca de da algunas
indicaciones adicionales con respecto al producto,
as como un logo asignado al paquete.
Los algoritmos de control de calidad diferen en
ciertos aspectos segn el parmetro y la resolucin
de los datos que se analice, aunque desde el
punto de vista de la programacin realizada en
Python, los algoritmos de control de calidad son
mtodos dentro de clases iguales para todos
los parmetros. Dichos algoritmos reconocen la
diferencia de los parmetros meteorolgicos,
segn los argumentos de entrada que se le van
dando a dichos mtodos en la clase respectva.
3. Resultados y discusin
Para la prueba de esta herramienta se procesaron
un total de 331 series temporales (72 para
temperatura superfcial del aire, 76 para humedad
relatva, 57 para irradiancia y 63 para precipitacin
y viento). Se revisaron aproximadamente
12497000 flas de datos horarios.
Despus de efectuar una corrida sobre los datos
a analizar, MetCC genera reportes de los datos
que no han pasado los criterios de control de
calidad. Con el fn de ilustrar el tpo de situaciones
que se pueden detectar usando este programa,
se presentan algunos casos concretos de valores
atpicos encontrados. En la fgura 5 se muestra
como ejemplo, el caso de la estacin meteorolgica
automtca (EMA) de Laurel, localizada en el
Pacfco Sur de Costa Rica. Se puede observar en
el grfco de la serie de tempo, que se dan valores
relatvamente bajos entre junio y julio del 2011.
Tambin se presenta en la fgura 6 el caso de la
estacin La Rebusca, en la cual visualmente se
puede observar algunos valores atpicos. En el caso
de Betania, Cutris se puede notar que la varianza
de los datos resulta extraa al inicio de la serie, lo
cual motva una evaluacin ms a fondo de estos.
Los datos atpicos fueron aislados por el
programa y fueron validados e indicados para su
incorporacin en la base espejo. Algunos criterios
de validacin que se aplican son por ejemplo:
consulta de informes de gira, revisin de los
programas de plataformas de recoleccin de datos
(dataloggers) y la comparacin con estaciones
cercanas. Aunque es evidente que algunos valores
atpicos no dejan duda con respecto a su condicin
de errneos, por lo que la validacin en esos casos
se simplifca.
En el caso de los datos de viento, estos se dividen
en seis subparmetros diferentes. En general,
MetCC fue diseado para poder efectuar diversas
pruebas de calidad sobre las seis variables del
parmetro viento, de forma simultnea (direccin
angular, direccin predominante, nmero de
casos en la direccin predominante, velocidad
vectorial, velocidad escalar y desviacin estndar
de la direccin angular).
En la fgura 6 se muestran las brechas de valores
consecutvos repetdos para un nmero arbitrario
de datos. En este ejemplo se presenta el caso
de direcciones angulares repetdas. Ntese
que el valor umbral utlizado es de tres horas
consecutvas. El algoritmo barre todas las series
en busca de este tpo de brechas, las cuales
analizadas en conjunto e interpretadas con el
juicio del analista permiten identfcar situaciones
partculares que puedan estar explicando el
comportamiento observado. Esta prueba ha sido
de gran utlidad en la deteccin de valores que
no varan por periodos prolongados de tempo,
facultando al analista para decidir sobre la validez
de esa informacin.
37
En la fgura 6a se muestran valores de direccin
angular repetdas para varias series, destacando la
secuencia que se da en la estacin meteorolgica
del Volcn Turrialba (73-143), indicando que la
veleta se mantuvo en una direccin fja durante
cierto nmero de horas. En la fgura 6b se
muestra el caso de direcciones predominantes
que no varan durante aproximadamente 50 das
consecutvos, para la estacin meteorolgica
ubicada en el Parque Nacional Palo Verde (76-
57). La fgura 6c muestra secuencias largas
para el caso de la estacin meteorolgica de
Paquera (72-159) y Palo Verde. En la fgura 6d se
observa las secuencias repetdas para datos de
direccin vectorial, (73-143), con valores fjos de
velocidad vectorial durante ms de veinte horas
consecutvas. En la fgura 6e destaca el caso de
la estacin meteorolgica de Altamira (98-95),
donde se tene una brecha de valores repetdos
de 50 das consecutvos en que la velocidad
escalar se mantene fja. Igualmente, este reporte
en partcular efecta dichas pruebas sobre los
diversos subparmetros del viento, permitendo al
analista llevar a cabo una inspeccin ms detallada
para explicar qu puede estar provocando estas
secuencias repetdas.
Figura 5. Series horarias de tempo de la temperatura superfcial del aire en donde se observan valores
atpicos.
38
Figura 6. Brechas de direcciones angulares repetdas (secuencias mayores a tres horas) para horas conse-
cutvas con dato repetdo.
39
Con respecto datos de irradiancia, estos se
muestran en la fgura 7. Este parmetro se mide
usando tres subparmetros diferentes: fujo neto
de irradiancia horaria (MJ/m
2
), valor mximo y
mnimo de irradiancia (KW/m
2
). En la fgura 7a
se presenta el caso de la estacin meteorolgica
de Altamira, en la que se encontraron valores
no plausibles al inicio de la serie, los cuales son
fcilmente perceptbles usando un grfco como
este. La fgura 7b muestra un histograma de
frecuencias absolutas, de todos los datos atpicos
encontrados para este parmetro meteorolgico,
en el periodo considerado. La fgura 7c muestra
que la mayora de estos datos atpicos fueron
valores cercanos a cero o bien valores negatvos.
Finalmente, la fgura 7d muestra los valores
atpicos encontrados. Destacan los valores
negatvos encontrados en las series, los cuales
se encuentran de forma uniforme en diferentes
horas. Adems de valores no nulos de irradiancia
en horas de la noche, cuya magnitud en esas horas
es imposible de justfcar usando argumentos
fsicos.
4. Conclusiones
El porcentaje de datos atpicos nunca super el
0,7% de los datos de las series para los periodos
de datos analizados utlizando MetCC.
Figura 7. Resultados obtenidos usando MetCC en la deteccin de valores atpicos de irradiancia.
40
Los programas de control de calidad utlizados
anteriormente, requeran que una persona
califcada estuviera ejecutndolos contnuamente y
evaluando cada serie temporal de forma individual,
adems requeran que la persona tuviese cierta
familiaridad con el lenguaje de computacin en el
que fueron desarrollados. En la actualidad con el
uso de MetCC se reducen los tempos de bsqueda
y deteccin de valores atpicos, a una ejecucin en
tempo mquina operatvamente manejable.
Con la implementacin del sofware MetCC se
pueden efectuar las pruebas y algoritmos de
control de calidad sobre una cantdad arbitraria
de series temporales, simplifcando la labor del
analista al darle reportes completos de aquellos
datos que son detectados por los diversos
algoritmos de control de calidad. Adicionalmente,
MetCC posee una interface grfca intuitva que
permite utlizar sus funcionalidades sin aludir a la
lnea de comandos, lo cual puede ser ms cmodo
para algunos usuarios. Adems, aquellos usuarios
que se sientan ms cmodos con el uso de la lnea
de comandos en Linux tenen la opcin de usar
MetCC en esta modalidad.
Aunque el uso de este paquete de programas
permite disminuir la cantdad de individuos cuya
labor puede enfocarse a controles de calidad de
datos meteorolgicos, se requiere que quienes lo
utlicen y lo validen tengan la debida experiencia
sobre la interpretacin de los resultados generados.
En partcular, la aplicacin de una evaluacin
manual requiere la partcipacin de personal
familiarizado con la climatologa de los
emplazamientos y de errores instrumentales
que puedan explicar los valores atpicos que se
encuentran (Araya, 2011b).
Como es el caso de cualquier control de calidad a
profundidad de la informacin climtca, el control
de calidad de MetCC no excluye la intervencin del
criterio experto del proceso de revisin. Adems,
contna siendo dependiente de la disponibilidad
de recurso humano califcado, principalmente
en lo que se refere al desarrollo y mejoramiento
adaptatvo de este paquete y al aspecto de
validacin de los datos atpicos encontrados.
Una aproximacin al proceso de evaluacin que
podra mejorar el proceso de validacin usando
MetCC es el indicado por Kunkel et al. (2005),
en el que un grupo de especialistas evalan
independientemente los reportes de datos
atpicos y luego llegan a un consenso en cuanto a
los indicadores de alerta asignados.
Como trabajos futuros, los autores han defnido
algunas posibles lneas de avance, las cuales pueden
hacerla mucho ms sensible en la bsqueda,
deteccin y marcacin de datos atpicos, estas son:
a) Prueba permanente y validacin de algoritmos
de control de calidad: contnuar con una
acttud crtca en cuanto a la efciencia
de las herramientas que se tenen para
poder mejorarlas contnuamente, as como
adaptarlas a nuevas necesidades y a los
avances tecnolgicos. En partcular, contnuar
explorando con detalle la efciencia de los
algoritmos desarrollados, as como de otros
an no implementados y que podran ser
incluidos en MetCC en el futuro.
b) Incorporacin de controles de calidad
espaciales: consiste en una metodologa que
permita analizar datos de estaciones cercanas
y detectar valores que se estn desviando
signifcatvamente con respecto a algn valor
regional.
c) Dotar a MetCC con otras bondades que
faciliten su interaccin con pginas web y con
bases de datos.
5. Referencias
Araya, J.L. (2007). Algoritmos de Control de Calidad
de Datos en Estaciones Meteorolgicas
Automtcas. Tesis de Licenciatura. Escuela
de Fsica, Universidad de Costa Rica. 172 pp.
41
Araya, J.L. & Alfaro, E. (2008a). Prueba e
Implementacin de Algoritmos de Control de
Calidad de Datos de Temperatura Superfcial
del Aire en un Contexto Operatvo.
Tecnologa en Marcha. 21(3), 47-61.
Araya, J.L. & Alfaro E., (2008b). Algoritmos de
Control de Calidad para Deteccin de
Secuencias Atpicas de Contactos en
Pluvimetros de Balancn. Tecnologa en
Marcha. 22 (2), 63-78.
Araya, J.L. (2011a). Resultados de un control de
calidad de datos de temperatura superfcial
del aire y humedad relatva. Tecnologa en
Marcha. 24(1), 33-49
Araya, J.L. (2011b). Resultados de un control de
calidad para datos horarios de precipitacin,
irradiancia, velocidad y direccin de viento.
Revista de Climatologa. 11, 11-29.
Beltrano, M.C. & Perini, L. (2004). Italian
Agrometeorological Service Procedures
for Meteorological Data Quality Control.
Fourth Seminar for Homogeneizaton and
Quality Control in Climatological Databases.
WMO-TD N 1236, 243 p.
Brock, F. & Richardson, J.S. (2001). Meteorological
Measurement Systems. Oxford University
Press, New York, 290 pp.
DeGaetano, A.T. (1997). A Quality-Control Routne
for Hourly Wind Observatons. Journal of
Atmospheric and Oceanic Technology. 14,
308317.
Gandin, L.S. (1962). On operatonal techniques for
computatonal analysis of Meteorological
Fields. Main Geophysical Observatory
Trudy. 124, 18-29.
Gandin, L.S. (1988). Complex Quality Control of
Meteorological Data. Monthly Weather
Review. 116, 1137-1156.
Graybeal, D.Y.; DeGaetano, A.T. & Eggleston,
K.L. (2004). Complex Quality Assurance
of Historical Hourly Surface Airways
Meteorological Data. Journal of Atmospheric
and Oceanic Technology. 21, 11561169.
Gronell, A. & Wijfels, S.E. (2008). A Semiautomated
Approach for Quality Controlling Large
Historical Ocean Temperature Archives.
Journal of Atmospheric and Oceanic
Technology. 25, 9901003.
Harwani, B.M. (2012). Introducton to Python
Programming and Developing GUI
applicatons with PyQT. Course Technology.
Boston, Massachusets. 393 p.
Hey, T.; Tansley, S. & Tolle, K. (2009). The Fourth
Paradigm: Data-Intensive Scientfc
Discovery. Microsof Research. Redmond,
Washington. 287pp.
Jimnez, P.A.; Gonzlez-Rouco, J.F.; Navarro, J.;
Montvez, J.P. & Garca-Bustamante, E.
(2010). Quality Assurance of Surface Wind
Observatons from Automated Weather
Statons. Journal of Atmospheric and
Oceanic Technology. 27, 11011122.
Kunkel, K.E.; David, R.; Hubbard, K.; Redmond,
K.; Andsager, K.; Kruk, M.C. y Spinar,
M.L. (2005). Quality Control of Pre-1948
Cooperatve Observer Network Data.
Journal of Atmospheric and Oceanic
Technology. 22, 16911705.
Langtangen, H.P. (2008). Python Scriptng for
Computatonal Science. Springer-Verlag,
Berlin Heidelberg. 750 pp.
Lin, J. (2012). Why Python Is the Next Wave in
Earth Sciences Computng. Bulletn of
the American Meteorological Society. 93,
18231824.
Liljegren, J.C.; Tschopp, S.; Rogers, K.; Wasmer,
F.; Liljegren, L. & Myirski, M. (2009).
Quality Control of Meteorological Data
for the Chemical Stockpile Emergency
Preparedness Program. Journal of
Atmospheric and Oceanic Technology. 26,
15101526.
Meek, D.W. & Hatield, J.L. (2001). Single Staton
Quality Control Procedures. Automated
Weather Statons for Applicatons
in Agriculture and Water Resources
Management. WMO/TD No. 1074, 248 pp.
42
Shafer, M.A.; Friebrich, C.A.; Arndt, D.S.;
Fredrickson, S.E. & Hughes, T.W. (2000).
Quality Assurance Procedures in the
Oklahoma Mesonetwork. Journal of
Atmospheric and Oceanic Technology.
17,474-494.
Schmidlin, T.W.; Wilks, D.S.; McKay, M. & Cember,
R.P. (1995). Automated Quality Control
for the Water Equivalent of Snow of the
Ground Measurement. Journal of Applied
Meteorology. 34,143-151.
Tosi, S. (2009). Matplotlib for Python Developers.
Packt Publishing. 293 p.
OMM (1992). Manual del Sistema Mundial de
Proceso de Datos. Vol. II. N 485. 329 p.
Vangast, S. (2012). Beginning Python Visualizaton.
Apress. New York. 363 p.
Vejen, F.; Jacobson, C.; Fredrikson, U.; Moe, M.;
Andresen, L.; Hellsten, E.; Rissanen, P.;
Plsdtr, T. & Arason, T. (2002). Quality
Control of Meteorological Observatons.
Automatc Methods Used in the Nordic
Countries. Nordklim, Nordic Co-operaton
within Climate Actvites. Report N 8
KLIMA. 109 p.
Wolfson, N.; Erez, J. & Alperson, Z. (1978).
Automatc Real-Time Quality Control of
Surface Synoptc Observatons. Journal of
Applied Meteorology. 17,449-457.
6. Agradecimiento
Se agradece al Insttuto Meteorolgico Nacional.
En partcular al Ing. Rodolfo Dvila Picado, por la
ayuda con el desarrollo de la instancia en la base
de datos para el almacenamiento de los datos con
control de calidad, as como las diversas interfaces
grfcas para interactuar con sta. Se agradece
adems, al Sr. Vctor Hugo Gmez por el desarrollo
de aplicaciones para facilitar la importacin a la
base de datos.
43
Clculo de la evaporacin en Costa Rica
mediante el mtodo FAO-56
KARINA HERNNDEZ ESPINOZA1
Resumen
Con el mtodo FAO-56 se calcula la evapotranspiracin de referencia para un cultivo de referencia De una altura de
0,12m con una resistencia superficial de 70 s/m y un albedo de 0,23. Posteriormente se calcula el coeficiente del
Tanque evapormetro tipo A para conseguir la evaporacin. Obteniendo as la evaporacin promedio diaria para las
siguientes seis Regiones Climticas del pas: 6 mm dia
1
en Zona Caribe, 5,8 mm dia
1
en Zona Norte, 7,6 mm dia
1

en Pacfico Norte, 4,8 mm dia
1
en Pacfico Central, 8,2 mm dia
1
en Pacfico Sur y 8 mm dia
1
en Valle Central. El
anlisis de las grficas de los acumulados mensuales muestran un patrn similar en cuanto a la distribucin mientras
que presentan una diferencia en el rango, donde los acumulados de la serie, reconstruida sobreestima la serie real.
PALABRAS CLAVE: EVAPORACIN, EVAPOTRANSPIRACIN, PENMAN, MONTEITH, FAO, MTODO FAO-56.
Abstract
The FAO-56 method gives us the reference evapotranspiration for the hypothetical grass reference crop with an
assumed crop height of 0,12 m, a fixed surface resistance of 70 s/m and an albedo of 0,23. Calculate pan coefficient
for Class A pan to obtain daily evaporation for six climatic regions of Costa Rica, to obtain the regional daily means
evaporations data: 6 mm dia
1
in Caribbean Region, 5,8 mm dia
1
in North Region, 7,6 mm dia
1
in North Pacific, 4,8
mm dia
1
in Central Pacific, 8,20 mm dia
1
in South Pacific and 8 mm dia
1
in Central Valle. Month cumulative graphics
shows a similar distribution but differs on range data, where the method over estimate real data.
KEYWORDS: EVAPORATION, EVAPOTRANSPIRATION, PENMAN, MONTEITH, FAO, FAO-56 METHOD.
1 Licda. en Meteorologa. Departamento de Climatologa e Investgacin Aplicada. Insttuto Meteorolgico Nacional. Correo
electrnico: khernandez@imn.ac.cr. Tel. (506) 2222-5616.
1. Introduccin
En la actualidad, Costa Rica carece de estudios
que calculen los promedios diarios especfcos
de evaporacin para cada regin climtca. Hasta
ahora se ha utlizado un valor estndar de 5 mm
dia
1
para la estmacin del inicio y conclusin de
las pocas seca y lluviosa, en cualquier regin del
territorio nacional, esto tomando como base a
Alfaro, Cid y Enfeld (1998), donde se indica que el
valor diario de la evaporacin en Centroamrica
vara entre 5 y 8 mm dia
1
.
El principal uso de la evapotranspiracin se da en
las ciencias agronmicas, cuya fnalidad es conocer
las necesidades hdricas del cultvo para un buen
desarrollo del mismo. Esto se obtene restando al
acumulado total de lluvia la cantdad de agua que
se evapora, lo que representa el volumen de agua
disponible.
El anlisis de estas variables es indispensable en
diversos aspectos, tales como la gestn de recurso
hdrico, la planifcacin, la produccin vegetal, los
estudios ambientales y ecolgicos, la ftopatologa
y la investgacin, entre otros.
En el presente estudio, se utliz el mtodo FAO-
56 para obtener la evaporacin mediante el
clculo de la evapotranspiracin y el coefciente
del tanque evapormetro. Posteriormente, se
estmaron los valores promedio mensuales de la
44
Clculo de la evaporacin en Costa Rica mediante el mtodo FAO-56
evaporacin para seis regiones climtcas de Costa
Rica, con el fn de generan grfcos comparatvos
entre los acumulados mensuales de evaporacin
obtenidos con el modelo FAO-56 y los registros
del tanque evapormetro tpo A. Adicionalmente
se logra demostrar que los promedios diarios
de evaporacin varan para cada una de dichas
regiones.
2. Metodologa
2.1. Datos meteorolgicos
Se utlizaron datos diarios los cuales fueron
proporcionados por el Insttuto Meteorolgico
Nacional (IMN). La seleccin de las estaciones
a utlizar se bas en los siguientes criterios:
estaciones con registros de temperatura extrema,
humedad relatva extrema, radiacin, insolacin,
viento a 2 metros de altura y evaporacin;
estaciones en las cuales los aos de registro
para dichas variables sean los mismos; que sean
representatvas de las siguientes seis regiones
climtcas defnidas para Costa Rica: Pacfco
Norte, Pacfco Central, Pacfco Sur, Valle Central,
Zona Norte y Caribe. Se utlizaron las series de
tempo ms extensas encontradas.
En el cuadro 1 se muestran las estaciones
seleccionadas para representar a cada regin
climtca del pas, los parmetros disponibles, los
aos analizados, las coordenadas y la elevacin.
El cuadro 2 muestra las estaciones estudiadas,
as como el porcentaje de datos faltantes de cada
variable, donde NA (no hay dato) indica la ausencia
total de datos para ese parmetro meteorolgico.
Para el relleno de datos faltantes se utlizaron
las rutnas, programas y conclusiones defnidas
por Alfaro y Soley (2009). Este mtodo utliza
predictores auto regresivos conocidos como
AR(p), es un modelo lineal que utliza los valores
de p tempos de muestreo anterior y posterior
al dato para estmar el valor en un tempo dado
(Ulrych y Bishop,1975) y (Ulrych y Clayton,1976).
Para aquellas estaciones que no tenan registros
de velocidad de viento a ninguna altura como
Cuadro 1. Nmina de estaciones meteorolgicas seleccionadas
Nmero
estacin
Nombre
estacin
Regin
climtca
Elevacin
(msnm)
Lattud
()
Longitud
() Aos Parmetros
69579
Santa Clara,
ITCR
Zona
Norte
183 10,36 84,51
1987 a 1994, 1998
a 2000, 2006,
2007, 2009, 2010.
Temperatura, humedad
relatva, horas sol,
evaporacin.
71002 La Mola Caribe 94 10,34 83,67
2001, 2003, 2004,
2005, 2007, 2009,
2010.
relatva, horas sol,
evaporacin.
74020
Llano
Grande,
Liberia
Pacfco
Norte
80 10,60 85,54
1976, 1978, 1981
a 1983, 1986,
1987, 1989.
relatva, horas sol,
evaporacin.
84023
Estacin
Experimental
Fabio Baudrit
Valle
Central
840 10,02 84,27
1974, 1975, 1977,
1978, 1980, 1982
a 1984, 1986 a
2000.
relatva, horas sol,
radiacin, viento,
evaporacin.
90009 Damas
Pacfco
Central
21 9,50 84,21
2001, 2005 a
2007, 2009, 2010.
relatva, horas sol, viento,
evaporacin.
98027 Pindeco
Pacfco
Sur
401 9,15 83,34
1986 a 1991,
1998, 2001, 2003,
2004.
relatva, horas sol, viento,
radiacin, evaporacin.
45
Santa Clara, La Mola y Llano Grande, se utliz
la constante de 2 ms
1
, recomendada por Allen,
Pereira, Raes & Smith (1998), dado que ste es el
valor promedio de 2000 estaciones meteorolgicas
distribuidas en todo el mundo.
En el caso de las estaciones La Mola, Santa Clara,
Llano Grande y Damas, debido a la falta de
registros de radiacin, se utliz la metodologa
descrita en Allen et al. (1998), la cual se basa en la
frmula de Armstrong que relaciona la radiacin
solar con la radiacin extraterrestre y la duracin
relatva de la insolacin, adems de la nubosidad.
En el caso de Pindeco, que tene un porcentaje
de datos faltantes del 48%, la razn por la que se
decidi utlizar este registro en vez de la constante
recomendada, es porque se consider que para el
caso de Costa Rica son ms realistas los valores
rellenados con el mtodo auto regresivo, que
la dicha constante. Adems, de acuerdo con
Muoz, Fernndez, Gutrrez y Zarate (2002), el
comportamiento anual de la velocidad del viento
para la estacin de Pindeco es uniforme y vara
entre 0,8 ms
1
y 1,7 ms
1
.
2.2. Modelo utilizado
La organizacin Food Agriculture Organizaton
(FAO) en colaboracin con la Internatonal
Commision for Irrigaton and Drainage (ICID) y
la World Meteorological Organizaton (WMO)
decidieron crear la ecuacin FAO-56 como
un nuevo modelo estndar para el clculo de
la evapotranspiracin de referencia. Esta se
establece utlizando el mtodo Penman- Monteith,
defniendo algunos parmetros constantes, ya
que se basa en un cultvo de referencia, a saber:
un cultvo hipottco con una altura de 0,12
m, una resistencia superfcial de 70 ms
1
y un
albedo de 0,23. Esta nueva propuesta reduce las
imprecisiones del mtodo utlizado anteriormente
por la FAO y produce valores globales ms
consistentes de uso de agua en diversos cultvos
(Allen et al., 1998).
En la ecuacin 1 se muestra el clculo de la
evapotranspiracin de referencia (ET
0
), mediante
el mtodo FAO-56 en unidades de mm dia
1
. Los
parmetros se calcularon mediante la metodologa
descrita en Allen et al. (1998).
(1)
Cuadro 2. Porcentajes faltantes de los parmetros disponibles
Parmetro / Estacin
Santa Clara,
ITCR La Mola
Llano Grande,
Liberia
Estacin Experimental
Fabio Baudrit Damas Pindeco
Humedad relatva mxima 8 1 3 0 13 7
Humedad relatva mnima 11 2 5 6 18 10
Horas sol 12 13 7 2 6 6
Radiacin global NA NA NA 0 NA 9
Velocidad viento NA NA NA 27 7 48
Temperatura mxima 13 1 1 1 2 0
Temperatura mnima 22 11 4 3 17 2
Evaporacin 13 6 12 5 21 10
46
Para el clculo del coefciente del tanque
evapormetro tpo A (K
p
) en cada una de las seis
regiones climtca del pas, se utliz la ecuacin de
regresin 2 dada por Allen et al. (1998), ya que en
Costa Rica este instrumento es el que posee registros
ms extensos para los datos de evaporacin.
(2)
Posterior a la realizacin del clculo de ET
0
y K
p
,
se utliz la ecuacin 3 para obtener el valor de la
evaporacin de referencia diaria, en cada regin
analizada.
(3)
3. Resultados y discusin
3.1. Comparacin FAO-56 y
Tanque evapormetro tipo A
Los valores de evaporacin se calcularon con el fn
de promediar los acumulados mensuales totales, a
partr de los valores diarios, para cada estacin y se
dividieron en la cantdad de aos. La cantdad de
aos utlizados vara segn la estacin (cuadro 3).
En el cuadro 3 se muestran los valores extremos
de los promedios mensuales, de la evaporacin
calculada y el mes correspondiente a dicho valor
extremo. Todas las estaciones presentan su
valor mximo en el mes de marzo, a excepcin
de Llano Grande que muestra su valor mximo
en el mes de abril. Adems, nicamente Llano
Grande (octubre) y Fabio Baudrit (septembre)
no presentaron su valor mensual mnimo en el
mes de noviembre. Las variaciones entre dichos
valores extremos presentadas por las estaciones
en orden descendente son: Pacfco Sur 169 mm,
Valle Central 140 mm, Pacfco Norte 110 mm,
Zona Norte 85 mm, Pacfco Central 75 mm y
Regin Caribe 50 mm.
Como se muestra en la fgura 1(a), la estacin de
Llano Grande en Liberia tene un comportamiento
mensual similar entre la evaporacin estmada
(verde) y observada (azul). Se puede apreciar adems,
que la ecuacin sobreestma principalmente los
valores obtenidos durante los meses lluviosos. En las
fguras 1(b) y 3(b), se observa que las estaciones de
La Mola y Pindeco presentan las mayores diferencias
entre el modelo y la realidad.
En las seis grfcas contenidas en las fguras 1, 2 y 3,
se puede observar la sobrestmacin del mtodo
FAO-56, en relacin con el Tanque evapormetro
tpo A. El comportamiento de la curva estmada
y calculada tenen similitudes, sin embargo se
encuentran diferencias importantes en el rango
de stas, debido a dicha sobrestmacin.
En el anlisis grfco que muestra Lizano (2007),
se observa que en el Pacfco Central y Sur ocurren
dos leves disminuciones durante los meses de
Cuadro 3. Valores extremos mensuales de las diferencias de evaporacin
Estacin
Mes del valor
mximo
Mximo
(mm)
Mes del valor
mnimo
Mnimo
(mm)
Santa Clara Marzo 225 Noviembre 140
Mola Marzo 210 Noviembre 160
Llano Grande Abril 300 Octubre 190
Fabio Baudrit Marzo 355 Septembre 215
Damas Marzo 188 Noviembre 113
Pindeco Marzo 279 Noviembre 110
47
(a) (b)
Figura 1. Promedio de evaporacin mensual del Tanque evapormetro tpo A y mtodo FAO Penman-
Monteith. (a) Estacin 69579 Santa Clara, ITCR, (b) Estacin 71002 La Mola.
(a) (b)
Figura 2. Promedio de evaporacin mensual del Tanque evapormetro tpo A y mtodo FAO Penman-Mon-
teith. (a) Estacin 74020 Llano Grande, Liberia, (b) Estacin 84023 Estacin Experimental Fabio Baudrit.
(a) (b)
Figura 3. Promedio de evaporacin mensual del Tanque evapormetro tpo A y mtodo FAO Penman-
Monteith. (a) Estacin 90009 Damas, (b) Estacin 98027 Pindeco.
48
junio y agosto, lo cual coincide con el momento en
que los vientos Alisios se aceleran nuevamente en
el Caribe. Menciona adems este autor, que para
la costa Caribe los vientos nortes y los sistemas
de alta presin en el Atlntco hacen que en esta
regin soplen los vientos Alisios intensamente,
desde noviembre hasta abril, aumentando
signifcatvamente en julio lo que coincide
nuevamente con el veranillo.
Mediante la observacin de las fguras 1, 2 y 3,
podemos evidenciar dentro del perodo de valores
mnimos de evaporacin, un leve aumento de
dicha variable durante los meses de julio y agosto
para las estaciones del Pacfco y Valle Central. En
el caso del Caribe y la Zona Norte, el incremento
se da en septembre y octubre que son los meses
ms secos en esa regin, donde el incremento
vara entre 5 y 20 mm, lo cual refeja la presencia
del veranillo en todo el territorio nacional.
3.2. Promedios regionales
de evaporacin
En el cuadro 4 se presenta el clculo del promedio de
evaporacin diaria, mediante los mtodos FAO-56
y Tanque evapormetro tpo A, para el registro total
de cada una de las series de tempo. Comparando
ambos mtodos, se confrma la sobrestmacin de
la frmula sobre las observaciones. La cantdad de
aos vara segn sea la estacin entre seis y 23, tal
como se mostr en el cuadro 1.
Segn las experiencias en el procesamiento
de datos del tanque evapormetro tpo A, las
observaciones mencionadas por Hidalgo, Cayan
y Detnger (2005), en relacin a la dependencia
de la evaporacin con respecto a otras variables
climtcas y las defciencias ya conocidas en el
registro de los datos, se sabe que dichos registros
podran subestmar el valor real de evaporacin.
Ramrez (1976) mediante el manejo de datos
mensuales de evaporacin, reconoce las
limitaciones al trabajar con evaporacin, siendo
el Tanque evapormetro tpo A la nica medida
de evaporacin en Costa Rica, adems de todos
los factores externos que afectan esta medicin
en caso de querer usarla como medida patrn,
para la evaluacin de las frmulas de clculo y
construccin de series de evaporacin.
Al observar la primera columna del cuadro 4, se
puede notar que se cumple lo comentado por
Alfaro, Cid y Enfeld (1998), referente al valor
promedio de la evaporacin que vara entre 5 y
8 mm dia
1
para Centroamrica, pero tambin se
evidencia que existen diferencias importantes en
los promedios diarios, para cada una de las seis
regiones climtcas del pas aqu estudiadas.
Cuadro 4. Valores promedio de la evaporacin
diaria
Estacin
Promedio (mm da
1
)
FAO-56 Tanque tpo A
69579 - Santa Clara 5,8 3,5
71002 Mola 6,0 3,0
74020 - Llano Grande 7,6 7,0
84023 - Fabio Baudrit 8,0 5,0
90009 Damas 4,8 4,5
98027 Pindeco 8,2 4,0
4. Conclusiones
Al calcular los valores promedio de la evaporacin
regional, se evidencia que dichos valores varan
entre la estmacin del mtodo FAO-56 y las
observaciones del Tanque evapormetro tpo A,
ya que el mtodo FAO-56 sobreestma las series
de evaporacin reales. Por esta razn, la curva de
evaporacin reconstruida se posiciona en valores
ms altos que los de la curva de valores reales,
generando una brecha entre los valores promedio
de la evaporacin calculada y observada.
En la metodologa actualmente utlizada para
obtener la estmacin del inicio y conclusin de
49
la poca lluviosa en Costa Rica, se utliza un valor
diario de evaporacin de 5 mm dia
1
para todo
el territorio nacional, lo cual nos lleva a un valor
umbral pentadal de 25 mm dia
1
para todo Costa
Rica. La aplicacin de los valores promedio diarios
de evaporacin obtenidos en esta investgacin,
para cada regin climtca, debe mejorar
sustancialmente los resultados de las fechas del
inicio y conclusin de la poca lluviosa en nuestro
pas. Dichos promedios diarios de evaporacin
son: 6 mm dia
1
en la Zona Caribe, 5,8 mm dia
1
en
la Zona Norte, 7,6 mm dia
1
en el Pacfco Norte,
4,8 mm dia
1
en el Pacfco Central, 8,2 mm dia
1
en el Pacfco Sur y 8 mm dia
1
en el Valle Central.
La aplicacin de este modelo en Costa Rica
requiere an ms calibracin, ya que como pudo
notarse algunas regiones como el Pacfco Sur y el
Caribe, muestran una gran diferencia en cuanto
al rango, entre el mtodo FAO-56 y el Tanque
evapormetro tpo A.
El mtodo FAO-56 utlizado para reconstruir
los registros de evaporacin, es robusto
estadstcamente y por lo tanto su aplicacin se
torna difcil en aquellos casos en los que se carece
de las series de tempo que este modelo requiere
para su clculo.
Dicha metodologa recomienda utlizar un valor
constante de 2 ms
1
para aquellas estaciones que
carecen de dicho registro, y este es un valor muy
bajo para ciertas pocas del ao y ciertas regiones
como es el caso del Pacfco Norte. Esta constante
es una posible fuente de error en los clculos de
la evaporacin.
5. Referencias
Alfaro, E.; Cid, L. & Enfeld, D. (1998). Relaciones
entre el inicio y el trmino de la estacin
lluviosa en Centroamrica y los Ocanos
Pacfco y Atlntco Tropical. Investgaciones
Marinas. 26, 59-69.
Alfaro, E. & Soley, J. (2009). Descripcin de dos
series de tempo meteorolgicas. Revista
de Matemtcas: Teora y Aplicaciones.
16(1): 59-74.
Allen, R.G.; Pereira, L.S.; Raes, D. & Smith, M.
(1998). Crop evapotranspiraton, Guidelines
for computng crop water Requirements.
FAO Irrigaton and drainage paper 56. Food
and Agriculture Organizaton of the United
Natons.
Hernndez, K. (2013). Estudio de la evaporacin en
Costa Rica y su aplicacin para determinar
el inicio y conclusin de la poca seca y
lluviosa. Tesis de grado en Meteorologa.
Escuela de Fsica, Universidad de Costa
Rica. San Jos, Costa Rica.
Hidalgo, H.; Cayan, D. & Detnger, M. (2005).
Sources of Variability of Evapotranspiraton
in California. Journal of Hydrometeorology.
6, 3-19.
Lizano, O. (2007). Climatologa del viento y
oleaje a las costas de Costa Rica. Ciencia y
Tecnologa, 25(1-2): 43-56.
Muoz, C.; Fernndez, W.; Gutrrez, J. & Zarate,
E. (2002). Variacin estacional del viento en
Costa Rica y su relacin con los regmenes
de lluvia. Tpicos Meteorolgicos y
Oceanogrfcos. 9(1): 1-13.
Ramrez, P. (1976). Clculo de la evaporacin y la
evapotranspiracin en Costa Rica. Tesis de
grado en Meteorologa. Escuela de Fsica,
Universidad de Costa Rica. San Jos, Costa
Rica.
Ulrych, T.J. & Bishop, T.N. (1975). Maximum
entropy spectral analysis and autoregressive
decompositon. Reviews of Geophysics and
Space Physics. 13(1): 183200.
Ulrych T.J. & Clayton, R.W. (1976). Time series
modeling and maximum entropy. Physics
of the Earth and Planetary Interiors. 12:
188200.
50
Reincidencia de eventos hidrometeorolgicos extremos
en Costa Rica durante el periodo 2000-2010
LUIS EDUARDO QUESADA HERNNDEZ1
NURY SANABRIA VALVERDE2
Resumen
A partir de la base de datos sobre eventos hidrometeorolgicos extremos del Instituto Meteorolgico Nacional, se
analiz el comportamiento de los frentes fros y sistemas de bajas presiones que han impactado nuestro territorio
en el perodo 2000-2010. Se caracteriz la frecuencia mensual del evento, la frecuencia mensual del impacto, la
tendencia decadal y la distribucin espacial a nivel de cantn por medio de la utilizacin de Sistemas de Informacin
Geogrfica. Ambos eventos tienen un comportamiento estacional en su frecuencia de aparicin y su impacto
est relacionado con situaciones de vulnerabilidad y caractersticas geogrficas. La tendencia decadal muestra un
aumento de ambos fenmenos, pero un impacto diferencial. El impacto de los frentes fros ha disminuido mientras
que el impacto de bajas presiones ha aumentado.
PALABRAS CLAVE: EVENTOS EXTREMOS, VARIABILIDAD CLIMTICA, FRENTES FROS, BAJAS PRESIONES,
SISTEMATIZACIN DE LA INFORMACIN, SISTEMAS DE INFORMACIN GEOGRFICA.
Abstract
From the database of extreme weather events of the National Meteorological Institute, the behavior of cold fronts
and low pressure systems that have impacted our country in the period 2000-2010 was analyzed. The monthly
frequency of the event, the monthly frequency of impact the decadal trend and spatial distribution at the county
level through the use of Geographic Information Systems are characterized. Both events have a seasonal pattern in
their frequency and impact associated with vulnerabilities and geographical features. The decadal trend shows an
increase of both phenomena, but a differential impact. The impact of cold fronts has decreased while the impact of
low pressure has increased.
KEYWORD: EXTREME WEATHER EVENTS, CLIMATE VARIABILITY, COLD FRONTS, LOW PRESSURE SYSTEMS,
SYSTEMATIZATION, GEOGRAPHICAL INFORMATION SYSTEMS.
1 Bachiller en Geografa. Universidad Nacional de Costa Rica. Correo electrnico: luiseduardo-1031@hotmail.com.
2 Licda. en Geografa. Departamento de Climatologa e Investgacin Aplicada. Insttuto Meteorolgico Nacional. Correo
electrnico: nury@imn.ac.cr. Tel. (506) 2222-5616.
1. Introduccin
Costa Rica es un pas que por su posicin
geogrfca se ve afectado por una gran variedad
de eventos hidrometeorolgicos de diverso tpo,
intensidad y frecuencia. Cada ao se contabilizan
daos y prdidas por varios millones de colones
en la infraestructura y los procesos productvos,
que afectan los sectores socioeconmicos ms
importantes del pas.
Debido a lo anterior, existe un inters creciente
por parte de la comunidad cientfca nacional
de identfcar y caracterizar los eventos
hidrometeorolgicos de mayor severidad. Estos
anlisis se basan en dos corrientes de investgacin:
los que evalan los daos econmicos y los estudios
que miden la intensidad y la cantdad de dichos
fenmenos (CEPAL 2011). Estos estudios han sido
generados en el marco del cambio climtco, en el
cual se espera que la intensidad y la frecuencia de
dichos eventos vayan en aumento.
51
Algunos de estos estudios no incluyen la variable
geogrfca en el anlisis, ya que no precisan
adecuadamente los eventuales puntos de impacto,
ni las relaciones entre inundaciones y sequas con
la orografa, para realizar un anlisis ms profundo
relacionando aspectos fsicos y sociales.
En Costa Rica existen y se desarrollan algunas
bases de datos que relacionan eventos
hidrometeorolgicos extremos, con los impactos
causados. Una de las primeras bases corresponde
al esfuerzo regional de la Red de Estudios Sociales
en la Prevencin de Desastres en Amrica Latna
(La RED), la cual se basa en diferentes fuentes para
lanzar una herramienta en lnea, que despliega
informacin sobre impactos de desastres y que se
conoce como la base de datos Desinventar. Otra
base importante es la que maneja La Comisin
Nacional de Emergencia (CNE) y que cuenta
con la informacin que ellos mismos generan
durante la atencin de emergencias de diferente
naturaleza. Ms recientemente se concretza
una base de datos insttucionalizada por MAG-
MIDEPLAN, que tene como objetvo contribuir
con una herramienta robusta para la gestn del
riesgo ante desastres de tpo hidrometeorolgico
y tectnico (Flores, Salas, Astorga y Rivera, 2010).
Los resultados obtenidos de estos sistemas,
demuestran la enorme utlidad que tene este tpo
de informacin para el anlisis y gestn del riesgo
climtco en diferentes sectores productvos y
sociales del pas.
En lo referente a la informacin tcnica del
evento atmosfrico, el Insttuto Meteorolgico
Nacional (IMN) ha venido desarrollando una base
de datos a partr de la informacin publicada en
los boletnes meteorolgicos mensuales. Aunque
dicha informacin no se encuentra totalmente
sistematzada, su anlisis permite usarla en la
caracterizacin espacial del impacto de una gran
variedad de fenmenos atmosfricos.
El presente trabajo tene como fnalidad
demostrar la utlidad de la base de datos sobre
eventos hidrometeorolgicos extremos del
IMN, enfocndose en la distribucin espacial y
temporal de dos de los fenmenos atmosfricos
que ms precipitacin genera al pas: los frentes
fros y las bajas presiones. Se caracteriza y analiza
su tendencia para el periodo que abarca del 2000
al 2010, en Costa Rica.
2. Metodologa
Se utliz la base de datos del Insttuto
Meteorolgico Nacional construida a partr de
los boletnes meteorolgicos, la cual contene
informacin sobre las condiciones meteorolgicas,
datos de registro y documentacin de eventos
especiales. Se cont con un periodo de datos que
va de 1980 al 2012, sin embargo, se escogi el
periodo 2000-2010 como el piloto para el anlisis.
Se homogeniz la informacin original dado que
existan distntos niveles de detalle, metodologas
de recoleccin y vacos. Se gener una base
de datos que respondiera a los intereses de la
insttucin, la cual cont con una informacin
general y se cre otra base de datos con un mayor
nivel de detalle, poniendo nfasis en los poblados,
distritos y cantones para facilitar el anlisis
posterior de la informacin.
Se introdujo la base de datos al Sistema de
Informacin Geogrfca (SIG), para lo que se utliz
la variable espacial de cantones, creando distntas
columnas que corresponden al tpo de evento y
asociando la cantdad de ocasiones que dicho
evento afect ese cantn. Tambin se gener una
capa de puntos, la cual se hizo relacionando los
poblados que se registraron en la base de datos
con una capa de puntos en el SIG.
Se analiz la incidencia de los eventos extremos
en los poblados, a fn de obtener un panorama
regional del impacto, adems se generaron
grfcas de frecuencia de impacto, distribucin
temporal de eventos y tendencia decadal.
52
3. Resultados
3.1. Anlisis de los frentes fros
Los frentes fros son la expresin de dos
variables distntas: las masas de aire y los frentes
propiamente. Strahler (1974) defne las masas
de aire como cualquier porcin grande de la
atmsfera inferior de temperatura y humedad
constantes, dichas masas de aire se clasifcan
segn su temperatura en fras y clidas. Cuando
dos masas de aire con temperaturas distntas
chocan, se produce la otra variable de estos
eventos el frente, el cual es defnido como una
lnea de contacto entre el aire fro de origen rtco
o polar y el aire clido de origen subtropical. La
caracterstca que distngue a los frentes fros es la
capacidad de generar lluvias fuertes y tormentas
de grandes magnitudes, cuando interactan con
otras masas de aire con una mayor temperatura.
El aire fro al ser ms denso se mantene cerca de
la superfcie, lo que provoca que las masas de aire
clido tengan que elevarse. Este evento se da con
mucha violencia lo que origina nubes de desarrollo
vertcal como los cmulos y cumulonimbos, los
cuales estn asociados a lluvias intensas.
Para el caso de Costa Rica, los frentes fros se
dan cuando las masas de aire polar que vienen
del Ocano Atlntco entran al mar Caribe e
interacta con las masas de aire tropicales que
se originan en el Ecuador, este fenmeno ocurre
debido a la circulacin atmosfrica la cual genera
que distntas masas de aire en el planeta estn en
constante movimiento.
Segn lo anterior, se puede entender por qu los
frentes fros tenen una estacionalidad bastante
marcada en comparacin con otros eventos que
se originan durante todos los meses del ao, en la
fgura 1 se puede observar la distribucin mensual
de los frentes fros para el caso de Costa Rica, en
el perodo 2000 - 2010.
No todos los frentes fros causan algn impacto
social o productvo, algunos de ellos pueden
afectar al pas produciendo un aumento en la
precipitacin, sin embargo, su intensidad no llega
a ser la sufciente como para causar inundaciones,
deslizamientos o rfagas de viento, que afecten
algn sector social o productvo. Respecto a la
distribucin de los efectos de los frentes fros en
Costa Rica, se puede mencionar que las principales
zonas afectadas por este evento son las ubicadas
en el Caribe y la Zona Norte del pas, ya que las
nubes de tormenta ingresan por el mar Caribe y
se extenden por este territorio. En la fgura 2 se
presenta la distribucin cantonal de los impactos
por las lluvias asociadas a la presencia de frentes
fros, en el periodo 2000 - 2010.
El impacto de los frentes fros en Costa Rica tenen
un comportamiento espacial bastante uniforme,
ya que afectan principalmente los poblados que
se encuentran en las regiones climtcas del
Caribe Norte, Caribe Sur y la Zona Norte, siendo
el Caribe Norte la zona ms afectada por este
evento. El caso del cantn de Limn es bastante
especial, dado que en el periodo 2000 - 2010
se vio afectado en 34 ocasiones, siendo el lugar
donde se registra un mayor nmero de impactos.
El hecho de que la mayor cantdad de la poblacin
e infraestructura pluvial de la regin se concentra
en este cantn, puede explicar el nmero de
registros de daos (CNE, s.f.).
Figura 1. Distribucin mensual de los frentes fros
(nmeros de casos) registrados entre el 2000 y el
2010.
53
Otro aspecto a considerar en la distribucin de los
frentes fros, es la posicin geogrfca del sistema
montaoso. La ubicacin de las cordilleras del
pas, consttuye una barrera para el paso de
las masas de nubes, generando as una lluvia
orogrfca a barlovento de la montaa que afecta
principalmente el este del pas.
No obstante lo anterior se puede notar que hay
cantones que se encuentran en la Regin Central
y se ven afectados por los frentes fros, debido
a los diferentes pasos inter-montanos como por
ejemplo el paso de la Palma, entre el volcn Iraz
y el volcn Barva y el paso Coliblanco el cual se
ubica entre el volcn Turrialba y el vo lcn Iraz.
Dado las formaciones geomorfolgicas antes
mencionadas, se puede apreciar el ingreso de
los cmulos y los cumulonimbos, afectando as
distntos cantones como por ejemplo Turrialba,
Cartago y Jimnez. Sin embargo, la afectacin de
estos cantones es mucho menor en comparacin
al Caribe Norte, Sur y la Zona Norte, en los cuales
los frentes fros generan daos principalmente en
los meses de noviembre y diciembre. En cuanto
a la distribucin mensual de impactos, la fgura 3
presenta el acumulado para el perodo de estudio.
Tanto en la zona norte del pas como en el Caribe,
los frentes fros estn asociados con inundaciones
las cuales ocurren principalmente por dos
variables, tal como se detalla en el cuadro 1.
La intensidad del frente fro es de mucha
importancia, ya que distntos ros ubicados en
estas zonas se salen de su cauce natural dado el
aumento del caudal que se genera por las intensas
precipitaciones que provocan estos eventos, esto
sumado al relieve que presentan las tres regiones
afectadas, hace que sea muy fcil el desarrollo de
inundaciones generando daos socioeconmicos
Figura 2. Distribucin espacial de los impactos
registrados por frentes fros en el perodo 2000
2012. Costa Rica.
Figura 3. Distribucin mensual de los impactos
generados por frentes fros. Perodo de anlisis
2000-2012.
Cuadro 1. Variables que afectan las
inundaciones en Costa Rica
Fsicas Antrpicas
Lluvia Estacional
Cambios de uso del suelo en
las planicies aluviales
Eventos atmosfricos
Alteracin de las cuencas
hidrogrfcas
Lluvia Intensa
Mal diseo de la
infraestructura hidrulica
Avenidas Mala planifcacin urbana
Fuente: Comisin Nacional de Emergencia.
54
a las comunidades. En la fgura 4 se puede
observar el nmero de poblados afectados por
frentes fros en el periodo 2000-2010.
La tendencia lineal sugiere una disminucin notoria
de los impactos generadas por los frentes fros, sin
embargo, se debe hacer la salvedad de que esto no
refeja el hecho de que exista una disminucin de
los eventos. Como se puede observar en la fgura 5
el nmero de frentes fros va en aumento.
Tal como se muestra en la fgura 5, el nmero
de frentes fros que llegan al pas en el periodo
analizado presenta una tendencia en aumento,
esto principalmente a partr del ao 2008. Si
se comparan la fgura 4 y la 5, se observa que
durante el 2009 la cantdad de poblados afectados
aument, sin embargo, entre el 2009 y el 2010 el
nmero de afectaciones fue menor a pesar de que
el nmero de frentes fros aument. Es posible
que los frentes fros que llegaron no causaran
mayor afectacin, o bien, que la vulnerabilidad de
algunos cantones haya disminuido y su capacidad
para enfrentar situaciones extremas haya evitado
mayores afectaciones.
Lo anterior se ve evidenciado en el 2008, ao en el
que se produjo la mayor cantdad de impactos, sin
que este haya sido el de mayor cantdad de frentes
fros registrados. En este ao se contabilizaron
14 frentes fros, sin embargo, la cantdad de
pueblos afectados por este tpo de eventos es de
alrededor de 29. Por lo tanto, cabe destacar que
la intensidad del evento, as como las variables
antrpicas juegan un papel trascendental en la
cantdad de daos que se reportan.
El nmero de frentes fros que se estn generando
cada ao va en aumento, siendo el periodo que va
del 2008 al 2010 el ms actvo. Segn Alvarado y
Zarate (2005), una serie de factores podran estar
asociados al aumento de estos eventos. Cuando
la Oscilacin rtca est en su fase negatva los
frentes tenden a incrementarse, mientras que
el nmero de empujes fros tende a disminuir
cuando la Oscilacin rtca est en su fase
positva. Adems, en presencia de El Nio hay
un incremento en el nmero de frentes fros que
alcanzan Cuba. De lo anterior se puede entender
que los frentes fros no son un evento que se
produzca de forma aislada, sino que hay muchas
variables relacionadas a la variabilidad climtca
en diferentes escalas que son las encargadas de
modifcar el comportamiento de estos eventos.
3.2. Anlisis de sistemas
de baja presin
La evolucin de bajas presiones en el ocano
puede originar huracanes, estos se inician
Figura 4. Nmero de poblados afectados por fren-
tes fros y su tendencia decadal. Perodo de anli-
sis 2000-2013.
Figura 5. Nmero de frentes fros registrados y su
tendencia. Perodo 2000-2013.
55
como una baja presin y si las condiciones de
temperatura y viento son apropiadas, pueden
contnuar evolucionando a depresin tropical,
luego a tormenta tropical y por ltmo a huracn
tropical, tambin llamados sistemas ciclnicos.
Las bajas presiones son sistemas en las cuales el
aire clido que se encuentra en una menor alttud
es obligado a subir gracias a las masas de aire
fro, vientos, temperatura y a la menor presin
atmosfrica. El movimiento es ciclnico, lo que
genera la formacin de nubes que posteriormente
provocan lluvias intensas, debido a que, como
se mencion anteriormente, las bajas presiones
pueden llegar a convertrse en huracanes.
La formacin de este evento depende de la
distribucin de los vientos en la atmsfera, de la
circulacin atmosfrica y la temperatura.
Para Costa Rica en el periodo de estudio, los meses
en los que ms bajas presiones se presentaron
fueron octubre con 19 casos y noviembre con
30 eventos. Segn Alvarado (2013), las bajas
presiones son fenmenos muy frecuentes en esta
lattud, especialmente entre mayo y noviembre,
debido a que en esa poca el pas se encuentra
bajo el dominio de la Zona de Convergencia
Intertropical y otros fenmenos ciclnicos que
migran desde el Ocano Atlntco. En la fgura 6
se muestra la distribucin mensual de las bajas
presiones en el periodo de estudio.
En lo referente al impacto en la poblacin este es
similar al generado por los frentes fros, teniendo
la mxima afeccin en los meses de agosto,
octubre y noviembre, tal como se puede observar
en la fgura 7.
La razn por la cual en estos meses es donde
ms daos se generan, se debe al aumento en
las inundaciones asociadas a la saturacin de
los suelos. Es probable tambin, que el efecto
acumulado de la precipitacin durante la mayor
parte del perodo lluvioso (mayo a noviembre),
contribuya con los procesos de saturacin y el
aumento de caudales de los ros.
La distribucin de los impactos generados por las
bajas presiones es ms amplia que en el caso de los
frentes fros. Esto se debe a que las bajas presiones
se pueden originar tanto en el Caribe como en el
Pacfco, por lo que el impacto que se asocia se
puede presentar en cantones de ambas vertentes.
En el caso de los frentes fros el impacto es mucho
ms regional, esto debido al reforzamiento de
los vientos Alisios y a la barrera contnental que
representa el sistema montaoso del pas. Se
puede notar que los cantones ms afectados son
aquellos que presentan un relieve ms uniforme;
adems, este tpo de eventos tenen una mayor
reincidencia en la regin Pacfco Central, donde
los cantones de Aguirre y Parrita son los que
Figura 6. Distribucin mensual de las bajas presio-
nes registrados entre el 2000 y el 2010 en Costa
Rica.
Figura 7. Distribucin mensual de los impactos
causados por las bajas presiones. Perodo de an-
lisis 2000 y el 2010.
56
histricamente se han visto ms afectados. La
razn por la cual esta zona es la ms afectada
se puede asociar a la orografa que tene el
pas, ya que todas las formaciones montaosas
consttuyen una barrera que limita el paso de los
vientos hmedos que ingresan al pas, por lo cual
la poca distancia entre el ncleo de precipitacin
montaa arriba y la llanura, son el lugar propicio
para que se produzcan inundaciones repentnas
y sumamente erosivas en la partes altas de las
cuencas.
Lo anterior se puede ejemplifcar retomando el
caso de Parrita y Aguirre, lugares en los cuales
se encuentran cerros pertenecientes a la fla
Brunquea o Costea que es un sistema montaoso
secundario. Esta formacin se extende por la costa
central y sur del Pacfco costarricense y cuenta
con elevaciones de 500 a los 1500 msnm, lo que
ocasiona que las nubes formadas por la baja
presin generen lluvias en las partes altas, las que
posteriormente llegan a afectar en la parte baja de
cuencas como la del ro Parrita. Este fenmeno se
repite a lo largo del pas.
En la fgura 8 se puede observar la distribucin de
los impactos asociados a las bajas presiones para
Costa Rica, en el periodo 2000-2010.
En la fgura 9, se puede observar el nmero de
bajas presiones que realmente afectaron a una
poblacin en el periodo de estudio. Del total
de 85 bajas presiones que se reportan en la
base de datos, solo 48 afectaron realmente las
poblaciones, por lo tanto se puede decir que un
56% de las bajas presiones registradas son las que
ocasionaron daos directos a una poblacin.
En lo que respecta a la distribucin anual de las
bajas presiones, esta es bastante irregular tal
como se puede apreciar en la fgura 10.
Figura 8. Distribucin espacial de los impactos re-
gistrados por bajas presiones en el perodo 2000
2012. Costa Rica.
Figura 9. Nmero de bajas presiones que han afec-
tado poblados. Perodo de anlisis 2000-2013.
Figura 10. Nmero de bajas presiones registrados
y su tendencia. Perodo de anlisis 2000-2013.
57
Si bien es cierto no existe un patrn defnido en
el nmero de bajas presiones reportadas, si existe
una tendencia de aumento aunque esta no es
signifcatva.
4. Conclusiones
Dentro de las variables fsicas que ms infuyen
en la distribucin de los eventos, est el relieve,
dado que tanto en las bajas presiones como en los
frentes fros la orografa infuye en la distribucin
espacial de las lluvias intensas, por lo tanto, los
impactos estn asociadas a una lluvia orogrfca
bien defnida.
Tambin cabe resaltar el mes de noviembre
como el momento del ao donde hay ms
poblados afectados por ambos eventos, esto se
puede asociar a un punto en el cual los suelos se
encuentran saturados, por lo que las inundaciones
se originan con mucha ms facilidad.
Es importante realizar un anlisis de los eventos
hidrometeorolgicos extremos de forma
interdisciplinaria, ya que estos responden a
diversas variables tanto fsicas como sociales.
Al identfcar reas y grupos poblacionales
vulnerables, es factble elaborar poltcas y planes
reguladores que establezcan las reas de riesgo,
as como proyectos de vivienda acordes a las
situaciones ambientales que tene cada cantn,
capacitando adems a las poblaciones locales en
lo referente a los riesgos.
Si las medidas se toman con antcipacin a la luz
del cambio climtco, se lograra planifcar un
desarrollo que minimice estos posibles riesgos que
afectan las poblaciones del pas, especialmente
en la Zona Norte, el Caribe y el Pacfco Central.
5. Referencias
Alvarado, L. (2013). Resumen de Fenmenos
Meteorolgicos. Nota Tcnica. Insttuto
Meteorolgico Nacional. San Jos, Costa
Rica (en elaboracin).
Alvarado, L. & Zarate, E. (2005). Posibles relaciones
de cambio climtco en Centroamrica
y el Caribe suroccidental entre patrones
lluviosos actuales y futuros. Costa Rica:
Proyecto PNUMA-TWAS.
CEPAL, (2011). La economa del cambio climtco
en Centro Amrica. Reporte Tcnico.
Recuperado de: htp://www.eclac.org/
publ i caci ones/xml /5/43925/2011-29-
CambioClimatco-RT-L1016web_Cap_7.pdf
CNE, (S.F.) Deslizamientos, Inundaciones y
Sismos. Recuperado de: htp://www.cne.
go. cr/educaci on_asesori a/7/Fol l eto_
Deslizamientos.pdf.
Flores, R.; Salas, J.; Astorga, M. & Rivera, J. (2010).
El impacto econmico de los eventos
naturales y antrpicos extremos en Costa
Rica. 1988-2005. Costa Rica: Unidad de
Inversiones. MIDEPLAN.
Strahler, A. (1974). Geografa Fsica. Espaa:
Editorial Omega.
58
La Oscilacin atmosfrica Madden-Julian
(MJO) y las lluvias en Costa Rica
DANIEL POLEO BRITO1
ELADIO SOLANO LEN2
WERNER STOLZ ESPAA3
Resumen
Se llev a cabo un anlisis mensual del comportamiento de cada una de las ocho fases de la Oscilacin Madden-
Julian (MJO-siglas en ingls) y se obtuvo que para una amplitud (A) mayor que 1 se registr el doble de das en las
fases 5, 6 en el trimestre diciembre-febrero (DEF) en relacin con las otras fases. Las fases 1 y 2 triplican en das lo que
acumulan las otras fases, en los meses de mayor cantidad de lluvia del periodo agosto-octubre (ASO), en la vertiente
del Pacfico costarricense. Este comportamiento podra explicar un fortalecimiento de las precipitaciones en el
Pacfico centroamericano durante el perodo ASO, reforzando el comportamiento bimodal de las precipitaciones. Se
analizaron espectralmente las series de datos de lluvia de 12 estaciones meteorolgicas de Costa Rica en un perodo
de 38 aos, filtrando previamente las frecuencias menores a 30 das, aplicando luego el mtodo de la transformada de
Fourier se obtuvo la seal con mayor potencia en perodos comprendidos entre 28 y 90 das, los cuales se asociaron
con la MJO, siendo ms frecuente la seal con perodo de 30 das. Se compar la lluvia en cada una de las 8 fases de la
MJO y se observ que cuando la A>1 hay mayor diferencia en los acumulados de lluvia entre cada fase que cuando la
A<1. La vertiente del Pacfico cuando la A>1 present casi tres veces ms (menos) acumulados de lluvias durante las
fases 1 y 2 (4, 5 y 6) de la MJO; contrariamente, el Caribe y Zona Norte presentaron dos veces ms (menos) cantidad
de lluvia acumulada en las fases 5 y 6 (1, 2 y 8) de la MJO.
PALABRAS CLAVE: OSCILACIN MADDEN-JULIAN (MJO), ANLISIS ESPECTRAL MJO, MJO EN EL CARIBE,
PRECIPITACIONES Y MJO, ANLISIS DE FOURIER Y MJO.
Abstract
Was performed a monthly analysis of the behavior of each of the eight phases of the Madden-Julian Oscillation
(MJO-acronym in English) and was obtained for an amplitude (A) greater than 1 double days was recorded in phases
5, 6 in the December-February (DEF) quarter compared with the other phases. Phases 1 and 2 triples in days which
accumulate other phases, in the months of highest rainfall in the period August-October (ASO) in the Pacific slope
of Costa Rica. This behavior could explain the strengthening of rainfall in the Central American Pacific during the
ASO period, reinforcing the bimodal behavior of rainfall. Series of rainfall data from 12 weather stations Costa Rica
is spectrally analyzed over a period of 38 years previously filtering out frequencies below 30 days, then applying
the method of the Fourier transform of the signal with more power during periods was obtained between 28 and
90 days, which were associated with the MJO, the most common being the signal period of 30 days. Rain in each of
the eight phases of the MJO was compared and it was noted that when the A> 1, there is greater difference in the
cumulative rainfall between each phase when the A <1. The Pacific slope when A> 1 had almost three times more
(less) accumulated rainfall during phases 1 and 2 (4, 5 and 6) of the MJO; contrary, the Caribbean and North Zone
presented twice more (less) rainfall accumulated in phases 5 and 6 (1, 2 and 8) of the MJO.
KEYWORDS: MADDEN-JULIAN OSCILLATION (MJO), SPECTRAL ANALYSIS MJO, MJO IN THE CARIBBEAN,
RAINFALL AND MJO, MJO AND FOURIER ANALYSIS.
1 Meteorlogo. Departamento de Meteorologa Sinptca y Aeronutca. Insttuto Meteorolgico Nacional. Correo electrnico:
dpoleo@imn.ac.cr. Tel. (506) 2222-5616.
esolano@imn.ac.cr. Tel. (506) 2222-5616.
wstolz@imn.ac.cr. Tel. (506) 2222-5616.
59
1. Introduccin
La oscilacin atmosfrica de Madden-Julian (MJO,
por sus siglas en ingls) es el modo predominante
de la variabilidad intraestacional en los trpicos a
escala planetaria. Esta oscilacin modula, entre
otras cosas, la temporada de huracanes en la
cuenca del Atlntco Norte y en otra regiones
segn Klotzbach (2010), el fenmeno de El Nio/
Oscilacin del Sur (ENOS) y la actvidad lluviosa
convectva en los trpicos. Sus impactos locales
y remotos son de especial inters, dado que su
predictbilidad es de alrededor de dos semanas
segn Ventrice et al. (2013). Por ende, podran
antciparse con mayor antelacin eventos de
precipitaciones extremas o periodos muy lluviosos
en la regin centroamericana y del Caribe.
La actvidad convectva de la MJO se propaga hacia
el este a lo largo del ecuador, a una velocidad
de alrededor de 5 ms
-1
y est partcularmente
confnada al Hemisferio Este, aunque su seal, en
los niveles ms altos de la troposfera, afecta los
trpicos a nivel global segn Ventrice et al. (2013).
La MJO se genera por la fuerte actvidad convectva
que se desarrolla sobre el ocano ndico y tene
un periodo de alrededor de 45 das (30-60 das)
segn Madden y Julian, (1972) y de 30-90 das,
segn Martn y Shumacher (2011).
Martn y Shumacher (2011) analizaron la infuencia
de la MJO en la actvidad lluviosa del Mar
Caribe, utlizando datos diarios de precipitacin,
viento y otras variables atmosfricas estmadas
satelitalmente. Estudiaron la variabilidad
intraestacional (30-90 das) y las lluvias caribeas,
vinculndolas con las fases de la MJO defnidas
por Wheeler y Hendon (2004).
Madden y Julian (1994) identfcaron el ncleo
convectvo de mayor precipitacin, para
monitorizar el desplazamiento zonal de la MJO, la
cual se localiza primero sobre el sector occidental
del ocano ndico para luego propagarse hacia
el oriente sobre el ocano Pacfco occidental y
central. Dicho complejo convectvo se debilita
cuando se desplaza sobre las aguas fras del
Pacfco oriental.
Martn y Shumacher (2011) observaron cantdades
anmalas de lluvia de hasta 50% por encima
(debajo) del valor anual promedio, durante las
fases 1 y 2 (5 y 6) de la MJO, en la regin del Mar
Caribe. Cuando las anomalas fueron positvas
(negatvas) en las fases 1 y 2 (5 y 6), las desviaciones
del viento disminuyeron (aumentaron). Adems,
demostraron que las variaciones de los vientos
en los niveles ms bajos de la atmsfera, son ms
signifcatvas en la regin del Chorro de Bajo Nivel
del Caribe (CLLJ). Asimismo, encontraron que la
precipitacin extrema sobre las islas caribeas
muestra una fuerte relacin con las fases de la
MJO, dado que los eventos de lluvias extremas
ms intensas fueron ms frecuentes en las fases 1
y 2 en la regin del Mar Caribe.
Torres (2012) demuestra que las fases de la MJO
tenen relacin con el comportamiento de la
actvidad lluviosa en Colombia. Por su parte Paegle,
Byerle y. Mo (2000) estudiaron el reforzamiento
de las precipitaciones en Suramrica, como
consecuencia del fortalecimiento de la Zona de
Convergencia del Atlntco Sur por la MJO.
Klotzbach (2010) estudi la relacin entre la MJO
y la cantdad de ciclones tropicales en la cuenca
del Atlntco, logrando demostrar que en las
fases 1 y 2 la frecuencia e intensidad de dichos
fenmenos atmosfricos son signifcatvamente
mayores. Aunado a lo anterior, Alfaro, Solano
y Quesada (2010) relacionaron dicha actvidad
ciclnica en el Mar Caribe con la ocurrencia de
eventos extremos en el pas, lo cual evidencia lo
importante del estudio de la MJO.
Para determinar si las oscilaciones atmosfricas
afectan el comportamiento de las variables
meteorolgicas de una regin se recurre al
anlisis espectral de las series de tempo.
60
La Oscilacin atmosfrica Madden-Julian (MJO) y las lluvias en Costa Rica
Uno de los primeros estudios de este tpo
enfocado a las oscilaciones de la Atmsfera
Libre sobre Amrica Central fue realizado por
Amador (1975), aplicando fltros de paso alto
y bajo con frecuencias entre cuatro y diez das
aproximadamente. Amador (1975) realiz
anlisis espectrales de la temperatura, la altura
geopotencial y las componentes zonal y meridional
del viento, identfcando con ello los efectos sobre
Centroamrica de las ondas tropicales y ondas de
Rossby, entre otros. Sin embargo, no se utlizaron
datos de precipitacin ni frecuencias mayores a
20 das para analizar la posible seal asociada de
la MJO con el patrn lluvioso en Costa Rica.
El objetvo principal de este trabajo es investgar
si existe relacin entre el comportamiento de las
lluvias en Costa Rica y la MJO.
1.1. ndice de seguimiento y
diagrama de Wheeler-Hendon
Wheeler y Hendon (2004) desarrollaron un
ndice de monitorizacin de la MJO. ste se basa
en los coefcientes temporales (componentes
principales) de las funciones empricas ortogonales
del viento zonal -cuasi ecuatorial- en 850 hPa, el
viento zonal en 200 hPa y los datos de radiacin
de onda larga saliente (OLR) entre las lattudes
15N y 15S. A las primeras dos componentes
principales las denominaron ndices multvariados
en tempo real de la MJO 1 (MJO 2) -RMM1 y
RMM2 respectvamente-. Dichos ndices explican
el 25% de la varianza de los campos atmosfricos
originales, mientras que la tercera componente
principal (EOF 3) explica el 6.1% de la varianza,
razn por la cual se utlizan nicamente las dos
primeras componentes principales.
Adems, la MJO fue clasifcada en 8 fases segn
Wheeler y Hendon (2004). Cuanto mayor (menor)
sean su varianza y amplitud (ver ecuaciones 1 y 2)
ms (menos) intensa es la oscilacin. La amplitud
de la MJO se calcula segn las ecuaciones 1 y 2.
Varianza (V) = (RMM1)
2
+ (RMM2)
2
(1)
Amplitud (A) MJO = (Varianza)
1/2
(2)
En la fgura 1 se muestra el diagrama de Wheeler-
Hendon. La MJO de intensidad dbil tene amplitud
menor que 1 y se circunscribe al crculo central de la
fgura. La conveccin profunda de la MJO se localiza
en el ocano ndico en las fases 2 y 3, fases 1 y 8 en
el Hemisferio Occidental y frica, fases 6 y 7 sobre
el Pacfco Occidental y fases 4 y 5 en Oceana.
1.2. Algunas caractersticas dinmicas
de la MJO en funcin de sus ocho fases
Gotschalck, Kousky, Higgins y LHeureux (2014)
grafcaron la velocidad potencial en el nivel
atmosfrico de 200 hPa sobre la regin geogrfca
mostrada en la fgura 2, en funcin de las fases
de la MJO. El anlisis se hizo para los periodos de
noviembre a marzo (en adelante, periodo 1) y de
mayo a setembre (periodo 2), correspondientes a
Figura 1. Diagrama de Wheeler-Hendon para lo-
calizar la oscilacin de Madden-Julian segn las 8
fases de la MJO. Adaptado de Wheeler-Hendon
(2004).
61
las estaciones seca y lluviosa, respectvamente, de
la vertente del Pacfco de Costa Rica.
Las fases 1, 2, 3 y 4 muestran convergencia en
200 hPa en ambos periodos, aunque con valores
mayores en el periodo 2. Las fases 6, 7 y 8 refejan
patrones de divergencia con valores mximos,
partcularmente sobre la vertente del Pacfco
centroamericano. La fase 5 no muestra un patrn
dominante de divergencia en ambos cuatrimestres.
Los valores mximos de convergencias se detectan
sobre la vertente del Pacfco.
Los patrones de convergencia (divergencia)
en altura deberan desfavorecer (favorecer) la
actvidad lluviosa convectva sobre la regin
centroamericana.
La fgura 3 muestra anomalas de presin
atmosfrica, de signo contrario, entre el Mar
Caribe y la Vertente del Pacfco centroamericano,
partcularmente en las fases 3, 4, 7 y 8 (3, 4, 5,
7 y 8), del periodo 1 (2). Si en el Mar Caribe la
anomala es positva (negatva) y en el Pacfco,
negatva (positva), los vientos alisios se refuerzan
(debilitan). En este ltmo escenario el fujo
monznico se vera favorecido, partcularmente
en las fases 7 y 8 del periodo 2, correspondiente a
la estacin lluviosa del Pacfco centroamericano.
La fase 5 muestra anomalas negatvas en ambos
periodos sobre Costa Rica. Las anomalas del
vector viento en el nivel atmosfrico de 850 hPa y
de la radiacin de onda larga (OLR, por sus siglas en
ingls) sobre el ecuador en la regin del Pacfco y
Figura 2. Anomalas de la velocidad potencial (m
2
s
-1
) en el nivel atmosfrico de 200 hPa (1979-2004) en
funcin de las fases de la MJO. Adaptado de Gotschalck (2014).
62
partcularmente sobre la regin Centroamericana
dependen de las fases de la MJO (ver fgura 4).
En la fgura 3 las zonas sombreadas informan de
anomalas negatvas de OLR menores que -7.5,
-15, -22.5 y -30 Wm
-2
y las rayadas, anomalas
positvas mayores que 7.5, 15, 22.5 y 30 Wm
-
2
; las fechas muestran las anomalas del viento
estadstcamente signifcantes al 99%.
Las anomalas de vientos del oeste (ver fgura 4)
en las fases 1, 2 y 8 sobre la vertente del Pacfco
deberan favorecer la adveccin de humedad y los
procesos convectvos sobre la regin contnental,
y el fortalecimiento de la Zona de Convergencia
Intertropical o inclusive desplazarla hacia el norte
de su posicin climatolgica. Al mismo tempo, se
registra sobre el mar Caribe una desintensifcacin
del CLLJ y de la velocidad de los vientos alisios.
Por el contrario, las anomalas de viento del
este en la fases 3, 4, 5, 6 y 7 implican tanto la
intensifcacin de los vientos alisios sobre Centro
Amrica como del CLLJ, lo cual desfavorece la
actvidad lluviosa de la vertente del Pacfco de
Costa Rica, aumentndola en su regin caribea.
Las fases 1 y 8 de la MJO son las que muestran
las mayores anomalas, tanto del viento del oeste
como de la OLR.
Figura 3. Anomalas de la presin atmosfrica a nivel del mar (1979-2004) en funcin de las fases de la
MJO. Adaptado de Gotschalck (2014).
Periodo 1 Periodo 2
63
2. Metodologa
Se utlizaron datos diarios de 12 estaciones
meteorolgicas mecnicas del Insttuto
Meteorolgico Nacional (IMN) (cuadro 1), con
un registro de enero de 1975 a julio de 2013,
exceptuando la estacin meteorolgica de Peas
Blancas cuyo periodo abarca hasta el ao 2006.
Los datos faltantes llegan a un mximo de 10 %
y se completaron aplicando la tcnica de Alfaro y
Soley (2009).
La caracterizacin de la MJO se basa en las
componentes RMM1, RMM2 y sus fases diarias
registradas por la Ofcina de Meteorologa de
Australia (htp://www.bom.gov.au/climate/mjo).
Se aplic el mtodo de fltrado Gaussiano de
ventanas de paso bajo con frecuencia igual a
31 das a las series de datos diarios de lluvia
para atenuar los espectros de altas frecuencias
menores a 30 das. Para tal efecto se us un
fltro del paquete computacional Matlab (versin
R2007). Posteriormente, se llev a cabo el
anlisis espectral de los datos basndose en
la metodologa de Torrence y Compo (1998),
para determinar si exista una seal de inters
alrededor de 30-60 das. Para tal efecto se utliz
Figura 4. Anomalas del vector viento en el nivel atmosfrico de 850 hPa y de
la radiacin de onda larga del periodo 1974-2003 de mayo-junio (exceptuando
1978) en funcin de las fases de la MJO. Adaptado de Wheeler-Hendon (2004).
64
un anlisis armnico de Fourier (ver ecuaciones 3
y 4), con una secuencia de N datos de entrada del
resultado x (anlisis de Fourier), donde N son los
datos diarios de la precipitacin. Luego, se aplic
la transformada rpida de Fourier (X) como un
vector de longitud N, X (ecuacin 4).
Se contabilizaron y grafcaron las cantdades de
das de la MJO en funcin de su fase con el fn
de determinar si existan variaciones mensuales
signifcatvas en el periodo de estudio. Adems, se
diferenciaron los acumulados de lluvia asociados
con amplitudes mayores y menores a 1 de la MJO.
Para determinar si existan diferencias entre los
registros totales de lluvia y la oscilacin mensual,
se grafcaron los acumulados de lluvia para cada
fase de la MJO durante los meses de octubre y
julio, con el fn de establecer si las tendencias de
precipitacin anual se repetan durante el mes
ms lluvioso (seco) en la vertente del Pacfco
(Caribe) y durante el perodo de ocurrencia del
Veranillo.
Martn y Shumacher (2011) sugieren que no
existen diferencias estacionales entre los perodos
de duracin de las fases de la MJO, sin embargo,
no presentaron una comparacin mensual de la
oscilacin. Se grafcaron las variaciones mensuales
de la MJO para amplitudes mayores a 1 en cada
una de las fases con una signifcancia estadstca
del 98%. Se buscaba encontrar algn tpo de sesgo
de las fases 1 y 2 durante los perodos de mayor
precipitacin en la estacin lluviosa de la vertente
del Pacfco de Costa Rica y algn predominio de
las fases 4 y 5 durante la estacin seca de la misma
vertente, en el periodo noviembre-abril.
Se compar durante el mes de octubre el
comportamiento de la MJO en Liberia, Coto 47 y
Caribe Sur, con el fn de observar si exista alguna
relacin entre el mes ms lluvioso de la vertente
del Pacfco o del Caribe y el comportamiento de
la MJO, as como para el mes de julio, en el cual
se presenta la primera parte del perodo canicular
(Veranillo).
Cuadro 1. Estaciones meteorolgicas mecnicas utilizadas en el estudio (1975-2013)
Cuenca
Hidrolgica
Nmero de
estacin
meteorolgica Nombre
Lattud ()
Norte
Lattud
() Norte
Longitud
() Oeste
Longitud
() Oeste
Alttud
(m) Vertente
69 515 QUEBRADA AZUL 10 24 84 28 83 Caribe
69 556 CIUDAD QUESADA 10 17 84 22 1450 Caribe
73 10 CATIE, TURRIALBA 9 53 83 39 602 Caribe
81 3 LIMN 9 57 83 1 5 Caribe
85 6
PUERTO VARGAS,
LIMN
9 43 82 48 3 Caribe
69 534 PEAS BLANCAS 11 12 85 36 80 Caribe
84 19
HDA. LA LAGUNA,
CURRIDABAT
9 55 84 0 1240 Pacfco
84 6
HDA. CONCEPCIN,
TRES ROS
9 57 84 8 997 Pacfco
94 2 MARTIMA 9 23 84 2 8 Pacfco
100 35 COTO 47 8 35 82 58 8 Pacfco
74 20
LLANO GRANDE,
LIBERIA
10 35 85 32 80 Pacfco
72 111 PAQUERA 9 49 84 56 15 Pacfco
65
Adems, se calcul el promedio de lluvia de todas
las estaciones en las vertentes del Caribe y del
Pacfco en funcin de cada una de las fases de la
MJO para amplitudes mayores que 1, se calcularon
las anomalas de precipitacin y se grafcaron para
obtener un promedio de su comportamiento en
cada regin, en funcin de las fases de la MJO.
Finalmente, se realiz un estudio de signifcancia
estadstca para muestras independientes con
una prueba T de Student, para los casos donde
las amplitudes mayores que 1 en cada una de las
estaciones estudiadas a un intervalo de confanza
de 95 %.
3. Resultados y anlisis
3.1. Anlisis espectral de los datos
diarios de lluvia de alguna estaciones
meteorolgica de Costa Rica
El anlisis espectral de los datos de lluvia diaria de
las estaciones meteorolgicas de la vertente del
Pacfco como Hacienda Curridabat, Quebrada,
Liberia, Paquera y Coto 47, muestran la mayor
seal espectral tene perodos de 28 a 55, lo que
podra identfcarse con la MJO (ver fgura 5). Las
dos ltmas son las que muestran las potencias
ms altas.
Figura 5. Anlisis espectral con fltrado de 30 das aplicado a las estaciones de Coto 47 (mayor potencia
da 29) y Liberia (mayor potencia da 28) (arriba-derecha), Hacienda Curridabat (da 55) (abajo-izquierda)
y Paquera (da 31) (abajo-derecha) localizadas en el Pacfco y el Valle Central. (Potencia (mm/da)* 10
-2
).
66
Quebrada Azul y Turrialba muestran una seal
ms clara alrededor de la frecuencia de inters
(fgura 6). En Limn y Puerto Vargas, vertente
caribea del pas, no se muestra una seal clara
como en la vertente del Pacfco, sin embargo, la
mayor potencia se sigue registrando en el periodo
de 29 a 50 das, equivalente a frecuencias de 0,02-
0,04 ciclos/da (fgura 7).
La deteccin de las seales espectrales asociadas
con la MJO en las estaciones meteorolgicas en
estudio, es de suma importancia desde el punto
de vista de la predictbilidad del comportamiento
de las lluvias, dado que el reforzamiento de stas
sera previsible en funcin de la estmacin de la
fase de la MJO presente sobre el pas.
Dicho aumento de las lluvias podra favorecer
la generacin de eventos de precipitaciones
extremos sobre lo normal en el pas en partcular
y sobre el rea centroamericana en general, de
tal manera que podra antciparse el aumento
Figura 6. Anlisis espectral con fltrado de 30 das aplicado a las estaciones en Quebrada Azul (Potencia
(mm/da)*10
-2
) (mayor potencia da 29) (izquierda) y CATIE (Potencia (mm/da)*10
-3
)(derecha), en la Zona
Norte y Caribe Norte respectvamente.
Figura 7. Anlisis espectral con fltrado de 30 das aplicado a las estaciones en Puerto Vargas (mayor poten-
cia da 50) (izquierda) y Limn (mayor potencia da 31) (derecha) del Caribe Sur costero. (Potencia (mm/
da)*10
-3
).
67
de la probabilidad de ocurrencia. Generalmente,
el patrn lluvioso se relaciona con variables de
mayor escala tanto temporal como espacial, sin
embargo, estos resultados demuestran que existe
una variabilidad y asociacin importante entre el
patrn lluvioso del pas y la MJO.
3.2. Distribucin mensual
de las fases de la MJO
En la fgura 8 se muestran las caracterstcas
mensuales relevantes, a saber: a) la fase 1
predomina en 50 das ms en relacin con las otras
fases en julio, mes de Veranillo en la vertente
del Pacfco de Costa Rica, b) las fases 1, 2, 5 y 6
estn presentes en igual medida en agosto, otro
mes de Veranillo en la regin centroamericana, c)
la fase 5 acumula una mayor cantdad de das en
los meses de setembre y octubre, bimestre ms
lluvioso de la segunda etapa de la estacin lluviosa
en la vertente del Pacfco, d) en el trimestre
diciembre-febrero (correspondiente al invierno
del hemisferio norte) predominan las fases 3, 6, 7
y 8, e), en mayo primer mes de la estacin lluviosa
del Pacfco, dominan las fases 7 y 8.
Todas las fases de la MJO estn presentes a lo largo
de los meses del ao en mayor o menor medida,
tal como lo plantearon Martn y Shumacher
(2011), quienes indican que no existen diferencias
estacionales importantes entre stas.
Figura 8. Cantdad total de das correspondientes a cada una de las fases de la MJO (A>1) entre el periodo
1975-2013.
68
3.3. Lluvia acumulada en algunas
estaciones meteorolgicas en
funcin de las fases de la MJO
Las fguras 9 y 10 muestran la lluvia acumulada
en las estaciones meteorolgicas en estudio,
en funcin de las fases de la MJO, tanto para
amplitudes mayores como menores que uno.
Las estaciones localizadas en la vertente del
Pacfco registran valores acumulados mayores en
la fase 1 y 2, en comparacin con el resto; en la
regin Caribe (Limn, Puerto Vargas y Turrialba)
la fase 5 es la que muestra mayores cantdades,
lo que estara concordando con la disminucin o
Figura 9. Lluvia acumulada (mm) para el perodo 1975-2013 en funcin de las fases de la MJO en la verten-
te del Pacfco; amplitudes mayores que 1 en color azul, menores que uno en rojo.
69
aumento, respectvamente de los vientos alisios y
por ende del CLLJ, entre otros factores.
Cuando las amplitudes de la MJO superan el
valor de uno, se presentan acumulados de lluvia
superiores en relacin a todos los casos en que la
intensidad es menor que uno, con excepcin de la
fase 4 en la estacin de Curridabat (ver fgura 9).
Los datos de la fgura 10 refejan el comporta-
miento de las estaciones meteorolgicas en la
costa caribea. Tanto Limn como Puerto Vargas
Figura 10. Lluvia acumulada (mm) para el perodo 1975-2013 (excepto Peas Blancas) en funcin de las fases
de la MJO en la vertente del Caribe; amplitudes mayores que 1 en color celeste, menores que uno en morado.
70
refejan que la fase 5 es la que muestra la mayor
cantdad acumulada de lluvia; mientras que
Peas Blancas, Quebrada Azul y Ciudad Quesada
muestran un escenario mixto, dado que tanto la
fase 1 como la 5 registran cantdades mayores
comparatvamente con el resto de las fases.
El comportamiento de las precipitaciones de
acuerdo a la fase de la MJO, es concordante en
las estaciones que pertenecen a la vertente del
Pacfco; partcularmente en las fases 1 y 2 se
observan acumulados de lluvia que superaron en
tres veces los montos acumulados en las fases 4
y 5. La fase 4 (fase 1) es la que presenta menos
(ms) cantdad de lluvia, durante el perodo de
estudio.
Las anomalas de las lluvias en la vertente del
Caribe (ver fgura 10), muestran que cuando la MJO
tene amplitudes > 1 stas superan en ms del 95%
de los casos a las cantdades con amplitudes < 1.
Por otra parte, en las fases 3, 4, 5 y 6 se presentaron
las diferencias ms notorias: cuando la MJO tene
amplitudes > 1, los montos de precipitacin
suelen ser mucho mayores que cuando se tenen
amplitudes < 1, llegando incluso a duplicarlos en
algunos casos; no obstante, en las fases 1, 2 y 8 se
obtuvieron diferencias de entre el 5 y el 30% en los
acumulados de lluvia, tenindose los montos ms
altos cuando la amplitud es > 1, al igual que en las
otras fases. En la estacin de Peas Blancas, los
acumulados de lluvia en la fase 1 con amplitud > 1
prctcamente duplicaron los montos recolectados
en esa misma fase, con amplitudes < 1.
En las estaciones del Caribe Norte y Sur se
obtuvieron acumulados de precipitacin muy
similares, con mayores (menores) montos de
lluvia en las fases 5 y 6 (1, 2 y 8), lo cual es an
ms notorio en las estaciones (costeras) de Puerto
Vargas y Limn, donde las fases ms lluviosas (5 y
6) triplican los acumulados de las menos lluviosas
(1,2 y 8). Especfcamente en la estacin de CATIE,
las diferencias son del doble en las fases ms
lluviosas (5 y 6).
Peas Blancas muestra caracterstcas tpicas de
estaciones del Pacfco y del Valle Central, donde
los mximos de precipitacin y las mayores
diferencias entre las fases ms intensas y dbiles
de la MJO se presentan en las fases 1 y 2. Por otra
parte, la estacin Quebrada Azul presenta un
comportamiento mixto, con acumulados mximos
de precipitacin durante las fases 1, 5 y 6.
3.4. Lluvia acumulada en el mes de
octubre en funcin de las fases de la MJO
en algunas estaciones meteorolgicas
Como se muestra en la fgura 11 la estacin
ubicada en Liberia muestra las mayores cantdades
de lluvia en las fases 1, 2 y 3; por el contrario, los
valores menores se observan en las fases 3, 6 y
7, estas fases acumulan menos de 4000 mm en
Liberia), es decir, menos de la mitad de lo que
acumulan las fases ms actvas. En Coto 47, la
mayor cantdad de lluvia se registr en las fases 1
y 5 y la menor en las fases 3 y 7.
En la estacin de Limn, la mayor (menor) cantdad
de lluvia se acumul en las fases 4 y 5 (3, 7 y 8),
este incremento es concordante con el aumento
del fujo de Alisios.
71
3.5. Lluvia acumulada en el mes de
julio en Liberia (Pacfico Norte) en
funcin de las fases de la MJO
La fgura 12 muestra que en los meses de julio
en los que predomina la fase 1 se deberan
refejar veranillos menos perceptbles. Por el
contrario, si estn presentes las fases 4 y 5, los
periodos caniculares deberan ser ms intensos.
Esta partcularidad muestra que para antcipar
el comportamiento de los Veranillos no basta
con considerar, aisladamente, las oscilaciones
de gran escala tanto espacial como temporal,
sino que se debe prever la fase de la MJO que
estar presente a corto plazo, lo que modulara el
comportamiento de los periodos secos, en mayor
o menor cuanta. La intensidad de los periodos de
Veranillo depende tambin, del tpo de fase actvo
de la MJO.
Del mismo modo puede observarse, que hay una
marcada diferencia entre las precipitaciones con
amplitudes mayores a 1 en la fase 1 y el resto de
Figura 11. Lluvia acumulada en octubre (1975-
2013) en funcin de las fases de la MJO en Libe-
ria (Pacfco Norte), Coto 47 (Pacfco Sur) y Limn
(Regin Caribe).
Figura 12. Lluvia acumulada en el mes canicular
de julio (1975-2013) en funcin de las fases de la
MJO en Liberia (Pacfco Norte).
72
las fases. En la mayora de las fases los mayores
acumulados de lluvia fueron cuando se tenan
amplitudes mayores a 1, resaltando que hay una
marcada diferencia cuando se observa la fase 1,
con casi tres veces ms lluvia cuando se tena
amplitud mayor a 1.
3.6. Anomalas porcentuales
de lluvia en funcin de las fases
de la MJO para las regiones del
Pacfico y Caribe de Costa Rica
La fgura 13 se muestra que la vertente del
Pacfco est asociada con un escenario defcitario
de lluvias cuando predominan las fases 3, 4, 5, 6 y
7, con precipitaciones de hasta de un 30 % menos
durante la fase 4 de la MJO; por el contrario, se
presentan supervits en las fases 1, 2 y 8, siendo
las fases 1 y 2 las que presentan mayores valores
entre 35 y 40 %. En la regin Caribe se observan
anomalas positvas en las fases 3, 4, 5, y 6, con
hasta un 50 % ms de acumulado de lluvia en
la fase 5 en comparacin con el promedio; los
escenarios defcitarios se presentan en las fases 1,
2, 7 y 8. La fase 1 (5) es la de mayor supervit en la
vertente del Pacfco (Vertente del Caribe).
4. Conclusiones
En el patrn lluvioso de Costa Rica existe una seal
espectral con un perodo que oscila entre 30 y 55
das, la cual podra asociarse con la MJO tal y como
se muestra en las fguras 5, 6 y 7. Es importante
sealar, que al ser los resultados signifcatvos al
98 % pueden ser concluyentes para las estaciones
estudiadas.
La actvidad lluviosa mensual podra verse
reforzada o desfavorecida en funcin de la fase de
la MJO imperante, hecho que estara enmarcado
dentro de la variabilidad climtca de la regin
centroamericana.
Los periodos caniculares deberan ser
desfavorecidos (favorecidos) por la presencia de
la fase 1 (5) de la MJO. Esto podra explicar el
porqu de la variabilidad en el comportamiento
de los veranillos antes eventos similares del ENOS.
Cuando se analizaron las series de tempo, se
pudo observar que hay mayor cantdad de lluvia
durante las diferentes fases cuando la amplitud
de la MJO es mayor que 1. En la vertente del
Caribe se presenta mayor (menor) cantdad de
precipitaciones durante las fases 4 y 5 (1 y 2) de la
MJO. Se muestran estaciones con casi tres veces
ms precipitaciones durante los perodos de las
fases 4 y 5, con varianzas menores que 1.
Figura 13. Anomala porcentual de lluvia acumu-
lada en funcin de las fases de la MJO (A>1) para
todas las estaciones de las vertentes del Pacfco
y Caribe de Costa Rica.
73
Cuando se comparan los acumulados de lluvia del
perodo de 38 aos en cada una de las fases, en la
vertente del Pacfco se presenta mayor (menor)
cantdad de precipitaciones durante las fases 1 y 2
(4 y 5) de la MJO.
En la regin del Caribe existen tres patrones
diferentes de lluvia, cuando se relacionan los
acumulados de lluvia y la fases de la MJO: un
rgimen costero muy marcado que responde a
mayores patrones de precipitacin durante las fases
4, 5 y 6; un rgimen mixto que presenta mximos
de precipitacin similares a las condiciones que se
presentan en el Pacfco y al rgimen costero del
Caribe; fnalmente existe un rgimen muy similar
al que se presenta en la vertente del Pacfco con
mximos de precipitacin durante las fases 1 y 2,
tal y como lo muestra la estacin de Peas Blancas
en la Zona Norte.
El aumento en las precipitaciones de la vertente
del Pacfco durante las fases 1 y 2 de la MJO,
podra deberse a diversos factores entre los
que se encuentran la intensifcacin de la
Zona de Convergencia Intertropical (ZCIT) y su
posicionamiento ms al norte de lo habitual; el
fortalecimiento de los sistemas de baja presin
atmosfrica durante estas fases como lo sugieren
Maloney y Hartmann (2000), Klotzbach (2010) y
Martn y Schumacher (2011).
El aumento de las lluvias en el Caribe durante
las fases 5 y 6 de la MJO, podra estar ligado a un
reforzamiento de los vientos alisios y al CLLJ al
aumentar la convergencia en la zona de salida del jet.
Estos resultados son muy importantes, ya que
podran usarse para mejorar la predictbilidad y
los pronstcos de lluvia, debido a las relaciones
que existen entre las amplitudes, las fases y
las precipitaciones en Costa Rica y la buena
predictbilidad que se tene para la fase y amplitud
de la MJO.
5. Recomendaciones
Se recomienda realizar un anlisis similar con una
mayor cantdad de estaciones meteorolgicas, a
fn de mejorar la distribucin espacial y utlizar la
MJO como ndice predictor de las lluvias en el pas,
tanto para prever la actvidad lluviosa mensual,
como para prever eventos hidrometeorolgicos
extremos.
Adems, para obtener mejores resultados
en los anlisis se podran desarrollar ndices
de precipitacin, con el fn de llevar a cabo la
comparacin de estos con cada una de las fases
de la MJO y poder determinar umbrales en cada
una de las fases y regiones del pas.
6. Referencias
Amador, J. (1975). Anlisis espectral de las
oscilaciones de la atmsfera libre sobre
Amrica Central. Tesis de Grado para optar
al ttulo de Licenciado en Meteorologa.
Escuela de Fsica, Universidad de Costa Rica.
Alfaro, E.J.; Solano, F. & Quesada, A. (2010).
Anlisis del Impacto en Costa Rica de los
ciclones tropicales ocurridos en el Mar
Caribe entre 1968-2007. Dilogos, Revista
electrnica de Historia. 11(2). pp. 22-38.
Alfaro, E.J. & Soley, F.J. (2009). Descripcin de dos
series de tempo meteorolgicas. Revista de
Matemtca: Teora y aplicaciones. CIMPA-
UCR. 60-75.
Gotschalck, J.; Kousky, V.; Higgins, W. & LHeureux,
M. (2014). Madden Julian Oscillaton.
Nacional Weather Center. Recuperado de:
htp://www.cpc.ncep.noaa.gov/products/
precip/CWlink/MJO/MJO_summary.pdf
Klotzbach, P. (2010). On the MaddenJulian
OscillatonAtlantc hurricane relatonship.
Journal of Climate. 23, 282293.
74
Klotzbach, P. (2012). El Nio-Southern Oscillaton,
the Madden-Julian Oscillaton and Atlantc
basin tropical cyclone rapid intensifcaton.
Journal and Geophysical Research. 117,
D14104, doi: 10.1029/2012JD017714.
Madden, R.A. & Julian, P. (1972). Descripton
of global-scale circulaton cells in the
Tropics with a 4050 day period. Journal of
Atmospheric Science. 29, 11091123.
Madden, R.A. & Julian, P. (1994). Observatons of
the 40-50 Day Tropical Oscillaton-A Review.
Monthly Weather Review. 122 (5), 814-837.
Maloney, E.D. & Hartmann, D. (1998). Frictonal
moisture convergence in a composite life
cycle of the MaddenJulian oscillaton.
Journal of Climate. 11, 23872403.
Maloney, E. & Hartmann, D. (2000a). Modulaton
of eastern North Pacifc hurricanes by
the MaddenJulian oscillaton. Journal of
Climate. 13, 14511460.
Martn, E. & Shumacher, C. (2011). An All-
Season Real-Time Multvariate MJO Index:
Development of an Index for Monitoring
and Predicton. Journal of Climate. 813-824.
Paegle, J.N.; Byerle, D. & Mo, K. (2000).
Intraseasonal modulaton of South
American summer precipitaton. Monthly
Weather Review. 128, 837850.
Torrence, C. & Compo, G. (1998). A practcal
guide to wavelet analysis. Bull. American
Meteorological Society. 79, 6178.
Torres, C. (2012). Efecto de las ondas Madden-
Julian en la precipitacin sobre algunas
regiones del territorio colombiano. Tesis
de Grado para optar al ttulo de maestra
en Meteorologa. Facultad Ciencias,
Departamento de Geociencias, Universidad
Nacional de Colombia, Colombia.
Ventrice, M.; Wheeler M.; Hendon, H.; Schreck,
C.; Thorncrof, C. & Kiladis; G. (2013).
A modifed multvariate Madden Julian
Oscillaton 1 index using velocity potental.
Monthly Weather Review. Diciembre 2013,
Vol. 141, No. 12. pp. 4197-4210.
Wheeler, M. & Hendon, H. (2004). An all-
season real-tme multvariate MJO index:
Development of an index for monitoring
and predicton. Monthly Weather Review.
132, 191722 1932.

Top Met 062014

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Top Met 062014

Uploaded by

Copyright:

Available Formats

Editora:

Dra. Gladys Jimnez Valverde

You might also like