TRABAJO ESPECIAL DE GRADO

APLICACIN DE NDICES DE ESTABILIDAD ATMOSFRICA AL PRONSTICO METEOROLGICO DE LA REGIN CENTRO NORTE COSTERA DE VENEZUELA.

TUTOR ACADMICO: Profesor Abraham Salcedo. TUTOR INDUSTRIAL: Doctor en Meteorologa. Pedro Crdenas.

Presentado ante la Ilustre Universidad Central de Venezuela Por la Br. Mayri Concepcin Chourio lvarez Para optar al Ttulo de Ingeniera Hidrometeorologista.

Caracas, Noviembre 2009.

Chourio A. Mayri C.

APLICACIN DE NDICES DE ESTABILIDAD ATMOSFRICA AL PRONSTICO METEOROLGICO DE LA REGIN CENTRO NORTE COSTERA DE VENEZUELA.
Tutor Acadmico: Prof. Abraham Salcedo. Tutor Industrial: Dr. Pedro Crdenas. Trabajo Especial de Grado. Caracas, UCV. Facultad de Ingeniera. Escuela de Ingeniera Civil. Departamento de Ingeniera Hidrometeorolgica. 2009. Palabras Clave: Estabilidad Atmosfrica - ndices de Estabilidad Atmosfrica - Pronstico Meteorolgico. Resumen. Los fenmenos meteorolgicos influyen directamente en las actividades diarias de todos los seres humanos, as como en la economa de una regin. Por lo tanto cada da se hace imperioso mejorar el pronstico del tiempo meteorolgico. El objetivo principal de esta investigacin es generar un aporte al pronstico meteorolgico, para lo cual se propone el uso de ndices de Estabilidad Atmosfrica provenientes de sondeos virtuales de la atmsfera, como una herramienta prctica y sencilla que permita evaluar las condiciones sinpticas favorables para la conveccin; y a su vez con estos, elaborar posibles modelos de pronstico probabilstico de ocurrencia de lluvia. El rea de estudio es la Regin Centro Norte Costera de Venezuela, donde se utilizaron sondeos simulados de la atmsfera con el modelo GDAS a las 12:00 UTC, durante el trimestre mayo-julio, en el perodo 2005-2008, para las coordenadas correspondientes a las estaciones pluviomtricas: La Carlota, Maiqueta, Maracay y Valencia. En cada estacin, y con el uso de mtodos estadsticos, grficos y analticos, se determinaron umbrales para cada uno de los ndices asociados con la ocurrencia de precipitaciones. A nivel regional, los umbrales obtenidos son: td850 >13 C, CAPE>1000 J/Kg, CINH>-60 J/Kg, theta-e850>340 K, KI>30 C, WI>45 C, CT>18 C y TT>34 C, que resultan de utilidad en la elaboracin de mapas de ndices de Estabilidad Atmosfrica como apoyo a los pronsticos operativos a corto plazo. Adicionalmente, se elaboraron ecuaciones de regresin lineal y logstica, las primeras fueron utilizadas como diagnstico para evaluar el comportamiento de la serie de datos utilizada y se determin que su uso no es aplicable directamente al pronstico, porque dichas ecuaciones no acotan las salidas del modelo entre los valores lmites de las probabilidades [0,1]; sin embargo, las ecuacin de regresin logstica binaria, estn diseadas de manera que acotan las salidas del modelo proporcionando aciertos superiores al 65%. Por lo tanto, el modelo de regresin logstica binaria, cumple con las condiciones para aplicarlo como mtodo de pronstico en la Regin Centro Norte Costera de Venezuela.

-1-

Cabe destacar que el porcentaje de aciertos mejora a medida que se amplia la serie de estudio, como se pudo concluir al comparar este desarrollo con el elaborado para un ao completo de datos y sondeos en la Estacin La Carlota. De igual manera, al aumentar la cantidad de estaciones con datos confiables el modelo suministrar informacin ms confiable y representativa de la regin de estudio.

-2-

NDICE GENERAL INTRODUCCIN ............................................................................................................................... 10 CAPTULO I. Fundamentos de la Investigacin ................................................................................ 14 Planteamiento de Problema ................................................................................................................. 14 Marco Referencial ............................................................................................................................... 16 Objetivos.............................................................................................................................................. 20 Objetivo General .................................................................................................................. 20 Objetivos Especficos ........................................................................................................... 20 CAPTULO II. MARCO TERICO .................................................................................................. 21 Estabilidad Atmosfrica ...................................................................................................................... 21 Tipos de Estabilidad ............................................................................................................. 21 ndices de Estabilidad Atmosfrica ..................................................................................................... 22 Temperatura de Roco a 850 mb. Td850 .............................................................................. 22 Energa Potencial Disponible para la Conveccin. CAPE ................................................... 23 Inhibicin de la Conveccin. CINH ..................................................................................... 24 Temperatura Potencial Equivalente. Theta-e850.................................................................. 25 ndice K de Whiting. KI ....................................................................................................... 25 ndice de Humedad. WI ........................................................................................................ 26 ndice Cross Total. CT ......................................................................................................... 26 ndice Total de Totales. TT .................................................................................................. 27 Anlisis Estadstico de una Serie de Datos.......................................................................................... 28 Anlisis Correlacional. ......................................................................................................... 28 Anlisis de Varianza. ANOVA de un Factor ....................................................................... 29 Modelos de Regresin ......................................................................................................................... 29 Regresin Lineal Mltiple. ................................................................................................... 29 Mtodos de Seleccin de Variables. ............................................................................ 30 Por Pasos Sucesivos. ................................................................................................... 30 Eliminacin hacia Atrs............................................................................................... 30 Seleccin hacia Adelante. ............................................................................................ 31

-3-

Regresin Logstica Binaria. ...................................................................................................... 32 Mtodos de Seleccin de Variables ............................................................................. 32 Introducir ..................................................................................................................... 32 Seleccin hacia Adelante (Condicional)...................................................................... 32 Seleccin hacia Adelante (Razn de Verosimilitud) ................................................... 33 Seleccin hacia Adelante (Wald) ................................................................................ 33 Eliminacin hacia Atrs (Condicional) ....................................................................... 33 Eliminacin hacia Atrs (Razn de Verosimilitud)..................................................... 33 Eliminacin hacia Atrs (Wald) .................................................................................. 33 CAPTULO III. METODOLOGA ..................................................................................................... 34 Fase I. Informacin bsica necesaria ................................................................................................... 34 Obtencin de la Informacin ................................................................................................ 35 Datos de Precipitacin Diaria. ..................................................................................... 35 Datos de Sondeos Simulados....................................................................................... 35 Datos de Sondeos Reales. ............................................................................................ 35 Fase II. Procesamiento de la Informacin ........................................................................................... 36 Calidad de los Datos. ............................................................................................................ 36 Manejo de Datos. .................................................................................................................. 38 Fase III. Modelos de Pronstico de Lluvia ......................................................................................... 39 Anlisis de Datos .................................................................................................................. 39 Correlacin de cada uno de los ndices con P01. ........................................................ 39 Resumen descriptivo y ANOVA de un factor. ............................................................ 40 Umbrales............................................................................................................................... 42 Modelos de Regresin .......................................................................................................... 43 Fase IV. Validaciones Adicionales...................................................................................................... 44 Comparacin de Modelos de Prediccin para distintos perodos de tiempo. ....................... 44 Comparacin entre Radisondeos Reales e Interpolados (Virtuales) .................................... 44 CAPTULO IV. RESULTADOS Y ANLISIS ................................................................................. 46 Correlaciones ........................................................................................................................ 46

-4-

Regresin Logstica Binaria. ...................................................................................................... 32 Mtodos de Seleccin de Variables ............................................................................. 32 Introducir ..................................................................................................................... 32 Seleccin hacia Adelante (Condicional)...................................................................... 32 Seleccin hacia Adelante (Razn de Verosimilitud) ................................................... 33 Seleccin hacia Adelante (Wald) ................................................................................ 33 Eliminacin hacia Atrs (Condicional) ....................................................................... 33 Eliminacin hacia Atrs (Razn de Verosimilitud)..................................................... 33 Eliminacin hacia Atrs (Wald) .................................................................................. 33 CAPTULO III. METODOLOGA ..................................................................................................... 34 Fase I. Informacin bsica necesaria ................................................................................................... 34 Obtencin de la Informacin ................................................................................................ 35 Datos de Precipitacin Diaria. ..................................................................................... 35 Datos de Sondeos Simulados....................................................................................... 35 Datos de Sondeos Reales. ............................................................................................ 35 Fase II. Procesamiento de la Informacin ........................................................................................... 36 Calidad de los Datos. ............................................................................................................ 36 Manejo de Datos. .................................................................................................................. 38 Fase III. Modelos de Pronstico de Lluvia ......................................................................................... 39 Anlisis de Datos .................................................................................................................. 39 Correlacin de cada uno de los ndices con P01. ........................................................ 39 Resumen descriptivo y ANOVA de un factor. ............................................................ 40 Umbrales............................................................................................................................... 42 Modelos de Regresin .......................................................................................................... 43 Fase IV. Validaciones Adicionales...................................................................................................... 44 Comparacin de Modelos de Prediccin para distintos perodos de tiempo. ....................... 44 Comparacin entre Radisondeos Reales e Interpolados (Virtuales) .................................... 44 CAPTULO IV. RESULTADOS Y ANLISIS ................................................................................. 46 Correlaciones 46

-5-

Resumen descriptivo y ANOVA de un factor ...................................................................... 47 Umbrales............................................................................................................................... 48 Modelos de Regresin .......................................................................................................... 51 Modelos de Regresin Lineal Mltiple ....................................................................... 52 Modelos de Regresin Logstica Binaria..................................................................... 53 Comparacin entre distintos perodos. Modelos de Pronstico ........................................... 54 Comparacin entre Radiosondeos Reales e Interpolados ..................................................... 56 CONCLUSIONES ............................................................................................................................... 59 RECOMENDACIONES ..................................................................................................................... 62 REFERENCIAS BIBLIOGRFICAS ................................................................................................ 64 APNDICE I. TABLAS Y FIGURAS ............................................................................................... 67 APNDICE II. APLICACIN DE MODELOS AL PRONSTICO DE OCURRENCIA DE LLUVIA. ....................................................................................................................................... 87

-6-

LISTA DE TABLAS Tabla 1. Clasificacin de la Estabilidad Atmosfrica de propuesta por Pasquill (1970). ................... 22 Tabla 2. Clasificacin de la Estabilidad Atmosfrica con respecto al valor del ndice CAPE propuesta por Garca (2008) ................................................................................................................ 23 Tabla 3. Clasificacin de la Frecuencia de Tormentas en funcin del ndice K de Whiting, por Surez (1987). ............................................................................................................................... 26 Tabla 4. Clasificacin de la Actividad Convectiva en funcin del ndice TT por Garca (2008). ................................................................................................................................................. 27 Tabla 5. Localizacin Geogrfica de las estaciones meteorolgicas de estudio. Fuerza Area/ Regin centro norte costera de Venezuela ............................................................................... 34 Tabla 6. Errores en datos de Sondeos Interpolados. Los datos errados se resaltan en color amarillo. ............................................................................................................................................... 37 Tabla 7. Correlacin entre los ndices de Estabilidad Atmosfrica y la variable P01. En la Estacin Maracay. Correlacin significativa en color azul y no significativa en rojo. ....................... 39 Tabla 8. Resumen descriptivo, valores de F y significancia de los ndices de Estabilidad Atmosfrica. Correlacin significativa en color azul y no significativa en rojo. Estacin La Carlota. ................................................................................................................................................ 40 Tabla 9. Umbrales Sugeridos para cada ndice por diferentes autores. ............................................... 42 Tabla 10. Umbral Calculado para la serie completa. ndice td850...................................................... 43 Tabla 11. Valores de los coeficientes de correlacin entre la ocurrencia de lluvia y los diferentes ndices de estabilidad, para las 4 estaciones. Las correlaciones que aparecen en azul son significativas con un =0.05, mientras que las que aparecen en rojo no lo son................... 46 Tabla 12. Significacin de los anlisis de varianza para cada uno de los ndices por grupos definidos por la ocurrencia o no de lluvia, en las 4 estaciones. Los que aparecen en azul son menores a 0.05 y se consideran significativos..................................................................................... 47 Tabla 13. Umbral del ndice td850 y porcentaje de aciertos en das con lluvia para las 4 estaciones.. ........................................................................................................................................... 49 Tabla 14. Porcentaje de xitos en indicacin de da con lluvia por ndice y estacin. ....................... 50

-7-

Tabla 15. Umbrales sugeridos de Ocurrencia de Lluvia para diferentes ndices de estabilidad en la Regin Centro Norte Costera.. ................................................................................. 51 Tabla 16. Porcentaje de aciertos en los Modelos de Regresin Lineal Mltiple aplicado cada una de las estaciones. .................................................................................................................. 52 Tabla 17. Porcentaje de aciertos en los Modelos de Regresin Logstica Binaria para cada una de las estaciones. ........................................................................................................................... 53 Tabla 18. Comparacin de efectividad entre los mtodos de regresin. Estaciones Maracay, La Carlota y Valencia. ......................................................................................................................... 54 Tabla 19. Comparacin de un Modelos de Regresin Logstica Binaria en distintos perodos. .............................................................................................................................................. 55 Tabla 20. Modelo de Regresin Logstica Binaria, con todos los ndices (KI, CT, CAPE, CAP, td850 y theta-e850) y Markov, 2004-2007. Porcentaje de Aciertos. Por L. Garca, 2009. .................................................................................................................................................... 55 Tabla 21. Diferencias porcentuales entre Radisondeos Reales e Interpolados en la estacin Maracay. .............................................................................................................................................. 58

-8-

LISTA DE GRFICOS/ FIGURAS Grfico 1. Representacin grfica de los ndices CAPE y CINH ....................................................... 24 Grfico 2. Localizacin Geogrfica de las estaciones meteorolgicas de estudio. Fuerza Area/ Regin centro norte costera de Venezuela. .............................................................................. 34 Grfico 3. Intervalo de Confianza de la media al 95%. ndice CINH para los grupos 1 y 0. Estaciones La Carlota y Maracay. ....................................................................................................... 41 Grfico 4. Recorrido del ndice CINH para los grupos 1 y 0. Estacin La Carlota. ........................... 41 Grfico 5. Comparacin entre el IC de la media al 95% y recorridos del ndice thetae850 para los grupos 1 y 0. Estacin la Carlota. .......................................................................................... 48 Grfico 6. Diferencias de temperatura entre sondeos reales e interpolados a diferentes niveles de presin. ............................................................................................................................... 56 Grfico 7. Diferencias de temperatura entre sondeos reales e interpolados a diferentes niveles de presin. ............................................................................................................................... 57

-9-

LISTA DE SMBOLOS Y ABREVIATURAS

Smbolo o Abreviatura CAPE CINH CT F KI P01

Significado ndice de Energa Potencial Convectiva. ndice de Inhibicin de la Conveccin. ndice Cross Total. Distribucin Probabilstica de Fisher. ndice K de Whiting. Variable de Precipitacin dividida en los grupos 0 y 1, correspondientes a la no ocurrencia y ocurrencia de lluvia, respectivamente.

T Td Td850 Theta-e850 Ti Tr TT WI ca mq ma va

Temperatura de Aire. Temperatura del Punto de Roco. Temperatura del Punto de Rocoa 850 mb. Temperatura Potencial Equivalente a 850 mb. Temperatura Proveniente de Sondeos Interpolados. Temperatura Proveniente de Sondeos Reales. ndice Total de Totales. ndice de Humedad. Estacin La Carlota Estacin Maiqueta Estacin Maracay Estacin Valencia

- 10 -

INTRODUCCIN La lluvia es fundamental para el desarrollo de la vida sobre la Tierra donde, tanto plantas como animales se benefician de ella y como parte fundamental del ciclo hidrolgico, es un fenmeno natural y peridico; sin embargo, algunos tipos de precipitaciones pueden ocasionar daos considerables en algunas zonas de acuerdo a las condiciones fsico geogrficas de las mismas. En algunos lugares, la ocurrencia de lluvias acompaadas de inundaciones catastrficas, de prdidas humanas y materiales, ha sido alarmante y ha motivado la realizacin y puesta en prctica de distintas investigaciones y la ejecucin de proyectos que contribuyan a disminuir los efectos que puede desencadenar la ocurrencia de algunos fenmenos meteorolgicos. En este sentido un pronstico meteorolgico claro y confiable es la base fundamental de la gestin de riesgo. El pronstico meteorolgico es un procedimiento que permite estimar el estado futuro de la atmsfera en base a sus condiciones meteorolgicas actuales. Esta estimacin depende directamente de la aplicacin apropiada de ciencia y tecnologa, las cuales con el paso del tiempo han evolucionado, aunque manteniendo como aspecto fundamental la recoleccin de datos que proporcionen informacin relevante acerca del estado de la atmsfera, tanto en superficie como a diferentes alturas. A pesar de los continuos esfuerzos que realizan los distintos entes encargados del estudio del tiempo atmosfrico, cada da se hace evidente la necesidad de conocer y aplicar nuevas herramientas que contribuyan a obtener pronsticos ms confiables. La presente investigacin se ha desarrollado en la bsqueda de una herramienta que de manera prctica y sencilla contribuya a mejorar la estimacin del tiempo en base al comportamiento vertical de la atmsfera mediante el uso de Sondeos Atmosfricos e ndices de Estabilidad Atmosfrica, derivados de modelos numricos de prediccin.

- 11 -

Es importante destacar que, adems de los utilizados en este trabajo, existen sondeos reales en una de las estaciones utilizadas, as como sondeos interpolados provenientes de modelos regionales. La dificultad de trabajar con los sondeos reales es que no se cuenta con una serie de datos continua. En el caso de los modelos regionales, el hecho es que no se cuenta con un archivo meteorolgico que permita obtener los sondeos correspondientes a fechas pasadas, es decir slo se pueden tener los datos del sondeo del da en curso. Aunque los modelos numricos de prediccin no son exactos, los mismos muestran una detallada informacin espacial y temporal de la estructura cintica y dinmica de la atmsfera y, debido a la gran cantidad de informacin que se puede obtener a partir de ellos, es til la implementacin de procedimientos automticos, que analicen gran parte de esa informacin y presenten productos de rpida interpretacin, para la tarea operativa del pronstico. Para el desarrollo de esta investigacin se determinaron las relaciones existentes entre los ndices, provenientes del modelo GDAS, y la ocurrencia o no de precipitaciones. Se realizaron pruebas respecto al uso de umbrales para cada ndice de estabilidad, se aplicaron mtodos de regresin lineal y logstica que involucraban a la vez todos los ndices de estabilidad. Cada prueba fue verificada determinando el porcentaje de aciertos obtenidos para la serie de estudio y, finalmente, observando las caractersticas propias de cada modelo aplicado, se hace la propuesta de la aplicacin de un mtodo de pronstico meteorolgico. El presente estudio consta de cuatro captulos y secciones adicionales, los cuales se presentarn organizados de la siguiente manera: Captulo 1. Fundamentos de la Investigacin: captulo introductorio que consta de tres partes. En primer lugar el Planteamiento del Problema, donde se describen las bases que constituyen la elaboracin de pronsticos del tiempo y la importancia de desarrollar y aplicar nuevas herramientas al mismo. Luego se encuentra el Marco Referencial, donde se

- 12 -

hace un esbozo de los antecedentes respecto al uso de los ndices de Estabilidad Atmosfrica y a los resultados obtenidos en los trabajos realizados anteriormente. La ltima parte de este captulo esta conformada por los Objetivos Generales y Especficos mediante los cuales se define de manera clara y concisa las metas, el alcance y una primera aproximacin del desarrollo de la presente investigacin. En el Marco Terico (Captulo 2) se realiza una descripcin sencilla y clara de la termodinmica de la atmsfera, se define los conceptos de Estabilidad e Inestabilidad Atmosfrica, tipos de estabilidad, ndices de Estabilidad Atmosfrica y su relacin con la ocurrencia de precipitaciones. Tambin se definen los mtodos estadsticos utilizados para analizar una serie de datos y obtener modelos de pronstico de ocurrencia de lluvia que proporcionen resultados confiables, como los son los Modelos de Regresin. El Captulo 3 contiene la informacin detallada de la Metodologa utilizada, la cual, a grosso modo consisti en la obtencin de informacin bsica necesaria, recoleccin de datos, procesamiento y revisin, modelos de pronstico de lluvia, anlisis de datos, verificacin de mtodos de prediccin y estudio de la viabilidad de cada modelo propuesto. En el Captulo 4, Resultados y Anlisis, se presentan los resultados obtenidos para las cuatro estaciones de estudio respecto al uso de ndices de estabilidad atmosfrica en el establecimiento de umbrales para la ocurrencia de lluvia y mediante las ecuaciones derivadas de los mtodos de regresin. A la par, se analizan estos resultados para inferir respecto a los mismos. Al final se presentan cuatro secciones. En la primera se exponen las Conclusiones derivadas de cada objetivo propuesto, en la siguiente se hacen las Recomendaciones respecto al mtodo aplicado en base a los resultados obtenidos y los anlisis realizados, con lo cual se deja la base para el desarrollo de lneas futuras; seguidamente se encuentran las Referencias Bibliogrficas que sirvieron de apoyo para la realizacin de esta investigacin y los

- 13 -

Apndices que contienen todas las tablas de datos, los figuras inherentes a cada estacin de estudio utilizados a lo largo del trabajo desarrollado y la esquematizacin grfica del proceso de aplicacin del modelo de pronstico de lluvia propuesto.

- 14 -

CAPTULO I. FUNDAMENTOS DE LA INVESTIGACIN PLANTEAMIENTO DEL PROBLEMA Actualmente existen diversos modos de realizar pronsticos para distintas escalas espaciotemporales. Un sistema moderno diario de pronstico del tiempo est conformado por cinco componentes bsicos: Coleccin de datos, Asimilacin de datos, Prediccin numrica del tiempo, salidas de Modelos post-procesados, y la Presentacin del pronstico al usuario final. Para obtener los datos necesarios en el trabajo de pronstico, se utilizan las observaciones de las estaciones de superficie y de aire superior (sondeos atmosfricos), adems de diferentes herramientas, como por ejemplo, las imgenes de satlite de donde se obtiene una visin global de la situacin meteorolgica; los radares meteorolgicos que proporcionan una visin regional, y las salidas de diferentes modelos numricos de la atmsfera para diferentes alturas. Sin embargo, la variabilidad del tiempo atmosfrico, as como la mayor importancia relativa de algunas localidades, induce a buscar una herramienta prctica y rpida para pronosticar la ocurrencia de precipitaciones y tormentas en localidades especficas. Los datos producidos por radiosondeos reales de la atmsfera, proporcionan una informacin valiosa respecto al estado de una capa gaseosa; sin embargo, la baja densidad de estaciones con dichos datos, hace necesario buscar alternativas que solucionen esta carencia. En este sentido se tiene como alternativa el uso de datos provenientes de sondeos virtuales, que resultan de gran aplicabilidad pues son fciles de obtener, son puntuales (proporcionando la ubicacin de cualquier zona se obtiene el sondeo) y econmicos. Bastara conocer si los datos suministrados por estos pueden ser aplicados en nuestra rea geogrfica.

- 15 -

Las investigaciones realizadas en el pas respecto a la estabilidad e inestabilidad de la atmsfera y los ndices de Estabilidad Atmosfrica, relacionados con la ocurrencia de precipitaciones, han demostrado que estos pueden ser utilizados como indicadores en prediccin de lluvias y que adems de manera rpida nos permiten un anlisis preliminar de la estabilidad de las masas de aire. Por lo expuesto anteriormente se desarrolla el presente estudio con el cual se propone un mtodo rpido y prctico, que incluye el uso de indicadores tiles para describir condiciones de potencial inestabilidad atmosfrica de la Regin Centro Norte Costera de Venezuela. El clculo y obtencin de estos indicadores est basado en sondeos atmosfricos simulados con el Modelo GDAS, aunque la metodologa utilizada no depende del tipo de sondeo de que se trate por lo cual puede utilizarse para otras verificaciones.

- 16 -

MARCO REFERENCIAL La utilidad de los ndices de Estabilidad Atmosfrica en el pronstico meteorolgico ha sido tema de estudio por muchos aos y ha contado con numerosos estudios que han demostrado esa utilidad, entre estos se destacan los siguientes: A. K. Showalter en 1946 (citado por Surez, 1987), comenz a desarrollar para la regin del sur de California (U.S.A) el diagrama de clculo de ndices de Estabilidad Atmosfrica como una ayuda en el pronstico de tormentas; Showalter ofreci este ndice como una herramienta simple capaz de proveer un rpido chequeo en las probabilidades de ocurrencia de tormentas; desde entonces el ndice de Showalter ha sido usado y probado en la parte central y occidental de los Estados Unidos por la Fuerza Area y los Servicios Meteorolgicos de este pas. En 1962, Rackliff, propuso la aplicacin de un ndice de estabilidad para la prediccin regional en las Islas Britnicas, cuando las condiciones son favorables para el desarrollo de tormentas. La intencin fue proporcionar un ndice rpido de calcular a partir del radiosondeo de las 2300GMT, con el fin de trazar un mapa de estabilidad que ayude a delinear aquellas reas de alta y baja probabilidad de ocurrencia de tormentas. En 1976, Litynski, Parfiniewiez y Piwkowski (citado por Surez, 1987), utilizaron el ndice de Showalter combinado con el ndice de Humedad para predecir tormentas y granizos. En 1978, Druyan y Sant (citado por Surez, 1987), usaron los radiosondeos para desarrollar y probar un procedimiento objetivo de pronstico de precipitaciones cada 12 horas en la regin de Bet Degan en Israel. En 1980, en Venezuela, el Laboratorio Sinptico del Departamento de Hidrometeorologa de la U.C.V. utiliz el ndice de Showalter (SI) en los mapas de estabilidad atmosfrica de

- 17 -

Venezuela y sus alrededores, como una ayuda en el pronstico del tiempo en el Valle de Caracas y en el Litoral Central; de la elaboracin diaria de estos mapas Surez, D. (1987), se interes en la utilidad de estos ndices en las zonas tropicales, especficamente en Maracay y desarrollo una investigacin que se titula Uso del ndice de estabilidad atmosfrica de Showalter en la prediccin de tormentas en Maracay, obteniendo los siguientes resultados para cada una de las siguientes condiciones: SI>3C, la probabilidad de ocurrencia de tormenta en Maracay es muy baja (5%). SI>4C, no ocurrieron chaparrones ni tormentas en dicha zona. SI>1C, es factible predecir tormentas en Maracay. SI<1C este ndice resulta de muy poca utilidad.

En 1999, Ravi, Mohanty, Mandan y Paliwal (citado por Surez, 1987), usaron el ndice de Showalter (SI) combinado con el ndice Total de Totales (TT), mediante una tcnica grfica, para predecir tormentas en Delhi durante la estacin pre-monzn (abril-junio). En el 2000, M. Romero, bajo la necesidad de optimizar el pronstico del tiempo en los numerosos puntos de inters para la empresa C.V.G. EDELCA, decide realizar una investigacin que involucre el estudio del aire superior, su evaluacin y comportamiento, que permita una descripcin de lo que ocurre en diferentes niveles de la atmsfera antes de que ocurra un evento de precipitacin, para esto ejecuta una serie de radiosondeos en las estaciones pertenecientes a la regin de estudio ; en tal sentido presenta el Trabajo Especial de Grado que se denomina Estudio de cinco ndices de Estabilidad Atmosfrica para la determinacin de su aplicabilidad como herramienta en la elaboracin de pronsticos hidrometeorolgicos para la cuenca del ro Caron, del cual concluye que existe un nmero considerable de estaciones que presentan seales de adaptabilidad con respecto a los ndices de estabilidad atmosfrico calculados en la regin de estudio.

- 18 -

Los eventos extremos que tuvieron gran impacto en el Litoral Central y Valle de Caracas en los aos 1999 y 2005 motivaron al surgimiento de una serie de investigaciones en el Departamento de Hidrometeorologa de la U.C.V., entre los ms destacados tenemos: La investigacin desarrolla por Durn (2008) que lleva por nombre: Determinacin de la aplicabilidad de cinco ndices de Estabilidad Atmosfrica como herramienta de pronstico para ser utilizada en la Regin Centro Norte Costera de Venezuela, para este estudio trabaja con un modelo de simulacin de sondeos de la atmsfera GDAS por medio del cual obtiene cinco ndices distintos y basndose en la determinacin de umbrales para la regin de estudio concluye que: Se desarroll una metodologa novedosa y prctica que permiti comprobar la calidad de las predicciones estacionales e incluso se pudiera pensar que de ser aplicada en otras estaciones, intercaladas entre las ya analizadas en esta investigacin y esparcidas en toda la extensin de la Regin Centro Norte Costera de Venezuela permitir obtener un estimacin significativa de los umbrales de los ndices de Estabilidad Atmosfrica como indicadores de condiciones de potencial de inestabilidad atmosfrica. La autora descart el uso del ndice de Inhibicin Convectiva (CIN) por no presentar ninguna tendencia clara. Luis Felipe Garca (2009) realiza un estudio para las cuencas de los ros Caron y Paragua, el cual denomina Pronstico de Ocurrencia de Lluvias usando ndices de Estabilidad Atmosfrica y Cadenas de Markov. De su investigacin obtiene que, al aplicar la ecuacin de regresin logstica a una serie de datos, teniendo como variables independientes algunos ndices de Estabilidad Atmosfrica y las probabilidades de Markov, se puede pronosticar lluvias con aciertos superiores al 77%, en promedio para un ao completo. Adicionalmente aplica su estudio diferenciando el perodo seco del lluvioso, y concluye que: el comportamiento de los ndices de estabilidad atmosfrica como variable independiente, en un modelo de regresin logstica, vara para cada poca del ao, es decir, en poca seca el modelo pronostica mejor la no ocurrencia de lluvia y en el perodo lluvioso pronostica mejor la ocurrencia.

- 19 -

Pedro Crdenas (2009), motivado por la necesidad de aplicar un nuevo mtodo de pronstico que proporcione valores cuantitativos de probabilidades de ocurrencia de lluvia, desarrolla un Caso de Estudio en la estacin La Carlota. Para su estudio trabaja con todo el ao 2008, manejando la hiptesis de que para determinar y aplicar un modelo de pronstico confiable se debe trabajar con series que incluyan aos completos, diferenciando el estudio para la poca seca y lluviosa, ya que esto permite conocer el comportamiento de las variables en diferentes perodos. En general, los resultados muestran aciertos superiores a 79% para todo el ao. A pesar de todas las investigaciones realizadas respecto al tema de estudio en la Regin Centro Norte Costera de Venezuela no se ha implementado el uso de esta herramienta como ayuda al pronstico meteorolgico a mediano plazo, en tal sentido y como un primer paso para esta implementacin, se presenta esta propuesta, la cual espera la recepcin y aplicabilidad del mtodo propuesto para la prediccin de lluvias.

- 20 -

OBJETIVOS OBJETIVO GENERAL Proponer un mtodo de pronstico de precipitacin diaria en la Regin Centro Norte Costera de Venezuela basado en el uso ndices de Estabilidad Atmosfrica mediante sondeos virtuales de la atmsfera. OBJETIVOS ESPECFICOS 1. Simular sondeos atmosfricos con el modelo GDAS en cuatro estaciones ubicadas en la Regin Centro Norte Costera de Venezuela, en el trimestre mayo-julio 20052008. 2. Obtener y determinar ndices de Estabilidad Atmosfrica con sondeos simulados. 3. Correlacionar los ndices de Estabilidad Atmosfrica con la precipitacin diaria. 4. Verificar los umbrales ajustados a la regin y perodo de estudio, para cada ndice de estabilidad atmosfrica. 5. Comprobar la aplicabilidad de los ndices de Estabilidad Atmosfrica en modelos de pronstico, para la regin y perodo de estudio.

- 21 -

CAPTULO II. MARCO TERICO Estabilidad Atmosfrica La estabilidad o equilibrio atmosfrico es la condicin del aire en reposo, en la cual los movimientos convectivos no existen o estn restringidos. En sentido opuesto, se define la inestabilidad atmosfrica como la condicin de movimientos convectivos predominantes de una masa de aire. Las variaciones de equilibrio de una masa de aire, se deben a cambios entre los factores meteorolgicos predominantes en estas, respecto a su entorno, siendo la temperatura la mayor responsable de que desaparezca la estabilidad. Tipos de Estabilidad La estabilidad puede ser de diferentes tipos, para definirlos se considerar una parcela de aire con ciertas condiciones de temperatura, humedad, presin y densidad. Esta parcela describir movimientos verticales ascendentes o descendentes de acuerdo a las condiciones del aire que la rodea, de esta manera, si la parcela es desplazada de su posicin inicial, esta puede: retornar a su estado original (equilibrio estable), mantener su movimiento hasta lograr un nuevo estado de equilibrio (condicin inestable); o permanece en el lugar de origen (equilibrio neutral). Existe una clasificacin de Estabilidad atmosfrica, propuesta por Pasquill (1970) y definida por el Gradiente Vertical de Temperatura o razn de variacin de la temperatura con la altura. De acuerdo a Pasquill, se definen 7 clases de estabilidad:

- 22 -

Tabla 1. Clasificacin de la Estabilidad Atmosfrica de propuesta por Pasquill (1970).

CLASE A B C D E F G DESCRIPCIN Muy Inestable Medianamente Inestable Ligeramente Inestable Neutra Ligeramente Estable Medianamente Estable Muy Estable VARIACION DE LA TEMPERATURA CON LA ALTURA Desciende ms de 5.6C cada 1000 m. Desciende entre 5.1C y 5.6C cada 1000 m. Desciende entre 4.5C y 5C cada 1000 m. Desciende entre 1.5 y 4.4C cada 1000 m. Aumenta de 1.5C a 4.5C cada 1000 m. Aumenta entre 4.6C y 12C cada 1000 m. Aumenta mas de 12C cada 1000 m.

ndices de Estabilidad Atmosfrica. Son parmetros diseados a partir de datos de temperatura y humedad de la atmsfera, a diferentes niveles de presin, que proporcionan una medida numrica de la estabilidad esttica de una capa atmosfrica dada. Son usados particularmente, para evaluar la probabilidad de chaparrones y tormentas. Existen una amplia gama de indicadores usados en distintas partes del mundo, como se indic en el Marco Referencial. A continuacin se definirn los que sern utilizados para el desarrollo del presente trabajo de investigacin: Temperatura de Roco a 850 mb. Td850. La temperatura de Roco es la temperatura a la cual habra que enfriar el aire, en un proceso a presin constante, de modo de alcanzar el nivel de saturacin (o en otras palabras, una humedad relativa de 100%). A 850 milibares esta temperatura sirve para determinar posible condiciones de movimiento ascendente de una masa de aire. Este valor numrico de este ndice se obtiene directamente de los sondeos. De acuerdo a pruebas empricas realizadas se obtuvo el valor de 13 C como umbral para la ocurrencia de lluvias. (Td850 >= 13 C).

- 23 -

Energa Potencial Disponible para la Conveccin. CAPE. Este parmetro fue diseado para evaluar la energa liberada una vez que se ha alcanzado la condensacin, en una parcela de aire que se mueve pseudoadiabticamente. Para el clculo del valor de este ndice se usa la siguiente expresin:

CAPE= g
Donde: g LCL EL
:
'

EL LCL

'

dz

Gravedad (m/seg2) Nivel de Condensacin por ascenso (mgp) Nivel de Equilibrio (mgp) Temperatura Potencial de la Parcela (oK) Temperatura Potencial del medio ambiente (oK)

Tabla 2. Clasificacin de la Estabilidad Atmosfrica con respecto al valor del ndice CAPE propuesta por Garca (2008).
CAPE (J/Kg) Estabilidad <0 Estable 0 a 1000 Levemente Inestable 1000 a 2500 Moderadamente Inestable 2500 a 3500 Muy Inestable > 3500 Extremadamente Inestable

Este parmetro mide la inestabilidad convectiva, sin embargo es insuficiente para predecir la conveccin.

- 24 -

Inhibicin de la Conveccin. CINH Este ndice representa la cantidad de energa necesaria para elevar la parcela hasta el Nivel de Libre Conveccin (LFC). Para favorecer la conveccin, debe ser lo menor posible. Esto indicara que no es necesario dar mucha energa al aire para que comience la conveccin. Este ndice se determina mediante la siguiente expresin:

CINH = g
Donde: z LFC z Sup Tv parcela

(Tv parcela Tvambiente ) Tvambiente

dz

Nivel de libre Conveccin, en metros. Altura de la superficie, en metros. Temperatura virtual de la parcela especfica.

Tv ambiente Temperatura virtual del ambiente. Es bsicamente lo opuesto del CAPE, grficamente representa el rea negativa entre el sondeo y el Nivel de Libre Conveccin (LFC).

Figura 1. Representacin grfica de los ndices CAPE y CINH

- 25 -

Temperatura Potencial Equivalente. Theta-e850 Temperatura que sirve para identificar condiciones de aire hmedo y caliente en una masa de aire. Es la temperatura que una parcela de aire hmeda tendra si fuera elevada hasta una altura en la que todo el vapor de agua se condensara, abandonara la parcela, y luego fuera adiabticamente comprimida hasta la presin de 1000 mb. Resulta de sumar a la temperatura sensible el calor latente liberado en el proceso de condensacin de la humedad de la parcela. En teora, cuando thetae850 toma valores superiores a 340 grados ocurren precipitaciones (Theta-e850>=340). ndice K de Whiting. KI Este ndice fue desarrollado por Whiting y es una medida del potencial de tormenta de una masa de aire, est basado en el gradiente vertical de la temperatura y en la cantidad y extensin vertical del contenido de humedad en la atmsfera inferior. Se calcula mediante la siguiente expresin:

K = (T850-T500) + Td850-(T700-Td700) Siendo: T850 T500 T700 temperatura en grados centgrados a 850 mb. temperatura a 500 mb. temperatura a 700 mb.

Td850 temperatura del punto de roco a 850mb. Td700 temperatura del punto de roco a 700 mb. Whiting clasific la frecuencia de tormentas en funcin de su ndice KI, como se muestra en la Tabla 3.

- 26 -

Tabla 3. Clasificacin de la Frecuencia de Tormentas en funcin del ndice K de Whiting, por Surez (1987).
KI < 20 20 a 25 25 a 30 30 a 35 > 35 Frecuencia de Tormentas Ninguna Tormentas Aisladas Tormentas Muy Dispersas Tormentas Dispersas Tormentas Numerosas

ndice de Humedad. W El valor del ndice de humedad W representa la humedad contenida en los niveles de 850, 700 y 500 mb. Para determinar su valor se trabaja con las diferencias entre la temperatura y el punto de roco en los 3 niveles antes mencionados.

W= (T850-Td850) + (T700-Td700) + (T500-Td500) Segn Garca (2009), para valores sobre los 45 C, W indica condiciones favorables para que ocurra conveccin. (W >= 45 C) ndice Cross Total. CT El ndice Cross Total o Totales Cruzados, relaciona la humedad en capas bajas con la temperatura en niveles superiores mediante el calculo de la diferencia entre la temperatura de punto de roco en el nivel de 850 mb. y la temperatura en el nivel de 500 mb. Su valor se obtiene directamente de la siguiente expresin: CT = (Td850 T500)

- 27 -

Es de notar, que el valor numrico del ndice aumenta cuando se tienen altas temperaturas de punto de roco a 850 mb. y bajas temperaturas en 500 mb. El umbral terico que se maneja para que se desarrolle la actividad convectiva es 18C; sin embargo esta condicin no garantiza que se desarrolle la conveccin. ndice Total de Totales. TT Este ndice fue introducido por Miller (1972), y se utiliza para identificar potenciales reas de desarrollo de tormentas. Representa la estabilidad esttica o el gradiente entre los niveles de 850 y 500, y la humedad a 850 mb. Debido a sus caractersticas no es representativo en situaciones en que la humedad se encuentre debajo de los 850 mb. Resulta de la suma de dos ndices convectivos el Cross-Total (CT) y el VerticalTotal (VT).

TT = VT + CT Donde: VT = (T850-T500) CT = (Td850 T500) Su valor se obtiene directamente de la siguiente ecuacin:

TT = T850 + Td850 2 * T500 Los valores que relacionan el valor del ndice TT con la actividad convectiva, se muestran en la Tabla 4.

- 28 -

Tabla 4. Clasificacin de la Actividad Convectiva en funcin del ndice TT por Garca (2008).
TT 45 a 50 50 a 55 55 a 60 Actividad Convectiva Posible tormenta Mayores probabilidades de tormentas, posiblemente severas Muy probable ocurrencia de tormentas severas

En general, los ndices presentados tienen la ventaja de que pueden ser calculados de manera rpida y sencilla, y en ocasiones su valor es un producto directo del radiosondeo. Esto permite que tengan gran aplicabilidad y adems esta condicin suprime el uso de diagramas termodinmicos para obtener el valor de los mismos. Anlisis Estadstico de una Serie de Datos. Existen diversas herramientas estadsticas que permiten examinar el comportamiento de una serie de datos, as como determinar la informacin que se puede derivar de la misma. A continuacin se hace un esbozo de tres tipos de anlisis estadstico: Anlisis de Correlaciones. Un anlisis de Correlacin es un procedimiento basado en el uso de un conjunto de tcnicas estadsticas empleadas para medir la intensidad de la asociacin entre dos variables. Para realizar este anlisis se cuenta con el coeficiente de correlacin, el cual proporciona una medida de la intensidad de la relacin lineal entre dos variables. El valor del coeficiente de correlacin puede tomar valores desde menos uno hasta uno, indicando que mientras ms cercano a uno sea el valor del coeficiente de correlacin, en cualquier direccin, ms fuerte ser la asociacin lineal entre las dos variables. Mientras ms cercano a cero sea el coeficiente de correlacin indicar que

- 29 -

ms dbil es la asociacin entre ambas variables. Si es igual a cero se concluir que no existe relacin lineal alguna entre ambas variables. Anlisis de Varianza. ANOVA de un Factor. En ocasiones es importante conocer el comportamiento de las medias de distintos grupos de variables para saber si estas son iguales o si, por el contrario difieren significativamente. El ANOVA de un factor es un procedimiento que precisamente se utiliza para contrastar la hiptesis de que varias medias son iguales. Este procedimiento genera un anlisis de varianza de un factor para una variable dependiente cuantitativa respecto a una nica variable de factor, que es la variable independiente. Existen dos tipos de contrastes para comparar medias: a priori y post hoc. Los contrastes a priori se plantean antes de ejecutar el experimento y los contrastes post hoc se realizan despus de haber llevado a cabo el experimento. Modelos de Regresin. Es una tcnica empleada para desarrollar la ecuacin y dar las estimaciones de la variable dependiente respecto a una serie de datos que son las variables independientes. Las ecuaciones de regresin se definen mediante modelos de regresin lineal mltiple y regresin logstica binaria. Regresin Lineal Mltiple. La regresin lineal es un modelo que estima los coeficientes de la ecuacin lineal, con una o ms variables independientes, seleccionando las que mejor predigan el valor de la variable dependiente. La ecuacin lineal tiene la siguiente forma:

= B0 + B1 x1 + B2 x 2 + ... + Bk x k y

- 30 -

Donde:
es la estimacin de la variable dependiente, y en este caso representa un valor

directo de probabilidad. Con el objetivo de garantizar que las variables que entren al modelo aporten informacin relevante respecto a lo que se quiere pronosticar, existen diversos mtodos de obtencin de la ecuacin lineal en cuanto a la seleccin las variables que definen la ecuacin lineal. La seleccin del mtodo permite especificar cmo se introducen las variables independientes en el anlisis. Utilizando distintos mtodos se pueden construir diversos modelos de regresin a partir del mismo conjunto de variables.
Mtodos de Seleccin de Variables Introducir (Regresin).

Todas las variables de un bloque se introducen en un solo paso.

Por pasos sucesivos.

En cada paso se introduce la variable independiente que no se encuentre ya en la ecuacin y que tenga la significacin de F ms pequea, si esa probabilidad es suficientemente pequea (< 0.05). Las variables ya introducidas en la ecuacin de regresin se eliminan de ella si su probabilidad para F llega a ser suficientemente grande. El mtodo termina cuando ya no hay ms variables candidatas a ser incluidas o eliminadas.
Eliminacin hacia atrs.

En este procedimiento de seleccin de variables se introducen todas las variables en la ecuacin y despus se van excluyendo una tras otra. Aquella variable que tenga la menor correlacin parcial con la variable dependiente

- 31 -

ser la primera en ser considerada para su exclusin. Si satisface el criterio de eliminacin, ser eliminada. Tras haber excluido la primera variable, se pondr a prueba aquella variable, de las que queden en la ecuacin, que presente una correlacin parcial ms pequea. El procedimiento termina cuando ya no quedan en la ecuacin variables que satisfagan el criterio de exclusin.
Seleccin hacia adelante.

Procedimiento de seleccin de variables en el que stas son introducidas secuencialmente en el modelo. La primera variable que se considerar para ser introducida en la ecuacin ser aqulla que tenga mayor correlacin, positiva o negativa, con la variable dependiente. Dicha variable ser introducida en la ecuacin slo si satisface el criterio de entrada. Si ha entrado la primera variable, se considerar como prxima candidata la variable independiente que no est en la ecuacin y cuya correlacin parcial sea la mayor. El procedimiento termina cuando ya no quedan variables que satisfagan el criterio de entrada. Todas las variables deben superar el criterio de tolerancia para que puedan ser introducidas en la ecuacin, independientemente del mtodo de entrada especificado. El nivel de tolerancia por defecto es 0,0001. Tampoco se introduce una variable si esto provoca que la tolerancia de otra ya presente en el modelo se site por debajo del criterio de tolerancia. Todas las variables independientes seleccionadas se aaden a un mismo modelo de regresin. Sin embargo, puede especificar distintos mtodos de introduccin para diferentes subconjuntos de variables. Por ejemplo, puede introducir en el modelo de regresin un bloque de variables que utilice la

- 32 -

seleccin por pasos sucesivos, y un segundo bloque que emplee la seleccin hacia adelante.
Regresin Logstica Binaria.

La regresin logstica resulta til para los casos en los que se desea predecir la presencia o ausencia de una caracterstica o resultado segn los valores de un conjunto de predictores. Es similar a un modelo de regresin lineal pero est adaptado para modelos en los que la variable dependiente es dicotmica. Los coeficientes de regresin logstica pueden utilizarse para estimar la razn de las ventajas de cada variable independiente del modelo. La regresin logstica se puede aplicar a un rango ms amplio de situaciones de investigacin que el anlisis discriminante. La ecuacin de regresin binaria es de la forma:
1 1 + exp[b0 + b1 x1 + b2 x 2 + ... + bk x k ]

y =

Esta ecuacin se diferencia de la anterior en que acota las salidas del modelo o pronsticos entre los valores 0 y 1.

Mtodos de Seleccin de Variables Introducir.

Procedimiento para la seleccin de variables en el que todas las de un bloque se introducen en un solo paso. variables

Seleccin hacia adelante (Condicional).

Mtodo de seleccin por pasos hacia adelante en el cual la entrada de las variables se basa en la significacin del estadstico de puntuacin y la

- 33 -

eliminacin en la probabilidad de un estadstico de la razn de verosimilitud que se basa en estimaciones condicionales de los parmetros.

Seleccin hacia adelante (Razn de verosimilitud).

Mtodo de seleccin similar al anterior pero la eliminacin de variables se contrasta con la probabilidad del estadstico de la razn de verosimilitud, basado en estimaciones de la mxima verosimilitud parcial.

Seleccin hacia adelante. (Wald)

En este mtodo de seleccin la eliminacin de variables se efecta basndose en la probabilidad del estadstico de Wad.

Eliminacin hacia atrs (Condicional).

Seleccin por pasos hacia atrs donde el contraste para la eliminacin se basa en la probabilidad del estadstico de la razn de verosimilitud, el cual se basa a su vez en las estimaciones condicionales de los parmetros.

Eliminacin hacia atrs (Razn de verosimilitud).

Seleccin hacia atrs por pasos. El contraste para la eliminacin se fundamenta en la probabilidad del estadstico de la razn de verosimilitud, el cual se fundamenta en estimaciones de mxima verosimilitud parcial.

Eliminacin hacia atrs (Wald).

Seleccin por pasos hacia atrs. El contraste para la eliminacin se basa en la probabilidad del estadstico de Wald.

- 34 -

CAPTULO III. METODOLOGA Fase I. Informacin bsica necesaria:

El desarrollo de la presente investigacin se basa en el uso y manejo de datos de precipitacin y de informacin proveniente de radiosondeos de la atmsfera. Se seleccion el perodo correspondiente al trimestre mayo-julio de los aos 2005 al 2008; y con el fin de cubrir la Regin Centro Norte Costera se seleccionaron las estaciones meteorolgicas pertenecientes al Servicio de Meteorologa de la Aviacin (SERMETAVIA). La localizacin geogrfica de estas estaciones se muestra en la Tabla 5 y el Figura 2. Tabla 5. Localizacin Geogrfica de las estaciones meteorolgicas de estudio. Fuerza Area/ Regin Centro Norte Costera de Venezuela.
ESTACIN
LA CARLOTA MAIQUETA MARACAY VALENCIA

CDIGO
80415 80416 80413 80472

ESTADO
MIRANDA VARGAS ARAGUA CARABOBO

10 10 10 10

Latitud (N) ' "

29 36 15 10 0 0 0 0

Longitud (W) ' "

66 66 67 67 50 59 39 56 0 0 0 0

ALTURA (msnm)
835,0 43,0 436,0 430,0

Figura 2. Localizacin Geogrfica de las estaciones meteorolgicas de estudio. Fuerza Area/ Regin Centro Norte Costera de Venezuela.

- 35 -

Obtencin de la Informacin
El procedimiento de obtencin de los datos fue el siguiente:

Datos de Precipitacin Diaria.

Para el compendio de esta informacin se realiz la solicitud formal de los datos de precipitacin diaria de las estaciones La Carlota, Maiqueta, Maracay y Valencia, ubicadas en la Regin Centro Norte Costera de Venezuela, al Departamento de Climatologa del Servicio de Meteorologa de la Aviacin (SERMETAVIA).

Datos de Sondeos Simulados.

Utilizando el Modelo de Asimilacin de Datos Globales (GDAS) encontrado en el sitio web de la NOAA (Administracin Nacional Ocenica y Atmosfrica), especficamente en la siguiente direccin: http://www.arl.noaa.gov/READYamet.php, se utilizaron los sondeos interpolados de la atmsfera a las 12 horas GMT para cada estacin. De estos sondeos se obtienen los valores numricos de los ndices td850, CAPE y CINH; y los datos de: presin, elevacin, temperatura, punto de roco, direccin y velocidad del viento a diferentes alturas geopotenciales.

Datos de Sondeos Reales.

En la Coordinacin de Radisondas del Instituto Nacional de Meteorologa e Hidrologa (INAMEH) se solicit la informacin existente de los radiosondeos atmosfricos. De los archivos suministrados se obtuvieron datos de: presin, elevacin, temperatura, humedad relativa, direccin y velocidad del viento a diferentes alturas geopotenciales. Para la obtencin de datos se utiliz el programa de sondeos

DigiCORA 3.51, y se guardo en formato de texto para su posterior procesamiento.

- 36 -

Fase II. Procesamiento de la Informacin

La informacin fue procesada utilizando el Paquete Estadstico para Ciencias Sociales SPSS, versin 15.0 el cual permite el manejo eficiente de bases de datos de gran tamao.

Calidad de los Datos

Los datos de precipitacin presentaron diversos inconvenientes, de esta manera teniendo datos de la misma fuente, estos resultaron diferentes y en muchos casos, incongruentes. Se hizo un manejo comparativo de estos y se realizaron nuevas solicitudes de los datos ante el SERMETAVIA y bajo estricto control de la informacin suministrada se tomaron los datos necesarios; cabe destacar que aun siendo esta data la ms confiable, no contaba con la informacin de mayo 2007 para las estaciones La Carlota, Maiqueta y Valencia. De modo que el nico control de calidad realizado a los datos de precipitacin correspondi al mencionado anlisis comparativo. Por otra parte se encontraron estaciones donde los datos faltantes y el modo de descarga de la informacin impidieron utilizar sus datos. Con respecto a los datos de los radiosondeos reales y virtuales, se realiz un control elemental basado en la observacin lgica de los valores suministrados por cada sondeo. En este proceso: del radiosondeo interpolado se observaron valores anormales en el punto de roco de (-273.15 C) en algunos niveles, como por ejemplo en los archivos del 20 y 21 de mayo de 2008 mostrados en la Tabla 6. Hasta el momento no se conoce si estos datos corresponden a alguna forma particular de codificar la informacin, pero por su imposibilidad fsica, se tomaron como errneos.

- 37 -

Tabla 6. Errores en datos de Sondeos Interpolados. Los datos errados se resaltan en color amarillo.
NOAA Air Resources Laboratory YR: 2008 MON: 05 DAY: 20 HOUR: 12
PRESS 977. 975. 950. 925. 900. 850. 800. 750. 700. 650. 600. 550. 500. 450. 400. 350. 300. 250. 200. 150. 100. 50. 20. HGT 315. 348. 574. 806. 1043. 1534. 2049. 2592. 3168. 3780. 4433. 5133. 5889. 6710. 7606. 8596. 9704. 10966. 12439. 14220. 16557. 20580. 26402. TEMP 24.6 24.0 22.5 20.9 19.4 16.7 14.1 11.6 9.8 6.9 4.0 -0.4 -4.0 -9.9 -16.3 -23.8 -31.6 -41.6 -53.8 -69.3 -81.5 -63.0 -48.8 DEW PT 21.4 20.3 18.8 17.4 16.4 13.2 10.7 8.2 0.1 -12.9 -33.1 -43.9 -273.1 -36.9 -32.5 -25.8 -35.1 -44.1 -55.5 -69.7 -273.1 -273.1 -273.1 WND DIR 132.3 134.0 120.3 109.1 110.3 99.6 82.6 108.7 113.5 70.7 92.1 89.6 93.4 100.9 152.8 170.6 310.1 233.3 249.1 309.9 89.0 113.7 79.9 WND SPD 0.4 0.7 1.0 1.8 2.6 4.2 3.8 2.0 3.7 6.2 4.5 3.5 4.1 3.4 5.3 2.3 4.6 5.9 5.1 9.8 7.2 12.9 8.7

NOAA Air Resources Laboratory YR: 2008 MON: 05 DAY: 21 HOUR: 12

PRESS 976. 975. 950. 925. 900. 850. 800. 750. 700. 650. 600. 550. 500. 450. 400. 350. 300. 250. 200. 150. 100. 50. 20. HGT 315. 335. 561. 793. 1028. 1519. 2033. 2574. 3148. 3762. 4415. 5116. 5872. 6693. 7594. 8585. 9694. 10955. 12428. 14211. 16552. 20578. 26392. TEMP 24.2 23.4 21.8 20.5 19.3 16.7 13.8 11.4 10.5 7.9 3.9 -0.1 -4.4 -9.1 -15.5 -23.3 -31.9 -41.9 -53.8 -68.7 -81.5 -64.5 -50.0 DEW PT 19.0 17.9 16.1 14.0 12.5 9.4 5.1 -6.5 -32.5 -55.3 -48.3 -37.6 -50.9 -57.6 -31.9 -25.7 -33.4 -42.9 -54.4 -69.6 -273.1 -273.1 -273.1 WND DIR 92.2 90.7 88.1 86.9 87.5 88.1 89.8 39.5 106.9 103.2 89.1 96.7 81.0 99.8 116.7 7.3 287.7 275.1 240.3 300.5 73.7 90.2 169.2 WND SPD 3.6 5.4 6.2 7.3 8.2 6.7 2.7 1.7 3.0 4.4 3.0 3.8 5.6 5.0 5.1 0.9 6.0 9.5 10.1 11.9 10.9 10.2 3.5

Temperaturas de -273.15 C no tienen sentido fsico, entonces se resolvi eliminarlas del registro porque representan un error en la data. Finalmente se realiz el anlisis con los siguientes datos: Estacin La Carlota

o Datos de Precipitacin: 321 o Sondeos Simulados: 352

Estacin Maiqueta

o Datos de Precipitacin: 321 o Sondeos Simulados: 352

- 38 -

Estacin Maracay

o Datos de Precipitacin: 354 o Sondeos Simulados: 354 o Sondeos Reales: 104

Estacin Valencia

o Datos de Precipitacin: 323 o Sondeos Simulados: 354 Manejo de Datos

Luego de obtener la informacin bsica y de verificar la calidad de los datos, estos se procesaron de la siguiente manera: 1. Los datos de precipitacin se recodificaron para poder realizar el anlisis en dos grupos de valores; de esta manera se asign el valor 1 a los das con lluvia (Pp > 0) y 0 (cero) a los das sin lluvia (Pp < 0). La nueva variable con los datos recodificados se denot como P01. 2. Con los datos de presin, elevacin, temperatura, punto de roco, direccin y velocidad a diferentes alturas geopotenciales, provenientes de los sondeos interpolados, se procedi a calcular los valores de los ndices Thetae85, Ki, Wi, TT y CT. 3. Para procesar la informacin de los sondeos reales se calcul el valor de la temperatura del punto de roco para cada altura geopotencial utilizando la siguiente frmula:

Siendo

Pr T H

Punto de roco. Temperatura en grados Celsius. Humedad relativa.

- 39 -

Fase III. Modelos de Pronstico de Lluvia

Al proponer un mtodo de pronstico, basado en el uso de ndices de Estabilidad Atmosfrica, es necesario estudiar si de alguna manera, los ndices seleccionados son capaces de identificar o no la ocurrencia de lluvia. La relacin de dependencia entre los ndices y la precipitacin se determina mediante anlisis de correlacin y anlisis de varianza.

Anlisis de Datos
A continuacin se presenta el procedimiento seguido para el anlisis de las variables y su relacin con la ocurrencia de lluvia:

1. Correlacin de cada uno de los ndices con P01 correspondientes.

El primer anlisis realizado se basa en el clculo de las correlaciones existentes entre la variable P01 y cada uno de los ndices, los valores obtenidos para una de las estaciones se muestran en la Tabla 7. Tabla 7. Correlacin entre los ndices de Estabilidad Atmosfrica y la variable P01 en la estacin Maracay. Correlacin significativa en color azul y no significativa en rojo. Corr de P01 Maracay td85 0,36186 CAPE 0,15871 CINH 0,02576 Thetae85 0,33397 Ki 0,40359 Wi -0,39674 TT 0,36828 CT 0,41047 Se observa que, excepto uno de los ndices, los restantes tienen correlacin significativa con la variable P01.

- 40 -

2. Resumen descriptivo y ANOVA de un factor.

Una forma de estudiar la eficacia de los ndices en el pronstico del tiempo es el anlisis de varianza, pues este tipo de anlisis nos indica directamente si las diferencias de medias son significativas por grupos formados por las precipitaciones recodificadas, esto es, si los promedios de los ndices son significativamente diferentes para das con lluvia y das sin lluvia. Para esta parte del anlisis se consideran como variables a describir los ndices de Estabilidad Atmosfrica y la variable binaria P01 como variable de agrupacin. Se determinaron los estadsticos descriptivos y las significaciones entre las diferencias de medias, mediante la distribucin F de Ficher, donde se consideran significativos valores menores que 0.05. En la Tabla 8 se presentan los resultados obtenidos del anlisis de varianza para la Estacin La Carlota para cada uno de los ndices. Tabla 8. Resumen descriptivo, valores de F y significancia de las diferencias de medias por grupos para cada ndice de Estabilidad Atmosfrica.
La Carlota td85 CAPE CINH Thetae85 Ki Wi TT CT Grupos 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 N 157 164 157 164 157 164 157 164 157 164 157 164 157 164 157 164 Media 13,3 14,2 396,0 485,5 -26,8 -18,5 338,1 340,3 29,5 33,5 24,1 14,5 41,8 43,0 18,8 19,9 Mnimo 8,2 8,6 1,0 2,6 -127,1 -89,7 328,5 328,5 5,4 17,6 4,2 3,2 35,3 35,1 12,9 13,2 Mximo 16,0 16,6 1197,0 1681,0 0,0 0,0 346,0 347,5 38,4 39,7 69,6 51,3 46,1 47,1 21,8 22,5 F 35,2 8,3 13,7 33,6 45,4 52,9 26,6 35,2 Sig. 0,000000 0,004216 0,000248 0,000000 0,000000 0,000000 0,000000 0,000000

- 41 -

En algunas estaciones se obtuvieron valores no significativos respecto a la media de cada grupo, por esta razn se elaboraron los grficos de la media con un Intervalo de Confianza del 95% y los recorridos para cada ndice. En el Figura 3, se muestra el comportamiento de cada grupo cuando los valores son significativos y cuando no lo son.

Figura 3. Intervalo de Confianza de la media al 95%. ndice CINH para los grupos 1 y 0. Estaciones La Carlota y Maracay.

Figura 4. Recorrido del ndice CINH para los grupos 1 y 0. Estacin La Carlota.

- 42 -

Umbrales
Al revisar investigaciones anteriores se encontraron umbrales sugeridos para algunos ndices, por lo cual se decidi verificar la eficacia de los mismos en la descripcin de das con lluvia o no lluvia, en las estaciones utilizadas. Los umbrales sugeridos por Luis Felipe Garca, 2009 (Pronstico de Ocurrencia de Lluvias

Diarias Utilizando ndices y Markov) y Kleiver Garca, 2009 (Estabilidad Atmosfrica), se muestran en la Tabla 9.
Tabla 9. Umbrales Sugeridos para cada ndice de Estabilidad por diferentes autores.
ndice td850 CAPE CINH Thetae850 Ki Wi TT CT 340 30 Luis F. Garca Luis F. Garca Kleiver Garca Kleiver Garca Luis F. Garca Umbral sugerido 13 500 Por: Luis F. Garca Luis F. Garca

45
45 18

Con el objetivo de conseguir aciertos mayores al 85%, se realizaron pruebas que, en ocasiones tuvieron que repetirse hasta conseguir satisfacer el porcentaje de aciertos requeridos para determinar los umbrales de cada ndice para la serie de estudio. En los casos en que hubo que repetir los ensayos se calcularon nuevos umbrales, este clculo se realiz promediando los valores mximos y mnimos y comparando el resultado con la media de cada variable en la serie de estudio completa. En la Tabla 10 se muestran a modo de ejemplo los clculos realizados y el nuevo umbral sugerido para el ndice td850, que en este caso particular, coincide con el sugerido anteriormente.

- 43 -

Tabla 10. Umbral Calculado para la serie completa. ndice td850.

Mes 5 Estadgrafo Media Mximo Mnimo 6 Media Mximo Mnimo 7 Media Mximo Mnimo Media Mximo Mnimo td85ca 13,8 16,6 8,2 14,0 16,5 9,9 13,6 15,5 8,6 13,8 16,6 8,2 12,4 td85mq td85ma 14,5 14,4 18,5 8,2 15,2 18,9 9,3 14,8 18,4 8,3 14,8 18,9 8,2 13,6 16,8 9,7 14,4 17,0 10,5 13,8 16,1 9,2 14,2 17,0 9,2 13,1 td85va 14,6 16,9 9,1 14,5 17,1 10,3 13,9 16,4 9,3 14,3 17,1 9,1 13,1

Total

UMBRAL 13,0

Modelos de Regresin
Para los modelos de regresin se utilizaron como variables dependientes los ndices de estabilidad atmosfrica y como variable dependiente la ocurrencia o no de lluvia, codificada como se vio anteriormente en los grupos 1 y 0 de la variable P01. Se hicieron pruebas con cada uno de los mtodos de seleccin de variables y se decidi, basndose en esas pruebas, que para la Regresin Lineal Mltiple el mtodo de seleccin de variables fuera el de pasos sucesivos, mientras que para la Regresin Logstica Binaria, se seleccion el de eliminacin hacia atrs. En el caso de la Regresin Logstica Binaria, el criterio de eficiencia del modelo fue el porcentaje de xitos en la indicacin del da como lluvioso o no, lo que se utiliza dada la orientacin de la obtencin de los modelos para el pronstico.

- 44 -

Fase IV. Validaciones Adicionales.

Como se trat en detalle en el Marco de Referencia, algunos autores han utilizado otros perodos dentro del ao en la construccin de modelos de pronsticos, lo que induce a realizar una comparacin con los resultados aqu obtenidos. Lo anterior motiv la realizacin de esa comparacin. Por otro lado, la utilizacin de sondeos interpolados de modelos numricos, junto a la existencia de sondeos reales para una de las estaciones involucradas, es una razn incuestionable, para hacer una comparacin entre los parmetros de los sondeos reales e interpolados, ya que los clculos de los ndices de estabilidad dependen de forma directa de los parmetros de los sondeos. De no existir una relacin aceptable entre los parmetros de sondeos reales e interpolados, se pudieran comprometer los resultados de los modelos de pronstico que se obtengan con ellos, aunque los xitos en la clasificacin de los das como lluvioso o no, determinan su calidad.

Comparacin entre distintos perodos. Modelos de Pronstico.

Para la comparacin entre modelos obtenidos para diferentes perodos se utilizaron los resultados de los modelos elaborados para la estacin La Carlota con un ao de datos (Crdenas 2009) y los correspondientes a este trabajo con el trimestre mayo julio en 4 aos de datos (2005-2008). Adems se utilizaron los resultados del trabajo de pronstico en la Cuenca del Caron - Paragua (Garca, 2009).

Comparacin entre Radisondeos Reales e Interpolados (Virtuales).

Como se afirm anteriormente, la calidad de los modelos depende de forma directa de la precisin con que se estimen los valores de los ndices, que a su vez dependen de los parmetros de los sondeos, as que esta tarea consisti en la comparacin de tales parmetros para sondeos reales e interpolados. El anlisis realizado puede considerarse preliminar, debido a la frecuente falta de informacin existente de sondeos reales y se bas en el clculo directo de las diferencias

- 45 -

porcentuales entre las variables involucradas en cada tipo de sondeo. El nico perodo coincidente corresponde al trimestre mayo-julio de los aos 2007-2008 en la Estacin Maracay; a lo cual debe su seleccin. Es importante sealar que los radiosondeos reales no proporcionan el valor del punto de roco y este parmetro fue calculado usando la siguiente ecuacin:

- 46 -

CAPTULO IV. RESULTADOS Y ANLISIS

Finalizada la seccin anterior se obtuvieron una serie de resultados derivados de cada modelo estudiado, estos resultados sern analizados con el propsito de concluir respecto a la investigacin desarrollada. En esta seccin slo se mostrarn los resultados ms relevantes, el resto de los resultados sern mostrados en una seccin aparte, la seccin de apndices.

Correlaciones.
Los resultados de los clculos de correlaciones entre la ocurrencia de lluvia (P01) y cada uno de los ndices para las 4 estaciones, se muestran en la Tabla 11. Tabla 11. Valores de los coeficientes de correlacin entre la ocurrencia de lluvia y los diferentes ndices de estabilidad, para las 4 estaciones. Las correlaciones que aparecen en azul son significativas con un =0.05, mientras que las que aparecen en rojo no lo son.
Corr de P01 td85 CAPE CINH Thetae85 Ki Wi TT CT Carlota 0,31515 0,15932 0,20318 0,30882 0,35285 -0,37728 0,27761 0,31515 Maiqueta 0,18058 0,10672 0,12602 0,13493 -0,17866 -0,25022 0,16308 0,23891 Maracay 0,36186 0,15871 0,02576 0,33397 0,40359 -0,39674 0,36828 0,41047 Valencia 0,30216 0,09541 0,01562 0,29082 0,30890 -0,26295 0,27641 0,31214

Como puede verse en la Tabla 11, existen algunas correlaciones no significativas para los ndices CAPE y CINH. Es destacable que casi en su totalidad, los valores menores de correlacin corresponden a la estacin Maiqueta.

- 47 -

Resumen descriptivo y ANOVA de un factor.

Como se trat en la metodologa, se realizaron Anlisis de Varianza de un factor para verificar si los das con lluvias y sin lluvias eran bien sealados por los valores de los ndices de Estabilidad, donde se busc verificar si las medias de ndices correspondientes a los dos grupos (lluvia y no lluvia) resultaban significativas. En la Tabla 12 se presentan los resultados de estos procesamientos, en cuanto a significacin de los Anlisis de Varianza, donde se ve que existe una coincidencia total entre los resultados mostrados anteriormente sobre correlaciones, y los aqu mostrados. Una informacin completa sobre cada ndice y estacin se incluye en la seccin de apndices. Tabla 12. Significacin de los anlisis de varianza para cada uno de los ndices por grupos definidos por la ocurrencia o no de lluvia, en las 4 estaciones. Los que aparecen en azul son menores a 0.05 y se consideran significativos.
Sig. Anova Carlota Maiqueta Maracay Valencia td85 0,000000 0,001156 0,000000 0,000000 CAPE 0,004216 0,056138 0,002748 0,086904 CINH 0,000248 0,023946 0,629035 0,779688 Thetae85 0,000000 0,015559 0,000000 0,000000 Ki 0,000000 0,001307 0,000000 0,000000 Wi 0,000000 0,000006 0,000000 0,000002 TT CT 0,000000 0,000000 0,003389 0,000015 0,000000 0,000000 0,000000 0,000000

Cuando se analizan los resultados de la Tabla 12 y los anlisis descriptivos correspondientes, pudiera pensarse que la significacin implica de alguna forma la posible utilizacin de un ndice por separado, en el pronstico de ocurrencia de lluvia. Lo anterior llev a la distincin entre valores medios con intervalos de confianza y recorridos reales de los ndices. En el Figura 5 se presenta el caso del ndice Thetae850 en la estacin La Carlota, que como puede verse en la Tabla 12, resulta significativa.

- 48 -

Para el caso del Figura 5, como para todos los restantes (ver apndices), cuando los anlisis dan como diferencias de medias significativas los valores medios y sus barras de significacin de IC al 95%, no se solapan; no obstante, en el Figura 5 se puede verificar que aunque la condicin anterior se cumple, los recorridos del ndice coinciden casi en su totalidad para los das con y sin lluvia (grupos 1 y 0).

Figura 5. Comparacin entre el IC de la media al 95% y recorridos del ndice thetae850 para los grupos 1 y 0. Estacin la Carlota.

Umbrales.
Para la verificacin de los umbrales propuestos y la posible sugerencia de nuevos valores, se compararon los aciertos obtenidos con los umbrales sugeridos y los clculos realizados. Para los clculos se tomaron los aciertos correspondientes al grupo 1, es decir, aquellos en que ocurre lluvia. En la Tabla 12 se presenta el clculo de umbrales para la Td850 con sus porcentajes de acierto en las 4 estaciones. En este caso el umbral sugerido por trabajos anteriores, coincide con el actual procesamiento y se resume en lo siguiente: Td850 < 13C implica 0 (no lluvia). Td850 >= 13C implica 1 (lluvia).

- 49 -

En la Tabla 13 se presentan los resultados de los clculos para cada ndice y estacin, as como los que cumplen con las condiciones anteriormente expuestas, es decir, que indican con xito los das lluviosos con ms del 75 % de efectividad. Como puede verse en la Tabla 13, para todos los ndices y estaciones se cumple el supuesto anterior, excepto en la estacin Maiqueta donde, el ndice Theta-e850 presenta aciertos de 48.9%. Tabla 13. Umbral del ndice td850 y porcentaje de aciertos en das con lluvia para las 4 estaciones.
Td850 Umbral <13 >=13 Total % xitos P01ca 23 141 164 86,0 p01mq 6 88 94 93,6 P01ma 11 160 171 93,6 P01va 21 175 196 89,3 90,6

Analizando la serie por estaciones se tiene que: el mayor acierto se obtuvo con el ndice WI, en la estacin Maracay (100%). De las tablas 7 y 9, se puede notar que esa serie de datos presenta buena correlacin y significaciones, lo cual demuestra robustez en los datos. El menor porcentaje de aciertos se presenta en la estacin Maiqueta; cabe destacar que a lo largo de todo el desarrollo, los datos provenientes de esa estacin presentaron las menores correlaciones y significaciones, lo que puede deberse a problemas en la calidad de la data utilizada, ya que, los aciertos del mismo ndice obtenidos para el resto de las estaciones, superan el 95%. Otra posible razn puede estar en la existencia de condiciones fsico geogrficas particulares como la frecuente ocurrencia de lluvias por ascenso forzado. Como tambin se observa en la Tabla 14, a nivel regional, el porcentaje de xitos vara entre 80.9 y 98.6%. El ndice con menor porcentaje de aciertos es el Theta-e850, esto es debido fundamentalmente al resultado obtenido en la estacin Maiqueta, en orden creciente sigue KI con 82.6% de aciertos en indicacin de das con lluvia. Finalmente se encuentra el ndice WI es el que mejor se adapta a la regin de estudio por presentar mayores aciertos.

- 50 -

Tabla 14. Porcentaje de xitos en indicacin de da con lluvia por ndice, estacin y para la regin.
WI Umbral <45 >=45 Total CAPE Umbral <1000 >=1000 Total CINH Umbral <-70 >=-70 Total Td850 Umbral <13 >=13 Total % xitos CT Umbral <18 >=18 Total TT Umbral <45 >=45 Total KI Umbral <30 >=30 Total Thetae85 Umbral <345 >=345 Total P01ca 161 3 164 98,2 P01ca 153 11 164 93,3 P01ca 3 161 164 98,2 P01ca 23 141 164 86,0 P01ca 20 144 164 87,8 P01ca 144 20 164 87,8 P01ca 31 133 164 81,1 P01ca 156 8 164 95,1 p01mq 92 2 94 97,9 p01mq 83 11 94 88,3 p01mq 2 92 94 97,9 p01mq 6 88 94 93,6 p01mq 23 71 94 75,5 p01mq 85 9 94 90,4 p01mq 27 67 94 71,3 p01mq 46 48 94 48,9 P01ma 171 0 171 100,0 P01ma 170 1 171 99,4 P01ma 16 155 171 90,6 P01ma 11 160 171 93,6 P01ma 4 167 171 97,7 P01ma 145 26 171 84,8 P01ma 16 155 171 90,6 P01ma 151 20 171 88,3 P01va 193 3 196 98,5 P01va 195 1 196 99,5 P01va 16 180 196 91,8 P01va 21 175 196 89,3 P01va 16 180 196 91,8 P01va 174 22 196 88,8 P01va 25 171 196 87,2 P01va 179 17 196 91,3 Promedio

98,6

95,1

94,6

90,6

88,2

88,0

82,6

80,9

- 51 -

A modo de resumen se presentan en la Tabla 15, los umbrales sugeridos para la zona de estudio en cada uno de los ndices de estabilidad. Debe notarse que slo en algunos casos, stos coinciden con los sugeridos anteriormente Tabla 15. Umbrales sugeridos de Ocurrencia de Lluvia para diferentes ndices de estabilidad en la Regin Centro Norte Costera.
ndice td850 CAPE CINH Thetae850 Ki Wi TT CT Umbrales 13 1000 -60 345 30 45 45 18

Modelos de Regresin
Dadas las dificultades discutidas de este tipo de regresin, para el pronstico probabilstico de lluvia, se utiliz fundamentalmente para estudiar cuales variables o ndices entraban en los modelos de regresin por el mtodo de pasos sucesivos. De esa forma se lleg a conformar el conjunto de predictores potenciales (ndices de Estabilidad) que sera utilizado, que qued como sigue: Td850 CAPE CINH Theta-e850 KI WI CT TT

- 52 -

Modelos de Regresin Lineal Mltiple

Para la obtencin de la ecuacin por regresin lineal mltiple se utiliz la seleccin paso a paso; los coeficientes de la ecuacin de cada estacin se mostrarn en los apndices, por no considerarse ecuaciones definitivas. En la Tabla 16 se muestran los aciertos obtenidos para los grupos 1 y 0 de la variable P01 y el porcentaje de acierto promedio de la estacin. Tabla 16. Porcentaje de aciertos en los Modelos de Regresin Lineal Mltiple aplicado cada una de las estaciones.
Estacin Carlota Observado 0 1 0 1 0 1 0 1 Pronosticado 0 1 108 49 44 120 Promedio 221 6 78 16 Promedio 118 65 45 126 Promedio 47 80 25 171 Promedio Aciertos % 68,79 73,17 71,03 97,36 17,02 73,83 64,48 73,68 68,93 37,01 87,24 67,49

Maiqueta

Maracay

Valencia

Al comparar la ecuacin de regresin con la variable P01 se obtuvieron aciertos para cada estacin entre 67.49% y 73.83%, en las estaciones Valencia y Maiqueta respectivamente, sin embargo para aplicar un mtodo de pronstico de ocurrencia de lluvia no es suficiente tener aciertos superiores al 65% en promedio, tambin debe existir equilibrio entre los aciertos para la ocurrencia y la no ocurrencia de lluvia, grupos 1 y 0. En la Tabla 16, se observa disparidad entre los aciertos de los grupos 1 y 0, en las estaciones Maiqueta y Valencia. Sin embargo las estaciones La Carlota y Maracay presentan aciertos similares, lo cual hace ms aceptable su valor promedio.

- 53 -

Modelos de Regresin Logstica Binaria

Mediante la aplicacin del modelo de regresin logstica binaria se seleccionaron las variables mediante la opcin de eliminacin hacia atrs; los coeficientes de la ecuacin de cada estacin se mostrarn en los apndices, por no considerarse ecuaciones definitivas. Los aciertos de resultantes en los grupos 1 y 0 de la variable P01, as como el promedio de la estacin se muestran en la Tabla 17. Tabla 17. Porcentaje de aciertos en los Modelos de Regresin Logstica Binaria para cada una de las estaciones.
Estacin Carlota Observado 0 1 0 1 0 1 0 1 Pronosticado 0 1 94 63 38 126 Promedio 225 2 89 5 Promedio 111 72 42 129 Promedio 47 80 23 173 Promedio Aciertos % 59,87 76,83 68,54 99,12 5,32 71,65 60,66 75,44 67,80 37,01 88,27 68,11

Maiqueta

Maracay

Valencia

Mediante el mtodo de seleccin de variables con eliminacin hacia atrs, se incluyeron como predictores potenciales, todos los ndices de estabilidad utilizados en la ecuacin de regresin lineal, y los resultados se muestran en la Tabla 17. Al verificar este modelo result que, el mayor acierto en pronstico de ocurrencia de lluvia se obtuvo en la estacin Maiqueta, sin embargo, debido a la diferencia entre los aciertos de los grupos 1 y 0, la ecuacin de regresin logstica slo es vlida para pronosticar la no ocurrencia de lluvia en esta estacin. Por otra parte, las estaciones La Carlota y Maracay

- 54 -

muestran resultados ms parejos y, en promedio, los aciertos superan el 65%, por lo tanto el comportamiento de la ecuacin de regresin logstica se adapta mejor en estas estaciones. Se compararon los resultados obtenidos por ambos tipos de regresin en cuanto a aciertos de pronsticos. En la Tabla 18 se muestra un resumen de los aciertos obtenidos por cada mtodo, donde se evidencia que al aplicar el mtodo de regresin lineal mltiple los aciertos obtenidos son mayores que cuando se trabaja con regresin logstica binaria. Tabla 18. Comparacin porcentual de la efectividad de los mtodos de Regresin Lineal Mltiple (RLM) y Regresin Logstica Binaria (RLB) en la Regin Centro Norte Costera.
P01 0 1 Total Prom/RLM Prom/RLB 63,1 60,0 75,3 76,5 71,1 70,3

Es importante destacar que al utilizar el modelo de regresin lineal mltiple para obtener la ecuacin de pronstico, pueden encontrarse inconsistencias, como por ejemplo la obtencin de probabilidades mayores que 1 o menores que 0, porque este mtodo no contempla la acotacin de la probabilidad resultante. Al aplicar el modelo de regresin logstica binaria se resuelve este problema porque est diseada de modo que acota la salida o pronstico entre los valores 0 y 1.

Comparacin de Modelos de Pronstico utilizando distintos perodos.

Se compararon los aciertos obtenidos al utilizar modelos de regresin logstica binaria, en dos perodos diferentes, el primero corresponde al trimestre mayo julio de los aos 2005 al 2008, y el segundo al ao 2008 completo. En la Tabla 19, se puede notar que el porcentaje de aciertos mejora al trabajar los modelos con aos completos y, aunque la cantidad de datos analizados en cada perodo es prcticamente igual se mejoran los aciertos desde 6% hasta 8%.

- 55 -

En la tabla se observa que para el primer perodo, ambos modelos pronostican mejor la ocurrencia de lluvia que la no ocurrencia. Este comportamiento se invierte completamente en el segundo perodo donde ambos modelos pronostican mejor la no ocurrencia de lluvia. Tabla 19. Comparacin de un Modelos de Regresin Logstica Binaria en distintos perodos.
Estacin La Carlota Mayo-Julio 2005-2008 Observado 0 1 0 1 Pronosticado 0 1 94 63 38 126 Promedio 199 42 43 82 Promedio Aciertos % 59,87 76,83 68,54 82,57 65,60 76,78

1 ao

Tanto el aumento en el porcentaje de aciertos, como el comportamiento contrario de los modelos en cada perodo, se deben a que las variables independientes que alimentan a los modelos son los ndices de Estabilidad Atmosfrica y estos no tienen un comportamiento constante a lo largo de un ao. Esta afirmacin se evidencia en la Tabla 20, correspondiente al estudio realizado por Garca, 2009.

Tabla 20. Modelo de Regresin Logstica Binaria, con todos los ndices (KI, CT, CAPE, CAP, td850 y theta-e850) y Cadenas de Markov, 2004-2007. Porcentaje de Aciertos. Por L. Garca, 2009.
Perodo Todo el Ao Observado 0 1 0 1 0 1 Pronosticado 0 1 181 73 54 191 Promedio 68 48 31 140 Promedio 114 24 23 51 Promedio Aciertos % 71,26 77,96 74,55 58,62 81,87 72,47 82,61 68,92 77,83

Lluvioso

Seco

- 56 -

Comparacin entre Radisondeos Reales e Interpolados (Virtuales).

Se compararon los parmetros procedentes de cada sondeo, elevacin, temperatura y punto de roco. Los parmetros que interesan para el clculo de los ndices de Estabilidad Atmosfrica son temperatura y punto de roco a distintos niveles. El comportamiento de la temperatura se observa en el Figura 6. En ambos sondeos los valores obtenidos son muy similares y en la tabla 21 se aprecia que las diferencias porcentuales antes del nivel de 700 mb., es menor al 2. Al pasar dicho nivel las diferencias porcentuales aumentan, sin embargo el mximo valor es 4.51%. La mxima diferencia porcentual (8%), se observa al nivel de 700 milibares y de igual manera en este nivel se aprecia un cambio en la tendencia conjunta de ambos temperaturas, es decir, antes de los 700 mb., las temperaturas provenientes de los sondeos reales son mayores que las interpoladas y a partir de este nivel son mayores las temperaturas interpoladas.

Sondeos Reales e Interpolados. Temperatura (C)

20,00 0,00 -20,00
T (C)

-40,00 -60,00 -80,00 -100,00 20 50 100 150 200 250 300 400 500 700 850 925
P (mb)

TEMPr

TEMPi

Figura 6. Diferencias de temperatura entre sondeos reales e interpolados a diferentes niveles de presin.

- 57 -

El comportamiento del punto de roco se observa en el Figura 7. Este parmetro se consider desde el nivel de 100 mb., porque los datos de los 2 niveles inferiores en presin (50 y 20 mb) presentaban inconsistencias (valores de -273.15 C). En ambos sondeos los valores obtenidos son muy similares, y en la Tabla 21 se aprecia que las diferencias porcentuales son mayores en los niveles medios.

Sondeos Reales e Interpolados. Punto de Roco (C)

20,00 0,00 -20,00
Td (C)

-40,00 -60,00 -80,00 -100,00 100 150 200 250 300 400 500 700 850 925
P (mb)

DEWPTr

DEWPTi

Figura 7. Diferencias de temperatura entre sondeos reales e interpolados a diferentes niveles de presin. Es notorio que tanto en temperatura como en punto de roco, las mximas diferencias porcentuales se observan al nivel de 700 milibares; sin embargo se puede notar que dicha diferencia corresponde a la existencia de valores de Punto de Roco de -273.15C, lo cual no tiene sentido fsico. Antes de los 700 mb., la tendencia muestra puntos de roco provenientes de los sondeos interpolados mayores a los reales, la cual se invierte al pasar este nivel.

- 58 -

En la obtencin de modelos de pronstico no se consideraron los casos en los que existan los valores de Punto de Roco de -273.15 C. Tabla 21. Diferencias porcentuales entre Radisondeos Reales e Interpolados en la estacin Maracay.
PRESS 20 50 100 150 200 250 300 400 500 700 850 925 Dif. HGT % Dif. T % -0,23 1,45 -0,16 1,31 -0,15 -0,08 -0,14 0,41 -0,15 0,03 -0,16 0,45 -0,17 1,00 -0,18 0,60 -0,22 0,68 -0,37 -8,02 -0,48 -4,26 -0,55 -4,51 Dif. Td % por -273.15 por -273.15 -1,79 -15,49 -19,31 -20,31 -17,40 -17,12 -19,95 por -273.15 -6,14 -4,43

- 59 -

CONCLUSIONES
Una vez realizada la recoleccin de datos, procesados los mismos y obtenida la informacin que de ello se gener, conjuntamente con los respectivos anlisis, se obtuvieron resultados que le permite al investigador presentar el siguiente conjunto de conclusiones: Respecto al primer objetivo especfico se concluye que la simulacin de sondeos atmosfricos con el modelo GDAS, es un procedimiento rpido, prctico y sencillo, que puede ser aplicado a cualquier localidad de la que se conozcan sus coordenadas geogrficas. Adems este procedimiento proporciona una amplia gama de datos (altura geopotencial, temperatura, punto de roco, velocidad y direccin del viento a diferentes niveles de presin) y resultados (ndices de estabilidad atmosfrica ya calculados) que permiten conocer el comportamiento dinmico de la atmsfera en un momento dado. Para la regin de estudio y perodo de estudio, la descarga de datos utilizando este modelo, result de til aplicacin, ya que, a diferencia de otros modelos de simulacin de datos atmosfricos, el modelo GDAS posee un archivo meteorolgico con datos almacenados desde el 1 de diciembre de 2004, lo cual permite el anlisis comparativo de dichos datos. El segundo objetivo se refiere a la obtencin de ndices de Estabilidad Atmosfrica con sondeos simulados. En este caso los ndices td850, CAPE y CINH, se obtuvieron directamente del sondeo y para determinar los ndices Theta-e850, KI, WI, CT y TT el sondeo suministra los datos que se incluirn en las frmulas definidas en el Marco Terico. El tercer objetivo seala las relaciones entre los ndices y la precipitacin diaria. De este objetivo se concluye que ambas variables se encuentran relacionadas, excepto los ndices CAPE y CINH en las estaciones Maiqueta, La Carlota y Valencia. De igual manera, para toda la serie, estas relaciones son ms dbiles en la estacin Maiqueta. Una de las causas que puede originar este problema se le atribuye a inconsistencias o errores en los datos y posible ocurrencia frecuente de lluvias por ascenso forzado.

- 60 -

Para complementar el cuarto objetivo, se calcularon umbrales regionales para cada ndice, obtenindose elevados porcentajes de aciertos para la muestra de das con lluvia. Sin embargo, por las caractersticas de la serie de estudio, el uso de los umbrales como modelo de pronstico de ocurrencia de lluvia slo puede aplicarse, por el momento, a la elaboracin de mapas de estabilidad atmosfrica. Para el cumplimiento del quinto objetivo, se aplicaron modelos de regresin lineal mltiple y logstica binaria a las series dadas. Del modelo de regresin lineal se concluye que, este modelo puede ser utilizado como diagnstico para predecir el comportamiento de una serie de datos respecto al pronstico de ocurrencia de lluvia, esto se debe a las caractersticas de la serie de estudio respecto al modelo regresin lineal, mediante el cual las salidas del modelo o pronsticos, no se encuentran acotados. El modelo de regresin logstica es el que mejor aplicacin presenta para la serie de estudio, esto se debe a que, proporciona salidas acotadas entre los valores de probabilidad [0,1] incluyendo como variables independientes a todos los ndices de estabilidad aplicados en esta investigacin y, con esto los valores de aciertos, en general, superan el 65%. Cabe destacar que las ecuaciones de regresin obtenidas del anlisis de esta serie de datos no se pueden tomar como definitivas, porque el perodo utilizado es muy corto y la densidad de estaciones no es representativa de la regin de estudio; adems en modelos de pronstico, es un error congelar las ecuaciones, lo recomendable es alimentar el modelo mensualmente con nuevos datos, de modo que se mejore cada da el modelo. En general, los resultados obtenidos permiten concluir que el mtodo de regresin logstica binaria, basado en el uso ndices de Estabilidad Atmosfrica mediante sondeos virtuales de la atmsfera, representa de manera efectiva de pronosticar la ocurrencia o no ocurrencia de precipitaciones en la Regin Centro Norte Costera de Venezuela.

- 61 -

Adicionalmente se realizaron comparaciones de este modelo para distintos perodos y se concluye que para determinar un modelo de pronstico es necesario utilizar series que incluyan aos completos diferenciando el estudio para el perodo seco y el lluvioso, con lo cual se estima que debe mejorar las probabilidades de aciertos y se puede obtener un modelo que se adapte mejor a las condiciones de la zona. De igual manera se compararon los datos provenientes de radiosondeos reales e interpolados y, se concluy que para la muestra utilizada los datos generados por el Modelo de Asimilacin de Datos Globales (GDAS) pueden sustituir de manera eficiente a los procedentes de radiosondeos reales de la atmsfera, en caso de no poseer estos datos; sin embargo es necesario ampliar el perodo de estudio y la cantidad de estaciones a analizar, de modo que se pueda tener una conclusin vlida para cualquier perodo y lugar del pas. La investigacin desarrollada constituye un avance en el uso de modelos objetivos meteorolgicos de pronstico, as como en la aplicacin de algunos ndices de estabilidad atmosfrica en nuestra rea geogrfica.

- 62 -

RECOMENDACIONES
Los resultados obtenidos en esta investigacin se consideran preliminares y constituyen la base para la determinacin y puesta en prctica de modelo de pronstico. En este sentido se recomienda: Debido a las condiciones actuales que presenta la red hidrometeorolgica nacional y de los datos existentes, es necesario realizar un anlisis de la calidad de los datos utilizados, previo a la ejecucin de cualquier investigacin, ya que esto evita errores en los resultados obtenidos y retrasos en la elaboracin de los trabajos. Para obtener modelos que representen el rea de estudio es necesario contar con una red ms densa de estaciones, de manera que los trabajos realizados al respecto puedan ser utilizados como definitivos. Con el propsito de mejorar los aciertos obtenidos al aplicar un modelo de pronstico basado en el uso de ndices de Estabilidad Atmosfrica provenientes de sondeos interpolados de la atmsfera, se recomienda analizar los datos de varios aos, tantos como sean posibles, diferenciando el perodo lluvioso del perodo seco. Se recomienda ampliar el estudio comparativo entre los datos procedentes de sondeos reales e interpolados, con el fin de determinar una tendencia general respecto a los datos procedentes de ambos sondeos. Se recomienda que la validez de los modelos encontrados y los que se logren a posteriori, se verifiquen con una muestra independiente, es decir, con muestras que no formen parte de las utilizadas para la elaboracin de los modelos.

- 63 -

Dado que el umbral utilizado para definir un da con lluvia es la definicin de da lluvioso de la Organizacin Meteorolgica Mundial (0.1 mm o ms), sera de inters aplicar la metodologa aqu descrita para diferentes umbrales con lo cual se puede determinar un modelo de pronstico para ocurrencia de precipitaciones de distinta intensidad.

- 64 -

REFERENCIAS BIBLIOGRFICAS
Astros, E. (1989) Aplicacin y Evaluacin del ndice Sholwalter en la prediccin de Tormentas y Chaparrones en Caracas y Maracay. Trabajo Especial de Grado. Indito. Universidad Central de Venezuela, Caracas. Barry, R. y Chorley, R. (1972) Atmsfera Tiempo y Clima. Barcelona. Ediciones Omega, S. A. 500 p. Crdenas, P. A. (2009) Modelo de Pronstico Objetivo, un caso de estudio Estacin La Carlota. INAMEH. 26 p. Constantino, C. (1951) Meteorologa Descriptiva. 2da ed. Buenos Aires. Librera El Ateneo Editorial. 338 p. Davison, M.; Giada, E. y Leyton, J. (2000) Sistemas Frontales. Anlisis. National Weather Service. Hydrometeorological Prediction Center [Artculo en Lnea]. Disponible: http://www.hpc.ncep.noaa.gov/international/frentes2.shtml [Consulta: 2009, mayo 23] Durn, M. (2008) Determinacin de la aplicabilidad de cinco ndices de Estabilidad Atmosfrica como herramienta de pronstico para ser utilizada en la Regin Centro Norte Costera de Venezuela. Trabajo Especial de Grado. Indito. Universidad Central de Venezuela, Caracas. Garca L., F. (2009) Pronstico de ocurrencia de lluvia usando ndices de Estabilidad Atmosfrica y Cadenas de Markov. Electrificacin del Caron. 39 p. Gol, A. (1963) Las causas meteorolgicas de las lluvias de extraordinaria magnitud en Venezuela. 2da ed. Caracas. Ministerio de la Defensa, Comandancia General de la Aviacin, Servicio de Meteorologa y Comunicaciones. Guevara, J. (2004) Meteorologa. Caracas. Universidad Central de Venezuela. Consejo de Desarrollo Cientfico y Humanstico. 378 p. Gutirrez, E. y Vargas C. (2005) Climatologa sinptica de los patrones circulatorios de la estacin lluviosa venezolana en el perodo 1978-1999. Trabajo Especial de Grado. Indito. Universidad Central de Venezuela, Caracas. Holton, J. (1990) Introduccin a la Meteorologa Dinmica. 2da ed. Madrid. Edita Instituto Nacional de Meteorloga 425 p. Institute of Marine and Atmospheric Research. (2002) Thunderstrom Predictors and their Forecast Skill for The Netherlands. The Netherlands: Alwin Haklander

- 65 -

Jagsictt, J. (1954) Meteorologa Fsica. El Tiempo. Buenos Aires. Editorial Kapelusz. 249 p. Ledesma, M. (2008) Meteorologa Aplicada a la Aviacin. 13ava ed. Espaa. Editorial Paraninfo. 528 p. Medina, M. (1976) Meteorologa Bsica Sinptica. Madrid. Editorial Paraninfo. Meyer, P. (1973) Interamericano, S.A. Probabilidad y Aplicaciones Estadsticas. Fondo Educativo

Mundaray, R. y Garca, K. (2005) Condiciones meteorolgicas que provocaron las Inundaciones en febrero del 2005 en las costas venezolanas. Trabajo Especial de Grado. Indito. Universidad Central de Venezuela, Caracas. National Weather Service Glossary. (2006) National Oceanic and Atmospheric Administration. Edicin revisada. Naya, A. (1984) Meteorologa Superior. Madrid. 543 p. Organizacin Meteorolgica Mundial. (1970) Glosario en Espaol. Pettersen, S. (1976) Introduccin a la Meteorologa. 5ta ed. Madrid. Editorial EsparaCalpe, S. A. 423 p. Rackliff, P. (1962) Application o fan instability index to regional Forecasting. meteorological Magazine. The

Retallack, B. (1974) Compendio de Meteorologa. Meteorologa Fsica Volumen 1, Parte 2. Organizacin Meteorolgica Mundial-N0 364. Romero, M. (2000) Estudio de 5 ndices de Estabilidad Atmosfrica para la determinacin de su aplicabilidad como herramienta en la elaboracin de Pronsticos Hidrometeorolgicos para la Cuenca del Ro Caron. Trabajo Especial de Grado. Indito. Universidad Central de Venezuela, Caracas. Sabino, C. (2002) El Proceso de Investigacin. Una introduccin terico- prctica Showalter, A. (1953) Stability index for thunderstorm forecasting. Meteorological Society. American

Simonelli, S. (2008) Modelo estadstico de Pronstico de Conveccin para la zona norte de la Provincia de Mendoza [Resumen en Lnea]. Trabajo de Tesis no publicado, Universidad

- 66 -

de Buenos Aires. Disponible: http://www.prmarg.org/publicaciones/scstesis/ApII.html [Consulta: 2009, septiembre 30]. Sordo, C. (2006) Tcnicas Estadsticas para la Proyeccin Local de la Prediccin Meteorolgica Estacional. Mtodos, Validacin y Estudios de Sensibilidad. Tesis Doctoral. Indita. Universidad de Cantabria, Espaa. Surez, D. Otras tcnicas de Prediccin. Gua de Estudio. Surez, D. (1987) Uso del ndice de Estabilidad Atmosfrica de Showalter en la Prediccin de Tormentas en Maracay. Trabajo Especial de Grado. Indito. Universidad Central de Venezuela, Caracas. Surez, D. (1992) Exposicin de 26 ndices de Estabilidad Atmosfrica y su aplicacin en un da de tormenta y un da de buen tiempo en la Zona Trpico-Continental de Maracay. Trabajo de Ascenso Profesor Agregado. Indito. Universidad Central de Venezuela, Caracas. Universidad Central de Venezuela. Facultad de Ingeniera. Departamento de Ingeniera Hidrometeorolgica (1995) Nueva Meteorologa Tropical. Caracas: Daniel Surez. Universidad Central de Venezuela. Facultad de Ingeniera. Departamento de Ingeniera Hidrometeorolgica (2003) Diagramas Termodinmicos. Caracas: Daniel Surez. Universidad Central de Venezuela. Facultad de Ingeniera. Departamento de Ingeniera Hidrometeorolgica (1981) El pronstico del Tiempo en los trpicos, tcnicas de pronostico a corto plazo. Primer seminario: Uso de ndices de estabilidad. Caracas: Daniel Surez. Universidad Central de Venezuela. Facultad de Ingeniera. Departamento de Ingeniera Hidrometeorolgica (1995) Meteorologa Sinptica: Apuntes. Caracas: Daniel Surez. Viaut, A. (1981) La Meteorologa. Coleccin Qu s? Nueva Serie. Barcelona. Editorial Villasar de Mar. 97 p.

- 67 -

APNDICE I. TABLAS Y FIGURAS Valores Medios, Mximos, Mnimos y significancia de F de cada ndice de Estabilidad Atmosfrica. Estacin La Carlota.
La Carlota td85 CAPE CINH Thetae85 Ki Wi TT CT Grupos 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 N 157 164 157 164 157 164 157 164 157 164 157 164 157 164 157 164 Media 13,3 14,2 396,0 485,5 -26,8 -18,5 338,1 340,3 29,5 33,5 24,1 14,5 41,8 43,0 18,8 19,9 Mnimo 8,2 8,6 1,0 2,6 -127,1 -89,7 328,5 328,5 5,4 17,6 4,2 3,2 35,3 35,1 12,9 13,2 Mximo 16,0 16,6 1197,0 1681,0 0,0 0,0 346,0 347,5 38,4 39,7 69,6 51,3 46,1 47,1 21,8 22,5 F 35,2 8,3 13,7 33,6 45,4 52,9 26,6 35,2 Sig. 0,000000 0,004216 0,000248 0,000000 0,000000 0,000000 0,000000 0,000000

Estacin Maiqueta.
Maiqueta td85 CAPE CINH Thetae85 Ki Wi TT CT Grupos 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 N 227 94 227 94 227 94 227 94 227 94 227 94 227 94 227 94 Media 14,7 15,6 464,7 536,8 -23,5 -17,8 343,2 345,3 32,9 31,4 21,3 14,3 40,7 41,6 18,3 19,2 Mnimo 8,3 10,8 0,2 0,4 -106,4 -83,2 328,1 333,0 26,5 27,0 3,4 3,7 32,8 35,2 12,8 14,2 Mximo 18,9 18,6 1245,0 1799,0 0,0 0,0 356,4 356,9 54,1 41,1 74,8 54,5 45,9 46,8 21,8 22,0 F 10,8 3,7 5,1 5,9 10,5 21,3 8,7 19,3 Sig. 0,001156 0,056138 0,023946 0,015559 0,001307 0,000006 0,003389 0,000015

- 68 -

Estacin Maracay.
Maracay td85 CAPE CINH Thetae85 Ki Wi TT CT Grupos 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 N 183 171 183 171 183 171 183 171 183 171 183 171 183 171 183 171 Media 13,7 14,7 232,0 296,8 -29,4 -28,2 338,9 341,3 30,4 34,5 22,3 12,0 41,9 43,4 19,1 20,4 Mnimo 9,2 10,5 0,0 0,0 -104,0 -154,0 329,0 332,1 2,8 22,1 2,0 2,6 35,9 37,6 14,2 16,5 Mximo 16,7 17,0 1260,0 1070,0 0,0 0,0 347,9 348,5 38,8 40,0 86,1 44,5 45,6 47,0 22,3 22,8 F 53,0 9,1 0,2 44,2 68,5 65,8 55,2 71,3 Sig. 0,000000 0,002748 0,629035 0,000000 0,000000 0,000000 0,000000 0,000000

Estacin Valencia.
Valencia td85 CAPE CINH Thetae85 Ki Wi TT CT Grupos 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 N 127 196 127 196 127 196 127 196 127 196 127 196 127 196 127 196 Media 13,7 14,6 189,6 227,0 -31,4 -30,5 338,7 340,9 31,1 34,1 20,5 13,3 41,9 43,1 19,3 20,3 Mnimo 9,1 9,3 0,0 0,0 -145,8 -156,1 329,3 330,8 7,2 19,8 1,1 1,6 35,2 35,9 13,6 14,6 Mximo 16,7 17,1 1177,0 1095,0 0,0 0,0 347,5 348,6 39,0 40,1 90,7 84,5 45,9 46,9 22,1 23,0 F 32,3 2,9 0,1 29,7 33,9 23,8 26,6 34,7 Sig. 0,000000 0,086904 0,779688 0,000000 0,000000 0,000002 0,000000 0,000000

- 69 -

Intervalo de Confianza de la media al 95% y Recorrido de la variable P01 con respecto a cada ndice de Estabilidad Atmosfrica Estacin La Carlota. ndice td850

Estacin La Carlota.

14 .40

14 .00

td85
13 .60

13 .20

-1. 00

0.0 0

1.0 0

2.0 0

P01 Grupos por lluvia (1) y no lluvia (0)

ndice CAPE
Estacin La Carlota.

50 0.0
]

CAPE

45 0.0

40 0.0

35 0.0 -1. 00 0.0 0 1.0 0 2.0 0

P01 Grupos por lluvia (1) y no lluvia (0)

- 70 -

ndice CINH

Estacin La Carlota.

-15 .000

-20 .000

CINH
-25 .000
]

-30 .000

-1. 00

0.0 0

1.0 0

2.0 0

P01 Grupos por lluvia (1) y no lluvia (0)

ndice Theta-e850
Estacin La Carlota.

34 0.00

Thetae85

33 9.00

33 8.00

-1. 00

0.0 0

1.0 0

2.0 0

P01 Grupos por lluvia (1) y no lluvia (0)

- 71 -

ndice KI
Estacin La Carlota.

34 .00
]

33 .00

32 .00

Ki
31 .00 30 .00
]

29 .00

-1. 00

0.0 0

1.0 0

2.0 0

P01 Grupos por lluvia (1) y no lluvia (0)

ndice WI
Estacin La Carlota.

24 .00

Wi

20 .00

16 .00
]

12 .00 -1. 00 0.0 0 1.0 0 2.0 0

P01 Grupos por lluvia (1) y no lluvia (0)

- 72 -

ndice TT

Estacin La Carlota.

43 .00

TT

42 .50

42 .00
]

41 .50

-1. 00

0.0 0

1.0 0

2.0 0

P01 Grupos por lluvia (1) y no lluvia (0)

ndice CT

Estacin La Carlota.

20 .00

19 .50

CT
19 .00
]

-1. 00

0.0 0

1.0 0

2.0 0

P01 Grupos por lluvia (1) y no lluvia (0)

- 73 -

Estacin Maiqueta. ndice td850

Estacin Maiqueta.

15 .50

td85

15 .00

14 .50

-1

p01 Grupos por lluvia (1) y no lluvia (0)

ndice CAPE
Estacin Maiqueta.

60 0.00

55 0.00
]

CAPE

50 0.00

45 0.00

40 0.00

-1

p01 Grupos por lluvia (1) y no lluvia (0)

- 74 -

ndice CINH
Estacin Maiqueta.

-15 .00

CINH

-20 .00

-25 .00

-1

p01 Grupos por lluvia (1) y no lluvia (0)

ndice Theta-e850
Estacin Maiqueta.

34 6.00

34 5.00

Thetae85

34 4.00

34 3.00

34 2.00 -1 0 1 2

p01 Grupos por lluvia (1) y no lluvia (0)

- 75 -

ndice KI
Estacin Maiqueta.

33 .00

Ki
32 .00

31 .00

-1

p01 Grupos por lluvia (1) y no lluvia (0)

ndice WI
Estacin Maiqueta.

22 .50
]

20 .00

Wi

17 .50

15 .00
]

12 .50 -1 0 1 2

p01 Grupos por lluvia (1) y no lluvia (0)

- 76 -

ndice TT
Estacin Maiqueta.

42 .00

41 .50

TT
41 .00

40 .50

-1

p01 Grupos por lluvia (1) y no lluvia (0)

ndice CT
Estacin Maiqueta.

19 .50

19 .00

CT
18 .50
]

18 .00

-1

p01 Grupos por lluvia (1) y no lluvia (0)

- 77 -

Estacin Maracay. ndice td850

Estacin Maracay.

14 .80
]

14 .40

td85
14 .00

13 .60

-1

P01 Grupos por lluvia (1) y no lluvia (0)

ndice CAPE
Estacin Maracay.

32 0.00

28 0.00

CAPE
24 0.00
]

20 0.00 -1 0 1 2

P01 Grupos por lluvia (1) y no lluvia (0)

- 78 -

ndice CINH
Estacin Maracay.
-24 .00

-26 .00

CINH

-28 .00

-30 .00

-32 .00

-1

P01 Grupos por lluvia (1) y no lluvia (0)

ndice Theta-e850
Estacin Maracay.

34 1.00

Thetae85

34 0.00

33 9.00

-1

P01 Grupos por lluvia (1) y no lluvia (0)

- 79 -

ndice KI
Estacin Maracay.

35 .00
]

34 .00

33 .00

Ki
32 .00 31 .00
]

30 .00

-1

P01 Grupos por lluvia (1) y no lluvia (0)

ndice WI
Estacin Maracay.
25 .00

20 .00

Wi
15 .00

10 .00 -1 0 1 2

P01 Grupos por lluvia (1) y no lluvia (0)

- 80 -

ndice TT
Estacin Maracay.

43 .50

43 .00

TT
42 .50 42 .00
]

41 .50 -1 0 1 2

P01 Grupos por lluvia (1) y no lluvia (0)

ndice CT
Estacin Maracay.

20 .50

20 .00

CT
19 .50

19 .00

-1

P01 Grupos por lluvia (1) y no lluvia (0)

- 81 -

Estacin Valencia. ndice td850

Estacin Valencia.

14 .80

14 .40

td85
14 .00

13 .60

-1

P01 Grupos por lluvia (1) y no lluvia (0)

ndice CAPE
Estacin Valencia.

25 0.0

22 5.0

CAPE

20 0.0
]

17 5.0

-1

P01 Grupos por lluvia (1) y no lluvia (0)

- 82 -

ndice CINH
Estacin Valencia.

-27 .5

CINH

-30 .0
]

-32 .5

-35 .0

-1

P01 Grupos por lluvia (1) y no lluvia (0)

ndice Theta-e850
Estacin Valencia.

34 1.00

Thetae85

34 0.00

33 9.00
]

33 8.00 -1 0 1 2

P01 Grupos por lluvia (1) y no lluvia (0)

- 83 -

ndice KI
Estacin Valencia.

22 .50

20 .00

Wi

17 .50

15 .00

12 .50

-1

P01 Grupos por lluvia (1) y no lluvia (0)

ndice WI
Estacin Valencia.

35 .00

34 .00

33 .00

Ki
32 .00

31 .00

30 .00 -1 0 1 2

P01 Grupos por lluvia (1) y no lluvia (0)

- 84 -

ndice TT
Estacin Valencia.

43 .50

43 .00

TT

42 .50

42 .00

41 .50 -1 0 1 2

P01 Grupos por lluvia (1) y no lluvia (0)

ndice CT

Estacin Valencia.

20 .50
]

20 .00

CT
19 .50

19 .00

-1

P01 Grupos por lluvia (1) y no lluvia (0)

- 85 -

Coeficientes de las Ecuaciones de Regresin para las 4 estaciones. Estacin La Carlota Regresin Lineal Regresin Logstica Variable B Variable B Constante -93,100 Constante -469,177 td85 -1,029 td85 -5,154 CAPE 0,000 CAPE 0,000 CINH 0,004 CINH 0,024 Thetae85 0,325 Thetae85 1,631 Ki 0,006 Ki 0,034 Wi -0,012 Wi -0,069 TT -0,362 TT -1,780 CT 0,672 CT 3,268

Estacin Maiqueta Regresin Lineal Regresin Logstica Variable B Variable B Constante -5,971 Constante 8,873 td85 -0,103 Variable No Introducida CAPE 0,000 CAPE 0,000 CINH 0,001 CINH 0,006 Thetae85 0,025 Thetae85 -0,017 Ki -0,008 Ki -0,073 Wi -0,005 Wi -0,029 TT -0,091 TT -0,328 CT 0,184 CT 0,670

- 86 -

Estacin Maracay Regresin Lineal Regresin Logstica Variable B Variable B Constante -70,848 Constante -256,399 td85 -0,947 td85 -3,579 CAPE 0,000 CAPE 0,001 CINH -0,002 CINH -0,013 Thetae85 0,250 Thetae85 0,906 Ki 0,011 Ki 0,074 Wi -0,007 Wi -0,046 TT -0,388 TT -1,611 CT 0,810 CT 3,301

Estacin Valencia Regresin Lineal Regresin Logstica Variable B Variable B Constante -42,818 Constante -17,055 td85 -0,499 Variable No Introducida CAPE 0,000 CAPE 0,000 CINH -0,001 CINH -0,003 Thetae85 0,147 Thetae85 0,042 Ki 0,014 Ki 0,059 Wi -0,002 Wi -0,009 TT -0,190 TT -0,097 CT 0,406 CT 0,282

- 87 -

APNDICES II. APLICACIN DE MODELOS AL PRONSTICO DE OCURRENCIA DE LLUVIA.

ELABORACIN DE MODELOS DE PRONSTICO PROBABILSTICO DE OCURRENCIA DE LLUVIA. SUGERENCIAS

Captacin y procesamiento bsico de datos de lluvia y control elemental de calidad de stos.

Buscar que la informacin faltante (diaria) sea mnima y se tengan 5 aos de datos diarios.

Obtencin de los sondeos intrepolados del modelo GDAS del perodo de tiempo escogido.

Tener al menos 5 aos de datos de sondeos interpolados de todos los meses del ao como muestra dependiente.

Verificacin de los umbrales de los diferentes ndices.

Distinguir umbrales para los perodos seco y lluvioso del ao con el total de datos de 5 aos.

Construccin de modelos por regresin logstica binaria.

Utilizar en la elaboracin de modelos 4 aos de datos diarios de sondeos interpolados y lluvia.

Prueba de los modelos obtenidos con muestras independientes.

Hacerlo con al menos un ao de sondeos y datos de lluvia, diarios.

- 88 -