Вы находитесь на странице: 1из 61

REGIONALIZACION CLIMTICA (PRELIMINAR) DEL LITORAL ECUATORIANO, UTILIZANDO 3 METODOLOGAS PARA LA AGRUPACIN DE ZONAS/ESTACIONES HOMOGNEAS, EN TORNO AL PROYECTO NDICES

ENOS.

Jorge Hurtado Pidal Email. jhurtado@inamhi.gob.ec Fabin Suntaxi Aluisa Email. fsuntaxi@inamhi.gob.ec

Palabras Clave: Zonificacin, Clusters, ISODATA, MultiSpec, Anlisis Digital de Imgenes, Anlisis Espacial, Pseudobandas, Variables Climticas, Estaciones Meteorolgicas, K-Medias, SPSS, Vector Regional, Correlacin, Hydraccess.

1. RESUMEN. Se utilizaron tres tcnicas de agrupacin de zonas homogneas, una de tipo Geomtica otra Estadstica y la ultima de tipo Hidrolgica Estadstica, mientras que la primera (Zonificacin Espacial) tiene su fuerte en el anlisis espacial por el tipo de informacin que se utiliza, la segunda (Clustering) analizan la serie de tiempo de las estaciones y hace agrupaciones por el parecido entre ellas a partir la distancia euclidiana, la tercera (Vector Regional) analiza la correlacin de las estaciones respecto a un Vector Regional que es una estacin ficticia que representa una zona climtica homognea. Con la primera tcnica que se basa en el algoritmo ISODATA implementado en el software MultiSpec, se hallaron 5 zonas espacialmente homogneas a partir de la base de datos Geogrfica Climtica World Clim, la segunda tcnica encontr 3 grupos homogneos con la base de datos de las estaciones de INAMHI, y haciendo un anlisis de concordancia (zonas vs clusters) se determin una

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

concordancia de un 90% analizando la precipitacin de 54 estaciones, y de un 100% cuando se analiz tanto precipitacin y temperatura de 16 estaciones. En la aplicacin del Vector Regional, como tercera tcnica, se formaron grupos acordes a la zonificacin espacial (primera tcnica) y tambin en base a su cercana para proceder a generar 72 vectores regionales distribuidos en las diferentes zonas, la correlacin general de las estaciones por zonas fue de 0.85. Por tanto los resultados de la segunda y tercera tcnica han validado a la primera.

2. INTRODUCCIN. La regionalizacin o zonificacin climtica del litoral es el primer paso en el proyecto INDICES ENOS, la misma que permitir encontrar las zonas de mayor y menor humedad1 por sus caractersticas climticas, de precipitacin y temperatura y as trabajar en un siguiente paso, para determinar la climatologa de una zona especfica, a partir de series temporales de precipitacin y temperatura, de bases que se estn terminando de evaluar, as mismo la zonificacin podr ms adelante, orientar los procesos de correlacin estadstica, entre las condiciones ocenicas y atmosfricas que determinan el rgimen de precipitacin durante el fenmeno de El Nio, es decir poder determinar, por ejemplo, si hay mayor relacin de la temperatura superficial del mar, con la climatologa de ciertas zonas. El objetivo de esta parte del proyecto INDICES-ENOS es utilizar 3 metodologas (Figura 5) para validar los resultados unos con otros, es decir las metodologas son complementarias entre ellas. Primero una tcnica Geomtica de clasificacin de imgenes, que se llama ISODATA (Iterative Self Organizing Data Analysis Technique) con el software MultiSpec, que consiste en agrupar pixeles en una imagen multibanda a partir de la distancia espectral, las bandas o mejor dicho pseudobandas de esta imagen constituyen las grillas o rasters de las 14 variables bioclimticas de World Clim que se derivan de la precipitacin y temperatura para de esta
1

Humedad Ambiental, es la cantidad de vapor de agua presente en el aire.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 2

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

forma encontrar zonas homogneas. La segunda metodologa se basa en un anlisis de conglomerados (cluster analisys en ingls) que es una tcnica multivariante que permite agrupar los casos (estaciones) de un archivo de datos en funcin del parecido o similaridad existente entre ellos, se us la tcnica de K-Medias con el software estadstico SPSS utilizando la base de datos de INAMHI de precipitaciones medias mensuales (56 estaciones) y tambin temperaturas mximas y mnimas medias mensuales (16 estaciones). Se pueden decir que la primera y segunda tcnica son muy parecidas conceptualmente, lo que cambia es el tipo de dato (raster o Tabla de series), fuente de datos (World Clim o INAMHI) la metodologa de agrupacin (ISODATA y K-Medias). Por ltimo se aplic la tcnica del vector regional con el software Hydraccess que analiza la correlacin entre las estaciones y el vector generado por ellas en el mismo grupo, esto nos da un panorama de cmo es el comportamiento climtico en la zona seleccionada a travs de una serie total por zona.

3. OBJETIVO. Hacer una regionalizacin (con validacin) del Litoral Ecuatoriano a partir de la comparacin de 3 metodologas y/o software como son: MultiSpec (Geomtico), SPSS (Estadstico), Hydraccess (Hidrolgico). 3.1. Objetivos Especficos. Zonificar espacialmente la regin del Litoral Ecuatoriano a partir de un algoritmo Geomtico de clasificacin de datos (ISODATA), utilizando variables de precipitacin y temperatura de la base climtica World Clim a manera de Pseudobandas. Agrupar estadsticamente las estaciones hidrometeorolgicas en base a las series de precipitacin y temperatura con la tcnica de K-Medias y usar la agrupacin en la validacin de la Zonificacin Espacial.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 3

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Determinar el Vector Regional para la precipitacin en cada zona climtica homognea del Litoral Ecuatoriano, con sus respectivas correlaciones usando el software Hydraccess, mediante la agrupacin de estaciones por zonas para usar la correlacin como una segunda validacin.

4. AREA DE ESTUDIO. El rea de estudio para esta regionalizacin climtica, de acuerdo al proyecto corresponde a la regin del Litoral Ecuatoriano2, delimitada para este caso entre 0 y 1000 msnm.

Figura1. Regin del litoral ecuatoriano, delimitada a partir de 1000msnm.

La siguiente fase de la regionalizacin incluye las Islas Galpagos.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 4

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

5. MARCO TEORICO.

Imagen Multiespectral Una imagen Multiespectral es una imagen compuesta de muchas bandas (Figura 2), cada banda representa un tipo diferente de informacin, en el caso de las imgenes de satlite cada banda recoge la respuesta espectral de una cobertura en determinado rango del espectro electromagntico pero en este caso las bandas, o mejor dijramos pseudobandas (ya que no son respuesta espectral), son variables climticas de precipitacin y temperatura.

Figura2. Esquema de una imagen multiespectral.

Proceso de Agrupacin (clusters) o Formacin de Clases La delimitacin de cada grupo espectral se inicia sealando dos criterios: uno que mida la similitud entre pixeles, y otro que marque las condiciones del proceso de agrupamiento. En cuanto al primer aspecto, se han propuesto diversos criterios para medir la distancia entre pixeles. El ms utilizado se basa en la distancia euclidiana (Chuvieco, 2008):

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 5

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

[Ecuacin 1] Donde: da,b; indica la distancia entre dos pixeles cualquiera a y b. NDa,i y NDb,i; los niveles digitales de esos pixeles en la pseudobanda i (que en este caso son variables de precipitacin y temperatura). m; el nmero de pseudobandas (14 en este caso). Tambin pueden utilizarse otros criterios para medir la distancia entre pixeles, como sera el caso de la distancia media o la de Mahalanobis (Rebollo y Orti, 1980), si bien la distancia euclidiana resulta la ms habitual en este tipo de aplicaciones (Chuvieco, 2008).

Algoritmo ISODATA (The Iterative Self-Organizing Data Analysis). En cuanto al algoritmo de agrupamiento, las opciones tambin son muy numerosas. Uno de los ms extendidos es el denominado ISODATA (Duda y Hart, 1973), gracias a contar con un mecanismo iterativo bastante slido. En esencia, este algoritmo procede a partir de las siguientes fases: 1. Se sealan una serie de centros de clase, de acuerdo al nmero (p.e. 5 clases) y forma (p.e. aleatorio) indicados. 2. Se asignan todos los pixeles de la imagen al centro de clase ms prximo, utilizando el criterio de distancia indicado. 3. Se calculan de nuevo los centros de clase, teniendo en cuenta los valores de todos los pixeles que se le hayan incorporado en la fase anterior. 4. Se reordenan los centros de clase en funcin de los parmetros de control indicados por el usuario (distancia mnima entre grupos, tamao mnimo de un grupo, varianza mxima de un grupo y nmero
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 6

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

de grupos), aqu cabe aclarar que el cluster es dividido (Cluster B, Figura3) si hay una o ms desviaciones estndar que las definidas por el usuario en el threshould (umbral), y en cambio son fusionados dos clusters (Cluster A, Figura3) si la distancia entre ellos son menores a las definidas en el threshould por el usuario. 5. Se vuelven a asignar todos los pixeles de la imagen al centro ms cercano, (a partir de aqu el algoritmo se vuelve ms estable). 6. El algoritmo ISODATA repite el agrupamiento de la imagen hasta que se ejecute el nmero mximo de iteraciones o se alcance el mximo porcentaje de asignacin de pxeles no cambiados entre dos iteraciones.

Figura3. Esquema de formacin de clusters. Cluster A.

Desde el punto de vista estadstico, este algoritmo parece bastante adecuado para delimitar los grupos de valores homogneos dentro de la imagen (Rebollo y Orti, 1980).

Algoritmo K-Medias.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 7

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Otro mtodo muy conocido, el de agrupacin de medios -k o KMedias. Igual que en ISODATA se deben especificar el nmero de conglomerados. El objetivo del algoritmo K-Medias es minimizar la variabilidad dentro del cluster. La funcin objetivo (la cual va a ser minimizada) es la suma de las distancias al cuadrado (error) entre cada estacin y el centro del cluster asignado.

[Ecuacin 2] Donde: C(x); es la media del cluster del cual la estacin x ha sido asignada. Minimizar SSdistanceses es equivalente a minimizar el error medio cuadrtico (EMC). El EMC es una medida de la variabilidad dentro del cluster.

Figura 4. Variabilidad dentro del cluster.

Como se ve en el esquema de la Figura 4 el objetivo es maximizar la diferencia entre los cluster relativa a la variacin dentro de los mismos.

Mtodo Del Vector Regional (Hydraccess)


Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 8

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

El MVR es un mtodo de clculo orientado a tres tareas definidas: La crtica de datos, la homogenizacin y la extensin-relleno de series estadsticas. La hiptesis fundamental se basa, en asumir que para una misma zona climtica sometida a un mismo rgimen, los totales anuales son pseudo-proporcionales, con una pequea variacin aleatoria cada ao debido a la reparticin de las lluvias dentro de la zona. (Jhan Carlo Espinoza, 2005) La idea bsica del MVR es: en lugar de comparar dos por dos estaciones por correlacin o doble masa, como se hace en los mtodos clsicos, se elabora una estacin ficticia que sea una especie de promedio de todas las estaciones de la zona, con la cual se comparan cada una de las estaciones. El MVR emplea entonces, para el clculo de esta estacin Vector el concepto de un Valor Medio Extendido al periodo de trabajo, salvando los problemas del peso de estaciones ms caudalosas sobre las menos caudalosas (como ocurrira con un promedio simple) y la existencia de datos faltantes o diferentes periodos de funcionamiento (que calcularan promedios alterados en caso de tener solamente aos hmedos o solamente aos secos de determinada estacin) como ocurrira al obtener valores estandarizados o centrados. (Jhan Carlo Espinoza, 2005) Dos mtodos concurrentes fueron elaborados en el ORSTOM IRD por G. Hiez y Y. Brunet Moret. El mtodo de G. Hiez se basa en el clculo de la moda (valor ms frecuente), mientras que el de Y. Brunet Moret se basa en el promedio, eliminando los valores demasiado alejados del promedio para evitar contaminar demasiado las estimaciones con datos evidentemente errneos. Cada mtodo estima una media extendida para cada estacin sobre el perodo de trabajo, y calcula los ndices anuales de cada estacin, obtenidos al dividir el valor observado en una estacin para un ao por sta media extendida. (Jhan Carlo Espinoza, 2005)

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 9

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

6. METODOLOGA. La metodologa seguida se indica en el siguiente modelo conceptual.

Figura 5. Modelo conceptual del proceso de regionalizacin climtica.

Lo que indica la Figura 5 es que el primer producto en obtenerse es la zonificacin espacial con el algoritmo ISODATA usando la base World Clim, posteriormente este resultado es validado a partir de proceso de clustering de la serie temporal de la base de INAMHI de las estaciones, si hay un alto grado de concordancia se realizan los vectores regionales utilizando para cada uno las estaciones correspondientes a cada zona, esto a manera de una segunda validacin a partir de las correlaciones obtenidas, si por el contrario la zonificacin espacial no concordara con el
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 10

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

clustering, los vectores regionales se haran con estos ltimos como una tercera validacin entre ambos, sin embargo esto no ocurri, pero era importante tenerlo previsto, y por ltimo se plantea la generacin de las series temporales por zona o grupo.

6.1. ZONIFICACIN ESPACIAL (CLUSTERING ESPACIAL). 6.1.1. Base de Datos Climtica WORLD CLIM Aqu se refiere a las pseudobandas utilizadas para el proceso de agrupamiento. Como se deca no se utiliza informacin espectral como el caso de una imagen satelital, sino mas bien variables climticas, que estn disponibles y que se pueden descargar de forma libre, del portal World Clim3, en formato GRID *.grd (imgenes RASTER) de ESRI. Esta base de datos fue desarrollada por la Universidad de California, Berkeley (entre otros), contiene 19 variables bioclimticas de cobertura mundial (Figura 4), de 1km de resolucin espacial, esta base de datos climtica es ampliamente utilizada en estudios ambientales a nivel mundial, es un gran esfuerzo de colaboracin internacional, ya que fue elaborada a partir de los datos recopilados de las estaciones de los servicios meteorolgicos y otras instituciones alrededor del mundo, sus datos son representativos para el perodo 1950 2000.

http://www.worldclim.org/download

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 11

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Figura 6. Variables Climticas De World Clim Y Encerradas En Rojo Aquellas Utilizadas Para La Zonificacin Climtica.

De acuerdo a la Figura 4 las variables a utilizar son: Temperatura media anual Temperatura mxima del mes ms caliente. Temperatura mxima del mes ms fro. Temperatura media del trimestre ms hmedo. Temperatura media del trimestre ms seco. Temperatura media del trimestre ms caliente. Temperatura media del trimestre ms fro. Precipitacin anual Precipitacin mxima del mes ms caliente. Precipitacin mxima del mes ms fro. Precipitacin media del trimestre ms hmedo. Precipitacin media del trimestre ms seco. Precipitacin media del trimestre ms caliente. Precipitacin media del trimestre ms fro.
Tabla1. Variables Usadas en la Zonificacin.

VARIABLES DE TEMPERATURA

VARIABLES DE PRECIPITACIN

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 12

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Las variables seleccionadas son aquellas relacionas a la estacionalidad (por trimestres) y a la periodicidad anual, y con las cuales se obtuvieron los mejores resultados, las dems fueron descartadas al no aportar una mejora significativa en la zonificacin. 6.1.2. Procesamiento. Los procesos seguidos para obtener la Imagen Climtica4 fueron: Corte: Utilizando una mscara para delimitar el rea de inters (Litoral<=1000msnm). El Anexo1 muestra las variables climticas utilizadas cortadas para la zona de estudio de este trabajo. Composicin multibanda o Layer Stack: Para unir todas las pseudobandas en un mismo raster, para confeccionar la Imagen Climtica. 6.1.3. Clasificacin Imagen Climtica Utilizando el software libre MultiSpec, para anlisis digital de imgenes multiespectrales, desarrollado por la Universidad de Purdue (Larry Biehl), se procedi a realizar una clasificacin no supervisada usando el algoritmo ISODATA. A continuacin la ventana de conFiguracin para la corrida del algoritmo.

La imagen climtica realmente es una composicin multi -pseudobanda de variables climticas sin embargo nos seguiremos refiriendo a esto como imagen climtica ya que es un trmino mas simplificado y fcil de entender.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 13

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Figura 7. ConFiguracin de la inicializacin del Algoritmo ISODATA en MultiSpec

Respecto a los parmetros utilizados: Use single pass clusters: esta opcin de inicializacin define el centro del cluster en base a un muestreo aleatorio en la imagen que compone el rea de anlisis, luego en base a la distancia euclidiana asigna el pixel al cluster ms cercano como se haba dicho anteriomente. Convergence: Se refiere al porcentaje de pixeles que deben permanecer en el mismo cluster entre iteraciones5.
5

Este es uno de los criterios usados para finalizar el algoritmo, otro puede ser el nmero mximo de iteraciones

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 14

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Minimun cluster size: Tamao mnimo del cluster en pixeles. Distance 1 (First Line) y Distance 2 (Other lines): Es la distancia mnima (en las unidades de la variable) a la cual debe estar un pixel para asignarse a un cluster. Si la distancia es ms grande se crea un nuevo cluster.

6.2. AGRUPACION DE LAS ESTACIONES (CLUSTERING ESTACIONES). 6.2.1. Base Climtica INAMHI. Para esta parte se utiliz una base de datos de estaciones de INMAHI e INOCAR principalmente, que tienen precipitacin (54 estaciones, anexo 3) y temperatura (18 estaciones, anexo 4). No nos extenderemos en esta parte, para ms informacin remitirse al Informe Preliminar De Base De Datos que se ha generado tambin dentro del proyecto INDICES-ENOS, donde se explica ms sobre las caractersticas de esta Base Climtica INAMHI. 6.2.2. Obtencin de estadsticos. Primero se confeccion una Tabla con la media mensual acotada al 10% (para descartar valores extremos) de precipitacin con las 54 estaciones, para hacer un clustering. Despus se hizo una Tabla con la media mensual acotada al 10% de temperatura mxima y mnima con 18 estaciones, y con esta ltima se hizo una interseccin de Tablas con la primera de precipitacin con un campo en comn para obtener una nueva Tabla con 16 estaciones que contenan tanto precipitacin como temperatura (anexo 5) de la serie 1981 2010, que despus se homogeniz o reescal de 0 a 1 (ecuacin 3) para el segundo anlisis de clustering.

ai' , j
Donde:
Jorge Hurtado Pidal

ai , j

min( a*, j )

[Ecuacin 3]

max( a*, j ) min( a*, j )

Fabin Suntaxi Aluisa

Pgina 15

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

; es el valor homogenizado (rango de 0 a 1). ; es el valor en la escala original ; valor mnimo de la variable j en el conjunto de datos. ; valor mximo de la variable j en el conjunto de datos.

6.2.3. Determinando el nmero de Clusters. El mtodo de K-Medias necesita que especifique el nmero de cluster, sin embargo no existe ningn criterio general que nos permita determinar el nmero ptimo de clusters, pues influyen factores como el nmero de elementos con valores extremos, las distribuciones que siguen las variables etc (Hair, J.F., Anderson, R.E., Tatham, R.L. y Black, W.C. 1999), sin embargo ayuda mucho examinar el dendrograma para determinar el numero optimo de agrupaciones, adems otro aspecto a tener en cuenta es el nmero de elementos por cluster. Usando la base de 54 estaciones con precipitacin, el dendrograma obtenido en el software R es el siguiente (cdigo anexo 5).

Figura 8. Dendrograma de 54 estaciones usando la variable precipitacin.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 16

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

De la Figura 8 se puede concluir que 3 es un nmero adecuado de Clusters para este caso para maximizar la diferencia entre ellos y minimizarla dentro de cada uno. Y para complementar esta parte a manera de prueba, se hizo el proceso de agrupacin con 5 clusters y con 3 clusters, como se ve a continuacin:

a. 3 clusters

b. 5 clusters.

Figura9. (a) Nmero de casos para 3 clusters. (b) Nmero de casos para 5 clusters.

Cuando usamos 5 clusters solamente 2 casos se asignan a un grupo y 4 casos a otro. Mientras que usando 3 clusters el proceso de agrupacin es mejor distribuido.

6.2.4. Aplicacin del mdulo de clasificacin K-Medias en SPSS. Una vez determinado el numero de Clusters, a continuacin se utiliz el software estadstico SPSS (Statistical Product and Service Solutions), el mismo que ofrece una variedad de herramientas para el anlisis de clustering con el mtodo de K-Medias. Una caracterstica muy positiva es que en la salida de resultado se anexa una columna indicando el cluster al que pertenece cada caso o estacin.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 17

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Figura 10. Pantalla de SPSS para el anlisis de Clustering.

Se hicieron dos ensayos, el primero es solo con 12 variables de precipitacin media mensual (1981-2010) acotada de 54 estaciones. Y el segundo en con 36 variables de precipitacin y temperatura media mensual acotada y estandarizada de 16 estaciones (1981-2010). Adems de un reporte con las estadsticas del proceso se aaden a la Tabla de datos dos columnas una con el cluster al que pertenece cada caso y otra con la distancia al centro del cluster.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 18

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Tabla2. Estaciones con el cluster al que pertenecen y la distancia al centro del cluster.

6.2.5. Validacin de la zonificacin espacial con el clustering de estaciones. Descripcin del modelo cartogrfico de la Figura 11 que indica los pasos seguidos en SIG como modelo lgico para la validacin. Se vectoriza el archivo raster de zonificacin climtica. Se despliegan los puntos de las estaciones de acuerdo a las coordenadas de la base de datos, que ya contienen un campo con el cluster al que pertenecen (cruce de Tablas). Se hace una unin espacial (Spatial Join) de elementos entre los polgonos de las zonas climticas y los puntos de las estaciones para saber a qu zona climtica pertenece cada estacin (Figura 10). Se generan mapas temticos. Se exporta la Tabla del SIG producto de la unin espacial de polgonos (zonas) y puntos (estaciones). Se analiza el porcentaje de variabilidad de clusters dentro de la zona.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 19

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

MODELO LGICO - CARTOGRFICO PARA LA VALIDACION DE LA ZONIFICACION ESPACIAL CON EL CLUSTERING DE ESTACIONES
TABLAS DE COORDENADAS DE LAS ESTACIONES TABLAS DE CLUSTERING DE LAS ESTACIONES

ZONAS CLIMTICAS HOMOGENEAS CON ISODATA (RASTER)

JOIN (CAMPO EN COMUN: ID ESTACIONES)

VECTORIZACION

JOIN ESPACIAL (PUNTOS Y POLIGONOS)

TABLA CON COORDENADAS Y CLUSTER AL QUE PERTENECEN

ZONAS CLIMTICAS HOMOGENEAS CON ISODATA (POLIGONOS)

ESTACIONES (PUNTOS) CON INFORMACION DEL CLUSTER Y ZONA CLIMATICA A LA QUE PERTENECEN

DESPLIEGUE DE PUNTOS EN SIG

PUNTOS DE LAS 16 ESTACIONES CON UN INFORMACION DEL CLUSTER AL QUE PERTENECEN

GENERACION DE MAPAS TEMATICOS

EXPORTACIND E TABLAS, ANALISIS RESULTADOS

Figura11. Modelo cartogrfico para la validacin de la zonificacin espacial (MultiSpec) con el clustering de estaciones (SPSS).

Figura 12. Unin espacial de puntos y polgonos para transferencia de atributos.


Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 20

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Los Tablas y Mapas de resultados de esta parte se indican en el apartado 7.2.

6.3. VECTOR REGIONAL (CORRELACION DE ESTACIONES) Para esta parte tambin se usaron las 54 estaciones de la Base Climtica INAMHI que se menciona en el apartado 6.2.1. 6.3.2 Criterios de Seleccin. Se agruparon estaciones que pertenecen a una misma zona climtica homognea (obtenidas con la primera tcnica). Para esto se utiliz la cobertura de estaciones de la Figura 11 que se gener en el proceso de validacin con clusters. Y en las zonas como la 1 y 2 que tienen varias estaciones se formaron 2 grupos de estaciones que espacialmente estn separados.

Figura 13. Demarcacin de las zonas y ubicacin de las 54 estaciones meteorolgicas.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 21

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

6.3.3 Procesamiento de los Datos. Se cre en Excel una Tabla llamada HA_Multiestaciones.xls que contiene las 54 estaciones meteorolgicas con los siguientes datos: precipitacin mensual de cada ao en mm, las coordenadas geogrficas de latitud y longitud, el cdigo de la estacin, el nombre de la estacin, la zona climtica a la que pertenece. Se procedi a generar las Tablas de los diferentes meses para el periodo 1981-2010, para cada zona (o grupo segn el caso).

Figura 14. Pantalla con la Tabla HA_Multiestaciones de la zona 1 grupo2 del periodo 1981-2010.

6.3.4 Uso del Hydraccess para generar el Vector Regional. Se carga la Tabla de Excel HA_Multiestaciones.xls que se cre con los datos de precipitacin de esa zona. (Figura 14)

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 22

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Figura 15. Men del Hydraccess_Vector regional

En la Tabla Excel aparecen los parmetros multi-estaciones que son los valores mensuales de precipitacin, tipos de datos mensuales y el mes de trabajo para el que vamos a generar el vector regional; en los parmetros de procesamiento se especifica el ao de inicio y de final de trabajo Luego se calcula y se genera en el Vector Regional de ndices anuales una nueva Tabla apareciendo las estaciones meteorolgicas y los aos que estn involucradas en el proceso. (Figura 16)

Figura 16. Estaciones meteorolgicas y aos involucrados en el periodo 1980-2010.


Pgina 23

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Se genera una nueva Tabla de Excel llamada HA_vector.xls la cual contiene varias pestaas cada una con diversos parmetros y los anlisis del conjunto de stos, ello permite discernir un anlisis adecuado de la calidad de las estaciones, y a travs de las correlaciones puede verse que correlaciones son muy bajas o negativas, se espera que las estaciones de una misma zona climtica tengan altos valores de correlacin.
No D.E. Coef. Aos Obs. Variacin Id Estacin M0003_P_M1_(mm) 31 101.2 1.499 M0013_P_M1_(mm) 29 118.2 1.004 M0014_P_M1_(mm) 30 493.7 2.836 M0017_P_M1_(mm) 30 82.3 0.931 M00021_P_M1_(mm) 31 188.8 2.242 M00023_P_M1_(mm) 31 106.3 1.166 M00026_P_M1_(mm) 31 73.6 1.131 M00034_P_M1_(mm) 30 105.6 1.029 M00036_P_M1_(mm) 31 93.3 0.682 M00050_P_M1_(mm) 25 102.4 0.618 Media Media Media D.E. Homogeneid Correl. Lin. a Lin. a Calidad( Evaluacin( Obs. Calculada Desvos Desvos ad B.M. /Vector priori post. Proporcionalidad /10) /10) 67.5 73.9 -0.087 0.572 0.528 0.94 1.03 0.55 0.4041 0.9 0.8 117.8 107.1 0.099 0.384 0.035 0.941 0.88 0.94 0.4565 0.4 0.4 174.1 591.7 -0.639 0.912 0.312 0.708 0.88 0.91 0.7362 0 0 88.4 70.7 0.231 0.711 0.643 0.81 1 0.85 0.4348 0.6 0.6 84.2 160.5 -0.475 0.758 0.462 0.862 1.24 1 0.6346 0 0 91.1 85.3 0.068 0.604 0.598 0.879 1.04 0.91 0.4601 0.4 0.4 65.1 54 0.206 0.702 0.915 0.886 0.99 0.79 0.4028 0.9 0.9 102.6 95.8 0.07 0.524 0.127 0.878 0.8 0.5 0.2529 3.8 3.8 136.8 116.3 0.176 0.631 0.745 0.767 1.27 0.7 0.3558 1.5 1.5 165.7 115.5 0.507 0.691 0.133 0.855 0.84 0.59 0.3035 2.5 2.5

Tabla 3. Parmetros y anlisis del mes de Enero periodo 1981-2010 (en amarillo las bajas correlaciones)

Tambin dentro de la pestaa grafico ndices se genera una grfica de los ndices de las estaciones meteorolgicas y el Vector Regional en la cual se puede observar que estaciones estn fuera de los lmites superiores e inferiores del Vector Regional para proceder a apartarlas y generar un nuevo Vector Regional para obtener una Tabla definitiva. (Figura 17)

Figura 17. Grfico de Vector Regional (lnea roja resaltada) del mes de Enero del periodo 1981-2010.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 24

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

7. RESULTADOS. 7.1. RESULTADOS DE LA ZONIFICACION ESPACIAL.

Figura 18. Zonificacin Climtica usando 14 variables climticas (World Clim) e ISODATA.

En esta parte correspondiente a la Zonificacin Espacial se define estadsticamente cada una de las 5 zonas encontradas, (el anexo 2, muestra Tablas con los estadsticos de cada zona para las variables usadas). As las zonas encontradas quedan definidas explcitamente de forma estadstica. Por ejemplo se podra decir, de acuerdo a esta clasificacin que:
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 25

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

La ZONA 1 se asemeja a un clima de Litoral Semi Arido y se caracteriza por tener una temperatura media anual de 24.5C y una precipitacin anual de 604 mm. Una temperatura mnima de 19.3C en el trimestre mas frio y una mxima de 27C en el trimestre ms caliente. Una precipitacin mnima de 0 mm en el trimestre ms seco y una precipitacin mxima de 697 mm en el trimestre ms hmedo. La ZONA 2 se asemeja a un clima Tropical Seco y se caracteriza por tener una temperatura media anual de 24.6C y una precipitacin anual de 1280 mm. Una temperatura mnima de 18.5C en el trimestre mas frio y una mxima de 26.9C en el trimestre ms caliente. Una precipitacin mnima de 2 mm en el trimestre ms seco y una precipitacin mxima de 1105 mm en el trimestre ms hmedo. La ZONA 3 se asemeja a un clima Tropical Semi Humedo y se caracteriza por tener una temperatura media anual de 24.6C y una precipitacin anual de 2001 mm. Una temperatura mnima de 18.2C en el trimestre mas frio y una mxima de 26.7C en el trimestre ms caliente. Una precipitacin mnima de 10 mm en el trimestre ms seco y una precipitacin mxima de 1507 mm en el trimestre ms hmedo. La ZONA 4 se asemeja a un clima Tropical Humedo y se caracteriza por tener una temperatura media anual de 24.2C y una precipitacin anual de 2713 mm. Una temperatura mnima de 19.2C en el trimestre mas frio y una mxima de 26.6C en el trimestre ms caliente. Una precipitacin mnima de 34 mm en el trimestre ms seco y una precipitacin mxima de 1728 mm en el trimestre ms hmedo. La ZONA 5 se asemeja a un clima Tropical Sper Hmedo y se caracteriza por tener una temperatura media anual de 24.3C y una precipitacin anual de 3547 mm. Una temperatura mnima de 19.8C en el trimestre mas frio y una mxima de 26.4C en el trimestre ms caliente. Una precipitacin mnima de 224 mm en el trimestre ms seco y una precipitacin mxima de 1999 mm en el trimestre ms hmedo.
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 26

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

De forma general la precipitacin va aumentando y la temperatura disminuyendo progresivamente desde la zona 1 hasta la 5. Sin embargo la temperatura mnima en el trimestre mas frio es ms alta en la zona 5 (19.8C) que en la zona 4 (19.2C), debido al efecto de la humedad en el ambiente. 7.2. RESULTADOS DEL CLUSTERING DE ESTACIONES. Como se ha venido diciendo tenemos en esta parte dos resultados uno con 54 estaciones haciendo el clustering solo a partir de precipitacin el cual cuyos resultados se orientan a la validacin de la zonificacin espacial. Y otro con 16 estaciones a partir de precipitacin y temperatura que serviran igualmente de validacin de la zonificacin espacial. Clustering con 54 estaciones (12 variables de precipitacin)

Figura 19. Mapa de estaciones por cluster de precipitacin

En la Figura 19 se puede apreciar cmo se forman los 3 clusters superponindose a las 5 zonas.
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 27

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Suma de 1 CLUSTER ZONAS 1 2 3 Total general 0 2 3 1 6 1 6 22 28 2 11 1 12 3 2 1 3 4 5 5 Total general 21 26 7 54 (a). Nmero de casos: Zonas vs Clusters.
CONCORDANCIA DENTRO DE CADA ZONA ZONA/CLUSTER 1 2 3 SUMA 1 21.43 78.57 0.00 100.00 2 91.67 8.33 0.00 100.00 3 66.67 0.00 33.33 100.00 4 0.00 0.00 100.00 100.00

(b). Porcentaje de variabilidad dentro de cada Zona. Tabla 4. (a) Nmero de casos y (b) Porcentaje de variabilidad en las zonas, con los 3 cluster de 54 estaciones usando solo precipitacin.

La Tabla 4 indica que en la zona 1 hay 21,43 % del cluster 1, 78,57% del cluster 2 y 0% del cluster 3. As sucesivamente para cada zona, obteniendo que en promedio el grado de concordancia entre zonas y cluster es de 90%. La mayor diferencia est en la zona 3, pero hay que tomar en cuenta que en la zona 3 hay 3 estaciones, 2 del cluster 1 y 1 del cluster 3 que est en el lmite de la zona, considerando el error de georreferenciacin de las estaciones y la escala de la zonificacin (con 1km de tamao de grilla), este error es despreciable.

Clustering con 16 estaciones (36 variables de precipitacin y temperatura) Y de igual forma ahora que consideramos 36 variables de precipitacin y temperatura, las zonas no presentan variabilidad de clusters dentro de ellas como se ve en la Tabla5.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 28

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Suma de n1 ZONAS 0 1 2 3 4 Total general

CLUSTER 1 1 7 1 2 3 Total general 1 7 2 3 3 3 3 16

1 3 4

(a). Nmero de casos: Zonas vs Clusters.


CONCORDANCIA DENTRO DE CADA ZONA ZONA/CLUSTER 1 2 3 SUMA 0 100.00 0.00 0.00 100.00 1 100.00 0.00 0.00 100.00 2 50.00 50.00 0.00 100.00 3 0.00 100.00 0.00 100.00 4 0.00 0.00 100.00 100.00

(b). Porcentaje de variabilidad dentro de cada Zona. Tabla5. (a) Nmero de casos y (b) Porcentaje de variabilidad en las zonas, con los 3 cluster de 16 estaciones usando precipitacin y temperatura.

En este caso el grado de similitud es mayor que en el anterior, esto tambin debido al menor nmero de estaciones usadas. Un caso importante de analizar es en la zona 2, donde hay una estacin del cluster 1 en el lmite de la zona y 1 estacin del cluster 2, por tanto si obviamos este caso especial, la concordancia es del 100%.

Figura 20. Mapa de estaciones por cluster de precipitacin y temperatura


Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 29

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Esto muestra que la Zonificacin Espacial con el algoritmo ISODATA y la base World Clim han funcionado muy bien para la zonificacin climtica del Litoral Ecuatoriano, teniendo un alto grado de concordancia con el proceso de clustering de las estaciones con la Base Climtica INAMHI. Inclusive esas partes de la zona 1 en Esmeraldas que parecen aisladas respecto al entorno tienen estaciones del cluster 1 (tringulos negros Figura 20). Como nota explicativa se menciona que si bien la simbologa es la misma para los clusters en la Figura 19 y 20, los cluster asociados a cada zona (cluster 1, cluster 2 o cluster3), no son iguales, mientras que el primer ensayo es el cluster 2 el asociado a la zona 1 (Figura19), en el segundo ensayo es el cluster 1 asociado a la zona 1 (Figura 20). 7.3. RESULTADOS DEL VECTOR REGIONAL POR ZONAS. El resultado proporcion una Tabla de correlacin del Vector Regional usando las estaciones dentro de cada zona, adems de acuerdo a la cantidad de estaciones se fueron haciendo grupos dentro de una misma zona pero espacialmente distantes, las zonas 1 y 2 tuvieron 2 grupos cada uno y la zona 3 y zona 4 un grupo cada uno. En la siguiente Tabla se ve cuantos vectores hay por cada zona.
ZONAS ZONA 1 ZONA 2 ZONA3 ZONA 4 Grupos Grupo 1 Grupo 2 Grupo 1 Grupo 2 Grupo Grupo Meses trabajados 12 12 12 12 12 12 Vectores generados 12 12 12 12 12 12 Total de vectores generados 24 24 12 12

Tabla 6. Vectores generados por grupo en cada zona.

Se constato la correlacin entre las estaciones meteorolgicas y el vector generado y las graficas de los ndices. En el proceso de seleccin se
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 30

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

descarto aquellas que no tienen buena correlacin tanto estadstica y grfica, para despus hacer una nueva corrida con las estaciones finales obteniendo los vectores finales de cada zona de estudio. De acuerdo a cada zona y al nmero de estaciones, se eliminaron estaciones cuya correlacin estuvo por debajo de 0.8, procurando mantener el mnimo de 4 estaciones por grupo, que se requieren para generar el Vector Regional. A continuacin la Tabla 7 Muestra el resumen de correlaciones por zonas y grupos.

TABLA DE CORRELACIONES

ZONAS ZONA 1 ZONA 2 ZONA 3 ZONA 4

grupos g1 g2 g1 g2 g g

CORRELACIONES 0.7354 0.8295 0.8910 0.896 0.8366 0.9051 0.8366 0.9051 0.8934 0.85438 0.7824

Tabla 7. Correlacin por cada zona

Estas correlaciones en general nos demuestra la gran similitud que tienen las estaciones meteorolgicas dentro de cada Zona Climtica Homognea, con lo cual se ha realizado la segunda validacin de la Zonificacin Espacial.

8. CONCLUSIONES Y RECOMENDACIONES. 8.1. Conclusiones. Zonificacin espacial La metodologa si ha permitido extraer las regiones climticas, las mismas que muestran un alto grado de concordancia con los mapas de clima
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 31

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

existentes. Los resultados son posibles de mejorar en cuanto se disponga de mayor detalle y calidad en los datos de entrada para el algoritmo. Se han encontrado 5 zonas climticas bien diferenciadas. La humedad aumenta a medida que nos internamos en el continente en direccin nororiente, con la temperatura es prcticamente lo mismo. Clustering de Estaciones. El proceso de clustering para formar 3 grupos con las 54 estaciones utilizando 12 variables de precipitacin media mensual acotada para el periodo 1981-2010, con la tcnica de K-Medias present una concordancia6 general de 90%, con la zonificacin espacial, en zonas con suficiente nmero de estaciones. La zona ms compatible en este ensayo fue la zona 4 (100%), le sigue la zona 2 (92%) y por ltimo la zona 1 (79%), respecto a la zona 3 se concluye que tiene pocas estaciones en su interior y por tanto no se puede hacer el anlisis de concordancia, y la zona 5 peor aun no tiene ninguna estacin. El proceso de clustering de los 3 grupos con 16 estaciones usando 36 variables de precipitacin y temperatura media mensual acotada y homogenizada de 0 a 1 para el perodo 1981-2010, con la tcnica de KMedias presento una concordancia general de 100%, con la zonificacin espacial, excluyendo a la zona 5 que no tiene estaciones y a la zona 2 que apenas tiene dos. Vector Regional por Zonas. En la metodologa planteada del vector regional para la zona de estudio, se observ resultados interesantes respecto a las Zonas Climticas Homogneas donde hubo estaciones, pero en las que no hubo estaciones (Zona 5), no se pudo obtener el Vector Regional.

Es decir las estaciones que caen dentro de determinada zona y que pertenecen al mismo cluster

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 32

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Dentro de las 5 Zonas Climticas Homogneas se presentaron algunas variantes: ZONA 1: Esta zona tiene 31 estaciones meteorolgicas formando 2 grupos de 8 estaciones, la correlacin entre la zona y el vector regional es de 0.78, valores bajos asociados a los meses secos de julio, agosto, septiembre y octubre, del grupo 1 influencian en su baja correlacin. ZONA 2: De 13 estaciones se hicieron 2 grupos notndose una buena distribucin de las estaciones en la zona, a pesar de ser pocas, su correlacin fue de 0.89 que es muy buena. ZONA 3: A pesar de tener 4 estaciones la correlacin fue de 0.84, lo que es una muy buena correlacin para la zona, solo una estacin tiene una correlacin muy baja, esta estacin no se la pudo quitar porque Hydraccess necesita mnimo 4 estaciones para hacer el Vector Regional. ZONA 4: Con las 5 estaciones la correlacin es de 0.91 siendo la mejor en todas las zonas. ZONA 5: no se obtuvo Vector Regional, porque no tiene estaciones en el sitio. A nivel general la correlacin de las zonas con el Vector Regional fue de 0.85 siendo muy buena correlacin a pesar de tener solo 54 estaciones y no muy bien distribuidas espacialmente a nivel regional. Generales Respecto a las metodologas no podramos decir si una es mejor que otra, aunque los algoritmos de la primera y segunda tcnica se parezcan bastante, porque cada tcnica utiliza informacin en formatos diferentes, por esto es vlido decir que las tcnicas aqu expuestas son ms bien complementarias. Respecto a cada zona climtica homognea y las validaciones realizadas, tanto la tcnica de clustering con un 90 de concordancia y el Vector Regional con una correlacin general de 0.85, nos indica que la
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 33

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Zonificacin Espacial a partir del Algoritmo ISODATA y la Base World Clim es vlida. Si bien los procesos de Clustering y Vector Regional nos ayudan a asociar a las estaciones por su parecido, estas tcnicas no muestran espacialmente la distribucin de las Zonas o Regiones Homogneas como si lo hace la tcnica con el algoritmo ISODATA, sin embargo son tcnicas muy tiles para la validacin. De todas las zonas la 4 es la que mejor resultados tuvo en ambos procesos de validacin; tanto con el Clustering como con el Vector Regional. La Zona 1 es la que menos concuerda con el Clustering y el Vector Regional, por tanto esta zona tendra una variabilidad climtica no detectada con la primera tcnica. La Zona 5 no tiene validacin por ausencia de estaciones. Se ha validado la metodologa de Zonificacin Espacial con la tcnica de Clustering y Vector Regional lo que permite replicarla en las Islas Galpagos en la siguiente fase la regionalizacin.

8.2. Recomendaciones. Zonificacin Espacial. Es recomendable si se tienen mapas de referencia en formato digital y georreferenciados, hacer pruebas de concordancia espacial a partir de ndices kappa por ejemplo para evaluar de otra forma el resultado de la zonificacin. Clustering de Estaciones. Sera muy conveniente buscar estaciones de la zona 5, as mismo aumentar estaciones a las ya existentes en las zonas 2, 3 y 4 principalmente, todo esto con las variables precipitacin y temperatura (mxima y mnima).

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 34

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Vector Regional por Zonas. El vector Regional empieza a disminuir y dar datos errneos en estaciones que tienen falta de datos de ms de 5aos, esto se debe corregir haciendo un proceso de relleno de datos usando algunas metodologas. Aumentar la densidad de estaciones en Galpagos, adems de la Zona 5, y aumentar a las ya existentes de las Zonas 3 y 4. Generales Tanto para la tcnica de Clustering, y de Vector Regional se recomienda usar adems de las 54 estaciones manejadas para CPT, otras estaciones restantes para tener una mayor distribucin dentro de cada zona climtica esto nos dar un mayor nivel de confiabilidad en la generacin del Vector Regional. La principal recomendacin seria replicar la zonificacin espacial en Galpagos, ya que aqu no hay muchas estaciones de la Base Climtica INAMHI y con las pocas que hay no tiene mucho sentido hacer un proceso de clustering, y peor aun Vector Regional y por eso ha sido importante validar la metodologa a fin de probar la tcnica ISODATA y la base World Clim ante la ausencia de informacin de esta escala (1 km).

9. BIBLIOGRAFIA. Biehl. L, Landgrebe. D, 2011. An Introduction & Reference For MultiSpec. School of Electrical and Computer Engineering, Purdue University. Clustering Algorithms. BRUNET-MORET (1977).Test d'homognit.Cahiers ORSTOM, Srie Hydrologie, Vol XIV, n2 Base de datos climtica Inamhi.
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 35

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Chuvieco, E., 2008. Fundamentos de Teledeteccin Ambiental, Mtodo No Supervisado, pp:393-395. ERDAS Tour Guide. 1999. Capitulo 4, Clasificacin. pp:3-12. Jarrn. F, Anlisis relleno y validacin de la informacin de caudales medios mensuales en la demarcacin hidrogrfica guayas, INAMHI. Hair, J.F., Anderson, R.E., Tatham, R.L. y Black, W.C. (1999) Anlisis Multivariante (5 edicin). Ed. Prentice Hall. Hijmans, J. Cameron, S. World Clim Global Climate Data. Free climate data for ecological modeling and GIS. HIEZ (1977)L'homognit des donnes ORSTOM, Srie Hydrologie, Vol XIV, n2 pluviomtriques.Cahiers

Jensen, 1996. Unsupervised Classification Algorithms. Landcover Classification Project, Center for Earth Observation, Yale University. Jordan, D. Melesse, A., 2002. A Comparison of Fuzzy vs AugmentedISODATA Classification Algorithms for Cloud-Shadow Discrimination fron Landsat Images. Photogrammatric Engineering & Remote Sensing. Jhan Carlo Espinoza, El Mtodo del Vector Regional de ndices Pluviomtricos PhD. Hydrology Climatology jhancarlo.espinoza@locean ipsl.upmc.fr,septiembre , 2005. Korgaonkar, G. Sedamkar, R., 2012. Hyperspectral Image Classification. Mumbai University, India. International Journal of Engineering Research and Applications. Lelovics, E. Gal, T. Unger, J. Mapping Local Climate Zones with a vector based GIS Method. s/a.
Jorge Hurtado Pidal Fabin Suntaxi Aluisa Pgina 36

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Moon, W.M., 1993. On mathematical representation and integration of multiple spatial geosciences datasets. Canadian Journal of Remote Sensing, 19:63-67. Mor, G. Pons, X. Burriel, J., 2005. Diferenciacin de Cubiertas forestales para la MCSC a partir de la clasificacin de imgenes Landsat. Universidad Autonoma de Barcelona. Ninyerola, M. 2000. Modelizacin climtica mediante tcnicas de SIG y su aplicacin al anlisis cuantitativo de distribucin de especies vegetales en Espaa peninsular, capitulo 3. Tesis doctoral. Universidad Autnoma de Barcelona. Patel, N.R. s/a. Remote Sensing and GIS Application in Agro-Ecological Zoning. Indian Institute of Remote Sensing. Agricultural and Soils Division. pp: 213-233. Prez, C. (2001) Tcnicas estadsticas con SPSS. Ed. Prentice Hall.

Pginas web consultadas http://desastres.unanleon.edu.ni/pdf/2003/julio/Parte1/pdf/spa/doc10 165/doc10165-1a.pdf http://horizon.documentation.ird.fr/exl-doc/pleins_textes/divers1103/010042845.pdf http://horizon.documentation.ird.fr/exl-doc/pleins_textes/divers1103/010042844.pdf www.mpl.ird.fr/hybam/outils/hydraccess_sp

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 37

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

10.

ANEXOS.

Anexo1. Variables climticas de World Clim de la zona de estudio.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 38

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 39

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 40

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Anexo2. Estadsticos de las Zonas Climticas.

BIO1 - TEMPERATURA MEDIA ANUAL (C) ZONA / ESTADISTICO MIN MAX MED DESVST RANGO ZONA 1 19,50 25,80 24,53 0,79 6 ZONA 2 18,90 25,90 24,62 0,91 7 ZONA 3 18,40 26,10 24,57 1,12 8 ZONA 4 19,60 26,10 24,24 1,21 7 ZONA 5 20,10 25,90 23,29 1,02 6 BIO12 - PRECIPITACION ANUAL (mm) ZONA / ESTADISTICO MIN MAX MED DESVST RANGO ZONA 1 99,00 1168,00 604,24 215,85 1069 ZONA 2 874,00 1888,00 1280,23 216,89 1014 ZONA 3 1558,00 2488,00 2001,24 220,56 930 ZONA 4 2328,00 3329,00 2713,65 195,26 1001 ZONA 5 2552,00 5092,00 3547,01 358,15 2540 BIO10 - TEMPERATURA MEDIA DEL TRIMESTRE MAS CALIENTE (C) ZONA / ESTADISTICO MIN MAX MED DESVST RANGO ZONA 1 19,70 27,00 25,75 0,90 7 ZONA 2 19,30 26,90 25,44 1,07 8 ZONA 3 18,80 26,70 25,44 1,17 8 ZONA 4 20,00 26,60 25,01 1,18 7 ZONA 5 20,40 26,40 23,83 1,06 6 BIO11 - TEMPERATURA MEDIA DEL TRIMESTRE MAS FRIO (C) ZONA / ESTADISTICO MIN MAX MED DESVST RANGO ZONA 1 19,30 25,30 23,32 0,79 6 ZONA 2 18,50 25,50 23,75 0,78 7 ZONA 3 18,20 25,80 23,74 1,09 8 ZONA 4 19,20 25,70 23,63 1,26 7 ZONA 5 19,80 25,50 22,84 1,03 6 BIO16 - PRECIPITACION DEL TRIMESTRE MAS HUMEDO (mm) ZONA / ESTADISTICO MIN MAX MED DESVST RANGO ZONA 1 79,00 697,00 410,99 134,56 618 ZONA 2 449,00 1105,00 785,27 121,57 656 ZONA 3 635,00 1507,00 1133,61 158,68 872 ZONA 4 774,00 1728,00 1266,49 235,47 954 ZONA 5 945,00 1999,00 1357,67 308,42 1054 BIO17 - PRECIPITACION DEL TRIMESTRE MAS SECO (mm) ZONA / ESTADISTICO MIN MAX MED DESVST RANGO ZONA 1 0,00 111,00 18,17 18,20 111 ZONA 2 2,00 230,00 44,66 44,93 228 ZONA 3 10,00 398,00 95,16 81,44 388 ZONA 4 34,00 596,00 254,78 133,19 562 ZONA 5 224,00 1049,00 503,25 183,20 825

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 41

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Anexo3. Tablas de precipitacin media mensual acotada (54 Estaciones) de la Base Climtica de INAMHI.
ENER FEBRE MARZ ABRIL MAYO JUNIO JULIO_ AGOS SEPTIE OCTU NOVIE DICIE O_PP RO_PP O_PP _PP _PP _PP PP TO_PP MBRE BRE_P MBRE MBRE ANCON_STA_ELENA 62,35 109,79 75,32 56,94 28,44 17,01 28,62 27,68 23,70 18,90 33,31 59,36 Libertad 16,55 105,05 86,31 18,20 2,26 0,21 0,61 0,29 0,57 0,74 0,60 1,70 MANTA_INOCAR 57,75 100,70 66,35 38,26 14,33 2,66 5,08 0,43 1,06 0,22 1,08 8,39 GYE_INOCAR 157,92 286,68 263,60 164,66 38,16 5,93 1,57 0,18 0,70 0,47 4,08 32,76 PUNA_INOCAR 99,63 199,00 141,73 79,86 24,64 4,13 0,60 0,10 0,39 1,11 5,81 22,45 PTO_BOLIVAR_INOCAR 91,12 167,01 155,50 79,73 26,13 8,35 6,09 3,54 2,95 6,32 6,62 25,19 PORTOVIEJO 95,56 139,88 131,79 78,43 30,84 9,05 3,15 2,16 2,64 1,91 5,32 25,95 PASAJE 155,03 193,20 182,41 112,00 42,81 33,61 30,51 28,20 30,94 44,94 38,92 70,62 GUAYAQUIL_AERO 191,07 325,31 300,80 181,09 50,87 6,70 3,53 0,37 0,72 1,23 6,07 39,66 MANTA_AEROPUERTO 60,68 105,00 86,87 42,97 23,24 4,58 1,07 0,75 0,59 0,83 1,75 8,57 CHONE 187,23 338,51 257,24 184,30 58,41 18,65 15,96 11,51 11,21 10,55 29,81 58,30 ROCAFUERTE 77,61 140,21 96,26 65,60 25,34 5,77 1,84 1,62 1,70 1,73 7,11 18,77 JAMA 110,14 181,12 107,59 91,78 42,54 22,85 9,30 1,52 4,52 4,53 17,59 31,86 JULCUY 92,05 141,31 121,51 77,50 28,73 7,71 1,86 2,00 1,08 0,90 3,33 19,09 NARANJAL 58,23 86,06 76,58 65,90 23,12 10,88 9,01 11,08 11,19 14,01 14,87 27,02 MACHALA-UTM 192,87 270,41 238,93 152,11 88,36 59,30 51,15 46,81 49,83 69,61 63,31 93,50 PORTOVIEJO_AEROPUERTO 85,26 108,19 107,75 65,80 30,01 7,17 2,61 2,30 2,94 1,37 4,53 20,36 24DE_MAYO(JABONCILLO) 152,43 247,67 239,05 180,90 75,32 21,75 7,84 1,26 2,49 4,29 18,35 38,76 LA_LAGUNA 36,23 82,04 69,70 42,90 10,38 10,26 2,83 3,28 3,80 2,27 3,76 13,70 SANCAN 79,39 133,73 126,34 88,14 28,00 6,88 2,09 1,52 1,81 1,36 3,54 23,45 CAMARONES-MANABI 57,24 92,32 73,88 32,68 18,15 14,00 7,91 7,71 7,12 8,04 5,73 15,63 EL_ANEGADO 132,01 194,26 189,46 150,61 101,72 54,31 36,78 25,46 30,33 29,45 37,74 61,19 CHORRILLOS 80,71 154,54 126,98 60,89 21,15 10,55 11,12 12,23 8,36 10,60 9,34 20,97 RIO_CHICO_EN_ALAJUELA 132,83 237,52 186,46 161,22 67,93 10,60 5,31 6,68 4,40 5,60 14,71 31,15 JOA-JIPIJAPA 66,84 86,18 86,18 71,73 40,29 9,58 3,98 5,02 3,25 1,27 4,15 22,28 PUERTO_CAYO 59,60 100,86 79,38 54,83 22,73 12,94 10,67 8,26 9,74 13,50 7,80 14,13 COLIMES_DE_PAJAN 176,81 269,63 273,15 215,29 100,35 23,25 9,90 3,51 5,74 3,51 9,93 48,16 SAN_PABLO-MANABI 219,33 395,21 380,98 368,04 205,08 88,98 60,27 31,13 26,40 22,14 21,59 73,46 JUNIN 177,68 261,70 214,41 177,56 55,68 11,72 8,16 5,95 2,44 3,85 10,72 50,97 COLIMES_DE_BALZAR259,41 343,08 309,96 223,53 77,23 14,81 2,36 1,16 3,70 3,29 10,03 86,22 INAMHI DAULE-EN_LA_CAPILLA255,83 355,14 296,68 236,98 75,27 12,73 3,82 3,91 3,33 2,48 2,52 72,48 INAMHI PUERTO_INCA(CAAR) 232,81 339,86 355,72 210,64 44,69 24,52 19,07 13,95 14,50 21,00 28,87 67,80 CHACRAS 64,32 141,86 105,24 66,79 14,47 2,06 0,50 0,57 0,77 1,77 2,54 6,19 BAHIA_DE_CARAQUEZ_AER 96,17 196,23 102,68 81,43 32,62 14,40 4,40 3,19 7,13 3,13 5,87 19,08 SAN_LORENZO_INOCAR 317,74 287,57 297,39 379,25 344,63 219,71 152,83 97,08 110,93 118,94 87,45 189,67 ESMERALDAS_INOCAR 136,46 179,75 130,43 113,02 72,40 48,42 27,73 10,42 16,61 14,32 18,98 40,64 PICHILINGUE 375,86 446,22 421,40 389,35 155,98 36,70 24,81 10,67 15,92 21,09 38,47 144,06 LA_CONCORDIA 462,32 576,83 590,59 635,59 336,54 135,06 74,05 46,39 65,94 68,16 64,26 200,43 PUERTO_ILA 424,63 500,52 504,60 509,69 232,59 92,48 55,84 36,77 55,68 62,27 68,86 209,84 SANTO_DOMINGO 443,71 478,15 527,11 436,67 278,17 131,71 92,82 49,71 99,72 95,37 102,18 224,14 MILAGRO_ING 241,05 404,56 362,10 214,07 69,84 14,43 7,81 0,70 4,07 2,70 9,43 63,20 BABAHOYO 348,09 530,10 484,49 350,96 112,95 28,66 7,45 3,30 7,10 5,47 29,03 115,83 ESMERALDAS_TACHINA 135,55 168,22 115,98 119,31 77,26 42,43 25,61 11,60 22,16 17,48 22,69 44,06 EL_CORAZON 351,19 410,79 437,86 346,32 172,76 46,98 23,66 18,03 33,67 51,11 62,72 196,76 SAN_JUAN_LA_MANA 448,05 548,53 558,43 503,44 255,08 60,57 37,62 30,27 25,46 42,16 56,42 224,75 CAYAPAS 434,89 371,39 398,07 428,91 420,53 285,03 209,60 132,80 209,09 186,55 115,77 204,92 OLMEDO-MANABI 281,76 370,80 344,18 297,92 114,34 22,12 10,03 2,53 12,53 19,11 17,56 91,76 ZARUMA 228,67 316,89 291,80 228,80 90,17 20,76 6,33 3,95 16,33 33,20 53,29 131,54 INGENIO-SAN_CARLOS 311,63 394,97 440,58 287,85 107,64 25,71 12,33 3,46 5,83 3,78 20,06 57,60 SAGUE_(SANMATEO) 159,72 204,90 130,58 132,53 103,44 51,95 36,62 21,85 35,54 24,10 30,61 47,44 ZAPOTE 227,61 373,69 313,34 282,21 90,15 28,56 12,23 10,26 6,98 6,51 14,37 58,00 RIO_CHAMOTETE201,86 276,91 259,13 203,22 82,38 20,48 13,12 11,39 5,45 8,30 9,44 58,34 JESUS_MARIA VENTANAS_INAMHI 482,77 499,78 498,17 395,46 156,66 28,93 18,33 1,73 4,63 14,65 33,93 160,60 VINCES_INAMHI 285,78 361,64 294,52 280,18 106,45 17,76 9,32 2,48 7,66 7,64 23,70 122,58 ESTAC1

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 42

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Anexo4. Tablas de temperatura media mensual acotada (18 Estaciones) de la Base Climtica de INAMHI.
ESTAC Libertad MANTA_INOCAR GYE_INOCAR PUNA_INOCAR SAN_LORENZO_INOCAR PTO_BOLIVAR_INOCAR ESMERALDAS_INOCAR PORTOVIEJO PICHILINGUE LA_CONCORDIA PUERTO_ILA SANTO_DOMINGO MILAGRO_ING BABAHOYO GUAYAQUIL_AERO ESMERALDAS_TACHINA MACHALA_AER SAN_CRISTOB ene_ feb_t mar_ abr_t may_ jun_t jul_t Ago_ Sep_ Oct_t Nov_ Dic_t ene_ feb_t mar_ abr_t may_ jun_t jul_t Ago_ Sep_ Oct_t Nov_ Dic_t tmax max tmax max tmax max max tmax tmax max tmax max tmin min tmin min tmin min min tmin tmin min tmin min 28,31 29,32 29,47 29,11 27,52 25,07 23,89 23,02 23,39 23,78 24,56 26,54 23,69 24,59 24,61 23,87 23,01 21,54 20,68 19,98 20,10 20,72 21,20 22,29 29,49 29,74 30,05 30,09 29,83 28,75 28,26 27,93 27,83 28,03 28,42 29,18 22,99 23,36 23,47 23,24 22,75 21,77 21,15 20,66 20,69 21,10 21,43 22,21 31,84 31,44 32,23 32,36 31,55 30,11 29,35 29,51 30,18 30,15 30,70 31,69 23,08 23,42 23,65 23,45 22,66 21,36 20,75 20,31 20,52 21,06 21,36 22,15 30,79 30,58 31,19 31,31 30,39 28,81 27,78 27,61 28,12 28,09 28,78 30,26 22,68 22,90 23,09 23,05 22,50 21,35 20,61 20,19 20,24 20,63 21,13 21,96 30,38 30,85 31,39 31,24 30,61 30,16 29,99 29,96 29,95 30,07 30,08 30,08 21,80 21,99 22,16 22,22 22,14 21,97 21,56 21,78 21,81 21,83 22,02 21,90 28,32 28,80 29,05 28,88 27,87 26,17 25,07 24,55 24,71 25,04 25,68 27,06 24,14 24,28 24,62 24,63 24,21 22,84 21,94 21,44 21,54 21,92 22,51 23,47 29,54 29,70 30,09 30,18 30,11 30,03 29,85 29,74 29,49 29,64 29,57 29,51 23,06 23,13 23,18 23,43 23,38 23,03 22,75 22,63 22,50 22,81 22,74 23,08 34,80 34,10 34,63 34,91 34,49 33,91 33,48 33,78 34,04 34,07 34,43 34,50 19,93 20,62 20,70 20,41 19,70 19,36 18,42 18,03 18,53 18,82 18,51 18,71 33,26 32,97 33,65 33,55 32,88 32,25 31,87 32,62 33,79 33,75 34,15 34,05 20,49 20,83 21,10 21,05 20,43 19,38 18,30 17,82 18,77 19,20 19,17 19,67 32,13 32,26 32,80 32,63 32,14 31,51 31,16 31,82 32,12 31,91 32,20 32,36 19,81 20,14 20,35 20,35 20,13 19,43 18,55 18,42 19,19 19,34 18,98 19,36 32,05 32,20 32,73 32,58 32,12 30,90 30,76 31,52 31,97 31,62 32,29 32,27 19,88 20,16 20,40 20,46 19,97 19,18 18,40 18,35 18,85 18,74 18,71 19,11 29,97 30,02 30,80 30,64 30,19 29,49 28,87 29,76 29,71 29,33 30,02 30,15 18,79 18,90 19,20 19,18 18,90 18,34 17,62 17,13 16,90 17,74 17,62 18,30 33,60 32,83 33,42 33,50 33,07 32,16 31,83 31,99 32,76 33,04 33,31 33,92 20,85 21,20 21,40 21,37 20,56 19,52 18,68 18,63 19,03 19,36 19,59 20,17 33,55 32,91 33,33 33,38 32,87 31,64 31,46 31,65 32,28 32,63 33,29 33,99 20,99 21,49 21,91 21,89 21,14 20,14 19,40 19,08 19,57 19,72 19,99 20,66 34,92 34,04 34,63 34,59 33,82 32,98 32,49 32,53 33,08 33,59 33,92 34,94 21,19 21,87 22,12 21,94 20,99 19,92 19,13 19,02 19,30 19,85 20,11 20,70 31,84 31,36 31,90 31,91 31,81 31,69 31,61 32,20 32,09 32,81 32,19 31,83 20,95 21,11 20,99 21,64 21,20 20,89 20,64 20,45 20,59 20,55 20,44 19,99 33,01 33,37 33,86 33,77 32,81 31,16 29,89 29,68 29,41 30,09 30,88 32,44 21,45 21,85 22,08 22,13 21,48 20,12 19,63 19,41 19,42 19,92 20,45 21,03 30,89 32,11 32,61 31,75 30,61 29,07 27,83 26,69 26,95 27,26 28,08 29,39 21,05 21,02 20,86 20,58 20,49 19,85 18,75 18,13 18,25 17,95 19,22 19,75

Anexo5. Tablas transpuesta de precipitacin y temperatura media mensual acotada y estandarizada (16 Estaciones) de la Base Climtica de INAMHI.
ESTAC1 ENERO_PP FEBRERO_PP MARZO_PP ABRIL_PP MAYO_PP JUNIO_PP JULIO_PP AGOSTO_PP SEPTIEMBRE_PP OCTUBRE_PP NOVIEMBRE_PP DICIEMBRE_PP ene_tmax feb_tmax mar_tmax abr_tmax may_tmax jun_tmax jul_tmax Ago_tmax Sep_tmax Oct_tmax Nov_tmax Dic_tmax ene_tmin feb_tmin mar_tmin abr_tmin may_tmin jun_tmin jul_tmin Ago_tmin Sep_tmin Oct_tmin Nov_tmin Dic_tmin Libertad MANTA_ GYE_INO PUNA_I PTO_BO PORTOV GUAYAQ SAN_LO ESMERAL PICHILIN LA_CON PUERTO SANTO_ MILAGR BABAH ESMERAL UIL_AER RENZO_ DAS_INO GUE DOMING O_ING OYO DAS_TAC INOCAR CAR NOCAR LIVAR_I IEJO CORDIA _ILA 0,00 0,09 0,32 0,19 NOCAR 0,17 0,18 O 0,39 INOCAR 0,68 CAR 0,27 0,81 1,00 0,92 O 0,96 0,50 0,74 HINA 0,27 0,01 0,00 0,39 0,21 0,14 0,08 0,47 0,39 0,17 0,73 1,00 0,84 0,79 0,64 0,90 0,14 0,04 0,00 0,38 0,14 0,17 0,12 0,45 0,44 0,12 0,68 1,00 0,84 0,88 0,56 0,80 0,09 0,00 0,03 0,24 0,10 0,10 0,10 0,26 0,58 0,15 0,60 1,00 0,80 0,68 0,32 0,54 0,16 0,00 0,04 0,10 0,07 0,07 0,08 0,14 1,00 0,20 0,45 0,98 0,67 0,81 0,20 0,32 0,22 0,00 0,01 0,03 0,02 0,04 0,04 0,03 1,00 0,22 0,17 0,61 0,42 0,60 0,06 0,13 0,19 0,00 0,03 0,01 0,00 0,04 0,02 0,02 1,00 0,18 0,16 0,48 0,36 0,61 0,05 0,05 0,16 0,00 0,00 0,00 0,00 0,04 0,02 0,00 1,00 0,11 0,11 0,48 0,38 0,51 0,01 0,03 0,12 0,00 0,01 0,00 0,00 0,02 0,02 0,00 1,00 0,15 0,14 0,59 0,50 0,90 0,03 0,06 0,20 0,00 0,00 0,00 0,01 0,05 0,01 0,01 1,00 0,12 0,18 0,57 0,52 0,80 0,02 0,04 0,15 0,00 0,00 0,03 0,05 0,06 0,05 0,05 0,86 0,18 0,37 0,63 0,67 1,00 0,09 0,28 0,22 0,00 0,03 0,14 0,09 0,11 0,11 0,17 0,85 0,18 0,64 0,89 0,94 1,00 0,28 0,51 0,19 0,00 0,18 0,53 0,38 0,00 0,98 1,00 0,31 0,19 0,75 0,58 0,57 0,25 0,80 0,79 0,53 0,10 0,18 0,50 0,33 0,00 1,00 0,99 0,39 0,17 0,79 0,65 0,64 0,23 0,76 0,78 0,48 0,08 0,18 0,57 0,38 0,00 1,00 1,00 0,42 0,19 0,82 0,67 0,66 0,31 0,78 0,77 0,51 0,04 0,20 0,58 0,40 0,00 1,00 0,95 0,39 0,22 0,78 0,62 0,61 0,29 0,77 0,75 0,50 0,00 0,33 0,58 0,41 0,05 1,00 0,90 0,44 0,37 0,77 0,66 0,66 0,38 0,80 0,77 0,61 0,00 0,42 0,57 0,42 0,12 1,00 0,89 0,58 0,56 0,81 0,73 0,66 0,50 0,80 0,74 0,75 0,00 0,46 0,57 0,41 0,12 1,00 0,90 0,64 0,62 0,83 0,76 0,72 0,52 0,83 0,79 0,81 0,00 0,46 0,60 0,43 0,14 1,00 0,88 0,65 0,62 0,89 0,82 0,79 0,63 0,83 0,80 0,85 0,00 0,42 0,64 0,44 0,12 1,00 0,91 0,62 0,57 0,98 0,82 0,81 0,59 0,88 0,84 0,82 0,00 0,41 0,62 0,42 0,12 1,00 0,95 0,61 0,57 0,97 0,79 0,76 0,54 0,90 0,86 0,88 0,00 0,39 0,62 0,43 0,11 1,00 0,95 0,56 0,51 0,97 0,77 0,78 0,55 0,89 0,89 0,77 0,00 0,31 0,61 0,44 0,06 0,95 1,00 0,42 0,35 0,89 0,69 0,68 0,43 0,88 0,89 0,63 0,91 0,78 0,80 0,73 1,00 0,21 0,45 0,56 0,80 0,32 0,19 0,20 0,00 0,39 0,41 0,40 1,00 0,78 0,79 0,70 0,95 0,30 0,52 0,54 0,74 0,34 0,22 0,22 0,00 0,41 0,46 0,39 1,00 0,79 0,82 0,72 1,00 0,28 0,54 0,55 0,73 0,35 0,21 0,22 0,00 0,41 0,50 0,33 0,86 0,74 0,78 0,71 1,00 0,22 0,51 0,56 0,78 0,34 0,21 0,23 0,00 0,40 0,50 0,45 0,77 0,73 0,71 0,68 1,00 0,15 0,39 0,61 0,84 0,29 0,23 0,20 0,00 0,31 0,42 0,43 0,68 0,73 0,64 0,64 0,96 0,22 0,34 0,77 1,00 0,22 0,23 0,18 0,00 0,25 0,38 0,54 0,60 0,69 0,61 0,58 0,84 0,16 0,29 0,77 1,00 0,13 0,18 0,15 0,00 0,21 0,35 0,59 0,52 0,64 0,58 0,56 0,78 0,16 0,34 0,85 1,00 0,13 0,23 0,22 0,00 0,27 0,35 0,60 0,57 0,68 0,65 0,60 0,83 0,29 0,43 0,88 1,00 0,34 0,41 0,35 0,00 0,38 0,48 0,66 0,59 0,66 0,66 0,57 0,82 0,21 0,42 0,81 1,00 0,29 0,32 0,20 0,00 0,32 0,39 0,56 0,70 0,75 0,73 0,69 0,96 0,17 0,49 0,86 1,00 0,30 0,27 0,21 0,00 0,39 0,46 0,55 0,77 0,76 0,75 0,71 1,00 0,08 0,46 0,70 0,92 0,27 0,21 0,16 0,00 0,36 0,46 0,33

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 43

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Anexo6. Mapa de las 54 estaciones del primer ensayo de clustering (Precipitacin) y Tabla de cluster.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 44

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

NID ESTACION CLUSTER 1 ANCON_STA_ELENA 2 2 Libertad 2 3 MANTA_INOCAR 2 4 GYE_INOCAR 1 5 PUNA_INOCAR 2 6 PTO_BOLIVAR_INOCAR 2 7 PORTOVIEJO-UTM 2 8 PASAJE 2 9 GUAYAQUIL_AEROPUERTO 1 10 MANTA_AEROPUERTO 2 11 CHONE 1 12 ROCAFUERTE 2 13 JAMA 2 14 JULCUY 2 15 NARANJAL 2 16 MACHALA-UTM 1 17 PORTOVIEJO_AEROPUERTO 2 18 24DE_MAYO(JABONCILLO) 1 19 LA_LAGUNA 2 20 SANCAN 2 21 CAMARONES-MANABI 2 22 EL_ANEGADO 2 23 CHORRILLOS 2 24 RIO_CHICO_EN_ALAJUELA 2 25 JOA-JIPIJAPA 2 26 PUERTO_CAYO 2 27 COLIMES_DE_PAJAN 1 28 SAN_PABLO-MANABI 1 29 JUNIN 1 30 COLIMES_DE_BALZAR-INAMHI 1 31 DAULE-EN_LA_CAPILLA-INAMHI 1 32 PUERTO_INCA(CAAR) 1 33 CHACRAS 2 34 BAHIA_DE_CARAQUEZ_AER 2 35 SAN_LORENZO_INOCAR 3 36 ESMERALDAS_INOCAR 2 37 PICHILINGUE 1 38 LA_CONCORDIA 3 39 PUERTO_ILA 3 40 SANTO_DOMINGO_AEROPUERTO 3 41 MILAGRO(INGENIO_VALDEZ) 1 42 BABAHOYO 1 43 ESMERALDAS_TACHINA 2 44 EL_CORAZON 1 45 SAN_JUAN_LA_MANA 3 46 CAYAPAS 3 47 OLMEDO-MANABI 1 48 ZARUMA 1 49 INGENIO-SAN_CARLOS 1 50 SAGUE_(SANMATEO) 2 51 ZAPOTE 1 52 RIO_CHAMOTETE-JESUS_MARIA 1 53 VENTANAS_INAMHI 3 54 VINCES_INAMHI 1

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 45

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Anexo7. Mapa de las 16 estaciones del segundo ensayo de clustering (precipitacin y temperatura) y Tabla de cluster.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 46

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

NID ESTAC1 CLUSTER 1 Libertad 1 2 MANTA_INOCAR 1 3 GYE_INOCAR 1 4 PUNA_INOCAR 1 5 PTO_BOLIVAR_INOCAR 1 6 PORTOVIEJO 1 7 GUAYAQUIL_AERO 1 8 SAN_LORENZO_INOCAR 2 9 ESMERALDAS_INOCAR 1 10 PICHILINGUE 2 11 LA_CONCORDIA 3 12 PUERTO_ILA 3 13 SANTO_DOMINGO 3 14 MILAGRO_ING 2 15 BABAHOYO 2 16 ESMERALDAS_TACHINA 1

Anexo8. Cdigo de R del dendrograma para determinar el nmero de Clusters.

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 47

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Anexo 9. Tablas y grficos de Vector Regional


ZONA 1 GRUPO 1

ndices anuales correspondientes al mes de Enero

ndices anuales correspondientes al mes de Febrero

ndices anuales correspondientes al mes de Marzo

ndices anuales correspondientes al mes de Abril

ndices anuales correspondientes al mes de Mayo

ndices anuales correspondientes al mes de Junio

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 48

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ndices anuales correspondientes al mes de Julio

ndices anuales correspondientes al mes de Agosto

ndices anuales correspondientes al mes de Septiembre

ndices anuales correspondientes al mes de Octubre

ndices anuales correspondientes al mes de Noviembre

ndices anuales correspondientes al mes de Diciembre

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 49

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

GRUPO 2

ndices anuales correspondientes al mes de Enero

ndices anuales correspondientes al mes de Febrero

ndices anuales correspondientes al mes de Marzo

ndices anuales correspondientes al mes de Abril

ndices anuales correspondientes al mes de Mayo

ndices anuales correspondientes al mes de Junio

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 50

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ndices anuales correspondientes al mes de Julio

ndices anuales correspondientes al mes de Agosto

ndices anuales correspondientes al mes de Septiembre

ndices anuales correspondientes al mes de Octubre

ndices anuales correspondientes al mes de Noviembre

ndices anuales correspondientes al mes de Diciembre

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 51

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ZONA 2 GRUPO 1

ndices anuales correspondientes al mes de Enero

ndices anuales correspondientes al mes de Febrero

ndices anuales correspondientes al mes de Marzo

ndices anuales correspondientes al mes de Abril

ndices anuales correspondientes al mes de Mayo

ndices anuales correspondientes al mes de Junio

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 52

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ndices anuales correspondientes al mes de Julio

ndices anuales correspondientes al mes de Agosto

ndices anuales correspondientes al mes de Septiembre

ndices anuales correspondientes al mes de Octubre

ndices anuales correspondientes al mes de Noviembre

ndices anuales correspondientes al mes de Diciembre

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 53

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

GRUPO 2

ndices anuales correspondientes al mes de Enero

ndices anuales correspondientes al mes de Febrero

ndices anuales correspondientes al mes de Marzo

ndices anuales correspondientes al mes de Abril

ndices anuales correspondientes al mes deMayo

ndices anuales correspondientes al mes de Junio

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 54

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ndices anuales correspondientes al mes de Julio

ndices anuales correspondientes al mes de Agosto

ndices anuales correspondientes al mes de Septiembre

ndices anuales correspondientes al mes de Octubre

ndices anuales correspondientes al mes de Noviembre

ndices anuales correspondientes al mes de Diciembre

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 55

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ZONA 3

ndices anuales correspondientes al mes de Enero

ndices anuales correspondientes al mes de Febrero

ndices anuales correspondientes al mes de Marzo

ndices anuales correspondientes al mes de Abril

ndices anuales correspondientes al mes de Mayo

ndices anuales correspondientes al mes de Junio

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 56

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ndices anuales correspondientes al mes de Julio

ndices anuales correspondientes al mes de Agosto

ndices anuales correspondientes al mes de Septiembre

ndices anuales correspondientes al mes de Octubre

ndices anuales correspondientes al mes de Noviembre

ndices anuales correspondientes al mes de Diciembre

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 57

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ZONA 4

ndices anuales correspondientes al mes de Enero

ndices anuales correspondientes al mes de Febrero

ndices anuales correspondientes al mes de Marzo

ndices anuales correspondientes al mes de Abril

ndices anuales correspondientes al mes de Mayo

ndices anuales correspondientes al mes de Junio

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 58

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ndices anuales correspondientes al mes de Julio

ndices anuales correspondientes al mes de Agosto

ndices anuales correspondientes al mes de Septiembre

ndices anuales correspondientes al mes de Octubre

ndices anuales correspondientes al mes de Noviembre

ndices anuales correspondientes al mes de Diciembre

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 59

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

Anexo 10. Tablas de Correlacin de las Zonas con el Vector Regional


ANEXO CORRELACIONES DEL VECTOR REGIONAL CON LAS ZONAS

ZONA 2

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 60

Proyecto INDICES - ENOS

Regionalizacin Climtica del Litoral Ecuatoriano

SENECYT - INAMHI

ZONA 3

ZONA 4

Jorge Hurtado Pidal

Fabin Suntaxi Aluisa

Pgina 61