Comparativo de Indicadores de Sequía Agrícola

SERVICIO NACIONAL DE METEOROLOGA E HIDROLOGA DE PER
SENAMHI
DIRECCION DE AGROMETEOROLOGIA
PROYECTO CLIMANDES 2
TERCER INFORME: INFORMACIN BASE DE LA ZONA DE ESTUDIO

(PUNO, CUSCO), INFORMACIN CLIMTICA CON CONTROL DE CALIDAD Y
DE CULTIVOS, A ESTABLECERSE DENTRO DEL ESTUDIO DE
INTERCOMPARACIN DE NDICES DE SEQUIAS AGRCOLAS
Presentado por: Jhonathan Fanola Paredes
CONSULTORIA: Servicio Especializado en Actividades Agroclimticas
Lima, 2017
INDICE
1. INTRODUCCION .................................................................................................................... 1
2. OBJETIVOS............................................................................................................................. 1
2.1. Objetivos Generales del servicio .................................................................................. 1
2.2. Objetivos especficos .................................................................................................... 1
3. ZONA DE ESTUDIO Y DATOS ................................................................................................. 2
3.1. ZONA DE ESTUDIO ........................................................................................................ 2
3.1.1. PUNO ......................................................................................................................... 2
3.1.1.1. Ubicacin Geogrfica y poltica ........................................................................ 2
3.1.1.1.2. Clima.................................................................................................................. 3
3.1.2. CUSCO ....................................................................................................................... 4
3.1.2.1. Ubicacin Geogrfica y poltica ........................................................................ 4
3.1.2.2. Clima.................................................................................................................. 5
3.2. DATOS ........................................................................................................................... 6
3.2.1. INFORMACIN PLUVIOMTRICA. ............................................................................ 6
3.2.2. DATOS DE SENSOR REMOTO .................................................................................. 12
4. METODOLOGIA ................................................................................................................... 18
5. RESULTADOS ....................................................................................................................... 21
6. CONCLUSIONES. .................................................................................................................. 40
7. BIBLIOGRAFIA ..................................................................................................................... 41
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
1. INTRODUCCION
El Proyecto CLIMANDES 2, es una iniciativa del Programa Global De Cambio Climtico De La

Agencia Suiza Para El Desarrollo y La Cooperacin (COSUDE) en alianza con la Organizacin
Meteorolgica Mundial (OMM), Los Servicios Meteorolgicos De Suiza (METEOSWISS) Y El
Servicio Nacional de Meteorologa e Hidrologa del Per (SENAMHI), la academia, la sociedad
civil y el sector privado, para la implementacin del marco mundial de los servicios climticos.
El Proyecto CLIMANDES 2, tiene como objetivo, mejorar la provisin de productos y servicios

climticos, buscando que los usuarios involucrados en los mbitos de intervencin vinculados
al sector agrcola y seguridad alimentaria, tengan una mejor comprensin y hagan uso de los
servicios climticos en la toma de decisiones, se espera generar productos orientado a las
necesidades del sector, siendo una de ellas la identificacin de la ocurrencia de sequas
agrcolas para los cultivos de mayor importancia, con la finalidad de apoyar las actividades
referidas al estudio de sequas agrcolas.
Las sequias son un fenmeno que causa daos a la agricultura y a la seguridad alimentaria de
una regin, sus efectos pueden reducirse si la informacin espacio-temporal real est
relacionada con el estado de los cultivos y este a disposicin de los responsables de la toma de
decisiones. El presente estudio se busca evaluar la eficiencia de los ndices de sequias
provenientes de sensores remotos para monitorear la extensin espacio temporal de la sequa
agrcola, se busca evaluar los el ndice de vegetacin de diferencia normalizada (NDVI), ndice
de condicin vegetal (VCI), ndice de condicin de temperatura (TCI), provenientes de datos de
Moderate Resolution Imaging Spectroradiometer (MODIS), adems del SPI, proveniente de
estaciones climticas. Estos ndices provenientes de sensores remotos ayudaran a suplir la
escaza distribucin espacial de las estaciones terrestres.
En el presente informe se presenta los datos a utilizarse para la bsqueda de un ndice de

sequa que pueda representar adecuadamente estos eventos en la Regin de Cusco y Puno,
entre los principales se tiene data de precipitacin de las estaciones ubicadas en las zonas de
estudio, datos de rendimiento de cultivos y datos de sensores remotos necesarios para los
ndices de sequa agrcola a desarrollar.
2. OBJETIVOS
2.1. Objetivos Generales del servicio
- Estimacin de sequas agrcolas en las regiones de Cusco y Puno, que sean factibles de
implementarse operativamente dentro de la Direccin de Agrometeorologa.
- Generar resultados de los ndices de sequa agrcola viables a operativisarse en la
Direccin de Agrometeorologa con fines de intercomparacin y validar sus resultados con
rendimientos de cultivo para los departamentos de Cusco y Puno.
2.2. Objetivos especficos
a) Informacin base de la zona de estudio (Puno, Cusco), informacin climtica con control
de calidad y de cultivos, a establecerse dentro del estudio de intercomparacin de ndices de
sequias agrcolas.
b) Metodologas de los ndices de sequas agrcolas a realizarse para el estudio de
intercomparacin de ndices de sequas agrcolas.
c) Resultados de los ndices de sequias agrcolas e intercomparacion de los ndices
utilizados
1
3. ZONA DE ESTUDIO Y DATOS
3.1. ZONA DE ESTUDIO

3.1.1. PUNO
3.1.1.1. Ubicacin Geogrfica y poltica
La Regin Puno, se encuentra ubicada al sureste de la Repblica del Per, entre las
coordenadas geogrficas 1300000 y 1717330 latitud sur y los 7100657 y 684846
longitud oeste del meridiano de Greenwich, limita:
- Por el norte con la Regin de Madre de Dios.

- Por el sur, con la Regin de Tacna.
- Por el este, con la Repblica de Bolivia.
- Por el oeste, con las Regiones de Cusco, Arequipa y Moquegua. (Puno 2012) (Gobierno
Regional Puno 2012)
La regin Puno se encuentra en el Altiplano entre los 3,812 y 5,500 msnm y entre la ceja de
Selva y la Selva alta entre los 4,200 y 500 msnm.
Figura 1. Mapa de Ubicacin de Puno
2
3.1.1.1.2. Clima
La clasificacin climtica a nivel nacional realizada por el SENAMHI (1988), el cual ha sido
elaborado considerando factores que condicionan de manera preponderante el clima, como la
latitud, la altitud, la cordillera de los Andes, la Corriente Costera Peruana (de aguas fras), el
Anticicln del Pacfico Sur y la continentalidad. La informacin base de esta clasificacin se
sustenta en datos meteorolgicos de veinte aos (1965-1984), a partir de la cual se formularon
los ndices climticos basados en el Sistema de Clasificacin de Climas de Warren
Thornthwaite, en la regin Puno los principales climas predominantes de acuerdo al Mapa
climtico del SENAMHI, son el clima lluvioso en todas las estaciones, con temperaturas clidas
y hmedas A(r)AH4, este clima predomina en la parte norte del departamento, clima lluvioso
frio y hmedo B(r)B2H3, llucioso templado y hmedo, lluvioso con otoo seco e invierno
semifrigido hmedo B(o,i)DH3, clima semiseco con otoo e invierno seco de tipo frio y seco
C(o,i)CH2, los cuales son mostrados en la siguiente figura. La precipitacin media acumulada
anual para el periodo 1981-2014 es de 700mm.
Figura 2. Mapa climtico de Puno
3
3.1.1.1.3. Precipitacin
La precipitacin pluvial en la vertiente del Titicaca es una de las variables ms importantes
para la preservacin de los ecosistemas y las actividades productivas, esto debido porque
constituye la nica fuente de humedad que se le proporciona al suelo.
De acuerdo al anlisis de los registros meteorolgicos (SENAMHI), la distribucin espacial de la

precipitacin media anual tiene un patrn decreciente de norte a sur. En general, vara de 650
a 1400 mm., por ao, con mximos valores (entre 800 y 1400 mm.) sobre el lago Titicaca,
debido a la influencia propia de la gran masa de agua lacustre sobre la humedad atmosfrica.
Al exterior de la zona lacustre del Lago Titicaca, la zona ms lluviosa se encuentra en el

intermedio norte de la Regin (cabeceras de cuenca de los ros Ramis, Coata y Huancan),
donde alcanzan valores entre 800 y 1000 mm. Luego se produce un decrecimiento paulatino
de la lluvia en la Regin del altiplano hasta alcanzar 500mmsn el sector sur del Ro Mauri
(cuenca del ro Desaguadero: Per-Bolivia). En los bordes longitudinales del altiplano la
precipitacin muestra una tendencia a aumentar, debido a la influencia de las cordilleras
oriental y occidental (lluvias orogrficas). Esta influencia es ms marcada en la cordillera
oriental debido a la influencia de los vientos hmedos procedentes de la Amazona. Conviene
anotar que esta cordillera constituye una barrera a los vientos amaznicos, los cuales
descargan la mayor parte de su humedad en la vertiente oriental de la cordillera, produciendo
un efecto de abrigo en el sector del altiplano. Por otro lado, en la zona amaznica el rgimen
anual de las lluvias es relativamente homogneo, debido a los factores propios de la selva,
como su altura, latitud, longitud geogrfica. En general, vara de 1,500 a 8,000 mm., por ao,
con mximos valores (entre 6,000 y 8,000 mm.) en la selva baja.(Gobierno Regional Puno
2012)
3.1.2. CUSCO
3.1.2.1. Ubicacin Geogrfica y poltica
El Cusco est situado en la zona central y sur oriental del Per. Ocupa gran parte del gran nudo
orogrfico de Vilcanota. Su diversidad y los cambios abruptos de paisaje y ecosistemas estn
principalmente asociados a la Cordillera de los Andes.
El Cusco limita por el Norte con las selvas de Junn y Ucayali; por el Oeste, con la selva de
Ayacucho y la sierra de Apurmac; por el Sur, con las zonas altas de Arequipa y Puno; y por el
Este con el gran llano amaznico de Madre de Dios. Ubicado entre los meridianos 72 5952" y
73 57 45" de longitud oeste y 11 1319" a 15 05 latitud sur.
4
Figura 3. Mapa de Ubicacin de Cusco
3.1.2.2. Clima
La Region del Cusco principalmente se encuentra en la cuenca del Vilcanota-Urubamba, en del

cual, el sector centro-norte de la cuenca predomina una amplia extensin de selva con clima
clido hmedo a muy hmedo (AH3- AH4) durante gran parte del ao. Es una zona muy
lluviosa, especialmente entre noviembre y marzo. Localidades como Sepahua, Malvinas y
Echarate, as como el entorno natural prximo a la ciudadela de Machu Picchu.
A mayores altitudes, la cuenca presenta una regin con caracteres climticos que van desde el
semifrgido hmedo DH3 en el extremo sur y sur-occidental hasta el fro seco CH2 en donde
se asientan localidades de gran poblacin como Anta, Cusco, Urcos y Sicuani, donde las
precipitaciones ocurren en verano y son fundamentalmente orogrficas; es decir, resultante de
la condensacin del vapor de agua de la masa de aire que al elevarse van descargando gran
parte de esta humedad, especialmente en las vertientes orientales de la cuenca y sus valles
interandinos
Las precipitaciones en la regin Cusco presenta dos periodos bien definidos en el ao. Un
periodo hmedo o lluvioso que se inicia en septiembre y termina en abril del siguiente ao y
5
un periodo de estiaje o de ligeras precipitaciones, que comprende desde mayo hasta agosto.
Dentro del periodo lluvioso, los meses de mayor precipitacin corresponden a los del verano,
siendo enero el mes donde se registran las precipitaciones ms altas; sin embargo, en la parte
baja, las precipitaciones mximas se dan entre enero y febrero. Los meses de menor
precipitacin, correspondientes al periodo de estiaje, coincide con la estacin de invierno,
siendo el mes de julio donde se registran las precipitaciones ms bajas (SENAMHI,2007).
Figura 4. Mapa climtico de Cusco
3.2. DATOS
3.2.1. INFORMACIN PLUVIOMTRICA.
Los datos de Datos de precipitacin se obtuvieron de las estaciones administradas por

Servicio Nacional De Meteorologa e Hidrologa Del Per (SENAMHI), disponibles en su en
su mayora desde el ao 1963 hasta la actualidad; se tomaron en cuenta 34 estaciones
meteorolgicas cuyos detalles se muestran en la siguiente tabla y figura.
6
Tabla 1. Estaciones en Puno
Ao
N Id estacin Nombre estacin Latitud Longitud Altitud
registro
1 826 Ananea 1963-2016 -14.679 -69.535 4914
2 783 Arapa 1963-2016 -15.136 -70.118 3830
3 776 Ayaviri 1964-2016 -14.873 -70.593 3928
4 781 Azangaro 1964-2016 -14.914 -70.191 3863
5 780 Cabanillas 1963-2016 -15.639 -70.346 3993
6 788 Capachica 1956-2016 -15.606 -69.832 3828
7 158326 Capazo 1963-2016 -17.183 -69.733 4530
8 764 Chuquibambilla 1931-2016 -14.785 -70.882 3971
9 827 Cojata 1956-2016 -15.017 -69.350 4380
10 7415 Crucero 1965-2016 -14.364 -70.026 4183
11 803 Crucero Alto 1963-2016 -15.767 -70.917 4551
12 157418 Cuyo Cuyo 1963-2016 -14.474 -69.542 4599
13 883 Desaguadero 1956-2016 -16.569 -69.040 3860
14 786 Huancane 1963-2016 -15.202 -69.754 3890
15 787 Huaraya moho 1961-2016 -15.388 -69.484 3890
16 879 Ilave 1963-2016 -16.085 -69.644 3986
17 818 Isla taquile 1956-2016 -15.760 -69.700 3850
18 880 Juli 1956-2016 -16.204 -69.460 3812
19 779 Lampa 1963-2016 -15.356 -70.373 3949
20 889 Laraqueri 1956-2016 -16.155 -70.067 3900
21 825 Limbani 1963-2016 -14.138 -69.685 3100
22 878 Mazo cruz 1963-2016 -16.746 -69.712 4041
23 785 Munani 1965-2016 -14.767 -69.952 3948
24 695 Ollachea 1963-2016 -13.804 -70.498 3375
25 762 Pampahuta 1961-2016 -15.491 -70.678 4362
26 881 Pisacoma 1963-2016 -16.907 -69.369 3930
27 778 Progreso 1964-2016 -14.695 -70.356 3914
28 815 Pucara 1963-2016 -15.034 -70.373 3980
29 708 Puno 1964-2016 -15.826 -70.012 3812
30 157414 Putina 1956-2016 -14.900 -69.850 3878
31 823 Santa Rosa 1956-2016 -14.624 -70.787 3986
32 882 Tahuaco yunguyo 1963-2016 -16.305 -69.068 3965
33 790 Tambopata 1964-2016 -14.220 -69.152 1740
34 816 Taraco 1963-2016 -15.305 -69.983 3999
Fuente: SENAMHI
7
Figura 5. Mapa de distribucin de estaciones meteorolgicas en Puno
Tabla 2. Estaciones climticas en Cusco
Estacin Id estacin Latitud Longitud Altitud Periodo

Granja Kcayra 607 -13.56 -71.88 3219 1964-2015
Urubamba 683 -13.3036 -72.1252 2890 1967-1972
Anta Ancachuro 684 -13.4683 -72.2158 3340 1964-2013
Paruro 686 -13.7675 -71.8447 3164 1964-2015
Acomayo 687 -13.9169 -71.6836 3329 1963-2015
Ccatcca 690 -13.61 -71.5603 3693 1964-2012
Sicuani 759 -14.2536 -71.2372 3574 1964-2012
Cay Cay 809 -13.5978 -71.6955 3150 1964-2012
Pomacanchi 812 -14.0281 -71.5728 3821 1985-2015
Pisac 844 -13.42 -71.85 3147 1964-2013
Colquepata 156306 -13.3633 -71.6733 3699 1964-2010
Fuente: SENAMHI
8
Anlisis de datos Pluviomtricos
La metodologa consisti en realizar el AED (Anlisis Exploratorio de Datos) sobre datos de

precipitacin mensual. Toda esta informacin fue sometida a un proceso de control de calidad,
en el que se depur los datos anmalos y se procedi a la evaluacin de la homogeneidad de
las series climticas, se evalu la presencia de datos extremos en cada serie de datos
mensuales de cada estacin; es decir, datos que por su magnitud podran considerarse como
sospechosos de ser errores de observacin o transcripcin. Seguidamente, el dato identificado
como sospechoso es comparado con el registrado en las estaciones vecinas . El objeto de la
comparacin no es otro que el de comprobar la coherencia del registro en funcin de los
valores observados y registrados en estaciones cercanas. En caso de que el registro
sospechoso no muestre coherencia en cuanto a magnitud con los datos de las estaciones
vecinas, es considerado como un dato anmalo y tratado en fases posteriores como un dato
faltante de informacin. Para el anlisis de anlisis de datos tambin se utiliz el mtodo del
vector regional (MVR) (Hiez, 1977 y Brunet Moret, 1979). El MVR es un mtodo de clculo
orientado a tres tareas definidas, la crtica de datos, la homogenizacin y la extensin-
completacin de datos de precipitacin (Espinoza 2005). La idea bsica del MVR es el crear una
estacin ficticia (un vector) de todas las estaciones de una zona homognea, que se compara
con cada estacin, en lugar de comparar estaciones pares por correlacin o doble masa (Hiez,
1977; Vauchel, 2005). Se busc con MVR el criterio de la desviacin estndar de desvos (DED
< 0.20). La Desviacin Standard de los Desvos (D.E.D), compara la desviacin de una estacin
respecto al vector, un valor fuerte indica desviaciones fuertes.
Donde i es el ndice de ao, j el ndice de estacin, N el nmero de aos y M el nmero de

estaciones. Pij es la precipitacin anual en la estacin j el ao i, Pj es la precipitacin media
extendida al perodo de N aos y finalmente Zi es el ndice pluviomtrico regional del ao i.
En la siguiente tabla, se presentan los resultados de la aplicacin del Mtodo de Vector

regional para la zona de estudio, donde se logr formar 2 grupos climatolgicamente
homogneos sobre los cuales se obtuvo valores de Desviacin estndar de Desvios (DED)
aceptables, tal como se describe en la siguiente figura.
9
Figura 6. Grfico de vector regional estaciones de Cusco
Tabla 3. Resultado del vector regional Cusco

Coef. Media Media Media D.E. Correl.
Id Estacin No Aos D.E. Obs. Variacin Obs. Calculada Desvos Desvos /Vector
COLQUEPATA 21 142.8 0.206 691.6 694.7 -0.027 0.123 0.81
KCAYRA 32 107 0.155 690 680.4 0.01 0.101 0.768
URUBAMBA 21 78.3 0.157 499.3 501.8 0.008 0.115 0.659
ANTA
ANCACHURO 20 112.5 0.149 756.7 785 0 0.064 0.898
PARURO 22 129.3 0.159 812.9 825.1 -0.015 0.123 0.632
ACOMAYO 21 135.6 0.164 829.1 825 0 0.113 0.74
CCATCCA 32 118.6 0.184 645.4 643.4 -0.013 0.103 0.83
SICUANI 27 116.8 0.167 698.4 697.8 -0.01 0.103 0.784
CAY CAY 17 182.2 0.331 550.5 577.1 -0.079 0.238 0.701
POMACANCHI 17 120.2 0.144 832.1 812.6 0.004 0.08 0.848
PISAC 17 116.6 0.198 588.1 557.1 0.061 0.174 0.603
10
Tabla 4. Resultado del vector regional Puno Regin 1

D.E. Coef. Media Media Media D.E. Correl.
Id Estacin No Aos Obs. Variacin Obs. Calculada Desvos Desvos /Vector
Putina 40 117.1 0.171 685.2 670.1 0.013 0.136 0.771
Puno 45 178 0.242 735.9 742.5 -0.015 0.113 0.882
Arapa 43 147.5 0.221 667.3 686.1 -0.02 0.124 0.819
Huaraya
moho 40 192.4 0.221 871.2 865.9 -0.015 0.126 0.827
Capachica 34 184.7 0.239 773.2 762.9 0.002 0.16 0.743
Santa rosa 28 179.3 0.208 861.1 898.2 -0.028 0.157 0.624
Mazo cruz 42 174.7 0.334 523.5 547.8 -0.04 0.203 0.799
Ilave 39 176.9 0.241 733.6 725.5 -0.008 0.108 0.897
Juli 37 169.8 0.19 891.7 910.1 -0.008 0.131 0.721
Tahuaco
yunguyo 36 153.8 0.192 803.2 828.3 0.005 0.124 0.738
Desaguadero 44 185.8 0.249 745.7 735.4 -0.004 0.1 0.924
Tabla 5. Resultado del vector regional Puno Regin 2

Media Media D.E. Correl.
Id Estacin No Aos D.E. Obs. Coef. Variacin Media Obs. Calculada Desvos Desvos /Vector
Capazo 46 159.2 0.292 544.6 570.2 -0.053 0.2 0.742
Pampahuta 41 152.8 0.196 779.9 791.7 -0.007 0.127 0.75
Ayaviri 38 134.9 0.207 651.5 690.9 -0.021 0.13 0.751
Progreso 42 113.7 0.186 611.9 622.8 -0.001 0.101 0.832
Lampa 35 119.6 0.177 674.7 672.5 0.018 0.115 0.762
Cabanillas 48 144.3 0.216 667.2 687.3 -0.026 0.141 0.744
Azangaro 37 114.5 0.197 581.2 577.5 0.016 0.116 0.816
Munani 43 136.1 0.219 620.1 633.3 -0.018 0.175 0.583
Huancane 46 131.2 0.196 670.7 673.7 -0.002 0.123 0.769
Pucara 45 136 0.188 723 733.6 0.003 0.103 0.828
Ananea 44 103.5 0.166 625.1 614.5 0.01 0.12 0.733
Cojata 43 124.8 0.176 707.3 698.5 0.028 0.145 0.63
Laraqueri 43 158 0.214 739 762.5 -0.009 0.163 0.612
11
Figura 7. Grfico de vector regional Puno Zona 1
Figura 8. Grfico de vector regional Puno Zona 2
3.2.2. DATOS DE SENSOR REMOTO
En el presente estudio se obtendrn datos del satlite de la National Oceanic And Atmospheric
Administration (NOAA), de MODIS (Moderate Resolution Imaging Spectroradiometer), MODIS
proporciona datos con una cobertura global de 250 m2, 500 m2 y 1 km2 de resoluciones
espaciales recolectadas dos veces al da por los satlites Terra y Aqua de la NASA desde el ao
2000. Los datos crudos de los sensores MODIS estn compuestos diariamente, 8 das, 16 das y
Anuales y preprocesados en productos especficos de MODIS para aplicaciones de procesos
12
atmosfricos, ocenicos o terrestres. El Centro de Archivos Activos Distribuidos de Procesos
Terrestres (LP DAAC - https://lpdaac.usgs.gov) contiene datos MODIS sobre las mediciones de
los procesos de la tierra tales como la reflectancia de la superficie, cambio de la cubierta
terrestre / cubierta terrestre, temperatura y emisividad de la superficie terrestre, ndices de
vegetacin, ndice de rea foliar y fPAR (fraccin de radiacin fotosintticamente activa),
evapotranspiracin, fotosntesis neta y productividad primaria
(https://lpdaac.usgs.gov/products/modis_products_table) (Scharlemann, Purvis, and Hudson
2014)
MODIS (Moderate Resolution Imaging Spectro radiometer), brinda datos de la temperatura

superficial del suelo (LST) y datos del ndice De Vegetacin Normalizada (NDVI)
especficamente los productos MOD11A2 y MOD13A3 de los cuales se ha obtenido los ndices
de TCI, VCI, estos ndices se han utilizado en investigaciones anteriores para el monitoreo de
sequias (Bhuiyan, Singh, and Kogan 2006; Du et al. 2013; Dutta et al. 2015; Gitelson et al.
1998), el producto de la versin 6 de MOD11A2 proporciona una temperatura de superficie
terrestre media (LST) de 8 das por pxel en una cuadrcula de 1200 x 1200 kilmetros. Cada
valor de pxel en el MOD11A2 es un promedio de todos los pixeles correspondientes del
MOD11A1 dentro del perodo de 8 das. Z. Wan, S. H., G.Hulley. (2015)
(https://lpdaac.usgs.gov/node/820).
El producto MOD13A3 Versin 6 proporciona un valor de ndice de vegetacin (VI) por pxel.
Hay dos capas de vegetacin primaria. El algoritmo para este producto elige el mejor valor de
pxel disponible de todas las obtenidas durante el perodo de 16 das. Los criterios utilizados
son nubes bajas, ngulo de visin bajo y el valor ms alto entre la relacin NDVI / EVI. El ndice
de Vegetacin de Diferencia Normalizada (NDVI), es derivado de la Administracin Nacional
Ocenica y Atmosfrica (Advanced Very High Resolution Radiometer, NOAA-AVHRR). La
segunda capa de vegetacin es el Enhanced Vegetation Index (EVI), que mejora la sensibilidad
en las regiones de alta biomasa. K. Didan. (2015).
Para las regiones del estudio se han tomado las imgenes de filas y columnas h10 v10 y h11
v10
Tabla 6. Caractersticas de MOD 13A3 y MOD 11A2
Resolucin Resolucin Factor de

Producto Periodo de datos
temporal Espacial escala
Febrero 2000 -
MODIS 13A3 Mensual 1 km 0.0001
Actual
Marzo 2000 -
MODIS 11A2 8 das 1 km 0.02
Actual
Fuente: Z. Wan, S. H., G.Hulley. (2015)., K. Didan. (2015).
13
Figura 9. NDVI Puno MOD 13A3
Figura 10. LST Puno MOD 11A2
14
3.2.3. DATOS DE CULTIVO
Cultivos en Puno y Cusco
En la zona de Puno se ha seleccionado 2 cultivos de importancia los cuales son la papa y la

quinua, estos cultivos son los ms representativos en la zona de estudio, de los cuales se tiene
rendimientos por cada Agencia Agraria desde el ao 1996-2015, en total se tienen los
rendimientos en papa de 95 distritos y en 81 distritos para el cultivo de quinua.
Al igual en la Cusco se han seleccionado data de rendimiento de cultivos de las 13 Agencias

Agrarias, donde los cultivos de mayor importancia son el Maiz y la papa. Estos datos de
cultivos son obtenidos de las Agencias Agrarias, del Ministerio de Agricultura.
Tabla 7. Distritos de Puno con datos de rendimiento de papa y quinua
N Departamento Provincia Distrito

1 Puno Azangaro Caminaca
2 Puno Azangaro Saman
3 Puno Azangaro Achaya
4 Puno Azangaro Chupa
5 Puno Azangaro Santiago de pupuja
6 Puno Azangaro Jose domingo choquehuanca
7 Puno Azangaro Arapa
8 Puno Azangaro San juan de salinas
9 Puno Azangaro Tirapata
10 Puno Azangaro Azangaro
11 Puno Azangaro Asillo
12 Puno Azangaro San jose
13 Puno Azangaro Muani
14 Puno Azangaro San anton
15 Puno Azangaro Potoni
16 Puno Carabaya Crucero
17 Puno Carabaya Ajoyani
18 Puno Carabaya Usicayos
19 Puno Carabaya Macusani
20 Puno Carabaya Corani
21 Puno Carabaya Ituata
22 Puno Carabaya Ollachea
23 Puno Carabaya Coasa
24 Puno Carabaya Ayapata
25 Puno Chucuito Pisacoma
26 Puno Chucuito Kelluyo
27 Puno Chucuito Desaguadero
28 Puno Chucuito Huacullani
29 Puno Chucuito Zepita
30 Puno Chucuito Pomata
31 Puno Chucuito Juli
15
32 Puno El collao Pilcuyo

33 Puno El collao Ilave
34 Puno Huancane Pusi
35 Puno Huancane Taraco
36 Puno Huancane Rosaspata
37 Puno Huancane Huancane
38 Puno Huancane Vilque chico
39 Puno Huancane Huatasani
40 Puno Huancane Inchupalla
41 Puno Huancane Cojata
42 Puno Lampa Cabanilla
43 Puno Lampa Santa lucia
44 Puno Lampa Calapuja
45 Puno Lampa Palca
46 Puno Lampa Lampa
47 Puno Lampa Nicasio
48 Puno Lampa Pucara
49 Puno Melgar Llalli
50 Puno Melgar Cupi
51 Puno Melgar Umachiri
52 Puno Melgar Ayaviri
53 Puno Melgar Orurillo
54 Puno Melgar Macari
55 Puno Melgar Santa rosa
56 Puno Melgar Antauta
57 Puno Melgar Nuoa
58 Puno Moho Tilali
59 Puno Moho Conima
60 Puno Moho Moho
61 Puno Moho Huayrapata
62 Puno Puno Pichacani
63 Puno Puno Chucuito
64 Puno Puno Plateria
65 Puno Puno Puno
66 Puno Puno Tiquillaca
67 Puno Puno Maazo
68 Puno Puno Vilque
69 Puno Puno Paucarcolla
70 Puno Puno Atuncolla
71 Puno Puno Coata
72 Puno Puno Huata
73 Puno Puno Capachica
74 Puno Puno Amantani
75 Puno Puno Acora
76 Puno San Antonio de Putina Pedro Vilca Apaza
77 Puno San Antonio de Putina Quilcapuncu
16
78 Puno San Antonio de Putina Putina

79 Puno San Antonio de Putina Sina
80 Puno San Roman Cabanillas
81 Puno San Roman Cabana
82 Puno San Roman Caracoto
83 Puno San Roman Juliaca
84 Puno Sandia Cuyocuyo
85 Puno Sandia Quiaca
86 Puno Sandia Patambuco
87 Puno Sandia Sandia
88 Puno Sandia Phara
89 Puno Yunguyo Copani
90 Puno Yunguyo Cuturapi
91 Puno Yunguyo Anapia
92 Puno Yunguyo Unicachi
93 Puno Yunguyo Yunguyo
94 Puno Yunguyo Ollaraya
95 Puno Yunguyo Tinicachi
Tabla 8. Distritos de Cusco con datos de rendimiento de maz y papa
Provincia Distrito Provincia Distrito Provincia Distrito

Acomayo Acomayo Paruro Accha Chumbivilcas Capacmarca
Acopia Ccapi Chamaca
Acos Colcha Colquemarca
Mosocllacta Huanoquite Livitaca
Pomacanchi Omacha Llusko
Rondocan Pacarectambo Quiota
Sangarara Paruro Santo tomas
Anta Ancahuasi Pillpinto Velille
Anta Yaurisque Cusco Ccorca
Cachimayo Paucartambo Caycay Cusco
Chimchaypujio Challabamba Poroy
San
Huarocondo Colquepata
jeronimo
San
Limatambo Huancarani
sebastian
Mollepata Kosipata Santiago
Pucyura Paucartambo Saylla
Zurite Quispicanchis Andahuaylillas Espinar Alto pichigua
Calca Camanti Coporaque
Coya Ccarhuayo Espinar
Lamay Ccatca Ocoruro
Lares Cusipata Pallpata
Pisac Huarocondo Pichigua
San salvador Lucre Suykutambo
Taray Marcapata La Echarate
17
convencion
Yanatile Ocongate Huayopata
Canas Checca Oropesa Maranura
Kunturkanki Quiquijana Ocobamba
Langui Urcos Pichari
Layo Urubamba Chinchero Quellouno
Pampamarca Huayllabamba Quimbiri
Quehue Machupicchu Santa ana
Tupac amaru Maras Santa teresa
Yanaoca Ollaytaytambo Vilcabamba
Canchis Checacupe Urubamba
Combapata Yucay
Marangani
Pitumarca
San pablo
San pedro
Sicuani
Tinta
4. METODOLOGIA
Para la identificacin de la sequa agrcola se plantea el uso de los siguientes ndices: ndice de
precipitacin estandarizado (SPI), Normalized Difference Vegetation Index (NDVI),
Temperature Condition Index (TCI) y Vegetation Condition Index (VCI).La comparacin de
diversos ndices en el monitoreo de sequias agrcolas fueron utilizados en varias
investigaciones (Du et al. 2013; Dutta et al. 2015; Ezzine, Bouziane, and Ouazar 2014; Sruthi
and Aslam 2015),
Figura 11. Esquema de la metodologa planteada
MODIS
MOD 11A2 MOD 13A3

(LST) (NDVI)
EXTRACCION DE DATA POR

ESTACIONES
ESTACION
NDVI TCI VCI
RENDIMIENTO DE VALIDACION DE SPI

CULTIVOS INDICES
18
a) ndice de precipitacin estandarizado (SPI).
El SPI fue desarrollado por los cientficos estadounidenses (Mckee, Doesken, and Kleist 1993);
el SPI, es simplemente la diferencia de precipitacin a partir de la media durante un perodo de
tiempo especificado dividido por la desviacin estndar, donde la media y la desviacin
estndar se determinaron a partir de los registros anteriores, es un potente y flexible ndice
sencillo de calcular, para el clculo utiliza la precipitacin como nico dato de entrada, El SPI
est exclusivamente relacionado con la probabilidad, la precipitacin utilizada en SPI se puede
utilizar para calcular el dficit de precipitacin para el perodo actual, adems el SPI se puede
utilizar para monitorear los periodos hmedos y secos (Mckee, Doesken, and Kleist 1993).
Donde Pijk, precipitacin para el pixel i en el periodo j para el ao k; Pij, promedio

multianual P para el pixel i en el periodo j; Pij, desviacin estndar para P en el pixel i
del peridodo j; Zp_ijk, desviacin del promedio de precipitacin en unidades de desviacin
estndar para el pxel i durante el perodo j para el ao k.
Mtodo para calcular el SPI
- El clculo del SPI para cualquier localidad se basa en el registro de precipitacin a largo
plazo para el perodo deseado. Dicho registro a largo plazo se ajusta a una distribucin de
probabilidades, y a continuacin esta se transforma en una distribucin normal de modo
que el SPI medio para la localidad y el perodo deseado sea cero (Edwards y McKee, 1997).
- Los valores positivos de SPI indican precipitaciones superiores al valor de la mediana, y los
valores negativos indican precipitaciones inferiores al valor de la mediana.
- La sequa, segn el SPI, empieza cuando el valor del SPI es igual o inferior a -1,0 y concluye
cuando el valor se convierte en positivo. (WMO 2012)
La OMM en el 2012 publica la gua de usuario para el clculo del ndice de precipitacin
estandarizado, a partir del encuentro interregional sobre ndices y sistemas de alerta
temprana de sequa, donde los expertos elaboraron y aprobaron la Declaracin de Lincoln
sobre los ndices de sequa, y que recomendaron para realizar las descripciones de las
caractersticas de las sequas meteorolgicas, todos los Servicios Meteorolgicos e
Hidrolgicos Nacionales (SMHN) utilizaran el ndice normalizado de precipitacin (SPI) adems
de los otros ndices de sequas utilizados en esos Servicios.
En el manual se describen las caractersticas del ndice, su clculo y los link para la descarga de
la ltima versin del programa SPI (SPI_SL_6.exe), el cual est disponible en el siguiente link
(http://drought.unl.edu/MonitoringTools/DownloadableSPIProgram.aspx.)
Tabla 9. Clasificacin de las sequas en funcin del SPI
Valor de SPI Categora Probabilidad (%)

>2.0 Extremadamente hmedo 2.3
1.5 to 1.99 Muy hmedo 4.4
1.0 to 1.49 Moderadamente hmedo 9.2
-0.99 to 0.99 Cercano a Normal 68.2
19
-1.0 to -1.49 Moderadamente seco 9.2

-1.5 to -1.99 Muy seco 4.4
<-2.0 Extremadamente seco 2.3
Fuente: Mckee et al., 1993
b) Normalized Difference Vegetation Index (NDVI)
el NVIDI se basa en el hecho de que la estructura interna del mesfilo de las hojas verdes
sanas refleja la radiacin de infrarrojo cercano (NIR), mientras que la clorofila foliar y otros
pigmentos absorben una gran proporcin de la radiacin visible roja (VIS). Esta funcin de la
estructura interna de las hojas se invierte en caso de vegetacin poco saludable o estresada
por el agua.
Dnde:
NIR, radiacin al infrarrojo cercano (Banda 2)
R, radiacin Rojo visible (Banda 1)
c) Temperature Condition Index (TCI)
El algoritmo del ndice de Condicin de Temperatura (TCI) es similar al VCI. Las condiciones se
calcularon en relacin a la temperatura mxima / mnima. Sin embargo, la frmula se modific
para reflejar la respuesta diferente de la posicin a la temperatura. Opuestamente al NDVI, la
alta temperatura en el medio indica condiciones desfavorables o de sequa mientras que la
baja temperatura indica condiciones favorables. El TCI tiene la siguiente expresin.
Dnde: T, es la temperatura semanal o de periodo actual, Tmax, y Tmi son temperatura

mxima y mnima multi anual respectivamente.(Kogan 1995)
El TCI se utiliza para determinar el estrs en la vegetacin causado por las temperaturas y la
humedad excesiva. Las condiciones se estiman con respecto a las temperaturas mximas y
mnimas y se modifican para reflejar diferentes respuestas de la vegetacin a la
temperatura.(WMO and GWP 2016).
El uso de este ndice fue utilizado en diversas investigaciones (Du et al. 2013; Rhee, Im, and
Carbone 2010; Zhang et al. 2013), donde encontraron buena relacin de los ndices con los
eventos de sequa.
d) Vegetation Condition Index (VCI)
El VCI se utiliza para identificar situaciones de sequa y determinar su inicio, especialmente en

reas donde los episodios de sequa estn localizados y mal definidos. Se centra en el impacto
de la sequa en la vegetacin y puede proporcionar informacin sobre el inicio, la duracin y la
gravedad de la sequa observando los cambios en la vegetacin y comparndolos con valores
los histricos. (WMO and GWP 2016)
20
El VCI est en funcin del ndice de vegetacin de diferencias normalizadas (NDVI) es una
medida del "verdor" o vigor de la vegetacin. Se deriva sobre la base de las propiedades
radiomtricas conocidas de las plantas, utilizando radiacin visible (rojo) e infrarrojo cercano
(NIR). (Quiring and Ganesh 2010)

VCI

Donde: NDVI max y NDVI min representan el NDVI mximo y NDVI mnimo de cada pxel
calculado para cada mes y NDVIj representa el ndice del mes actual.
El valor VCI se puede medir en porcentajes que oscilan entre 1 y 100. El rango entre el 50% y el
100% indica una condicin vegetativa superior a la normal, mientras que los valores entre 50%
y 35% indican la sequa y menos del 35% indica una sequa severa Condicin (Kogan 1995).

VCI * 100%

Muchos investigadores realizaron la comparacin del VCI con el indicador de sequa

meteorolgica SPI, el Crop Yield Anomaly y el RAI, para identificar la extensin
espaciotemporal de la sequa agrcola, en el cual el estudio arrojo una fuerte correlacin
positiva (r > 0 .75) entre estos ndices, en el cual se demostr y que se justifica la utilidad de la
teledeteccin y los SIG para identificar el estrs relacionado con la sequa en los cultivos de
secano (Dutta et al. 2015),
El ndice y la metodologa se puede encontrar en el siguiente link:

http://www.star.nesdis.noaa.gov/smcd/emb/vci/VH/vh_browse.php
El VCI proporciona datos basados en satlite (NOAA-AVHRR), en tiempo casi real con una
resolucin espacial alta.(Quiring and Ganesh 2010) Puede estimar el estado de la vegetacin,
vigor de la vegetacin en un perodo determinado en diferentes aos, lo que da un resultado
ms preciso en comparacin con el NDVI.
El VCI basado en NOAA-AVHRR ha sido aceptado ampliamente por su idoneidad para evaluar
varios parmetros de estimacin de la sequa, es decir, la aparicin de la sequa, su duracin,
intensidad y severidad. (Anonymous 2016; Bhuiyan, Singh, and Kogan 2006; Dutta et al. 2015)
5. RESULTADOS
La data climtica que se obtuvo de las estaciones distribuidas en las zonas de estudio fueron
analizadas para encontrar datos atpicos, datos repetidos, se realiz la homogeneidad de la
serie y un anlisis de tendencias.
La metodologa consisti en realizar el AED (Anlisis Exploratorio de Datos) sobre

datos de precipitacin mensual. Toda esta informacin fue sometida a un proceso de
control de calidad, en el que se depur los datos anmalos y se procedi a la
evaluacin de la homogeneidad de las series climticas.se aplic el Mtodo de Vector
regional, donde se logr formar 02 grupos climatolgicamente homogneos para la
Puno sobre los cuales se obtuvo valores de Desviacin estndar de Desvios (DED)
aceptables y posteriormente se realiz la completacin de datos faltantes por el MVR.
21
Tabla 10. Estaciones de zona climtica 1

Id Estacin Nombre de estacin Latitud Longitud Altitud
783 ARAPA -15.130 -70.110 3830
788 CAPACHICA -15.610 -69.842 3933
764 CHUQUIBAMBILLA -14.783 -70.717 3971
883 DESAGUADERO -16.560 -69.050 3860
787 HUARAYA MOHO -15.360 -69.460 3890
879 ILAVE -16.080 -69.650 3880
818 ISLA TAQUILE -15.760 -69.700 3850
880 JULI -16.203 -69.457 4393
878 MAZO CRUZ -16.746 -69.712 4041
708 PUNO -15.823 -70.018 3999
157414 PUTINA -14.900 -69.850 3878
823 SANTA ROSA -14.627 -70.796 3999
882 TAHUACO YUNGUYO -16.305 -69.068 3965
816 TARACO -15.305 -69.983 3999
Tabla 11. Estaciones de zona climtica 2

Id Nombre de
Estacinestacin Latitud Longitud Altitud
826 ANANEA -14.679 -69.535 4914
776 AYAVIRI -14.881 -70.593 3938
781 AZANGARO -14.900 -70.183 3863
780 CABANILLAS -15.633 -70.333 3900
158326 CAPAZO -17.183 -69.733 4530
827 COJATA -15.017 -69.350 4380
7415 CRUCERO -14.360 -70.030 4130
CRUCERO
803 ALTO -15.767 -70.917 4551
157418 CUYO CUYO -14.474 -69.542 4599
786 HUANCANE -15.120 -69.750 3890
779 LAMPA -15.356 -70.373 3949
889 LARAQUERI -16.153 -70.068 4242
825 LIMBANI -14.138 -69.685 3100
785 MUNANI -14.779 -69.966 4171
762 PAMPAHUTA -15.491 -70.678 4362
881 PISACOMA -16.900 -69.380 4080
778 PROGRESO -14.695 -70.356 3914
815 PUCARA -15.034 -70.373 3980
22
Tabla 12. Estaciones de Region 1 -Cusco
Id Estacin Nombre estacin Latitud Longitud Altitud

607 KCAYRA -13.56 -71.88 3219
ANTA
684 ANCACHURO -13.4683 -72.2158 3489
687 ACOMAYO -13.9169 -71.6836 3329
690 CCATCCA -13.61 -71.5603 3972
759 SICUANI -14.2536 -71.2372 3578
809 CAY CAY -13.5978 -71.6955 3150
812 POMACANCHI -14.0281 -71.5728 3821
156306 COLQUEPATA -13.3633 -71.6733 3896
Anlisis de Estacionariedad
El criterio de ESTACIONARIEDAD implica que los datos deben estar libres de TENDENCIA
durante el periodo de observacin. Una serie de tiempo de datos hidrolgicos, se dice
estrictamente estacionaria, solo si sus propiedades estadsticas (media, varianza y momentos
de orden superior) no son afectadas por la eleccin del momento de origen de la serie de
datos (Dahmen y Hall, 1990
Una serie de tiempo aleatoria de muchas estaciones han sido recolectados sobre el mismo
periodo de tiempo. Nosotros desearamos saber si las series de tiempo en general aumentan o
disminuyen. En trminos estadsticos es la determinacin si la probabilidad de distribucin que
tiene la serie ha cambiado con el tiempo. Para eso nosotros debemos describir el valor o tasa
de cambio, en trminos de cambio en base de algn valor de distribucin central como la
media o la mediana.
Previamente al anlisis de tendencias, se realiz el clculo de la gradiente para los datos de

precipitaciones totales anuales (1964-2013), con el propsito de tener una idea clara de las
fluctuaciones de la variable climtica antes mencionada; adems cabe mencionar que dicha
gradiente se calcul en funcin de la ecuacin de regresin lineal.
y = a + bX
Dnde:
y= es el valor pronosticado de la variable y para un valor seleccionado de X.
a= es la ordenada de la interseccin con el eje y cuando X=0. Es el valor estimado de y
cuando X=0
b= es la pendiente de la recta, o el cambio promedio en y para cada cambio de una unidad
en X.
El principio de mnimos cuadrados se utiliza para obtener a y b.
Deteccin de tendencias en series de tiempo

Para dicha labor se utiliz el programa estadstico TREND, el cual es un modelo producto de
Modelling Toolkit. Trend est diseado para facilitar tests estadsticos de tendencias, cambio y
aleatoriedad en series hidrolgicas y otras series de tiempo.
Tendencia/cambio en series de tiempo ambientales pueden ser causados por:
Cambios climticos como resultado del incremento de las concentraciones de los

gases de efecto invernadero.
Cambio en el uso del suelo (urbanizacin, deforestacin, etc.)
23
Cambio en prcticas de manejo, etc
Los mtodos estadsticos en TREND estn basados en la WMO/UNESCO WCP Expert Workshop
on Detecting Trend and Other Changes in Hydrological Data y la CRCCH Hydrological
Recipes.
Para este estudio se utiliz el tests para tendencias de Mann-Kendall (no paramtrico) y el test
para cambio en la media/mediana de distribucin Free CUSUM (no paramtrico).
Figura 12. Gradiente de estaciones
Tabla 13. Resultados de la deteccin de tendencias - Zona 01-Puno
Test Estadisticos
Estaciones Gradiente
Mann-kendall Cusum
Arapa -0.43 NS NS
Capachica 0.09 NS NS
chuquibambilla 3.31 S S
Desaguadero 1.91 NS NS
Huaraya_Moho -1.06 NS NS
Ilave 2.29 NS NS
Juli 1.81 NS NS
Mazocruz 0.24 NS NS
Puno 2.86 S NS
Putina -0.88 NS NS
Santa Rosa -5.45 S S
Taraco 1.14 NS NS
Yunguyo -0.18 NS NS
24
Tabla 14. Resultados de la deteccin de tendencias - Zona 02- Puno
Test Estadisticos
Estaciones Gradiente
Mann-kendall Cusum
Ananea 1.09 NS NS
Azangaro 1.39 NS NS
Cabanillas 2.78 S NS
Capazo -0.65 NS NS
Cojata -1.05 NS NS
Crucero -5.71 S S
Cuyo Cuyo -3.37 NS S
Huancane 0.19 NS NS
Lampa 0.92 NS NS
Laraqueri 1.16 NS NS
Munani 0.56 NS NS
Pampahuta 2.14 NS NS
Pisacoma 0.39 NS NS
Progreso 0.79 NS NS
Pucara -0.49 NS NS
Tabla 15. Resultados de la deteccin de tendencias - Regin 1 Cusco
Test Estadisticos
Estaciones
Mann-kendall Cusum
Acomayo NS NS
Anta S NS
Cay Cay NS NS
Ccatcca NS NS
Colquepata S NS
Kcayra S NS
Pomacanchi NS NS
Sicuani NS S
En cuanto a la evaluacin de la deteccin de tendencias y pendientes, se observ que las

estaciones Chuquibambilla (1980), Puno, Crucero (1994) y Cuyo Cuyo (2003), presentan
significancia estadstica en la tendencia y en el cambio en la media/mediana, por tal motivo se
les considero series no estacionarias; as mismo cabe mencionar que las estaciones antes
mencionadas presentan valores atpicos respecto a la pendiente. Por lo tanto se tom la
decisin de eliminar a estas 4 estaciones con la finalidad de que no interfieran en procesos
posteriores; en relacin a las estaciones de Cusco se observ que las estaciones de Anta,
Colquepata y Kcayra presentan tendencia significativa para el test de Mann-Kendall.
Finalmente podramos decir que las estaciones en su mayora son Estacionarias, pero
existen algunas estaciones que presentan un gradiente a disminuir y otras que tienen un
gradiente a incrementar.
Tambin se realiz el clculo del SPI para las estaciones de Puno para posteriormente
compararlo con los ndices de sequa VCI, TCI.
25
Figura 13. SPI para estaciones
Se realiz un primer anlisis de los ndices de sequa propuesto para 2 aos en particular,
considerando como aos donde hubo buena precipitacin (ao hmedo), y un ao con escaza
precipitacin (ao seco), en los cuales se consider los aos 2012 y 2009 respectivamente.
Figura 14. Precipitacin anual de la estacin Huaraya Moho
(a) (b)
26
(c)
Fig (a), Precipitacin anual de 1964-2014, fig (b) precipitacin anual 200-2014, fig (c) Anomalia
estandarizada de la precipitacin.
Figura 15. SPI de los aos 2008-2009, 2011-2012
(a) (b)
(c) (d)
En anterior figura se muestra los SPI para un ao con precipitacin mayor a la normal (2012) y
un SPI para un ao con precipitacin menor a la media (ao 2009), para los meses enero,
febrero, marzo y abril correspondiente a las fig (a), fig (b), fig (c), fig (d).
27
Figura 16. Variacin temporal de SPI
En la figura anterior se muestra la Variacin del SPI (a) setiembre 2008, (b) octubre 2008, (c)
noviembre 2008, (d) diciembre 2008, (e) enero 2009, (f) febrero 2009, (g) marzo 2009, (h) abril
2009
28
Figura 17. Variacin temporal de VCI
Variacin temporal del VCI (a) setiembre 2008, (b) octubre 2008, (c) noviembre 2008, (d)
diciembre 2008, (e) enero 2009, (f) febrero 2009, (g) marzo 2009, (h) abril 2009.
29
Figura 18. Variacin temporal de TCI
Variacin temporal del TCI (a) setiembre 2008, (b) octubre 2008, (c) noviembre 2008, (d)
diciembre 2008, (e) enero 2009, (f) febrero 2009, (g) marzo 2009, (h) abril 2009
30
Figura 19. Correlacin entre VCI TCI Cusco ao 2010.
Figura 20. Correlacin entre VCI TCI Cusco ao 2011.
La correlacin a nivel de estacin para Cusco no es tan representativa entre los ndices VCI y
TCI, los valores de asociacin son muy bajos que se repite en la mayora de las estaciones, en
los diferentes periodos de tiempo.
Figura 21. Correlacin entre TCI-SPI 1
31
Figura 22. VCI vs rendimiento de cultivo de papa Cusco
En la anterior figura se muestra la relacin entre el VCI y el rendimiento de papa para los
lugares analizados en Cusco, para 7 aos de campaa agrcola (2006-2012), en cuales la
relacin de 0.5 se encontr nicamente para los lugares de Acomayo y Ccatcca, Sicuani r2 =
0.3, el r2 para los dems lugares es muy baja por debajo de 0.1, esta relacin baja se repite
para todos los lugares con referencia al cultivo de maz. (Dutta et al. 2015), realiza la asociacin
entre el VCI y el rendimiento de 3 principales cultivos, para una determinada campaa agrcola
el cual obtiene resultados r2 mayores a 0.5.
32
Figura 23. Correlacin entre VCI TCI
33
Tabla 16. R2 VCI y LST durante Agosto 2008- Julio 2009
Estacin R2 Estacin R2
Ananea 0.25 Juli 0.6641
Arapa 0.4 Lampa 0.4508
Azangaro 0.61 Laraqueri 0.456
Cabanillas 0.504 Mazocruz 0.3799
Capachica 0.71 Munani 0.5844
Capazo 0.38 Pampahuta 0.4873
Chuquibambilla 0.77 Pisacoma 0.4504
Cojata 0.55 Progreso 0.4381

Crucero 0.23 Pucara 0.6683
Cuyocuyo 0.691 Puno 0.4871
Desaguadero 0.3294 Putina 0.4483
Huancane 0.5243 Santa rosa 0.7316
Huaraya 0.2468 Tahuaco 0.6535
Ilave 0.6988 Taraco 0.579
Figura 24. Variacin de SPI
Variacin temporal del SPI (a) setiembre 2011, (b) octubre 2011, (c) noviembre 2011, (d)
34
Figura 25. Variacin temporal de VCI 2011-2012
Variacin temporal del VCI (a) setiembre 2011, (b) octubre 2011, (c) noviembre 2011, (d)
35
Figura 26. Variacin temporal de TCI 2011 - 2012
Variacin temporal del TCI (a) setiembre 2011, (b) octubre 2011, (c) noviembre 2011, (d)
36
Figura 27. Correlacin entre VCI TCI 2011-2012
37
Tabla 17. VCI y TCI durante Agosto 2011- Julio 2012
Estacin R2 Estacin R2
Ananea 0.13 Juli 0.01
Arapa 0.34 Lampa 0.36
Azangaro 0.02 Mazocruz 0.2
Cabanillas 0.17 Munani 0.44
Capachica 0.02 Pisacoma 0.48
Capazo 0.009 Progreso 0.04
Chuquibambilla 0.030 Puno 0.17
Cojata 0.35 Putina 0.01
Crucero 0.44 Santa rosa 0.01
Cuyocuyo 0.37 Taraco 0.32
Desaguadero 0.003 Huaraya Moho 0.08
Ilave 0.01
En las tablas figuras 23 y 27, se muestra la correlacin entre el VCI vs TCI, para un periodo de
precipitacin por debajo de la media y un periodo de precipitacin por encima de la media; la
correlacin en este ltimo periodo presenta mejores resultados que la del periodo con lluvias
por debajo de la media, el cual se ve reflejado en un mayor rea de vegetacin.
38
Figura 28. VCI vs rendimiento de papa-Puno
Figura 29. VCI vs rendimiento de quinua Puno
39
En la fig. 28 se muestra la correlacin entre los rendimientos de papa para los lugares de
estudio de Puno para las campaas 2001-2015, en las cuales solo lugares como Capachica,
Desaguadera, Munani y Juli, y para el cultivo de quinua muestran una correlacin por encima
de 0.3, con relacin el rendimiento de quinua las mayor parte de los lugares analizados no
muestran relacin entre el VCI y el rendimiento para el cultivo de quinua.
6. CONCLUSIONES.
- Se realiz el control de calidad de datos, para 45 estaciones en las zonas de estudio de
Cusco (11 estaciones) y Puno (34 estaciones); se utiliz diversas tcnicas para el
anlisis de los datos como diagrama de cajas, histogramas y el software Hydraacces.
- Se calcul ndices para la deteccin de sequias, basados en datos de precipitacin
(SPI), vegetacin (VCI) y temperatura superficial del suelo (TCI), se hizo la
intercompararon de estos y con rendimientos de cultivos como papa, maz y quinua,
encontrndose mejores resultados la relacin del SPI con VCI, la relacin del VCI con
los rendimientos tuvo mejores resultados en la zona de estudio de Cusco para el
cultivo de Papa .
40
7. BIBLIOGRAFIA
Anonymous. 2016. Peer Review Report 1 On Drought Assessment and Monitoring through
Blending of Multi-Sensor Indices Using Machine Learning Approaches for Different
Climate Regions. Agricultural and Forest Meteorology 217: 50.
http://linkinghub.elsevier.com/retrieve/pii/S0168192316300429.
Bhuiyan, C., R. P. Singh, and F. N. Kogan. 2006. Monitoring Drought Dynamics in the Aravalli
Region (India) Using Different Indices Based on Ground and Remote Sensing Data.
International Journal of Applied Earth Observation and Geoinformation 8(4): 289302.
Du, Lingtong et al. 2013. A Comprehensive Drought Monitoring Method Integrating MODIS
and TRMM Data. International Journal of Applied Earth Observation and Geoinformation
23(1): 24553. http://dx.doi.org/10.1016/j.jag.2012.09.010.
Dutta, Dipanwita et al. 2015. Assessment of Agricultural Drought in Rajasthan (India) Using
Remote Sensing Derived Vegetation Condition Index (VCI) and Standardized Precipitation
Index (SPI). Egyptian Journal of Remote Sensing and Space Science 18(1): 5363.
http://dx.doi.org/10.1016/j.ejrs.2015.03.006.
Ezzine, Hicham, Ahmed Bouziane, and Driss Ouazar. 2014. Seasonal Comparisons of
Meteorological and Agricultural Droughtindices in Morocco Using Open Short Time-Series
Data. International Journal of Applied Earth Observation and Geoinformation 26(1): 36
48. http://dx.doi.org/10.1016/j.jag.2013.05.005.
Gitelson, A A et al. 1998. Using AVHRR Data for Quantitive Estimation of Vegetation
Conditions: Calibration and Validation. Advances in Space Research 22(5): 67376.
http://www.sciencedirect.com/science/article/pii/S0273117797011290.
Kogan, F. N. 1995. Application of Vegetation Index and Brightness Temperature for Drought
Detection. Advances in Space Research 15(11): 91100.
Mckee, Thomas B, Nolan J Doesken, and John Kleist. 1993. The Relationship of Drought
Frequency and Duration to Time Scales. AMS 8th Conference on Applied Climatology
(January): 17984. http://ccc.atmos.colostate.edu/relationshipofdroughtfrequency.pdf.
Puno, Gobierno Regional D E. 2012. DIAGNSTICO AMBIENTAL.
Quiring, Steven M., and Srinivasan Ganesh. 2010. Evaluating the Utility of the Vegetation
Condition Index (VCI) for Monitoring Meteorological Drought in Texas. Agricultural and
Forest Meteorology 150(3): 33039.
Rhee, Jinyoung, Jungho Im, and Gregory J. Carbone. 2010. Monitoring Agricultural Drought for
Arid and Humid Regions Using Multi-Sensor Remote Sensing Data. Remote Sensing of
Environment 114(12): 287587. http://dx.doi.org/10.1016/j.rse.2010.07.005.
Scharlemann, P W, Andy Purvis, and Lawrence N Hudson. 2014. MODISTools Downloading
and Processing MODIS Remotely Sensed Data in R. : 465868.
Sruthi, S., and M.a. Mohammed Aslam. 2015. Agricultural Drought Analysis Using the NDVI
and Land Surface Temperature Data; a Case Study of Raichur District. Aquatic Procedia
4(Icwrcoe): 125864. http://linkinghub.elsevier.com/retrieve/pii/S2214241X15001650.
WMO. 2012. ndice Normalizado de Precipitacin Gua Del Usuario.
WMO, and GWP. 2016. Handbook of Drought Indicators and Indices.
Zhang, Feng, Li-wen Zhang, Xiu-zhen Wang, and Jing-feng Hung. 2013. Detecting Agro-
Droughts in Southwest of China Using MODIS Satellite Data. Journal of Integrative
Agriculture 12(1): 15968.
http://www.sciencedirect.com/science/article/pii/S2095311913602166.
Z. Wan, S. H., G.Hulley. (2015). MOD11A2 MODIS/Terra Land Surface Temperature/Emissivity
8-Day L3 Global 1km SIN Grid V006. NASA EOSDIS Land Processes DAAC.
https://doi.org/10.5067/MODIS/MOD11A2.006
41

Comparativo de Indicadores de Sequía Agrícola

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Comparativo de Indicadores de Sequía Agrícola

Загружено:

Авторское право:

Доступные форматы

SERVICIO NACIONAL DE METEOROLOGA E HIDROLOGA DE PER

TERCER INFORME: INFORMACIN BASE DE LA ZONA DE ESTUDIO

Presentado por: Jhonathan Fanola Paredes

CONSULTORIA: Servicio Especializado en Actividades Agroclimticas

El Proyecto CLIMANDES 2, es una iniciativa del Programa Global De Cambio Climtico De La

El Proyecto CLIMANDES 2, tiene como objetivo, mejorar la provisin de productos y servicios

En el presente informe se presenta los datos a utilizarse para la bsqueda de un ndice de

2.2. Objetivos especficos

3. ZONA DE ESTUDIO Y DATOS

3.1. ZONA DE ESTUDIO

3.1.1.1. Ubicacin Geogrfica y poltica

- Por el norte con la Regin de Madre de Dios.

Figura 1. Mapa de Ubicacin de Puno

Figura 2. Mapa climtico de Puno

De acuerdo al anlisis de los registros meteorolgicos (SENAMHI), la distribucin espacial de la

Al exterior de la zona lacustre del Lago Titicaca, la zona ms lluviosa se encuentra en el

Figura 3. Mapa de Ubicacin de Cusco

La Region del Cusco principalmente se encuentra en la cuenca del Vilcanota-Urubamba, en del

Figura 4. Mapa climtico de Cusco

Los datos de Datos de precipitacin se obtuvieron de las estaciones administradas por

Tabla 2. Estaciones climticas en Cusco

Estacin Id estacin Latitud Longitud Altitud Periodo

Anlisis de datos Pluviomtricos

La metodologa consisti en realizar el AED (Anlisis Exploratorio de Datos) sobre datos de

Donde i es el ndice de ao, j el ndice de estacin, N el nmero de aos y M el nmero de

En la siguiente tabla, se presentan los resultados de la aplicacin del Mtodo de Vector

Figura 6. Grfico de vector regional estaciones de Cusco

Tabla 3. Resultado del vector regional Cusco

Tabla 4. Resultado del vector regional Puno Regin 1

Tabla 5. Resultado del vector regional Puno Regin 2

Figura 7. Grfico de vector regional Puno Zona 1

Figura 8. Grfico de vector regional Puno Zona 2

3.2.2. DATOS DE SENSOR REMOTO

MODIS (Moderate Resolution Imaging Spectro radiometer), brinda datos de la temperatura

Tabla 6. Caractersticas de MOD 13A3 y MOD 11A2

Resolucin Resolucin Factor de

Figura 9. NDVI Puno MOD 13A3

Figura 10. LST Puno MOD 11A2

3.2.3. DATOS DE CULTIVO

Cultivos en Puno y Cusco

En la zona de Puno se ha seleccionado 2 cultivos de importancia los cuales son la papa y la

Al igual en la Cusco se han seleccionado data de rendimiento de cultivos de las 13 Agencias

Tabla 7. Distritos de Puno con datos de rendimiento de papa y quinua

N Departamento Provincia Distrito

32 Puno El collao Pilcuyo

78 Puno San Antonio de Putina Putina

Tabla 8. Distritos de Cusco con datos de rendimiento de maz y papa

Provincia Distrito Provincia Distrito Provincia Distrito

Figura 11. Esquema de la metodologa planteada

MOD 11A2 MOD 13A3

EXTRACCION DE DATA POR

NDVI TCI VCI

RENDIMIENTO DE VALIDACION DE SPI

a) ndice de precipitacin estandarizado (SPI).

Donde Pijk, precipitacin para el pixel i en el periodo j para el ao k; Pij, promedio

Mtodo para calcular el SPI

Tabla 9. Clasificacin de las sequas en funcin del SPI

Valor de SPI Categora Probabilidad (%)

-1.0 to -1.49 Moderadamente seco 9.2

b) Normalized Difference Vegetation Index (NDVI)

c) Temperature Condition Index (TCI)

Dnde: T, es la temperatura semanal o de periodo actual, Tmax, y Tmi son temperatura

d) Vegetation Condition Index (VCI)