Академический Документы
Профессиональный Документы
Культура Документы
SENAMHI
DIRECCION DE AGROMETEOROLOGIA
PROYECTO CLIMANDES 2
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
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.
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.
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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:
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.
2
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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.
3
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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.
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
3.1.2.2. Clima
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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).
3.2. DATOS
3.2.1. INFORMACIN PLUVIOMTRICA.
6
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
Figura 5. Mapa de distribucin de estaciones meteorolgicas en Puno
8
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
9
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
10
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
11
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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)
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
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
14
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
15
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
16
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
17
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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),
MODIS
18
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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).
- 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.)
19
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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)
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.
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.
20
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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%
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.
21
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
22
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
Tabla 12. Estaciones de Region 1 -Cusco
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.
23
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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).
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
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
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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.
(a) (b)
26
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
(c)
Fig (a), Precipitacin anual de 1964-2014, fig (b) precipitacin anual 200-2014, fig (c) Anomalia
estandarizada de la precipitacin.
(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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
Figura 19. Correlacin entre VCI TCI Cusco ao 2010.
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.
31
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
Figura 23. Correlacin entre VCI TCI
33
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Variacin temporal del SPI (a) setiembre 2011, (b) octubre 2011, (c) noviembre 2011, (d)
diciembre 2011, (e) enero 2012, (f) febrero 2012, (g) marzo 2012, (h) abril 2012
34
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
Figura 25. Variacin temporal de VCI 2011-2012
Variacin temporal del VCI (a) setiembre 2011, (b) octubre 2011, (c) noviembre 2011, (d)
diciembre 2011, (e) enero 2012, (f) febrero 2012, (g) marzo 2012, (h) abril 2012
35
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
Figura 26. Variacin temporal de TCI 2011 - 2012
Variacin temporal del TCI (a) setiembre 2011, (b) octubre 2011, (c) noviembre 2011, (d)
diciembre 2011, (e) enero 2012, (f) febrero 2012, (g) marzo 2012, (h) abril 2012
36
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
Figura 27. Correlacin entre VCI TCI 2011-2012
37
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
Figura 28. VCI vs rendimiento de papa-Puno
39
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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
Servicio Nacional De Meteorologa E Hidrologa Del Per ______
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