UNIVERSIDAD NACIONAL SAN ANTONIO ABAD

DEL CUSCO
MAESTRIA EN INGENIERIA CIVIL
MENCION RECURSOS HIDRICOS Y MEDIO AMBIENTE

PRESENTADO POR:
EULALIA SILVA FUR
AUTORES: Thomas Condom, EDGAR ELMER SIPAUCAR CONDORI
Pedro Rau y Jhan Carlo Espinoza
 En términos de clima, los sistemas montañosos desarrollan
sistemas locales y regionales considerablemente
complejos.
 las condiciones climáticas en todas las escalas de tiempo
están estrechamente relacionadas con la circulación en
la parte superior del aire con un flujo zonal hacia el este
que favorece las condiciones húmedas y un flujo hacia el
oeste que causa condiciones secas.
 Actualmente, debido a la falta de datos de observación
con una resolución espacial y temporal adecuada, existe
una comprensión limitada de las múltiples interconexiones
entre el clima y la hidrología en los sistemas montañosos
de todo el mundo como el Himalaya, las Montañas
Rocosas, los Andes y los Alpes .
 La información de las precipitaciones in situ es escasa en
las regiones montañosas altas y es necesario desarrollar
un método para espacializar las precipitaciones en estas
zonas.
 Analizar la correlación entre dos series de tiempo de
precipitación mensual en regiones peruanas de gran
altitud; los datos del TRMM 3B43 y los datos del
pluviómetro in situ
 Presentar un algoritmo de corrección de sesgo robusto
para resolver este problema en los Andes peruanos (>
3000 msnm)
 Proporcionar una corrección de los datos TRMM 3B43 que
permiten una mejor estimación de los datos de lluvia en
las montañas cubiertas de glaciares.
 Datos del pluviómetro in
situ del Servicio Nacional
de Meteorología e
Hidrología de Perú
(SENAMHI)

Datos emitidos por el TRMM

(Misión de Medición de
Lluvias tropicales) algoritmo
3B43

Es la mejor estimación individual de

precipitación mensual ya que combina datos
integrados de alta calidad de 3 horas,
estimaciones de infrarrojos (IR) (3B42) con el
Sistema de Monitoreo de Evaluación del Clima
acumulado o el Centro Global de Climatología
de Precipitación análisis de pluviómetros (3S45)
El satélite TRMM cuenta con 5 sensores (instrumentos) de a bordo:
• Radar de precipitación (PR).
• Imágenes Microwave TRMM (TMI).
• Escáner infrarrojo visible (VIRS).
• Sistema de energía radiante y nubes (CERES).
• Sensor de imagen relámpagos (LIS).:
 Los datos de lluvia in situ para las 29 estaciones de lluvia
en las diferentes cuencas peruanas se clasificaron en siete
regiones: Santa (R1), Pacífico Norte (R2), Colca (R3),
Quilca (R4), Apurímac (R5), Urubamba (R6 ) y Ocona~
(R7).
  Todas las estaciones se ubicaron a más de 3000 m,
excepto dos: Abancay (2750 m snm) y Yungay (2537 m
snm). Los datos SRTM (Misión Topográfica Shuttle
en el manejo Radar): delinear las principales cuencas
del equipo hidrográficas que representan las diferentes
ERRORES por parte del regiones. También sirvieron como referencia
DE personal de para verificar la ubicación de las estaciones
MUESTREO campo meteorológicas, así como para la
regionalización
impactos climáticos en las mediciones: la nieve y / o el
viento causan errores en los datos del pluviómetro

la ocurrencia de nieve es muy rara en este país tropical en altitudes situadas

por debajo de 4600 msnm porque la temporada de lluvias se produce
durante el verano cuando la temperatura es relativamente alta. De hecho,
las temperaturas mensuales son siempre superiores a 2 C / mes para todas
las estaciones meteorológicas in situ utilizadas en este estudio. No hubo
datos faltantes para los datos de precipitación de series de tiempo
mensuales para ninguna de las 29 estaciones. Errores para los valores in situ
son bajos
 Están disponibles gratuitamente en la base de datos de la
NASA (http://trmm.gsfc.nasa.gov/data dir / data.html). El
algoritmo 3B43 proporciona la mejor estimación de la
precipitación mensual total en un registro completo de
enero de 1998 a diciembre de 2007.

se deben a las atmósfera regional solo a

ERRORES DE
intervalos de tiempo discretos, a veces faltan
MEDICIONE tormentas de corta duración. Muchos estudios
S TRMM teóricos han demostrado que el error de
muestreo temporal para la precipitación
promedio oscila entre +-8 y +-12% por mes
 Regionalización. El modelo de elevación digital SRTM se
usó para delinear las cuencas hidrográficas y obtener una
correlación aceptable entre la precipitación anual
promedio total y la altitud, longitud y latitud.
 Para las siete regiones, calcularon los valores mensuales
medios para los datos in situ (puntos puntuales) y TRMM
(valores de celda).
 Por ejemplo, para la región R1 Santa, los valores
mensuales medios se basaron en el tiempo características
discretas de muestreo. De hecho, el satélite TRMM se
encuentra en una órbita terrestre baja de ¾350 km de
altura; los sensores de lluvia prueban la serie que
comprende 108 valores para el período 1998-2007 para
las tres estaciones meteorológicas (Yungay, Recuay y
Milpo). Los valores mensuales medios para los datos de
TRMM se calcularon en base a los 108 valores para los
cuatro números de celda: 778912, 7762912, 7737962 y
7712987. Como solo hay unas pocas estaciones para
cada región, no utilizamos una interpolación espacial.
Comparamos los dos conjuntos de datos, in situ y TRMM, y
posteriormente proponemos dos modelos de corrección
(los modelos aditivo y multiplicativo).
Donde i es el número de mes (1, ..., 12), j el número de
año (1998, ..., 2007), TRMMi el registro TRMM 3B43
para el mes i y el año j y SENAMHIi es el registro
SENAMHI ( in situ) para el mes i y el año j.
 Se realizó un análisis de histograma de frecuencia del conjunto
completo de datos mensuales in situ y TRMM 3B43 para cada
mes y región
 La confiabilidad de las estimaciones de TRMM 3B43 para cada
estación in situ en cada una de las siete regiones se validó
usando la relación de error relativo promedio (MBE, Ecuación
(2)); error relativo cuadrático medio RMSE (Ecuación (3))

Los datos mensuales in situ para los 29 datos de estaciones de lluvia

mostraron que la distribución de probabilidad tiene una fuerte asimetría
negativa. Esta asimetría disminuyó cuando los datos se transformaron
logarítmicamente, más una unidad, usando Ecuación (4):
Modelos de corrección para los datos de
TRMM 3B43
1.- Modelo aditivo
Fue posible calcular la diferencia mensual promedio entre el
TRMM 3B43 y los datos in situ para el período 1997-2008 utilizando
la ecuación (5). Este vector F1 esta compuesto por 12 valores
mensuales

El vector F1 se aplicó a cada valor de TRMM 3B43. Finalmente,

obtuvimos los valores de lluvia corregidos TRMM mensuales totales
para cada mes durante el período de 10 años de registros usando la
siguiente ecuación (Ecuación (6))
Modelos de corrección para los datos de
TRMM 3B43
 Resultados
1.- Lluvia in situ
Los valores medios anuales para el período 1998-2007 fueron
entre 285 mm año? 1 en la estación de Pampacolca

Se obtuvo el vector F2, compuesto por 12 valores mensuales

El vector F2 se aplicó a cada cuadrícula de TRMM 3B43.

Finalmente, obtuvimos los valores de lluvia corregidos TRMM
mensuales totales para cada mes durante el período de registros de
10 años usando la siguiente ecuación:
 Conclusiones
• La precipitación total mensual en las 29 estaciones SENAMHI se
caracterizó por fuertes estacionalidad con valores elevados
registrados durante el período húmedo período (enero a
marzo) y los valores más bajos que se producen durante la
estación seca (de junio a agosto).

• El principal problema era que la mala distribución de la

meteorología las estaciones no permitieron una espacialización
de la precipitación en regiones montañosas.
• Sin embargo, este estudio demostró que antes de que estos datos
puedan ser usado, deben ser corregidos. Por lo tanto,
proponemos dos
 Conclusiones

• modelos de corrección, un aditivo y el otro multiplicativo

• Teniendo en cuenta los modelos de corrección, el aditivo el

modelo fue preciso para (R1), (R2), (R3), (R4), (R5) y (R7) regiones.