“Año del Fortalecimiento de la Soberanía Nacional”

UNIVERSIDAD NACIONAL AGRARIA LA

MOLINA 

DEPARTAMENTO ACADÉMICO DE INGENIERÍA AMBIENTAL

CURSO: CLIMATOLOGÍA Y MICROMETEOROLOGÍA APLICADA

Informe N° 2: “Recolección y análisis de variables climatológicas (NASA,

PISCO Y SENAMHI)’’

ALUMNO CÓDIGO

Alberto Cruz, Ana Paola 20191150

Cáceres Vergaray, Tatiana Alexandra 20191157

Dominguez Villanueva, Alex Fernando 20191165

Gómez Calle, Mabel Angela 20191168

Quesada de la Cruz, Cristian Kevin 20191185

Rubina Lopez, Elena 20191190

Horario de práctica: Viernes de 8 a.m. a 10 a.m.

Profesor: Ñavincopa Muñoz, Victor Miguel

Fecha de entrega: 26/05/2022

LA MOLINA - LIMA - PERÚ
2022
1. Introducción
Se considera al clima como el “promedio del estado del tiempo” y es modulado por
un conjunto de fenómenos que caracterizan el estado medio atmosférico de un lugar.
El ser humano observa la naturaleza y el clima para aprender o extraer información
relevante para la descripción de su situación actual o para la realización de
predicciones. Si los procesos atmosféricos fueran constantes o periódicos, sería
sencillo describirlos matemáticamente.
Ahora bien, la atmósfera exhibe variaciones y fluctuaciones que son irregulares, y con
el fin de lograr su entendimiento se realiza la recopilación y el análisis de grandes
conjuntos de datos meteorológicos; sin embargo, dada la complejidad del sistema
climático y el hecho de que no todas las variables pueden ser observadas en rango y
resolución espacial y temporal arbitrarios, el conocimiento sobre este es y será
restringido siempre a algún grado de incertidumbre (Mudelsee, 2010).
En el presente informe, se analizarán gráficas que han sido realizadas con datos (Qs y
Qi) extraídos de diferentes plataformas (NASA, PISCO y SENAMHI). Asimismo, se
hará uso de gráficas de correlación para demostrar la relación existente entre los datos
de las plataformas ya mencionadas anteriormente para parámetros específicos.

2. Objetivos
- Analizar las gráficas para los valores observados de Qs y Qi con datos
extraídos de la NASA, PISCO y SENAMHI.
- Elaborar e interpretar las gráficas de correlación para los parámetros de
precipitación, temperatura máxima y temperatura mínima realizados con datos
de la NASA, PISCO y SENAMHI.

3. Marco teórico
a. Energía Solar
La energía solar es aquella generada por el sol y que viaja a través de
partículas de energía (fotones) y radiación para llegar a la Tierra. Esta última
forma puede utilizarse por su capacidad para calentar, o transformarse en
energía eléctrica mediante instalaciones fotovoltaicas, para su consumo
posterior allá donde se necesite. La potencia de la radiación solar recibida en
un punto del planeta depende de su latitud, de la hora del día y de las
condiciones atmosféricas (Zamora,2021).
b. Radiación solar incidente (Qi)
Es aquella radiación que incide sobre la superficie terrestre a traves (directa y
difusa),está depende de efectos atmosféricos, incluyendo absorción y
dispersión;variaciones locales en la atmósfera, como el vapor de agua, las
nubes y la contaminación;latitud del lugar; y la temporada del año y hora del
día.Los efectos anteriores tienen un impacto en la radiación solar recibida en
la superficie de la Tierra (Honsberg & Bowden ,2022). Estos cambios
incluyen variaciones en la potencia total recibida, el contenido espectral de la
luz y el ángulo desde el que la luz incide sobre una superficie.
 La radiación solar en la superficie de la Tierra es diferente a la radiación solar
incidente sobre la atmósfera de la Tierra.

c. Radiación solar en el tope de la atmósfera(Qs)

La radiación solar incidente en el tope de la atmósfera, Qs se refiere a la
radiación solar que es absorbida por los aerosoles, nubes, componentes de la
atmósfera y la radiación reflejada por la Tierra (OMM, 2019)
Cabe resaltar, que al tope de la atmósfera llega un 100% de la radiación solar,
de este total, sólo un 25% llega directamente a la superficie de la Tierra y un
25% es dispersado por la atmósfera como radiación difusa hacia la superficie.
d. Sistema NASA-POWER(NP)
El geoportal climático del sistema NP (https://power. larc.nasa.gov) permite
extraer valores (de 1981 a la fecha) de variables agroclimatológicas con
cobertura mundial,permitiendo acceso a los usuarios las observaciones de
energía recopiladas por los satélites de observación de la Tierra
El sistema NP recopila información de varias fuentes: datos medidos
directamente, satelitales, sondas de viento y derivados de sistemas de datos
asimilados. Los datos diarios de temperatura y HR se derivan del modelo de
asimilación Goddard Earth Observing System (GEOS) versión 4, 5.01 y 5.1; la
velocidad del viento, del modelo Modern Era Retrospective-Analysis for
Research and Applications (MERRA-2), y la radiación solar, de observaciones
satelitales (White et al., 2008).
Es por ello que el Proyecto de Predicción de Recursos Energéticos Mundiales
(POWER) de la NASA mejora la accesibilidad y el uso de las Observaciones
de la Tierra (EO) de la NASA que respaldan la investigación comunitaria en
tres áreas de enfoque: desarrollo de energías renovables, eficiencia energética
en edificios, aplicaciones de la agroclimatología.

e. IRI/LDEO Climate Data Library

La Biblioteca de datos del IRI es una herramienta de análisis y depósito de
datos en línea poderosa y de libre acceso que permite al usuario ver, analizar y
descargar cientos de terabytes de datos relacionados con el clima a través de
un navegador web estándar. (IRI, s. f.)
f. Temperatura del aire
La temperatura es un índice indicativo del calentamiento o enfriamiento del
aire que resulta del intercambio de calor entre la atmósfera y la tierra. La
temperatura indica en valores numéricos el nivel de energía interna que se
encuentra en un lugar en ese momento. Esta energía interna se encuentra en
equilibrio entre el sistema (plantas, animales, etc.) y el ambiente (aire). Las
características físicas del aire de ser un fluido gaseoso le confiere gran
movilidad y un potencial dinámico en los intercambios del sistema
(INIA,2018).
g. Precipitación
La precipitación se produce como consecuencia de procesos de condensación,
es decir, por la acumulación de vapor de agua en la atmósfera que propicia la
formación de nubes.Cuando las nubes acumulan mucho vapor de agua, el peso
 de las gotas hace que el agua caiga hacia la superficie dando lugar a la
aparición de gotas de agua o de pequeños cristales de hielo; éstos irán
creciendo y cuando alcancen el tamaño suficiente caerán dando lugar a la
precipitación (Rogers,2003)

4. Materiales y métodos
Estación meteorológica: Cutervo, Cajamarca.
Coordenadas: 6°23’S, 78°49’ W, Alt 2668 msnm
Descargamos datos de la página web de SENAMHI https://www.senamhi.gob.pe/ >
datos > datos hidrometeorológicos. Luego, nos dirigimos a la estación de Cutervo >
Tabla, para registrar los datos requeridos.

Ingresamos a la página web de la NASA https://power.larc.nasa.gov/ > data access

viewer. Después buscamos la estación Cutervo para descargar los datos requeridos.
 Descargamos datos de la página web de PISCO
https://iridl.ldeo.columbia.edu/SOURCES/.SENAMHI/.HSR/.PISCO/index.html?Set-
Language=es > Prec > vp21> Base de datos y variables: stable > mensual >
precipitación. Posteriormente, nos dirigemos a Selección de datos para ingresar las
coordenadas de la estación Cutervo y registrar los datos.

5. Resultados y discusiones

Figura 1

Figura 2
Al observar la Figura 1 notamos que la gráfica de Qs obtenida a partir de los datos de la
NASA es cercano y tiene la misma tendencia que el Qs de la estación de Cutervo, pues
ambos tienen valores menores en invierno, donde el mínimo es en junio; el mayor, en febrero
ly ly
que es verano tienen 924,0918 proveniente de la NASA y 923,3738 de lo observado.
día día
Asimismo, difiere un poco en los valores ya que la información que nos brinda la NASA
proviene de satélites y modelos, posteriormente es procesada por softwares que precisan
mejor para grandes territorios que para las pequeñas, que es nuestro caso, ello genera
discontinuidades por la resolución, latitud, longitud, altitud o elevación lo que hace que la
incertidumbre sea un factor importante. En este caso, el coeficiente de correlación de 0,98
confirma que es aceptable, ver la Figura 2.

Por otro lado Sayago, Ovando y Bocco (2017) compararon los datos de la radiación solar
proveniente de NASA-POWER y de estaciones meteorológicas en nueve provincias de
España obteniendo que el coeficiente de determinación es mayor que 0,9 para todas las
provincias y por ende el coeficiente de correlación es mayor a 0,9, siendo este aceptable y la
NASA-POWER confiable. También afirman que el coeficiente de determinación es bajo, por
ejemplo 0,51 cuando está nublado y es alto cuando está despejado, por ello se debe tener en
cuenta la nubosidad cuando se usa datos satelitales como los que brinda NASA-POWER ya
que su precisión cambia.

Figura 3
En el caso de Qi, se observa que la diferencia es grande lo que puede deberse a los errores
que se presentan al reducir la escala o la baja resolución de la información de la NASA, como
vemos hay cambios bruscos. Los únicos meses que coinciden son los meses Setiembre y
Diciembre justamente los meses de inicio de la primavera y verano para el Hemisferio Sur y
son los meses donde llega más energía a nuestro país. Como mencionan Chiriboga y
Mondragón (2012) la radiación solar llega al tope de la atmósfera y la atraviesa antes de
llegar a la superficie terrestre, se altera por el aire, vapor, suciedad, nubosidad y todo esto
también depende de la zona geográfica donde estemos ubicados. Como vemos la radiación
solar incidente depende de muchas variables, variables que tal vez la información de la Nasa
ignora.
Figura 4
La gráfica corresponde a la relación que existe entre los datos usados en el informe anterior y
los datos de la NASA, como observamos la correlación (r) es 0 < r < 1 si bien este r nos
indica una correlación positiva debido a que medidos la misma variable no nos da una
confiabilidad de datos, es decir que los datos de la NASA y de la estación Cutervo difieren
mucho en valor. Segun Dagnino (2014) muchas veces utilizar la correlacion r para estudiar la
misma variable medida con dos métodos distintos es un error ya que como miden la misma
variable, casi siempre tienen correlaciones elevadas, sin embargo, el método sólo mide fuerza
de asociación y no cuánto coinciden o difieren que es lo que verdaderamente interesa para
esto último se utilizan otros métodos como el método de Bland y Altman

Figura 5

Figura 6

Figura 7
Respecto a la variación de precipitaciones se observa que tienen tendencias parecidas, las
precipitaciones son mayores entre los meses de enero y abril, los cuales están dentro de la
estación de verano. Según Sánchez y Vásquez (2010), el clima de Cutervo es semiseco,
cálido, húmedo y tiene muy bajas precipitaciones en otoño, invierno y primavera. De acuerdo
con el mapa climático en base al promedio histórico 1981-2010, el rango de precipitación
anual es 700 mm a 2000 mm, por lo que el rango mensual aproximado es de 58,3 mm a 166,7
mm. Asimismo, en la Figura 6 al comparar la precipitación determinada por la NASA y el
SENAMHI obtenemos un coeficiente de correlación bajo de 0,496 y en la Figura 7
encontramos que la precipitación de SENAMHI y PISCO son similares, siendo el coeficiente
de correlación de 0,903 y además sus precipitaciones mensuales están dentro del rango
mencionado anteriormente.

Figura 8
En el gráfico observado vemos una variación significativa de los datos sobre todo para los
datos de la NASA, según el Instituto Geofísico del Perú el clima de Cutervo es templado,
moderadamente lluvioso y oceánico; durante el transcurso del año, la temperatura
generalmente varía de 5 °C a 20 °C y rara vez baja a menos de 3 °C o sube a más de 22 °C.
La información dada corresponde más a los datos de la estación Pisco este acercamiento más
real de los datos de Pisco puede deberse a que posee una mayor confiabilidad ya que segun
la Nota Técnica 001 del Senamhi (2017) PISCO es el resultado de la combinación de datos
de estaciones terrenas con climatologías, reanálisis y productos satelitales para obtener una
base de datos grillada a nivel nacional de alta resolución espacial. Por otro lado podemos
resaltar que las curvas tienen el mismo comportamiento es decir que se elevan en los mismos
puntos y disminuyen de igual manera, esto es bueno ya que si bien los valores son distintos el
comportamiento de las curvas siguen un mismo patrón.

Figura 9

Figura 10
Para las gráficas de correlación de Temperatura máxima ningun R vemos valores bajos de
0.3719 para SENAMHI vs NASA y 0.4658 para SENAMHI y PISCO respectivamente
como ya habíamos observado los valores de las tres estaciones varían mucho y no tienen un
buen ajuste lineal esto puede deberse a errores de medición de las estaciones utilizadas o a
factores que afectan las mediciones con satélites.
Para ello, evaluaremos la prueba de hipótesis de correlación para la variable temperatura
máxima SENAMHI vs NASA y SENAMHI vs Pisco. Lo que buscamos es corroborar
estadísticamente si existe o no correlación entre estas fuentes de datos, se hará el siguiente
procedimiento:

Figura 11
Análisis de correlación análisis ejecutado en Rstudio para los datos obtenidos de las
plataformas SENAMHI, PISCO y NASA par a par.
El análisis de correlación al ser una prueba paramétrica, necesitamos saber si las variables
cumplen con el supuesto de normalidad de errores, por ello utilizaremos el código
shapiro.test, el cual nos indica si las variables cumplen con este supuesto. Luego, se procede
a determinar el coeficiente de correlación entre las temperaturas máximas de la base de datos
de SENAMHI, PISCO y NASA.

Figura 12
Prueba de normalidad de errores para los datos brindados por SENAMHI, PISCO y NASA.

Como el p-valor en los tres casos resulta ser mayor que el nivel de significancia alfa = 0.05,
entonces afirma que la variable temperatura máxima de las tres bases de datos cumple el
supuesto de normalidad de errores. Por ello, se procede a hallar el coeficiente de correlación
de pearson.

Figura 13
Prueba de correlación de Pearson entre SENAMHI vs NASA y SENAMHI vs PISCO.

Para la correlación de la variable temperatura máxima de SENAMHI vs NASA brinda un p-

valor = 0.2339 que es menor al nivel de significancia 0.05 y ,por lo tanto comprueba la
hipótesis nula, que no existe correlación entre los datos.
De la misma manera, para la correlación entre SENAMHI vs PISCO se obtiene un p-valor =
0.1269 que es menor al nivel de signficancia 0.05 lo cual indica que no existe correlación
entre la variable temperatura máxima entre los datos.

Se concluye que a un nivel de significancia de 0.05 (confianza 95%) existe evidencia

estadística suficiente para decir que no existe correlación de temperatura máxima brindadas
por las bases de datos de SENAMHI, PISCO y NASA.
 Figura

Para la variación de la Temperatura mínima observamos valores distintos para todas las
estaciones con picos para la estación de la NASA, una curva para SENAMHI y valores altos
para PISCO sin embargo vale la pena resaltar que las curvas siguen un comportamiento
similar. Según Castillo (2021) Cutervo tiene un clima semiseco, templado moderadamente
lluvioso, con una temperatura mínima anual promedio de 4°C, generalmente la temporada de
lluvias comienza en el mes de noviembre y termina en abril. También podemos añadir que el
clima de Cutervo es variable entre las horas del día alcanzando sus mínimos desde las 00:00
horas hasta las 8:00 am de las mañana y sus máximos durante las tarde entre las 14:00 y
16:00 horas todo esto depende también en qué estación del año se encuentra Cutervo. Como
vemos es un factor muy variable por lo que los valores para las diferentes estaciones también
los serán.
Para los gráficos de correlación de la variable Temperatura mínima notamos valores de R
cercanos a 1, sean 0.7396 para SENAMHI vs NASA y 0.8937 para SENAMHI y PISCO esto
nos dice que los valores tiene un buen ajuste además de estar dentro de los rangos de
temperatura mínima para Cutervo, mencionados anteriormente.

6. Conclusiones
 ● Se logró determinar y graficar los valores observados de Qs y Qi con los datos
extraídos de la NASA y la estación meteorológica de Cutervo, se encontró que
los datos de la NASA son aceptables para hallar la radiación solar en el tope
de la atmósfera, pero presentan la precisión cambia en el caso de la radiación
incidente sobre la superficie terrestre.
● También se logró elaborar e interpretar las gráficas de correlación para los
parámetros de precipitación, temperatura máxima y temperatura mínima
realizados con datos de la NASA, PISCO y SENAMHI.

7. Bibliografía
- Chiriboga, B., Mondragon, N. (2012). Simulación usando labview de la
radiación incidente sobre superficies bajo diferentes condiciones aplicando
un modelo de irradiancia solar basado en transmitancias. [Tesis de grado-
FIEC]. Recuperado de:
http://www.dspace.espol.edu.ec/handle/123456789/19347.
- Dagnino, J. (2014). Correlación. Bioestadística y Epidemiología, 43(2), 150-
153. Recuperado de: https://revistachilenadeanestesia.cl/correlacion/
- Honsberg, C.B ; Bowden, S.G (2022).Photovoltaics: Photovoltaic
devices.University of New South Wales Photovoltaics
Centre.https://www.pveducation.org/es/fotovoltaica/welcome-to-pvcdrom/
bienvenido-a-pvcdrom
- Instituto Nacional de Innovación Agropecuaria (2022).Temperatura de la
atmósfera.
- Mudelsee, M. (2010). Climate time series análisis. Springer Dordrecht.
https://doi.org/10.1007/978-90-481-9482-7
- Nota Técnica 001-SENAMHI-DHI-2017. (2017). Uso del Producto Grillado
PISCO de precipitación en Estudios, Investigaciones y Sistemas
Operacionales de Monitoreo y Pronóstico Hidrometeorológico. Recuperado
de: https://www.senamhi.gob.pe/load/file/01402SENA-8.pdf
- Organización Meteorológica Mundial. (2019). EL SOL, LA TIERRA Y EL
TIEMPO.https://library.wmo.int/doc_num.php?explnum_id=5762
- Rogers,R.R (2003).Física de las
nubes.Reverté.S.A.https://books.google.com.pe/books?
id=odfLFFLbrFcC&pg=PA191&dq=precipitacion+definicion&hl=es&sa=X&
ved=2ahUKEwipvYnV6f33AhW9CrkGHagOD1wQ6AF6BAgHEAI#v=onep
age&q=precipitacion%20definicion&f=false
- Sánchez, A. y Vásquez, C. (2010). MEMORIA DESCRIPTIVA MAPA
CLIMÁTICO DEPARTAMENTO DE
CAJAMARCA.https://zeeot.regioncajamarca.gob.pe/sites/default/files/
MapaClimatico.pdf
- Sayago, S., Ovando, G. y Bocco, M. (2017). Estimación de radiación solar
diaria a partir de imágenes NASA-POWER con distintos índices de claridad.
 Avances en Energías Renovables y Medio Ambiente, 21(1). 49-58. ISSN 2314-
1433. http://eprints.natura.unsa.edu.ar/1184/1/Sayago_Ovando_Bocco.pdf
- SENAMHI. (2020). Mapa Climático del Perú. https://www.senamhi.gob.pe/?
dp=lima&p=mapa-climatico-del-peru
- White, J. W., Hoogenboom, G., Stackhouse, P. W., & Hoell, J. M. (2008).
Evaluation of NASA satellite- and assimilation model-derived long-term daily
temperature data over the continental US. Agricultural and Forest
Meteorology, 148(10), 1574-1584.
https://doi.org/10.1016/j.agrformet.2008.05.017
- Zamora, V. (2021). IMPORTANCIA DE LA RADIACIÓN SOLAR COMO
FUENTE DE ENERGÍA.[Artículo Técnico]. Ancón, Lima - Perú.

a. Radiación solar en el tope de la atmósfera (Qs): “se refiere a la radiación solar

que es absorbida por los aerosoles, nubes, componentes de la atmósfera y la
radiación reflejada por la Tierra” (OMM, 2019)

b. Radiación solar incidente (Qi): “Es aquella radiación que incide sobre la superficie
terrestre  a traves (directa y difusa),está depende de efectos atmosféricos,
incluyendo absorción y dispersión;variaciones locales en la atmósfera, como el vapor
de agua, las nubes y la contaminación;latitud del lugar; y la temporada del año y
hora del día.Los efectos anteriores tienen un impacto en la radiación solar recibida
en la superficie de la Tierra” (Honsberg & Bowden ,2022).