UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE CIENCIAS AGRARIAS

ESCUELA PROFESIONAL DE INGENIERÍA TOPOGRÁFICA Y
AGRIMENSURA

RELACIÓN DE LA DISMINUCIÓN DE LA COBERTURA

GLACIAR DEL NEVADO ANANEA CON LA TEMPERATURA Y
PRECIPITACIÓN ENTRE 1985 - 2021 UTILIZANDO LA
PLATAFORMA GEE

TESIS

PRESENTADA POR:

Bach. RUDY JOEL MAMANI MARCA

PARA OPTAR EL TÍTULO PROFESIONAL DE:

INGENIERO TOPÓGRAFO Y AGRIMENSOR

PUNO – PERÚ

2022
 DEDICATORIA

Dedicada de todo corazón a mi madre Rosa y a

mi padre Javier quienes me brindan en cada

momento su cariño, apoyo y ejemplo. También

lo dedico a mis dos hermanos: Roberth y

German por su paciencia y motivación.

A mis amigos y amigas que formaron

parte de mi vida universitaria quienes

compartimos momentos únicos e

inolvidables.

Joel
 AGRADECIMIENTOS

A la universidad Nacional del Altiplano, a la escuela profesional de Ingeniería

Topográfica y Agrimensura por acogerme en sus aulas y haberme brindado los

conocimientos en mi formación profesional.

Al Servicio Nacional de Meteorología e Hidrología (SENAMHI) por haberme brindado

la información necesaria para esta investigación.

Al Ph.D. Elmer Elio Calizaya Llatasi por brindarme su apoyo y orientación durante mi

formación profesional, así como la ejecución de este trabajo de investigación.

 ÍNDICE GENERAL

DEDICATORIA

AGRADECIMIENTOS

ÍNDICE GENERAL

INDICE DE TABLAS

INDICE DE FIGURAS

ÍNDICE DE ACRÓNIMOS

RESUMEN .................................................................................................................... 12

ABSTRACT ................................................................................................................... 13

CAPÍTULO I

INTRODUCCIÓN

1.1. PLANTEAMIENTO DEL PROBLEMA ............................................................ 14

1.2. FORMULACION DEL PROBLEMA ................................................................. 16

1.2.1. Pregunta general ............................................................................................. 16

1.2.2. Preguntas específicas...................................................................................... 16

1.3. HIPOTESIS DE LA INVESTIGACION ............................................................. 16

1.4. JUSTIFICACION DEL ESTUDIO ...................................................................... 16

1.5. OBJETIVOS DE LA INVESTIGACION............................................................ 17

1.5.1. Objetivo general ............................................................................................. 17

1.5.2. Objetivos específicos...................................................................................... 17

CAPITULO II

REVISIÓN DE LITERATURA

2.1. ANTECEDENTES DE LA INVESTIGACION .................................................. 18

2.1.1. Antecedentes Internacionales ......................................................................... 18

2.2.2. Antecedentes Nacionales................................................................................ 19

 2.2.3. Antecedentes Locales ..................................................................................... 22

2.2. MARCO TEORICO .............................................................................................. 23

2.2.1. Glaciar ............................................................................................................ 23

2.2.2. Los glaciares andinos tropicales ..................................................................... 24

2.2.3. Calentamiento Global ..................................................................................... 25

2.2.4. Precipitación ................................................................................................... 26

2.2.5. Temperatura máxima del aire ......................................................................... 27

2.2.6. Temperatura mínima del aire ......................................................................... 27

2.2.7. Percepción Remota ......................................................................................... 27

2.2.8. Índice Diferencial Normalizado de nieve (NDSI).......................................... 28

2.2.9. Satélite MODIS .............................................................................................. 29

2.2.10. Programa Landsat......................................................................................... 31

2.2.11. Satélite LandSat 4 y 5 – MSS y TM............................................................. 32

2.2.12. Landsat 8-9 (OLI) y (TIRS ) ........................................................................ 33

2.2.13. Google Earth Engine .................................................................................... 35

2.2.14. Catálogo de datos GEE ................................................................................ 36

2.2.15. Arquitectura de la plataforma GEE .............................................................. 37

2.2.16. JavaScript ..................................................................................................... 38

CAPITULO III

MATERIALES Y MÉTODOS

3.1. MATERIALES E INTRUMENTOS .................................................................... 40

3.2. ZONA DE ESTUDIO ............................................................................................ 41

3.2.1. Ubicación política .......................................................................................... 41

3.2.2. Ubicación Geográfica..................................................................................... 41

3.3. METODOLOGÍA DE LA INVESTIGACIÓN ................................................... 42

 3.3.1. Diseño de la investigación.............................................................................. 42

3.3.2. Tipo de investigación ..................................................................................... 42

3.3.3. Método de investigación ................................................................................ 43

3.3.4. Población ........................................................................................................ 43

3.4. PROCEDIMIENTOS ............................................................................................ 43

3.4.1. Recopilación de fuentes de información de datos imágenes Landsat ............ 43

3.4.2. Información meteorológica ............................................................................ 44

3.5. PROCEDIMIENTO PRIMER OBJETIVO ESPECIFICO .............................. 44

3.5.1. Mapas mensuales de la cobertura de nieve del nevado Ananea obtenidas por

la plataforma GEE ........................................................................................ 51

3.5.2. Análisis estadístico ......................................................................................... 59

3.6. PROCEDIMIENTO SEGUNDO OBJETIVO ESPECIFICO .......................... 60

3.6.1. Coeficiente de correlación de Pearson ......................................................... 62

3.6.2. Análisis de regresión simple .......................................................................... 63

3.6.3. Método de mínimos cuadrados ...................................................................... 63

3.7.4 Coeficiente de determinación .......................................................................... 64

CAPITULO IV

RESULTADOS Y DISCUSIÓN

4.1. RESULTADOS PARA EL PRIMER OBJETIVO ESPECIFICO.................... 65

4.2. RESULTADOS PARA SEGUNDO OBJETIVO ESPECIFICO ...................... 66

4.2.1. Análisis Estadísticos de Área y Temperatura Media anual ............................ 66

4.2.2. Parámetros del modelo (Área y temperatura máxima)................................... 69

4.2.3. Ecuación del modelo (AREA) con relación a la temperatura media máxima

anual ............................................................................................................. 69

4.2.4. Análisis estadísticos de área y precipitación .................................................. 73

 4.2.5. Regresión de la variable área y precipitación................................................. 75

4.2.6. Parámetros del modelo (Área y precipitación) ............................................... 75

4.2.7. Ecuación del modelo (Área) con relación a la precipitación media anual ..... 76

4.3. ANÁLISIS DE HIPÓTESIS CORRELACION LINEAL MULTIPLE ........... 80

4.4. DISCUCIONES ...................................................................................................... 82

V. CONCLUSIONES.................................................................................................... 83

VI. RECOMENDACIONES ........................................................................................ 84

VII. REFERENCIAS BIBLOGRAFICAS ................................................................. 85

ANEXOS ........................................................................................................................ 91

ANEXOS-1 .............................................................................................................. 92

ANEXOS-2 .............................................................................................................. 94

ANEXOS-3 ............................................................................................................ 111

ÁREA: Sistemas de Información Geográfica

TEMA: Ciencias Naturales

FECHA DE SUSTENTACIÓN: 21 de octubre del 2022

 INDICE DE TABLAS

Tabla 1 Cantidad y extensión superficial de los glaciares por cordilleras y altitudes25

Tabla 2 Características del satélite MODIS .............................................................. 30

Tabla 3 Características Landsat 4 y 5 – MSS y TM .................................................. 33

Tabla 4 Características de las Landsat 8-9 (OLI) y (TIRS )...................................... 34

Tabla 5 Información de la estación climatológica Ananea ....................................... 44

Tabla 6 Interpretación del grado de correlación de Pearson ..................................... 59

Tabla 7 Datos de temperatura media anual y cobertura glaciar periodo 2003 - 202160

Tabla 8 Datos de la cobertura glaciar y los datos de precipitación acumulada

solicitados por el Servicio Nacional de Hidrología y Meteorología ............ 61

Tabla 9 Área de cobertura de nieve mensual periodo 1985 – 2021 .......................... 65

Tabla 10 Estadísticos descriptivos Área y Temperatura Máxima ............................... 67

Tabla 11 Matriz de correlaciones área y temperatura media anual ............................. 68

Tabla 12 Tabla regresión de la variable área y temperatura máxima .......................... 68

Tabla 13 Parámetros del modelo (Área y temperatura máxima) ................................. 69

Tabla 14 Predicciones y residuos (Área y temperatura máxima) ................................ 70

Tabla 15 Estadísticos descriptivos área y precipitación .............................................. 73

Tabla 16 Matriz de correlación en relación con (Área y precipitación) ...................... 74

Tabla 17 Estadísticos de bondad del ajuste (Área y precipitación) ............................. 75

Tabla 18 Parámetros del modelo (Área y precipitación) ............................................. 75

Tabla 19 Predicciones y residuos (área y precipitación) ............................................. 77

Tabla 20 Interpretación del grado de correlación ........................................................ 80

Tabla 21 Estadísticas de la regresión múltiple ............................................................ 81

 INDICE DE FIGURAS

Figura 1 Partes del glaciar .......................................................................................... 23

Figura 2 Glaciares de los andes .................................................................................. 24

Figura 3 Elementos de percepción remota ................................................................. 28

Figura 4 Cronología e historia de las misiones Landsat ............................................. 32

Figura 5 Arquitectura de la plataforma GEE.............................................................. 38

Figura 6 Mapa de ubicación de la zona de estudio..................................................... 42

Figura 7 Plataforma de Google Earth Engine ............................................................ 43

Figura 8 Imagen Satelital Landsat 5 TOA plataforma GEE ...................................... 45

Figura 9 Imagen Satelital Landsat 8 TOA plataforma GEE ...................................... 45

Figura 10 Imagen satelital MODIS por la plataforma GEE ......................................... 46

Figura 11 Zona de estudio por la plataforma GEE ....................................................... 47

Figura 12 Procedimiento metodológico mediante el editor de código de GEE para zona

de estudio y fecha de obtención de datos ..................................................... 47

Figura 13 Combinación de bandas Landsat 05 por GEE ............................................. 48

Figura 14 Procedimiento metodológico mediante el editor de código de GEE para NDSI

y cálculo de área por proyección acimutal de Lambert. .............................. 49

Figura 15 Procedimiento metodológico mediante el editor de código de GEE para

exportar imagen en formato TIFF ................................................................ 49

Figura 16 Índice diferencial normalizado de nieve (NDSI) obtenido por GEE

...................................................................................................................... 50

Figura 17 Mapas mensuales de la cobertura de nieve año 1985 .................................. 51

Figura 18 Mapas mensuales de la cobertura de nieve año 1990 .................................. 52

Figura 19 Mapas mensuales de la cobertura de nieve año 1995 .................................. 53

Figura 20 Mapas mensuales de la cobertura de nieve año 2000

...................................................................................................................... 54

Figura 21 Mapas mensuales de la cobertura de nieve año 2005 .................................. 55

Figura 22 Mapas mensuales de la cobertura de nieve año 2010 .................................. 56

Figura 23 Mapas mensuales de la cobertura de nieve año 2015 .................................. 57

Figura 24 Mapas mensuales de la cobertura de nieve año 2021 .................................. 58

Figura 25 Comportamiento del área de cobertura glaciar vs años ............................... 66

Figura 26 Comportamiento de la temperatura media anual vs años ............................ 67

Figura 27 Regresión lineal de Área con respecto a la Temperatura media anual ........ 70

Figura 28 Residuos estandarizados de Área y temperatura máxima ............................ 71

Figura 29 Área y temperatura máxima de residuos estandarizados ............................. 71

Figura 30 Pred Área y temperatura máxima ................................................................ 72

Figura 31 Residuos estandarizados / Área y temperatura máxima .............................. 72

Figura 32 Comportamiento de la precipitación acumulada anual vs años ................... 73

Figura 33 Regresión lineal de Área con respecto a la Temperatura media máxima anual

...................................................................................................................... 76

Figura 34 Residuos estandarizados / Área y precipitación ........................................... 77

Figura 35 Área / residuos estandarizados en relación a la precipitación ...................... 78

Figura 36 Pred (Área y precipitación) / Residuos estandarizados................................ 78

Figura 37 Pred (Área y precipitación) .......................................................................... 79

Figura 38 Residuos estandarizados – Área y precipitación .......................................... 79

 ÍNDICE DE ACRÓNIMOS

ANA : Autoridad Nacional del Agua

API : Application Programming Interfaces

ETM : Enhanced Thematic Mapper Plus

GEE : Google Earth Engine

INAIGEM : Instituto Nacional de Investigación en Glaciares y Ecosistemas

de montaña

IPCC : Intergovernmental Panel on Climate Change

LANDSAT : Land Remote Sensing Satelite

IANIGLA : Instituto Argentino de Nivología, Glaciología y Ciencias

Ambientales

MMS : Multispectral Scanner

MODIS : Moderate-Resolution Imaging Spectroradiometer

NASA : National Aeronautics and Space Administration

NDSI : Índice Diferencial Normalizado de Nieve

OLI : Operational Land Imager

SENAMHI : Servicio Nacional de Meteorología e Hidrología

TIFF : Tagged Image File Format

TIRS : Thermal Infrared Sensor

TM : Thematic Mapper

TOA : Top Of Atmosphere

UNESCO : United Nations Educational, Scientific and Cultural

Organization

USGS : United States Geological Survey

WGS : World Geodetic System

 RESUMEN

El trabajo de investigación se realizó en el distrito de Ananea provincia de San

Antonio de Putina del departamento de Puno entre las coordenadas Norte: 8383428.60

m; Este: 454998.14 m en el sistema de coordenadas UTM WGS 84 en la zona 19S con el

objetivo general de relacionar la disminución de cobertura glaciar del nevado Ananea con

la temperatura y precipitación entre 1985 - 2021 utilizando la plataforma GEE. Con

hipótesis general de la temperatura y precipitación tiene relación en la disminución con

el área de cobertura glaciar entre 1985 - 2021. El trabajo de investigación es de tipo

relacional. Se procesó más de 400 imágenes de satélite de los satélites Landsat 5, Landsat

8 y MODIS, se empleó el índice diferencial normalizado de nieve (NDSI); para relacionar

el área de cobertura glaciar se utilizó la información meteorológica de los datos históricos

de temperatura media anual y precipitación acumulada que fueron solicitados por el

SENAMHI desde el año de 1985 al 2021. Los resultados muestran que en el periodo 1985

– 2021 presenta una pérdida del 44.61% de área de cobertura glaciar lo que equivale el

21.80 km2. Además, las relaciones con el coeficiente de correlación de Pearson con

respecto a la temperatura media anual indica un (r=-0.379) representa una correlación

mínima y es una correlación negativa e indica que a medida que la temperatura disminuye

el área de cobertura glaciar aumenta. En cuanto el coeficiente de correlación de Pearson

con respecto a la precipitación indica un (r=-0.326) es una correlación mínima y es una

correlación negativa lo que indica que a medida que la precipitación disminuye el área de

cobertura disminuye.

Palabras Clave: Ananea, Cambio climático, Imágenes de Satélite, Google Earth Engine,

NDSI

12
 ABSTRACT

The research work was carried out in the district of Ananea, province of San

Antonio de Putina, department of Puno, between the North coordinates: 8383428.60 m;

East: 454998.14 m in the UTM WGS 84 coordinate system in the 19S zone with the

general objective of relating the decrease in glacier coverage of the Ananea mountain

with temperature and precipitation between 1985 - 2021 using the GEE platform. With

the general hypothesis of temperature and precipitation, it is related to the decrease in the

area of glacier coverage between 1985 - 2021. The research work is relational. More than

400 satellite images from the Landsat 5, Landsat 8 and MODIS satellites were processed,

the normalized differential snow index (NDSI) was used; To relate the glacier coverage

area, the meteorological information of the historical data of annual average temperature

and accumulated precipitation that were requested by the SENAMHI from the year 1985

to 2021 was used. The results show that in the period 1985 - 2021 it presents a loss 44.61%

of the glacier coverage area, which is equivalent to 21.80 km2. In addition, the

relationships with the Pearson correlation coefficient with respect to the mean annual

temperature indicate a (r=-0.379) represents a minimum correlation and is a negative

correlation and indicates that as the temperature decreases, the area of glacier coverage

increases. . As soon as the Pearson correlation coefficient with respect to precipitation

indicates a (r=-0.326) it is a minimum correlation and it is a negative correlation, which

indicates that as precipitation decreases, the coverage area decreases.

Keywords: Ananea, Climate change, Satellite Images, Google Earth Engine, NDSI

13
 CAPÍTULO I

INTRODUCCIÓN

1.1. PLANTEAMIENTO DEL PROBLEMA

En los últimos años, los glaciares y lagunas vienen sufriendo cambios drásticos. El

impacto de los seres humanos en el calentamiento global cada vez es más evidente

emitiendo gases de dióxido de carbono (Huacani, 2021). el retroceso de los glaciares en

todo el mundo ha afectado en gran medida la disponibilidad de capacidad del agua dulce

para usos domésticos, agrícolas e industriales en regiones que dependen del agua de

deshielo de los glaciares estos cambios de los glaciares se pueden detectar a través de

imágenes de satélite (Calsin et al., 2021).

Aproximadamente el 99 % glaciares tropicales del mundo se encuentran en la

cordillera de los Andes. Estos glaciares proporcionan agua a las diferentes cuencas

hidrográficas de Perú, Bolivia, Ecuador y Colombia, por lo que estas regiones están

particularmente amenazadas por el retroceso de los glaciares causado por el cambio

climático (Condom et al., 2014).

Los glaciares tropicales de América del Sur se ubican entre Bolivia y Venezuela,

con una superficie aproximada de 2.758 kilómetros cuadrados distribuyéndose en Perú

71%, Bolivia 20%, Ecuador 4%, Colombia 4% y Venezuela 1%. La mayoría de los

glaciares del Perú están concentrados en la Cordillera blanca (Salzmann et al., 2013).

Alrededor de 1200 kilómetros cuadrados, el Perú posee la mayor superficie de

glaciares tropicales a nivel global (Yap, 2015). En los últimos 40 años, el Perú ha

perdido 746 kilómetros cuadrados de área glaciar, lo que equivale al 42,52% de la masa

glaciar del país. Esto significa que la población pierde esta fuente de agua, así como la

reducción de la producción agrícola y otras actividades productivas de las que dependen

14
las poblaciones rurales para sobrevivir y mejorar su calidad de vida. También tiene un

impacto en los ecosistemas, los sistemas de suministro de agua potable y la reducción

del agua disponible para la generación de energía (MINAM 2016).

En Puno, el Nevado Ananea es un nevado de pequeña extensión, se ubica en los

Andes Sur del Perú, en la cordillera Apolobamba que es una cadena de montañas

tropicales perteneciente al territorio peruano y boliviano (INAIGEM, 2018). Según los

lugareños la superficie del glaciar ha sufrido cambios drásticos en los últimos años, lo

que ha llamado la atención de las comunidades aledañas en vista que el problema del

retroceso glaciar no solo es local.

El centro poblado de La Rinconada realiza diversas actividades relacionadas con

el sector productivo. Como principal fuente la minería, el agua de los glaciares es

fundamental para el desarrollo dinámico de la provincia de San Antonio de Putina. Las

comunidades aledañas pueden sufrir enormes pérdidas económicas. porque no cuentan

con sistema de drenaje, el deshielo del nevado es la única fuente de abastecimiento de

agua potable.

Así mismo dicha población se abastece del agua proveniente del nevado Ananea,

Por lo tanto, es fundamental evaluar el área glaciar para una mejor gestión de los recursos

hídricos a futuro. La teledetección por satélite es muy útil para el estudio de la zona

glaciar.

Bajo dichas consideraciones, en la presente tesis se ha planteado el objetivo

general de relacionar la disminución de la cobertura glaciar del nevado Ananea con la

temperatura y precipitación entre 1985 - 2021 utilizando la plataforma GEE.

15
1.2. FORMULACION DEL PROBLEMA

1.2.1. Pregunta general

¿La temperatura y precipitación tiene relación en la disminución con el área de

cobertura de nieve entre los años de 1985 al 2021?

1.2.2. Preguntas específicas

- ¿Cuánto es el área de cobertura de nieve del nevado Ananea entre los años de

1985 al 2021?

- ¿La temperatura y precipitación tiene relación en la disminución del área de

cobertura de nieve del nevado Ananea entre los años de 1985 al 2021?

1.3. HIPOTESIS DE LA INVESTIGACION

La temperatura y precipitación tiene relación en la disminución con el área de

cobertura de glaciar entre 1985 al 2021

1.4. JUSTIFICACION DEL ESTUDIO

En la actualidad la mayor cantidad de agua dulce se encuentran en forma de hielo

o nieve y a medida que transcurre los años el clima viene presentando diferentes cambios,

debido a eso la temperatura superficial de la tierra cada año aumenta, provocando la

disminución acelerada de la superficie de los glaciares. La población del distrito de

Ananea depende en gran medida del agua proveniente del nevado, cualquier cambio de

este recurso traerá como consecuencia para las actividades productivas como la

agricultura, ganadería y consumo humano. Además de ello los glaciares son reguladores

del clima y son distribuidores de agua hacia las cuencas. Es por tal que esta investigación

se justifica porque será un gran aporte para obtener resultados a nivel local y contribuirá

con la información técnica para las instituciones del estado encargados al cuidado del

medio ambiente que desean garantizar los resultados y determinar amenazas que pongan

en riesgo a poblaciones, ecosistemas, actividades económicas, entre otros; para difundir

16
los resultados y tomar decisiones en la gestión de los recursos hídricos provenientes del

nevado. En tal sentido es muy necesario estudiar el comportamiento de la cobertura de

nieve mediante las imágenes de satélite Landsat y MODIS estas imágenes de satélite ya

fueron aplicadas en distintas investigaciones y se obtuvieron buenos resultados en este

ámbito de investigaciones.

1.5. OBJETIVOS DE LA INVESTIGACION

1.5.1. Objetivo general

- Relacionar la disminución de la cobertura glaciar del nevado Ananea con la

temperatura y precipitación entre 1985 - 2021 utilizando la plataforma GEE.

1.5.2. Objetivos específicos

- Determinar el área de cobertura de nieve del nevado Ananea entre los años de

1985 al 2021 utilizando la plataforma GEE

- Relacionar la disminución de la cobertura glaciar del nevado Ananea con la

temperatura y precipitación entre los años de 1985 al 2021.

17
 CAPITULO II

REVISIÓN DE LITERATURA

2.1. ANTECEDENTES DE LA INVESTIGACION

2.1.1. Antecedentes Internacionales

Yavaşli et al., (2015) “Change in the glacier extent in Turkey during the Landsat

Era. Remote Sensing of Environment” estudiaron pequeños glaciares en Turquía y

actualizaron los estudios desde 1970 hasta 2012-2013. Como metodología usaron 72

escenas Landsat MMS, Return Bearn, Vidicon-3 (RBV-3), Thematic Mapper (TM),

Enhanced Thematic Mapper plus (ETM +) y Operational Land Imager (OLI); 5 imágenes

del radiómetro de reflexión y emisión térmica avanzada (ASTER); utilizaron imágenes

de satélite comerciales IKONOS, Quickbird-2, GeoEye-1 y WorldView-1 y 2; evaluaron

la precisión del mapeo, comprendieron los márgenes glaciares cubiertos de escombros,

mapearon los márgenes glaciares en las sombras y determinaron mejor el área de los

glaciares más pequeños en Turquía. Tuvo como resultado que el área de los glaciares en

Turquía disminuyó de 25 km2 en la década de 1970 a 10,85 km2 en 2012-2013. Para

2012-2013, cinco glaciares habían desaparecido, seis tenían menos de 0,5 km2, uno era

de 0,8 km2 y solo dos eran de 3,0 km2.

Rosenau et al., (2015) “A processing system to monitor Greenland outlet glacier

velocity variations at decadal and seasonal time scales utilizing the Landsat imagery”

utilizaron imágenes del sensor Landsat proceso un sistema de monitoreo casi

automático. Con el Global Digital Elevation Map V2 (GDEM-V2) del Radiómetro de

Emisión y Reflexión Térmica Avanzada del Espacio (ASTER), aplicaron una

ortorrectificación mejorada que en combinación con una corrección de eliminación de

estrías de los productos Landsat 7 con falla de Scan Line Corrector (SLC). Para el período

18
de tiempo 1972-2012 derivaron más de 100,000 campos de velocidad de flujo de más de

16,000 escenas Landsat ópticas multisensoriales (Landsat 1 a Landsat 7), lo que permitió

determinar la tendencia de velocidad de flujo a largo plazo. Concluye la cadena de

procesamiento en su generalidad permite determinar varios tipos de desplazamientos

superficiales y se puede aplicar a otras regiones glaciares.

Según Funaki & Asaoka, (2016) “Long-term Change in Ablation Area of Tropical

Glaciers by Landsat Data.” En el artículo investigaron el área glacial temporal y espacial

durante las últimas tres décadas entre 1984 y 2014. Los glaciares objeto fueron los

glaciares Tuni, Condoriri y Huayna Potosi Oeste para determinar utilizo las imágenes

Landsat-5 Thematic Mapper (TM) y Landsat-8 (OLI). Aplicó el índice de nieve de

diferencia normalizada (NDSI) para identificar el área glacial para cada cuadrícula de

Landsat. seguidamente selecciono ocho escenas observadas por satélite,

aproximadamente una escena cada cinco años, para determinar el cambio temporal que

resultado fue el área cubierta de glaciares por los glaciares Tuni, Condoriri y Huayna

Potosi Oeste disminuyó en un 70%, 52% y 50%, individualmente de 1984 a 2014.

Finalmente, evaluó el cambio a largo plazo en el área de ablación de glaciares

seleccionados.

2.2.2. Antecedentes Nacionales

Medina & Mejía (2014) “Análisis multitemporal y multifractal de la deglaciación

de la cordillera parón en los andes de Perú” en el trabajo de investigación utilizó imágenes

satelitales del sensor Landsat desde el año de 1987 al 2011, las imágenes que empleo

fueron de fechas de escasa precipitación, considero que las imágenes no presenten nubes

alrededor de la superficie glaciar, el método que aplico fue el de box couting, el método

permitió hallar el volumen de la superficie glaciar además de ello utilizo el índice de

diferencia de nieve (NDSI), todo aquello lo proceso con la ayuda de los softwares Erdas

19
9.1, Envi 4.7 y Arcgis 10, tuvo como resultado el área de la superficie glaciar de cada año

desde 1987 al 2011. Concluyo que la superficie glaciar tuvo un comportamiento variable

en el tiempo; la reducción promedio del volumen glaciar de la Cordillera Parón fue del

18% en el periodo 1987 al 2011.

Daniel et al, (2017) “Análisis multi-temporal entre 1975 y 2015 sobre cambios de

la cobertura glaciar en los nevados Allin Capac y Chichi Capac, Perú” tuvo como objetivo

general el análisis multi-temporal entre 1975 y 2015, sobre cambios de la cobertura

glaciar en los nevados Allin Capac y Chichi Capac estimó el área cubierta por el glaciar

utilizando como metodología la clasificación supervisada para imagen Landsat 2 y el

NDSI para Landsat 5 y Landsat 8. En los resultados destaca que en 1975 el área de

cobertura glaciar fue de 52.3 km2 y para el año 2015 se redujo a 16.9 km2 , perdiendo en

total 35.6 km2. concluye que, en los últimos 40 años, la cobertura glaciar de los nevados

Allin Capac y Chichi Capac presenta una reducción del 67%, equivalente a una

disminución de 17 % por década y una tasa promedio de 0.89 km2 /año.

Dioses (2017), “Dinámica de la cobertura glaciar del nevado Huascarán y de las

lagunas glaciares adyacentes entre 1990 y el 2017 mediante la teledetección” la tesis tiene

como objetivo general determinar mediante la aplicación de la teledetección la dinámica

de la cobertura glaciar del nevado Huascarán y de las lagunas glaciares adyacentes entre

1990 al 2017. Utilizo imágenes satelitales del sensor Landsat, empleo índices espectrales

como el NDSI (Índice diferencial normalizado de nieve y el NDWI (Índice diferencial

normalizado de agua) para identificar la cobertura glaciar y las lagunas adyacentes. La

metodología se basó en 3 etapas la primera fue la recolección de datos de la página de

EARTH EXPLORER seguidamente cálculo los índices de NDSI y NDWI mediante el

software ERDAS seguidamente utilizo el método de clasificación no supervisada en el

software QGIS. Tuvo como resultado una variación de la cobertura glaciar y la

20
identificación de nuevos cuerpos de agua el resultado indicó una pérdida de 12.858 km²,

de cobertura glaciar equivalente al 12.68% por otra parte estimo que el nevado Huascarán

para el año 2033 presentara un área de cobertura glaciar de 1.286 km2.

Colque, (2019) “Estimación de área glaciar utilizando redes neuronales

convolucionales U-net en imágenes multiespectrales sentinel 2 en el glaciar Ausangate

2019” la tesis tiene como objetivo general Probar la arquitectura U-Net en el área glaciar

con imágenes multiespectrales Sentinel 2, menciona que al utilizar NDSI con un umbral

estándar 0.4 es necesario eliminar los polígonos que no pertenecen al área glaciar como

las lagunas glaciares el proceso puede ser lento es por ello que utiliza las redes neuronales

convolucionales (CNN) con una arquitectura U-Net como un método de mapeo en

glaciares.

Calizaya et al, (2021) En el artículo científico “Modelling Snowmelt

Runoff from Tropical Andean Glaciers under Climate Change Scenarios in the Santa

River Sub-Basin (Peru)” aplicó el modelo de escorrentía de deshielo (SRM) en

combinación con información del área cubierta de nieve (SCA), precipitación y datos

climáticos de temperatura para modelar la escorrentía de deshielo en la subcuenca del río

Santa (Perú). El procedimiento consistió en calibrar y validar el modelo SRM para 2005–

2009 usando el modelo digital de elevación (DEM) SRTM, temperatura observada,

precipitación y datos SAC. Luego, aplicó el SRM para proyectar la escorrentía futura en

la subcuenca bajo los escenarios de cambio climático RCP 4.5 y RCP 8.5. Los patrones

SRM muestran resultados consistentes; la escorrentía disminuye en los meses de verano

y aumenta el resto del año. La proyección de escorrentía bajo escenarios de cambio

climático muestra un incremento sustancial de enero a mayo, reportándose los mayores

incrementos en marzo y abril, y los registros más bajos de junio a agosto. El SRM

21
demostró proyecciones consistentes para la simulación de flujos históricos en glaciares

andinos tropicales.

2.2.3. Antecedentes Locales

Castillo & Arce, (2018) “Análisis multitemporal del crecimiento urbano de la

ciudad de puno mediante imágenes satelitales, entre los años 1980 – 2017” La tesis tiene

como objetivo Analizar la dinámica de la expansión urbana de la ciudad de Puno entre

los años 1980 y 2017 utilizaron imágenes Landsat 2,5 y 8 seleccionaron las imágenes que

tenga cubrimiento menor al 15% de nubes, utilizaron el método de clasificación

supervisada y el método de vectorización todo aquello lo procesaron en el software Envi.

Concluyeron la ciudad de puno ha presentado cambios en el crecimiento urbano entre el

periodo de 1980 - 2017 en donde obtuvieron 1149.3881 has que representa el 15.58 %,

del total del crecimiento urbano dando como promedio el 31.0645 has por cada año.

Alata (2018) “Análisis multitemporal de la explotación minera con aplicación de

percepción remota y sig en los distritos de Ananea y Cuyocuyo-puno, entre 1975- 2017“.

El objetivo general de la tesis fue realizar análisis multitemporal con técnicas de

percepción remota y Sistemas de Información Geográfica (SIG) del degradamiento del

uso de suelo por la actividad minera ilegal-informal en los distritos de Ananea y

Cuyocuyo utilizo imágenes satelitales de nueve fechas del sensor Landsat y Sentinel

seguidamente empleo el Índice de Vegetación Ajustado al Suelo Modificado (MSAVI)

de los sensores Landsat 8 y Sentinel 2 además de ello utilizo el método de clasificación

supervisada. Tuvo como resultado La superficie degradada por la actividad minería

ilegal-informal asciende a 8064.32 has que representa el 5.47% de la extensión total del

territorio, con un avance de cambio promedio de 131.1 has por cada año.

22
2.2. MARCO TEORICO

2.2.1. Glaciar

Los glaciares son masas gruesas de hielo formadas a partir de la nieve que se ha

acumulado, compactado y recristalizado en la superficie de la Tierra, mostrando

evidencia de flujo pasado o presente. Su existencia es posible cuando la precipitación

anual de nieve supera la fusionada en verano, razón por la cual la mayoría existen cerca

de los polos, aunque existen en otros lugares como en las montañas. El proceso de

crecimiento y formación de los glaciares se denomina glaciación. Los glaciares, incluido

los inlandsis de Groenlandia y la Antártica, representan aproximadamente el 10% de la

superficie terrestre del planeta y almacenan en torno al 75% del agua dulce a nivel

mundial (Cresencio et al., 2011). En la (Figura 1), se muestra las partes de un glaciar, la

zona de acumulación en la parte superior, donde el glaciar gana masa a través de la

acumulación de nieve, y la zona de ablación en la parte inferior, donde el glaciar pierde

masa debido al derretimiento o sublimación de la nieve y el hielo, proporcionando agua

a los ríos.

Figura 1

Partes del glaciar

Nota. La figura muestra las partes del glaciar (IANIGLA, 2010).

23
2.2.2. Los glaciares andinos tropicales

En los Andes, la concentración más alta de glaciares (aproximadamente a los

4.000 m.s.n.m) se encuentra en la frontera entre Chile y Argentina. Aunque en números

y concentraciones menores los glaciares localizados en los Andes tropicales conforman

más del 95 por ciento de los glaciares tropicales del mundo. La mayoría de los glaciares

tropicales están en los Andes peruanos; el glaciar Quelccaya, ubicada en la cordillera

Vilcanota, es por sí sola la masa de agua más grande del Perú. (UNESCO y GRID, 2018)

Figura 2

Glaciares de los andes

Nota. La figura muestra los glaciares de los andes (UNESCO y GRID, 2018).

24
 En el territorio del Perú, se encuentra el 71% de los glaciares tropicales, los cuales

están situados entre el Trópico de Cáncer y el Trópico de Capricornio, formando una gran

franja alrededor del Ecuador. Durante los últimos 54 años, debido al cambio climático,

los glaciares tropicales andinos peruanos se han reducido en promedio en un 53.56 por

ciento (INAIGEM, 2017).

Tabla 1
Cantidad y extensión superficial de los glaciares por cordilleras y altitudes
Altitud Altitud
Cantidad Superficie
N° Cordillera Año Maxima Minima
N° km2 msnm msnm
1 Blanca 755 527 2003 6701 4249
2 Huallanca 43 7.01 2007 5300 4750
3 Huayhuash 144 55.27 2007 6617 4303
4 Raura 102 28.34 2007 5701 4620
5 Huagoruncho 41 9.71 2009 5719 4624
6 La viuda 65 6.03 2007 5406 4892
7 Central 174 51.91 2007 5888 4713
8 Huaytapallana 105 26.4 2009 5555 4532
9 Chonta 29 1.4 2009 5272 4923
10 Ampato 65 60.96 2010 6374 5044
11 Urubamba 117 26.39 2009 5800 4413
12 Vilcabamba 355 129.15 2009 6200 4187
13 Huanzo 31 4.51 2010 5445 5065
14 Chila 22 0.93 2010 5855 5224
15 La Raya 25 3.06 2010 5468 5107
16 Vilcanota 374 279.4 2009 6364 4592
17 Carabaya 148 34.53 2009 5804 4676
18 Apolobamba 69 45.25 2010 6000 4835
19 Volcanica 15 0.72 2009 6055 5548
Total 2679 1298.59

Nota. La figura muestra la cantidad y extensión de los glaciares por cordilleras y

altitudes (ANA, 2014).

2.2.3. Calentamiento Global

Es el incremento de la temperatura de la atmósfera terrestre y de los océanos

provocado por la acumulación de contaminantes en la atmósfera en las últimas décadas.

Estos forman una capa gruesa absorbe el calor del sol y causa el calentamiento global. La

mayor influencia humana ha sido la emisión de gases de efecto invernadero como el

25
dióxido de carbono emitido por la quema de combustibles fósiles, metano y óxidos de

nitrógeno (IPCC, 2022).

Sin embargo, el aumento de los niveles de dióxido de carbono podría conducir a

temperaturas globales más altas, lo que podría provocar cambios climáticos importantes

con graves implicaciones para la productividad agrícola. Junto con estos cambios

potenciales, el ecosistema global cambiará dramáticamente. El trabajo científico ha

demostrado que la variedad de especies de árboles puede variar ampliamente debido al

cambio climático global (Chambilla, 2015).

El calentamiento global es una de las amenazas más graves a las que se enfrentan

los diferentes países. Los países están en riesgo por una variedad de problemas

relacionados con el cambio climático: aumento del nivel del mar, suministro reducido de

agua potable, incendios forestales, tormentas e inundaciones severas, olas de calor y

propagación de enfermedades. Estos desastres ocurren con mayor frecuencia en la región

y también aumentarán en intensidad (Paterson, 2017).

2.2.4. Precipitación

El término precipitación incluye toda el agua meteórica que cae al suelo tanto en

forma líquida como sólida (nieve, granizo). Estos diferentes tipos de precipitación

generalmente se miden indiscriminadamente sobre una base equivalente en agua. La

lluvia es la fuente de todos los flujos de agua superficiales y subterráneas, por lo que su

cuantificación y distribución en el tiempo y el espacio son problemas fundamentales en

hidrología.

La presencia de lluvia requiere algún mecanismo para enfriar el aire hasta o cerca

del punto de saturación. A medida que ascienden las masas de aire, se consigue el gran

enfriamiento necesario para que llueva de forma importante. Este fenómeno se logra por

sistemas convectivos o convergentes causados por radiación desigual o barreras

26
orográficas debido al calentamiento o enfriamiento de la superficie terrestre y la

atmósfera. Sin embargo, la saturación puede no resultar en precipitación (Segerer &

Villodas, 2013).

2.2.5. Temperatura máxima del aire

La temperatura es la cantidad de calor o energía de una sustancia, ya sea sólida,

líquida o gaseosa. En este sentido, la temperatura máxima diaria es el valor más alto de

la temperatura del aire que se muestra durante el día o durante un determinado período de

tiempo y se mide en grados Celsius (°C). Se produce dos o tres horas después del

mediodía, cuando el cielo está parcialmente nublado o despejado y cuando la tierra ha

absorbido varias horas de radiación solar (Arriaga et al., 2021).

2.2.6. Temperatura mínima del aire

La temperatura mínima diaria es el valor más bajo de la temperatura del aire

durante el día o durante un determinado período de tiempo y se mide en grados Celsius

(°C). Suele ocurrir a primera hora de la mañana, ya que, por la noche, sin radiación solar

directa, se produce una pérdida de calor por la radiación del suelo, lo que provoca un

descenso importante de la temperatura del suelo y del aire cercano a la insolación. abajo

Si el cielo está cubierto en su mayor parte por nubes bajas, la temperatura mínima es más

alta debido a las menores pérdidas de radiación del suelo (efecto invernadero). Cuando el

cielo está despejado, el enfriamiento del suelo y del aire es mayor, lo que favorece la

aparición de heladas y nieblas meteorológicas y agronómicas (Arriaga et al., 2021).

2.2.7. Percepción Remota

Se define como la ciencia de obtener información sobre objetos distantes sin hacer

contacto físico con ellos, limitada a mediciones de radiación electromagnética,

incluyendo luz visible e infrarroja, así como ondas de radio y calor, permitiendo el

desarrollo, captura, procesamiento y análisis. de imágenes y otros datos físicos de la

27
Tierra obtenidos de sensores espaciales, sensores aerotransportados y sensores de

recolección de datos de mediciones de campo (Villegas, 2008).

Una definición más clásica define como una técnica que permite la adquisición de

imágenes de la superficie terrestre a partir de sensores montados en una plataforma

espacial, lo que implica la interacción de energía entre la Tierra y los sensores (Chuvieco,

1995).

Figura 3

Elementos de percepción remota

Nota. La figura muestra los elementos de percepción remota (Applied Remote Sensing
Training, 2017).
2.2.8. Índice Diferencial Normalizado de nieve (NDSI)

El índice de diferencia de nieve normalizado es un indicador numérico que destaca

la cubierta de nieve de las áreas terrestres. La onda verde y la onda corta son bandas del

espectro infrarrojo utilizadas en la gama de nieve. La nieve y las nubes reflejan la mayor

parte de la radiación incidente en la banda visible. La nieve, sin embargo, absorbe la

28
mayor parte de la radiación infrarroja de onda corta entrante, mientras que las nubes no.

Esto permite que NDSI distinga la nieve de las nubes.

Si el resultado de cada píxel es mayor a 0,4 en el umbral, el píxel pertenece a un

glaciar o nieve, aunque según otras encuestas que han hecho, los valores varían desde -1

a 1 se sugiere utilizar el umbral mayor a 0,4 (Shimamura et al., 2006).

𝝆𝑺𝑮𝑹𝑬 − 𝝆𝑺𝑺𝑾𝑰𝑹𝟏
𝑵𝑫𝑺𝑰 =
𝝆𝑺𝑮𝑹𝑬 + 𝝆𝑺𝑺𝑾𝑰𝑹𝟏

Donde:

𝜌𝑆𝐺𝑅𝐸 : Reflectancia de la Banda verde-GRE

𝜌𝑆𝑆𝑊𝐼𝑅1 : Reflectancia de la banda infrarrojo de onda corta 1 – SWIR1.

Por lo tanto, en los satélites:

𝜌𝑆𝐵2 − 𝜌𝑆𝐵5
𝑁𝐷𝑆𝐼 = … … … … … … … 𝐿𝑎𝑛𝑑𝑆𝑎𝑡 5, 7
𝜌𝑆𝐵2 + 𝜌𝑆𝐵5

𝜌𝑆𝐵3 − 𝜌𝑆𝐵6
𝑁𝐷𝑆𝐼 = … … … … … … … 𝐿𝑎𝑛𝑑𝑆𝑎𝑡 8
𝜌𝑆𝐵3 + 𝜌𝑆𝐵6

𝜌𝑆𝐵4 − 𝜌𝑆𝐵6
𝑁𝐷𝑆𝐼 = … … … … … … … 𝑀𝑂𝐷𝐼𝑆
𝜌𝑆𝐵4 + 𝜌𝑆𝐵6

2.2.9. Satélite MODIS

El sensor MODIS (Moderate Resolution Imaging Spectroradiometer) se encuentra

a bordo de los satélites Terra y Aqua que forman parte de la misión, Earth Observing

System, de la NASA. Es un instrumento clave a bordo del Terra (originalmente conocido

como EOS AM-1) y Aqua (originalmente conocido como EOS PM-1) satélites. La órbita

de Terra alrededor de la Tierra está cronometrada de modo que pasa de norte a sur a través

del ecuador por la mañana, mientras que Aqua pasa de sur a norte sobre el ecuador por la

tarde. Terra MODIS y Aqua MODIS observan toda la superficie de la Tierra cada 1 o 2

29
días, adquiriendo datos en 36 bandas espectrales o grupos de longitudes de onda. Estos

datos mejorarán nuestra comprensión de la dinámica global y los procesos que ocurren

en la tierra, en los océanos y en la atmósfera inferior (USGS, 2018).

Tabla 2

Características del satélite MODIS

Spectral Required
Primary Use Band Bandwidth1
Radiance2 SNR3

Land/Cloud/Aerosols 1 620 - 670 21.8 128

Boundaries 2 841 - 876 24.7 201

Land/Cloud/Aerosols 3 459 - 479 35.3 243

Properties 4 545 - 565 29 228

5 1230 - 1250 5.4 74
6 1628 - 1652 7.3 275
7 2105 - 2155 1 110
Ocean Color/ 8 405 - 420 44.9 880

Phytoplankton/ 9 438 - 448 41.9 838

Biogeochemistry 10 483 - 493 32.1 802

11 526 - 536 27.9 754

12 546 - 556 21 750
13 662 - 672 9.5 910
14 673 - 683 8.7 1087
15 743 - 753 10.2 586
16 862 - 877 6.2 516
Atmospheric 17 890 - 920 10 167
Water Vapor 18 931 - 941 3.6 57
19 915 - 965 15 250
3.660 -
Surface/Cloud 20 0.45(300K) 0.05
3.840

30
 Spectral Required
Primary Use Band Bandwidth1
Radiance2 SNR3
Temperature 21 3.929 - 3.989 2.38(335K) 0.2
22 3.929 - 3.989 0.67(300K) 0.07
23 4.020 - 4.080 0.79(300K) 0.07
Atmospheric 24 4.433 - 4.498 0.17(250K) 0.25
Temperature 25 4.482 - 4.549 0.59(275K) 0.25
Cirrus Clouds 26 1.360 - 1.390 6 150(SNR)
Water Vapor 27 6.535 - 6.895 1.16(240K) 0.25
28 7.175 - 7.475 2.18(250K) 0.25
Cloud
29 8.400 - 8.700 9.58(300K) 0.05
Properties
Ozone 30 9.580 - 9.880 3.69(250K) 0.25
10.780 -
Surface/Cloud 31 9.55(300K) 0.05
11.280
11.770 -
Temperature 32 8.94(300K) 0.05
12.270
13.185 -
Cloud Top 33 4.52(260K) 0.25
13.485
13.485 -
Altitude 34 3.76(250K) 0.25
13.785
13.785 -
35 3.11(240K) 0.25
14.085
14.085 -
36 2.08(220K) 0.35
14.385

Nota. La tabla muestra las características del satélite MODIS (USGS, 2018).

2.2.10. Programa Landsat

Es un programa de asociación entre la NASA y el Servicio Geológico de los

Estados Unidos (USGS) para proporcionar el catálogo más grande de observaciones de

la Tierra en el mundo. Los Landsats son una serie de satélites construidos por los Estados

Unidos y puestos en órbita para realizar observaciones de alta resolución de la superficie

terrestre. Desde sus orígenes en 1975 hasta la actualidad, sigue sirviendo imágenes de

gran valor científico para nuestro planeta. El módulo de aterrizaje orbita la Tierra en una

órbita circular sincronizada con el sol a una altitud de 705 km (USGS, 2018).

31
 Landsat está equipado con instrumentos específicos para la teledetección

multiespectral. El primer satélite Landsat (originalmente llamado ERTS-1) fue lanzado

el 23 de julio de 1972 Masek et al., (2020). El último de la serie es Landsat 9, que se puso

en órbita el 27 de septiembre de 2021.

Figura 4

Cronología e historia de las misiones Landsat

Nota. La figura muestra la cronología e historia de las misiones Landsat (USGS, 2018).

2.2.11. Satélite LandSat 4 y 5 – MSS y TM

El satélite LANDSAT-4 se lanzó el 16 de junio de 1982 y LANDSAT-5 fue

lanzado el 07 de marzo de 1984, teniendo los dos satélites sensores MSS (Sistema de

Escáner Multiespectral) y TM (Mapeador Temático).

Landsat 5 se ha convertido en el satélite de observación de la Tierra de más larga

duración. Finalmente fue dado de baja el 5 de junio de 2013. Sus aplicaciones se extienden

a la detección del cambio global, la agricultura, la calidad del agua y la gestión de

32
recursos. La resolución espacial de MSS es de 60 m, la resolución espacial de TM es de

30 my la resolución temporal es de 16 días (Morales, 2020).

Tabla 3

Características Landsat 4 y 5 – MSS y TM

Bandas Longitud de onda Resolución

Uso
espectrales (micrómetros) (metros)
Mapeo batimétrico; distingue el suelo de la
Band 1–blue-
0.45–0.52 30 vegetación; de hoja caduca de la
green
vegetación de coníferas.
Enfatiza la vegetación máxima, que es útil
Band 2–green 0.52–0.61 30
para evaluar el vigor de la planta.
Band 3–red 0.63–0.69 30 Destaca la vegetación de laderas.
Band 4–reflected Enfatiza el contenido de biomasa y las
0.76–0.90 30
IR costas.
Discrimina el contenido de humedad del
Band 5–reflected
1.55–1.75 30 suelo y la vegetación; penetra nubes
IR
delgadas.
Útil para mapeo térmico y estimación de
Band 6–thermal 10.40–12.50 120(30)
humedad del suelo.
Útil para mapear rocas alteradas
Band 7–reflected
2.08–2.35 30 hidrotermalmente asociadas con depósitos
IR
minerales.

Nota. La tabla muestra las caracteristicas de Landsat 4-5 (MSS y TM) (U.S. Geological

Survey (USGS), 2012).

2.2.12. Landsat 8-9 (OLI) y (TIRS )

Estos satélites contienen dos sensores: Sensor operacional de imágenes de tierra

(OLI) y un Sensor Infrarojos Térmico (TIRS). OLI está formado por 9 bandas espectrales

que van desde lo visible pasando por los infrarojos hasta el espectro de radiación de bajas

ondas. Con las imágenes de resolución espacial, que oscilan entre los 15 y los 30m,

Landsat 8 proporciona imágenes de satélite de calidad que podrían demostrar los

diferentes usos que se le podría dar a la tierra desde el espacio. TIRS está compuesto por

33
dos bandas espectrales, las cuales detectan infrarojos térmicos, una herramienta

imprescindible para medir la temperatura de la superficie de la Tierra. El tamaño

aproximado de la escena es de 170 km de norte a sur por 183 km de este a oeste. Los

instrumentos de Landsat 9 se diseñó como copias mejoradas de Landsat 8 (Bravo

Morales, 2020).

Tabla 4

Características de las Landsat 8-9 (OLI) y (TIRS )

Longitud de
Bandas Resolución
onda Uso
espectrales (metros)
(micrómetros)

Band 1– Aumento de las observaciones de la

0.43–0.45 30
coastal/aerosol zona costera.
Mapeo batimétrico; distingue el suelo
Band 2–blue 0.45–0.51 30 de la vegetación; de hoja caduca de la
vegetación de coníferas.
Enfatiza la vegetación máxima, que es
Band 3–green 0.53–0.59 30
útil para evaluar el vigor de la planta.
Band 4–red 0.64–0.67 30 Destaca la vegetación de laderas.
Se utiliza en la detección de estrés por
sequía en las plantas y delimitación de
áreas quemadas y vegetación afectada
por incendios, y también es sensible a
la radiación térmica emitida por
Band 6–SWIR 1 1.57–1.65 30 incendios intensos; se puede utilizar
para detectar incendios activos,
especialmente durante la noche
cuando la interferencia de fondo de
SWIR en la luz solar reflejada está
ausente.

34
 Longitud de
Bandas Resolución
onda Uso
espectrales (metros)
(micrómetros)
Se utiliza para detectar estrés por
sequía, áreas quemadas y afectadas
Band 7–SWIR-1 2.11–2.29 30 por incendios, y puede usarse para
detectar incendios activos,
especialmente durante la noche.
Band 8– Útil para 'afilar' imágenes
0.50–0.68 15
panchromatic multiespectrales.
Band 9–cirrus 1.36–1.38 30 Útil en la detección de cirros.
Útil para mapear diferencias térmicas
en corrientes de agua, monitorear
Band 10–TIRS 1 10.60–11.19 100
incendios y otros estudios nocturnos,
y estimar la humedad del suelo.
Band 11–TIRS 2 11.50–12.51 100 Igual que la banda 10.

Nota. La tabla muestra las características de las Landsat 8-9 OLI y TIRS (U.S.

Geological Survey (USGS), 2012).

2.2.13. Google Earth Engine

Es una plataforma informática en la nube lanzada por Google en 2010. GEE utiliza

la infraestructura informática de Google y los conjuntos de datos RS de acceso abierto

disponibles. es la plataforma de procesamiento de big geo data más popular, que facilita

el proceso de descubrimiento científico al proporcionar a los usuarios acceso gratuito a

numerosos conjuntos de datos de detección remota. Los usuarios pueden acceder a GEE

a través de una interfaz de programación de aplicaciones (API) basada en Internet y un

entorno de desarrollo interactivo basado en la web (Amani et al., 2020).

Esta plataforma de análisis permite procesar información geoespacial en la nube

sin necesidad de ocupar la memoria de la computadora del usuario. Al mismo tiempo,

GEE está ligado directamente a varios programas satelitales que permiten integrar en las

bases de datos las imágenes que acaban de ser tomadas. GEE es, por lo tanto, una solución

35
innovadora para el manejo de los datos masivos (“Big Data”), que permite afrontar

problemas globales, dando resultados velozmente. De esta manera, permite proponer y

actuar en soluciones para dichos problemas de forma ágil (Perilla & Mas, 2020).

GEE contiene un gran catálogo de conjuntos de datos meteorológicos, geofísicos

y RS. Contiene la mayoría de los conjuntos de datos importantes y temporales en RS,

incluidos Landsat, MODIS y Sentinel. Además, la combinación de diferentes fuentes de

imágenes mejora la densidad temporal de los conjuntos de datos y puede ayudar a que los

algoritmos de fusión tengan más poder. Si un conjunto de datos no está en el catálogo de

datos de GEE, también se puede cargar en los servidores. Los conjuntos de datos también

se pueden descargar para continuar desde una estación de trabajo de escritorio en

cualquier punto del flujo de trabajo (Amani et al., 2020).

2.2.14. Catálogo de datos GEE

El catálogo de datos públicos de Earth Engine es una colección seleccionada de

múltiples petabytes de conjuntos de datos geoespaciales ampliamente utilizados. La

mayor parte del catálogo es compuesto por imágenes de teledetección de observación de

la Tierra, incluido el archivo completo de Landsat, así como archivos completos de datos

de Sentinel-1 y Sentinel-2, pero también incluye pronósticos climáticos, datos de

cobertura terrestre y muchos otros conjuntos de datos ambientales, geofísicos y

socioeconómicos.

El catálogo se actualiza continuamente a un ritmo de casi 6000 escenas por día de

misiones activas, con una latencia típica de aproximadamente 24 h desde el momento de

la adquisición de la escena. Los usuarios pueden solicitar la adición de nuevos conjuntos

de datos al catálogo público, o pueden cargar su propio privado datos a través de una

interfaz REST utilizando un navegador o una línea de comandos herramientas y compartir

con otros usuarios o grupos según lo desee (Gorelick et al., 2017).

36
2.2.15. Arquitectura de la plataforma GEE

Earth Engine se basa en una variedad de tecnologías habilitadoras disponibles en

el entorno del centro de datos de Google, incluido el sistema de administración de

clústeres de Borg, Bigtable y Spanner. Asimismo, se distribuyen bases de datos como

Colossus. Sucesor del sistema de archivos de Google y el marco FlumeJava para la

ejecución de canalizaciones paralelas. Earth Engine también interactúa con Google

Fusion Tables, una base de datos basada en web que admite tablas de datos geométricos

(puntos, líneas y polígonos) con atributos (Gorelick et al., 2017).

El editor de código de Earth Engine y las aplicaciones de terceros utilizan

bibliotecas cliente para enviar consultas por lotes o interactivas al sistema a través de una

API REST. Las solicitudes dinámicas son manejadas por servidores front-end, que envían

consultas complejas a hosts informáticos, que administran la distribución de la

informática entre un conjunto de servidores informáticos. Los sistemas por lotes

funcionan de manera similar, pero usan FlumeJava para administrar la distribución. La

base de estos dos sistemas informáticos es un conjunto de servicios de datos, incluida una

base de datos de activos que contiene metadatos para cada imagen y proporciona un

filtrado eficiente. El software de administración de clústeres de Borg administra cada

componente del sistema y cada servicio se equilibra en la carga entre varios trabajadores.

La falla de cualquier trabajador individual simplemente hará que la persona que llama

vuelva a emitir la consulta (REDD, 2018).

37
Figura 5

Arquitectura de la plataforma GEE

Nota. La figura muestra la arquitectura de la plaforma GEE (Gorelick et al., 2017).

2.2.16. JavaScript

JavaScript es un lenguaje de programación utilizado principalmente para crear

páginas web dinámicas. Una página web dinámica es una página web que contiene

efectos, como texto que aparece y desaparece, animaciones, acciones que se activan

cuando se presionan botones y ventanas. Mensaje de advertencia al usuario.

Técnicamente, JavaScript es un lenguaje de programación interpretado, por lo que no es

necesario compilar los programas para ejecutarlos. En otras palabras, los programas

escritos en JavaScript se pueden probar directamente en cualquier navegador sin procesos

intermedios. A pesar de su nombre, JavaScript no está directamente relacionado con el

lenguaje de programación Java (REDD, 2018).

38
 Java Script es un lenguaje de programación que permite a los desarrolladores crear

acciones en sus páginas web. Java Script es un lenguaje que pueden utilizar profesionales

y principiantes en el diseño y desarrollo de sitios web. No requiere compilación porque

el lenguaje trabaja del lado del cliente y el navegador se encarga de interpretar el código

(REDD, 2018).

39
 CAPITULO III

MATERIALES Y MÉTODOS

3.1. MATERIALES E INTRUMENTOS

- Mas de 400 imágenes satelitales del sensor Landsat

- 01 USB 32gb

- Hojas bond de 80 gramos tamaño A4

- 02 lapiceros

- 01 perforador

- 01 engrapador

- 01 cuaderno de 100 hojas Alpha

- 01 resaltador

- 03 CD’S

EQUIPOS

- Computadora Hp core i9

- Impresora Brother T-510

SOFTWARE

- QGIS 3.14

- Microsoft Office 2016

- Google Earth Engine (GEE)

40
3.2. ZONA DE ESTUDIO

3.2.1. Ubicación política

La presente investigación se desarrolló en:

- Departamento: Puno

- Distrito: Ananea

- Provincia: San Antonio de Putina

- Lugar: Nevado Ananea

3.2.2. Ubicación Geográfica

Está ubicada al Sur del territorio peruano, en la Cordillera Oriental al norte del

departamento de Puno, entre los 4800 a 5200 m.s.n.m. El distrito de Ananea, presenta

como límites al norte con la provincia de Sandía, al este con Bolivia, al sur con la

provincia de Huancané y al oeste con el distrito de Putina.

La zona de investigación se encuentra entre:

Coordenadas geográficas:

- 14°40′40″ Latitud Sur

- 69°31′56″ Longitud Oeste

Coordenadas UTM WGS84 en la zona 19 S:

- Norte: 8383428.60m

- Este: 454998.14m

41
Figura 6

Mapa de ubicación de la zona de estudio

Nota. La figura muestra el mapa de la ubicación de la zona de estudio.

3.3. METODOLOGÍA DE LA INVESTIGACIÓN

3.3.1. Diseño de la investigación

Se recurrirá a un diseño no experimental que se aplicará de una manera

longitudinal, porque se obtendrá datos de la misma población en diferentes momentos

(Cortes & Iglesias, 2011).

3.3.2. Tipo de investigación

El trabajo de investigación es de tipo relacional porque evalúa la relación que

existe entre dos o más variables (Cortes & Iglesias, 2011).

42
3.3.3. Método de investigación

El método de investigación es de enfoque cuantitativo porque busca comprobar

hipótesis, así como los objetivos trazados.

3.3.4. Población

La presente investigación la población está constituida por el nevado Ananea.

3.4. PROCEDIMIENTOS

3.4.1. Recopilación de fuentes de información de datos imágenes Landsat

Para la ejecución de esta investigación se recopilo más de 400 imágenes de satélite

del satélite Landsat y MODIS obtenido por medio de la plataforma Google earth engine

(GEE); el proveedor de estas imágenes es el United States Geological Survey (USGS).

Los datos de Landsat están disponibles en Earth Engine en su forma: sin procesar,

reflectancia de superficie, reflectancia corregida por TOA y en varios productos

computarizados listos para ser usados.

Figura 7

Plataforma de Google Earth Engine

Nota. La figura muestra el entorno de la plataforma GEE.

43
3.4.2. Información meteorológica

Para esta investigación se recopilo la información meteorológica de los datos

históricos de temperatura diaria y precipitación diaria desde el año de 1985 al 2021 estos

datos fueron solicitados por el servicio nacional de meteorología e hidrología SENAMHI

tal como se muestra en los Anexos.

Tabla 5

Información de la estación climatológica Ananea

Estación: ANANEA
Departamento: PUNO Provincia: SAN Distrito: ANANEA
ANTONIO DE
PUTINA
Latitud: 14°40'34.6'' Longitud: 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
Nota. La tabla muestra la información de la estación climatológica Ananea.

3.5. PROCEDIMIENTO PRIMER OBJETIVO ESPECIFICO

Para determinar la cobertura de nieve del nevado Ananea en intervalos de cada

mes desde 1985 hasta el 2021 se hizo mediante el editor de código basado en la web para

la API de JavaScript de Earth Engine. se ubicó la zona de estudio, se indicó en la

plataforma GEE las imágenes de satélite del satélite Landsat;

("LANDSAT/LT05/C01/T1_TOA") para Landsat 5,

("LANDSAT/LC08/C02/T1_RT_TOA") para Landsat 8 y ('MODIS/006/MOD09A1') para

el satélite MODIS; dichas imágenes ya están corregidas por la plataforma GEE

radiométricamente y geométricamente y listas para ser ejecutadas. Además, debido que

en algunas fechas no se cuentan con los datos de las imágenes Landsat por mantenimiento

se recurrió a las imágenes MODIS ya que cuenta con mayor resolución temporal.

44
Figura 8

Imagen Satelital Landsat 5 TOA plataforma GEE

Nota. La figura muestra las características de la imagen satelital Landsat 5 TOA por la

plataforma GEE.

Figura 9

Imagen Satelital Landsat 8 TOA plataforma GEE

Nota. La figura muestra las características de la imagen satelital Landsat 8 TOA por la

plataforma GEE.
45
Figura 10

Imagen satelital MODIS por la plataforma GEE

Nota. La figura muestra las características de la imagen satelital MODIS por la plataforma

GEE.

Se corto la imagen adaptándola según a la zona de estudio de la investigación y

se combinó las bandas 6,5,4 para Landsat 8; 5,4,3 para Landsat 5 y esta combinación se

hizo con el fin de que la imagen distinga a las nubes, suelos, agricultura, nieve, etc. Para

obtener el área de cobertura de nieve se adaptó la imagen satelital a una fecha indicada.

46
 Figura 11

Zona de estudio por la plataforma GEE

Nota. La figura muestra la ubicación de la zona de estudio por la plataforma GEE.

Figura 12

Procedimiento metodológico mediante el editor de código de GEE para zona de estudio

y fecha de obtención de datos

1 ////////////////////////////////////////////////////////////////////////////////////////////////////////////
2 //////DETERMINACION DE LA COBERTURA DE NIEVE DEL NEVADO ANANEA//////////////////////////////////
3 var geometry =
4 /* color: #d63000 */
5 /* displayProperties: [
6 {
7 "type": "rectangle"
8 }
9 ] */
10 ee.Geometry.Polygon(
11 [[[-69.56403265399828, -14.547037664670052],
12 [-69.56403265399828, -14.678595647176678],
13 [-69.31958685321703, -14.678595647176678],
14 [-69.31958685321703, -14.547037664670052]]], null, false);
15 var coll = ee.ImageCollection("LANDSAT/LT05/C01/T1_TOA")
16 .filterBounds(geometry)
17 .filterDate('1993-12-01', '1993-12-31')
1

Nota. La figura muestra el procedimiento mediante el editor de código de GEE para la

zona de estudio, fecha y obtención de datos.

47
Figura 13

Combinación de bandas Landsat 05 por GEE

Nota. La figura muestra la combinación de bandas para Landsat 05 por GEE.

Para obtener la cobertura de nieve se utilizó el índice diferencial normalizado de

nieve (NDSI), este índice indica valores entre los intervalos de -1 a 1. Según la

metodología de (Dozier, 1989) propone emplear el NDSI > 0.4. Las ecuaciones que se

emplearon para calcular índice diferencial normalizado de nieve para el satélite Landsat

y MODIS fueron las siguientes:

𝜌𝑆𝐵2 − 𝜌𝑆𝐵5
𝑁𝐷𝑆𝐼 = … … … … … … … 𝐿𝑎𝑛𝑑𝑆𝑎𝑡 5, 7
𝜌𝑆𝐵2 + 𝜌𝑆𝐵5

𝜌𝑆𝐵3 − 𝜌𝑆𝐵6
𝑁𝐷𝑆𝐼 = … … … … … … … 𝐿𝑎𝑛𝑑𝑆𝑎𝑡 8
𝜌𝑆𝐵3 + 𝜌𝑆𝐵6

𝜌𝑆𝐵4 − 𝜌𝑆𝐵6
𝑁𝐷𝑆𝐼 = … … … … … … … 𝑀𝑂𝐷𝐼𝑆
𝜌𝑆𝐵4 + 𝜌𝑆𝐵6

Seguido se calculó el área de cobertura de nieve por el conteo de pixeles obtenidos

por el índice diferencial normalizado de nieve (NDSI) y por la proyección acimutal de

Lambert tal como muestra la (Figura 11).

48
Figura 14

Procedimiento metodológico mediante el editor de código de GEE para NDSI y cálculo

de área por proyección acimutal de Lambert.

18 ///CALCULO NDSI
19 var Nieve = coll.mosaic()
20 .normalizedDifference(['B2','B5']).rename('NDSI')
21 .gte(0.4)
22 .selfMask();
23
24
25 Map.addLayer(Nieve, {min:0, max:1, palette:['e9ffe7','229f49']},'Nieve')
26
33
34 // cálculo de Área en GEE (Proyección acimutal de Lambert)
35 var area_GEE = Nieve.multiply(ee.Image.pixelArea())
.reduceRegion(ee.Reducer.sum(), geometry, 30, null, null,
36
false, 1e13)
37 .get('NDSI')
38
39 var area_GEE_Calc = ee.Number(area_GEE).multiply(0.000001)
40 print(' cálculo de Área en GEE (Proyección acimutal de Lambert)',area_GEE_Calc)
1

Nota. La figura muestra el procedimiento por GEE para NDSI y cálculo de área.

Las siguientes imágenes obtenidas por la plataforma GEE fueron exportadas a

Google drive en formato TIFF e importadas a un software SIG para ser convertidas en

formatos vectoriales en cuyo caso se utilizó el ArcMap 10.5 tal como muestra la (figura

16 y 17).

Figura 15

Procedimiento metodológico mediante el editor de código de GEE para exportar

imagen en formato TIFF

48 //exportar imagen a drive

49 Export.image.toDrive({
50 image: Nieve,
51 description: "1993_noviembre",
52 scale: 30,
53 region: geometry
54 });
1

Nota. La figura muestra el procedimiento para exportar la imagen en formato TIFF a

Google drive.

49
Figura 16

Índice diferencial normalizado de nieve (NDSI) obtenido por GEE

Nota. La figura muestra el NDSI exportado en un software GIS obtenido por la

plataforma GEE.

50
3.5.1. Mapas mensuales de la cobertura de nieve del nevado Ananea obtenidas por

la plataforma GEE

Figura 17

Mapas mensuales de la cobertura de nieve año 1985

Nota. La figura muestra los mapas mensuales del nevado año 1985.
51
Figura 18

Mapas mensuales de la cobertura de nieve año 1990

Nota. La figura muestra los mapas mensuales del nevado año 1990.

52
Figura 19

Mapas mensuales de la cobertura de nieve año 1995

Nota. La figura muestra los mapas mensuales del nevado año 1995.

53
Figura 20

Mapas mensuales de la cobertura de nieve año 2000

Nota. La figura muestra los mapas mensuales del nevado año 2000.

54
Figura 21
Mapas mensuales de la cobertura de nieve año 2005

Nota. La figura muestra los mapas mensuales del nevado año 2005.

55
Figura 22

Mapas mensuales de la cobertura de nieve año 2010

Nota. La figura muestra los mapas mensuales del nevado año 2010.

56
Figura 23

Mapas mensuales de la cobertura de nieve año 2015

Nota. La figura muestra los mapas mensuales del nevado año 2010.

57
Figura 24

Mapas mensuales de la cobertura de nieve año 2021

Nota. La figura muestra los mapas mensuales del nevado año 2021.

58
3.5.2. Análisis estadístico

3.5.2.1. Coeficiente de correlación lineal múltiple

Es una medida numérica de la fuerza de la relación entre dos variables de datos

cuantitativos. Se utiliza para analizar la relación entre la variable dependiente y dos o más

variables independientes.

El coeficiente de correlación múltiple se calcula a partir de las puntuaciones de

dos variables de la muestra. Ahora bien, el coeficiente de correlación múltiple puede

variar en valores de -1 a 1 tal como muestra la tabla (Hernandez, 2014).

La ecuación que describe la forma en que la variable dependiente, Y, se relaciona

con las variables independientes X1, X2,….., XK, el modelo de correlación múltiple tiene

la forma siguiente:

Y = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 +. . . + 𝑏𝑘 𝑋𝑘

El coeficiente de correlación múltiple se calcula de la siguiente manera:

∑(𝑌 − Ȳ)2
𝑟 = √1 −
∑(𝑌 − Ŷ)2

Tabla 6

Interpretación del grado de correlación de Pearson

Perfecta r=1 r=-1

Excelente 0.90 < r < 1 -1 < r < -0.90
Aceptable 0.80 < r <0.90 -0.90 < r < -0.80
Regular 0.60 < r <0.80 -0.80 < r < -0.60
Mínima 0.30 < r <0.60 -0.60 < r < -0.30
no existe correlación 0 < r < 0.30 -0.30 < r < 0
Nota: se muestra la interpretación del grado de correlación Martínez Bencardino (2019).

59
3.6. PROCEDIMIENTO SEGUNDO OBJETIVO ESPECIFICO

Para relacionar el área de cobertura glaciar del nevado Ananea entre 1985 – 2021

con la temperatura y precipitación se utilizó los datos de cobertura glaciar que fueron

procesados en el primer objetivo específico por la plataforma Google Earth Engine y

también se utilizó los datos históricos de temperatura y precipitación que fueron

solicitados por el Servicio Nacional de Hidrología y Meteorología (SENAMHI) tal como

muestran los anexos 1 y 2.

Seguido para relacionar el área de cobertura glaciar se utilizó el coeficiente de

correlación de Pearson. Los datos de las variables de cobertura glaciar, temperatura y

precipitación fueron procesados por el software Excel.

Tabla 7
Datos de temperatura media anual y cobertura glaciar periodo 2003 - 2021

T° media
Año Area(km2)
anual
2003 34.03 4.407
2004 35.86 4.141
2005 33.37 4.566
2006 33.19 3.789
2007 32.8 3.433
2008 29.89 3.724
2009 29.02 3.957
2010 29.95 4.432
2011 29.76 4.115
2012 30.51 3.962
2013 32.46 4.196
2014 30.35 4.615
2015 31.33 4.509
2016 32.33 4.987
2017 30.04 4.777
2018 33.24 4.554
2019 30.28 4.583
2020 28.71 4.681
2021 27.07 4.677
Nota. La tabla muestra los datos de la temperatura media anual que fueron solicitados por

el SENAMHI

60
Tabla 8
Datos de la cobertura glaciar y los datos de precipitación acumulada solicitados por el
Servicio Nacional de Hidrología y Meteorología

Año Área (km2) PP Acumulada

1985 48.87 874
1986 48.11 809
1987 49.2 723
1988 48.69 564
1989 48.72 620
1990 44.35 680
1991 50.5 529
1992 43.39 532
1993 44.98 663
1994 46.41 752
1995 39.84 502
1996 41.36 497
1997 41.48 610
1998 38.33 418
1999 52.76 614
2000 43.84 586
2001 37.42 591
2002 33.35 677
2003 34.03 675
2004 35.86 754
2005 33.37 592
2006 33.19 668
2007 32.8 559
2008 29.89 614
2009 29.02 616
2010 29.95 529
2011 29.76 636
2012 30.51 636
2013 32.46 631
2014 30.35 629
2015 31.33 767
2016 32.33 604
2017 30.04 731
2018 33.24 772
2019 30.28 756
2020 28.71 684
2021 27.07 719

Nota La tabla muestra los datos de la cobertura glaciar y los datos de precipitación

acumulada solicitados por el Servicio Nacional de Hidrología y Meteorología

61
3.6.1. Coeficiente de correlación de Pearson

Es una medida numérica de la fuerza de la relación entre dos variables de datos

cuantitativos. Se utiliza para analizar la relación entre dos variables medidas a nivel de

intervalo o razón.

El coeficiente de correlación de Pearson se calcula a partir de las puntuaciones de

582 dos variables de la muestra. Ahora bien, el coeficiente de correlación de Pearson

puede 583 variar en valores de -1 a 1 tal como muestra la tabla (Hernandez, 2014).

Donde:

𝑛 = Numero de pares de datos.

∑ = Indica la suma de elementos.

∑ 𝑥 = Indica la suma de los elementos en x.

∑ 𝑥 = Indica la suma de los elementos de y.

∑ 𝑥 2 = Indica que cada valor de x debe elevarse al cuadrado y deben sumarse todos los

valores.

(∑ 𝑥)2 = Indica que los valores de x deben sumarse y el total debe elevarse al cuadrado

∑ 𝑥𝑦 = Indica que los valores de x deben multiplicarse primero por su valor y

correspondiente luego realizar la suma.

𝑟 = Coeficiente de correlación Lineal.

62
3.6.2. Análisis de regresión simple

Es un modelo estadístico utilizado para estimar el efecto de una variable sobre

otra. Está relacionado con el coeficiente de correlación de Pearson.

Brinda la oportunidad de predecir la puntuación de una variable a partir de la

puntuación de otra variable. Cuanto mayor sea la correlación entre las variables, mayor

será el poder predictivo (Bencardino, 2019).

𝑌 = 𝐵𝑋 + 𝐶

Donde:

𝑌 = Predictando o Variable estimada, siendo la variable dependiente.

𝑋 = Corresponde al predictor, denominada también variable dependiente.

𝐵 = Es el coeficiente angular, en la ecuación de la recta de regresión; es el crecimiento o

decrecimiento en Y, por cada valor que toma x también se denomina pendiente

𝐶 = Es el coeficiente de posición u origen de la Ordenada

Para determinar los coeficientes B y C se empleó el método de mínimos cuadrados

3.6.3. Método de mínimos cuadrados

Es una técnica de análisis numérico en el marco de la optimización matemática en

la que, dado un conjunto ordenado de pares de variables independientes y dependientes y

una familia de funciones, se intenta encontrar los datos de funciones continuas más

cercanas de la familia.

Es el método más utilizado, para realizar un buen ajuste, implica que la recta

elegida para ajustar los puntos del diagrama de dispersión sea tal que la suma de los

cuadrados de las distancias verticales entre los puntos y la recta sea lo más pequeño

posible. etc (Bencardino, 2019).

∑𝑦 − 𝐶 ∗ ∑𝑥
𝐵=
𝑛

63
 𝑛 ∗ ∑ 𝑥𝑦 − ∑ 𝑥 ∗ ∑ 𝑦
𝐶=
(𝑛 ∗ ∑ 𝑥 2 − (∑ 𝑥)2 )
Donde:

𝐵 = Es el coeficiente angular, en la ecuación de la recta de regresión; es el crecimiento o

decrecimiento en Y, por cada valor que toma x también se denomina pendiente

𝐶 = Es el coeficiente de posición u origen de la Ordenada

∑ 𝑦 = Indica la suma de los elementos de y

∑ 𝑥 = Indica la suma de los elementos en x

𝑛 = Numero de pares de datos

∑ 𝑥 2 = Indica que cada valor de x debe elevarse al cuadrado y deben sumarse todos los

valores

(∑ 𝑥)2 = Indica que los valores de x deben sumarse y el total elevarse al cuadrado

∑ 𝑥𝑦= indica que cada valor de x debe multiplicarse primero por su valor y

correspondiente y realizar la suma.

3.7.4 Coeficiente de determinación

Es una estadística utilizada en el contexto de un modelo estadístico cuyo objetivo

principal es predecir resultados futuros o probar hipótesis a partir de dos variables x e y.

Este coeficiente determina la calidad del modelo al replicar los resultados y la proporción

de la variación en los resultados que el modelo puede explicar. R² es solo el cuadrado del

coeficiente de correlación de Pearson, lo cual es solo cierto para la regresión lineal simple

(Triola, 2009).

0 ≤ R² ≤ 1
- Si R² = 0 ⇒ El modelo no explica nada de y a partir de x.
- Si R² = 1 ⇒ Ajuste perfecto: y depende funcionalmente de x.
- Un valor de R² cercano a 0 ⇒ Baja capacidad explicativa de la recta.
- Un valor de R² próximo a 1 ⇒ Alta capacidad explicativa de la recta.

64
 CAPITULO IV

RESULTADOS Y DISCUSIÓN

4.1. RESULTADOS PARA EL PRIMER OBJETIVO ESPECIFICO

De acuerdo a los procedimientos se ha determinado el área de cobertura glaciar

mensualmente entre el periodo de 1985 – 2021 donde se ha presentado una pérdida del

44.61% de área glaciar que representa el 21.80 km2.

En la (tabla 7) se observa los resultados obtenidos de la cobertura glaciar del

nevado Ananea en Km2 por la plataforma Google Earth Engine, con imágenes Landsat

5, 8 y MODIS.

Tabla 9

Área de cobertura de nieve mensual periodo 1985 – 2021

CUADRO DE AREAS DEL NEVADO ANANEA

año enero febrero marzo abril mayo junio julio agosto setiembre octubre noviembre diciembre promedio
1985 53.11 36.28 26.33 47.37 40.61 66.82 57.40 42.90 55.12 59.86 35.50 65.11 48.87
1986 65.18 38.49 28.78 41.44 38.28 62.96 74.95 64.94 39.38 57.86 9.95 55.11 48.11
1987 14.92 63.04 55.61 39.07 58.72 59.69 63.79 57.53 38.43 26.47 62.98 50.21 49.20
1988 40.05 38.46 86.02 45.36 53.79 56.42 52.63 50.12 37.49 37.28 41.37 45.32 48.69
1989 46.58 33.75 16.76 49.38 64.70 67.23 59.00 57.00 59.53 58.48 45.79 26.45 48.72
1990 51.17 10.35 55.26 43.01 46.49 62.63 68.61 60.04 29.72 45.56 14.99 44.35
1991 55.04 53.57 52.10 16.28 56.21 65.79 63.78 51.20 66.29 42.63 32.64 50.50
1992 75.33 19.20 48.15 35.14 55.88 64.27 48.86 51.44 21.17 28.91 28.91 43.39
1993 36.77 35.60 44.60 53.60 58.94 41.41 56.30 47.33 42.85 38.37 39.07 44.98
1994 39.73 42.46 49.33 58.93 52.29 53.70 51.65 40.61 38.72 43.12 40.00 46.41
1995 15.56 51.66 54.67 54.06 54.72 10.89 53.42 45.71 48.42 52.70 44.63 45.71 44.35
1996 39.77 42.18 35.71 24.94 44.62 54.91 48.62 51.02 37.26 41.63 38.48 37.15 41.36
1997 29.01 34.45 44.20 38.62 53.53 54.05 62.00 34.96 39.33 36.18 34.85 41.93
1998 16.03 44.46 43.55 44.88 47.93 46.82 42.80 40.06 36.89 14.22 44.01 38.33
1999 45.06 42.67 32.48 57.91 43.63 66.40 68.16 57.97 82.91 28.56 54.58 52.76
2000 70.54 35.72 40.46 61.06 40.82 51.85 42.92 44.03 37.16 42.09 23.57 35.83 43.84
2001 19.66 23.69 19.48 32.95 66.98 58.04 52.95 42.57 38.48 33.90 27.43 32.95 37.42
2002 18.70 34.91 35.82 32.64 31.34 49.08 44.35 18.79 32.34 36.76 38.46 27.06 33.35
2003 25.25 28.86 27.86 26.86 32.07 48.05 34.39 54.05 32.45 31.47 43.03 24.05 34.03
2004 29.34 31.35 32.45 31.49 45.27 45.09 56.32 37.04 35.04 29.95 26.21 30.73 35.86
2005 25.56 23.33 35.10 40.89 33.19 46.01 38.38 35.44 27.85 29.10 37.02 28.62 33.37
2006 48.34 26.94 35.96 32.25 42.17 39.07 45.04 17.58 27.42 25.49 29.10 28.93 33.19
2007 22.61 34.91 38.22 33.37 39.11 36.89 34.13 31.51 27.40 37.71 26.70 31.02 32.80
2008 24.29 28.14 32.30 22.75 38.58 31.25 44.29 36.31 27.17 44.92 14.06 14.62 29.89
2009 28.86 22.83 23.09 22.17 40.89 41.91 20.41 36.23 35.72 23.67 24.05 28.46 29.02
2010 19.48 29.58 27.66 36.87 35.08 25.73 44.64 35.14 26.70 19.00 23.17 36.35 29.95
2011 24.17 26.82 27.60 27.26 25.72 41.63 46.34 34.22 29.54 20.44 24.34 29.10 29.76
2012 27.04 28.14 24.43 35.16 35.64 36.41 34.22 33.23 23.64 26.49 29.34 32.41 30.51
2013 39.27 21.74 22.94 31.79 38.71 42.80 17.10 36.39 40.04 16.38 48.35 34.01 32.46
2014 20.68 20.32 27.97 28.47 28.75 42.32 39.32 30.57 32.70 32.70 32.13 28.25 30.35
2015 22.61 17.36 22.37 23.37 41.43 56.37 35.64 43.81 36.24 17.36 31.15 28.25 31.33
2016 28.92 30.05 46.75 33.05 36.36 24.27 43.52 32.07 33.33 14.91 31.51 33.19 32.33
2017 21.43 27.97 39.53 36.72 38.17 38.87 37.39 24.05 25.28 27.18 19.96 24.00 30.04
2018 31.50 30.32 46.30 27.45 41.23 39.66 25.73 35.64 26.49 32.91 29.70 31.89 33.24
2019 29.00 25.09 26.07 28.57 37.32 36.41 29.50 33.10 29.34 29.54 23.67 35.80 30.28
2020 35.79 34.44 36.21 30.91 32.10 26.65 28.81 24.32 30.33 21.67 22.52 20.78 28.71
2021 25.68 23.16 31.81 40.69 24.96 26.84 31.63 26.33 16.73 25.60 23.10 28.29 27.07

Nota. Se muestra el área de cobertura de nieve desde 1985-2021.

65
Figura 25

Comportamiento del área de cobertura glaciar vs años

60.00
50.00
40.00
30.00
AREA EN KM2

20.00
10.00
0.00
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
Nota. En la figura se muestra el comportamiento de la cobertura glaciar vs años

Para determinar la relación entre área, temperatura, precipitación y para llegar al

segundo objetivo específico se muestra lo siguiente:

4.2. RESULTADOS PARA SEGUNDO OBJETIVO ESPECIFICO

4.2.1. Análisis Estadísticos de Área y Temperatura Media anual

Para determinar la variación de la cobertura glaciar del nevado de Ananea con

respecto a la temperatura media anual, se analizaron datos de satélite Landsat 5, Landsat

8 y MODIS procesados por la plataforma GEE para el período desde 1985 hasta el 2021

y datos de temperatura media anual desde el periodo 2003 hasta 2021, esta serie de datos

de temperatura máxima se solicitó por el Servicio Nacional de Hidrología y Meteorología

(SENAMHI).

66
Figura 26

Comportamiento de la temperatura media anual vs años

6.000
5.000
T° Media Anual

4.000
3.000
2.000
1.000
0.000
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
T° media anual 4.40 4.14 4.56 3.78 3.43 3.72 3.95 4.43 4.11 3.96 4.19 4.61 4.50 4.98 4.77 4.55 4.58 4.68 4.67

Nota. Se muestra el comportamiento de la temperatura media anual vs años.

Se puede observar en la figura los valores de la temperatura máxima de la

estación Ananea donde se nota claramente el incremento de este en los últimos años.

Tabla 10

Estadísticos descriptivos Área y Temperatura Máxima

Obs. con Obs. sin

Variable Observaciones datos datos Mínimo Máximo Media Desv. típica
perdidos perdidos
Area(km2) 19 0 19 27.070 35.860 31.273 2.169
T°
promedio 19 0 19 3.433 4.987 4.321 0.409

Nota. En la tabla se muestra los estadísticos de área y T° Máxima.

La tabla muestra la estadística descriptiva de la media y la desviación estándar,

interpreta como cuánto se desvía, en promedio, de la media un conjunto de puntuaciones.

Se obtuvo para su muestra un promedio de área glaciar de 31.273 (km2) y una desviación

estándar de 2.169, que podemos interpretar, que el área glaciar de la muestra se desvía en

promedio, 2.168 (km2), respecto a la media.

Además, podemos apreciar la estadística descriptiva de la media y la desviación

estándar, se puede interpretar como cuánto se desvía, en promedio, de la media un

conjunto de puntuaciones. Se obtuvo para su muestra un promedio de temperatura media

67
anual de 4.321 (°C) y una desviación estándar de 0,409 esta interrogante nos afirma que

la temperatura máxima de la muestra se desvía en promedio de 0.409 (°C) respecto a la

media.

Tabla 11

Matriz de correlaciones área y temperatura media anual

T° MAX AREA
T° MAX 1 -0.379
Area -0.379 1
Nota. La tabla muestra la matriz de correlación de área y Temperatura media anual.

Según la tabla donde la variable temperatura máxima con la variable área de la

cobertura de nieve tiene una relación inversa con un valor de -0.379, es una correlación

negativa que indica que a medida que la temperatura aumenta el área de cobertura de

nieve disminuye.

Tabla 12

Tabla regresión de la variable área y temperatura máxima

Estadísticos de bondad del ajuste (Área y temperatura máxima):

Observaciones 19
Suma de los
pesos 19
GL 17
R² 0.032
R² ajustado -0.025
MEC 4.820
RMSE 2.195
MAPE 5.684
DW 0.698
Cp 2.000
AIC 31.770
SBC 33.659
PC 1.196
Press 99.190
Q² -0.172
Nota: se muestra los estadísticos de ajuste área y Temperatura media anual

68
4.2.2. Parámetros del modelo (Área y temperatura máxima)

El modelo debe ser utilizado para realizar previsiones, simulaciones, esto nos

enseña los límites proporcionados por las observaciones del intervalo de la variable área

del nevado con respecto a la temperatura máxima.

Tabla 13

Parámetros del modelo (Área y temperatura máxima)

Límite Límite
Error
Fuente Valor t Pr > |t| inferior superior
estándar
(95%) (95%)
Intercepción 35.368 5.491 6.442 <0.0001 23.784 46.953
T° promedio -0.948 1.265 -0.749 0.464 -3.617 1.722

Nota. La tabla muestra un nivel de significancia de Sig = 0,000, que es menor que α =0,05

entonces podemos afirmar un 95% seguridad de equivocarse, también (b= -0.948), indica

la variación que tendrá el nevado Ananea en (km2), al momento de tener una variación

de la temperatura máxima.

4.2.3. Ecuación del modelo (AREA) con relación a la temperatura media máxima

anual

Para el análisis de la correlación de la variable retroceso del área glaciar en

función a la temperatura máxima se ha determinado la ecuación del modelo donde resulta

una ecuación lineal con tendencia negativa.

Área del nevado = 35.3684618174186-0.947737391566433*T° promedio

Para el análisis de la correlación de la variable retroceso del área de la cobertura de

nieve en función a la temperatura máxima se ha determinado la ecuación del modelo

como se muestra la (figura 28), donde resulta una ecuación lineal con pendiente

negativa.

69
Figura 27

Regresión lineal de Área con respecto a la Temperatura media anual

Modelo Interv. de conf. (Media 95%) Interv. de conf. (Obs 95%)

AREA(KM2)

35

30

25
3 3.5 4 4.5 5 5.5
T° PROMEDIO

Nota. Se muestra la regresión lineal de área con respecto a la temperatura media anual.

Tabla 14.

Predicciones y residuos (Área y temperatura máxima)

Residuos de Leverage DFBeta(Inter DFBeta_T° DFBetaStd(In DFBetaStd(T°
Observación Peso Residuo Residuo estd. Deleted StuDeleted Mahalanobis D de Cook CovRatio DFFits DFFits(Std)
Student centrado cepción) promedio tercepción) promedio)
Obs1 1.000 2.838 1.293 1.330 3.004 1.402 0.002 0.044 0.052 0.959 0.165 0.329 -0.213 0.086 -0.040 0.069
Obs2 1.000 4.416 2.011 2.078 4.715 2.412 0.011 0.195 0.146 0.671 0.299 0.608 1.470 -0.283 0.301 -0.251
Obs3 1.000 2.329 1.061 1.101 2.511 1.151 0.020 0.359 0.047 1.050 0.182 0.310 -0.750 0.204 -0.138 0.163
Obs4 1.000 1.412 0.643 0.696 1.655 0.742 0.094 1.695 0.042 1.249 0.243 0.284 1.352 -0.293 0.242 -0.228
Obs5 1.000 0.685 0.312 0.377 1.000 0.444 0.262 4.713 0.033 1.619 0.314 0.249 1.327 -0.295 0.235 -0.227
Obs6 1.000 -1.949 -0.888 -0.975 -2.352 -1.069 0.118 2.132 0.098 1.214 -0.402 -0.442 -2.139 0.466 -0.389 0.368
Obs7 1.000 -2.598 -1.184 -1.245 -2.877 -1.333 0.044 0.793 0.083 1.032 -0.278 -0.415 -1.655 0.348 -0.307 0.280
Obs8 1.000 -1.218 -0.555 -0.571 -1.291 -0.576 0.004 0.074 0.010 1.151 -0.073 -0.137 0.138 -0.048 0.025 -0.037
Obs9 1.000 -1.709 -0.778 -0.806 -1.831 -0.825 0.014 0.255 0.023 1.119 -0.122 -0.213 -0.639 0.126 -0.115 0.098
Obs10 1.000 -1.104 -0.503 -0.529 -1.220 -0.544 0.043 0.772 0.015 1.207 -0.117 -0.168 -0.694 0.146 -0.124 0.113
Obs11 1.000 1.068 0.487 0.501 1.134 0.505 0.005 0.093 0.008 1.163 0.066 0.121 0.263 -0.047 0.047 -0.036
Obs12 1.000 -0.645 -0.294 -0.306 -0.702 -0.311 0.029 0.516 0.004 1.215 -0.057 -0.089 0.259 -0.068 0.046 -0.053
Obs13 1.000 0.235 0.107 0.111 0.251 0.111 0.012 0.211 0.000 1.205 0.016 0.028 -0.054 0.016 -0.010 0.012
Obs14 1.000 1.687 0.769 0.859 2.108 0.953 0.147 2.647 0.092 1.291 0.421 0.426 -1.902 0.466 -0.344 0.365
Obs15 1.000 -0.802 -0.365 -0.390 -0.912 -0.405 0.069 1.240 0.010 1.262 -0.111 -0.141 0.548 -0.138 0.097 -0.106
Obs16 1.000 2.187 0.996 1.033 2.353 1.074 0.018 0.323 0.041 1.067 0.166 0.285 -0.661 0.182 -0.121 0.144
Obs17 1.000 -0.745 -0.340 -0.353 -0.806 -0.358 0.023 0.408 0.005 1.203 -0.061 -0.098 0.260 -0.070 0.046 -0.054
Obs18 1.000 -2.222 -1.012 -1.064 -2.457 -1.124 0.043 0.774 0.060 1.087 -0.235 -0.348 1.140 -0.294 0.208 -0.233
Obs19 1.000 -3.866 -1.761 -1.851 -4.270 -2.112 0.042 0.755 0.179 0.795 -0.404 -0.649 1.953 -0.504 0.386 -0.432

Nota. Se muestra las predicciones y residuos de área y T° media anual.

70
Figura 28

Residuos estandarizados de Área y temperatura máxima

2.5

1.5
Residuos estandarizados

0.5

0
30.5 31 31.5 32
-0.5

-1

-1.5

-2
Pred(Area(km2))

Nota. En la figura se muestra los residuos estandarizados de área y temperatura máxima.

Figura 29

Área y temperatura máxima de residuos estandarizados

2.5

1.5
Residuos estandarizados

0.5

0
27 29 31 33 35
-0.5

-1

-1.5

-2
Area(km2)

Nota. Se muestra el grafico del área y temperatura media anual de residuos

estandarizados.
71
Figura 30

Pred Área y temperatura máxima

55

50

45

40
AREA

35

30

25

20
20 25 30 35 40 45 50 55
Pred(AREA)
x

Nota. Se muestra el grafico de pred. área y temperatura media anual.

Figura 31

Residuos estandarizados / Área y temperatura máxima

Obs19
Obs17
Obs15
Obs13
Observaciones

Obs11
Obs9
Obs7
Obs5
Obs3
Obs1
-2.5 -1.5 -0.5 0.5 1.5 2.5
Residuos estandarizados

Nota. Se muestra mediante barras horizontales de Residuos estandarizados / Área y

temperatura media anual.

72
4.2.4. Análisis estadísticos de área y precipitación

Para determinar la variación de la cobertura de nieve del nevado de Ananea con

respecto a la precipitación, se analizaron datos de satélite Landsat 5, Landsat 8 y MODIS

procesados por la plataforma GEE para el período desde 1985 hasta el 2021 y datos de

precipitación desde el periodo 1985 hasta el 2021, esta serie de datos de precipitación se

solicitó del Servicio Nacional de Hidrología y Meteorología (SENAMHI).

Figura 32

Comportamiento de la precipitación acumulada anual vs años

1000

800
Precipitacion

600

400

200

0
1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 2017 2019 2021

Nota. Se muestra el comportamiento de la precipitación media anual vs años.

Estadísticos descriptivos área y precipitación

Tabla 15

Estadísticos descriptivos área y precipitación

Obs. con Obs. sin

Observacione Desv.
Variable datos datos Mínimo Máximo Media
s típica
perdidos perdidos
Área (km2) 37 0 37 27.070 52.760 37.724 7.750
PP
Acumulada 37 0 37 418.410 874.000 643.546 96.228

Nota. La tabla muestra los estadísticos descriptivos de área y precipitación.

La tabla muestra la estadística descriptiva de la media y la desviación estándar,

interpreta como cuánto se desvía, en promedio, de la media en un conjunto de

73
puntuaciones. Se obtuvo para su muestra un promedio de área de cobertura de nieve de

37.724 (km2) y una desviación estándar de 7.750, esta interrogante podemos interpretar,

que el área glaciar de la muestra se desvía en promedio, 7.750 (km2), respecto a la media.

Además, la estadística descriptiva de la media y la desviación estándar, se puede

interpretar cuánto se desvía en promedio, de la media un conjunto de puntuaciones, se

muestra promedio de precipitación acumulada de 643.546 (mm) y una desviación

estándar de 96.228, lo que nos afirma que la precipitación de la muestra se desvía en

promedio de 96.228 (mm) respecto a la media.

Tabla 16

Matriz de correlación en relación con (Área y precipitación)

Precipitación Área
Precipitación 1 -0.326
Área -0.326 1
Nota. Según a la tabla donde la variable precipitación con la variable área de la cobertura

de nieve tiene una relación con un valor de -0.326, es una correlación negativa que indica

que a medida que la precipitación disminuye el área de cobertura de nieve disminuye.

74
 4.2.5. Regresión de la variable área y precipitación

Tabla 17

Estadísticos de bondad del ajuste (Área y precipitación)

Observaciones 37
Suma de los
pesos 37
GL 35
R² 0.001
R² ajustado -0.028
MEC 61.742
RMSE 7.858
MAPE 18.385
DW 0.276
Cp 2.000
AIC 154.494
SBC 157.715
PC 1.114
Press 2434.533
Q² -0.126

Nota. En la tabla se muestra los estadísticos de bondad de ajusta entre área y

precipitación.

4.2.6. Parámetros del modelo (Área y precipitación)

Tabla 18

Parámetros del modelo (Área y precipitación)

Límite Límite
Error
Fuente Valor t Pr > |t| inferior superior
estándar
(95%) (95%)
Intercepción 36.247 8.408 4.311 0.001 19.178 53.316
Precipitación 0.846 4.757 0.178 0.860 -8.811 10.502
Nota. La tabla muestra el análisis del parámetro del modelo de la precipitación media

anual con relación al área de la cobertura de nieve del nevado Ananea, se muestra un nivel

de significancia de Sig = 0,001, que es menor que α =0,05 entonces podemos afirmar un

75
95% seguridad de equivocarse, también (b= -0.002), indica la variación que tendrá el

nevado Ananea en (km2), al momento de tener un incremento en la precipitación.

4.2.7. Ecuación del modelo (Área) con relación a la precipitación media anual

Área de la cobertura de nieve =39.0930733793844-2.12730448239204E-03*PP

Acumulada

Para el análisis de la correlación de la variable retroceso del área de la cobertura

de nieve en función a la precipitación se ha determinado la ecuación del modelo como se

muestra la (figura 42), donde resulta una ecuación lineal con pendiente positiva.

Figura 33

Regresión lineal de Área con respecto a la Temperatura media máxima anual

Modelo Interv. de conf. (Media 95%)

Interv. de conf. (Obs 95%)
60
55
50
45
ÁREA (KM2)

40
35
30
25
20
15
10
300 400 500 600 700 800 900 1000
PP ACUMULADA

Nota. En la figura se muestra la regresión lineal de Área con respecto a la temperatura

media anual.

76
Tabla 19

Predicciones y residuos (área y precipitación)

DFBetaStd(P
Residuos de Leverage DFBeta(Inter DFBeta_PP DFBetaStd(In
Observación Peso Residuo Residuo estd. Deleted StuDeleted Mahalanobis D de Cook CovRatio DFFits DFFits(Std) P
Student centrado cepción) Acumulada tercepción)
Acumulada)
Obs1 1.000 11.636 1.481 1.642 14.301 1.867 0.159 5.735 0.309 1.110 2.665 0.806 -5.976 0.010 -0.693 0.745
Obs2 1.000 10.737 1.366 1.447 12.047 1.558 0.082 2.942 0.128 1.051 1.310 0.514 -3.513 0.006 -0.403 0.446
Obs3 1.000 11.644 1.482 1.517 12.202 1.583 0.019 0.673 0.055 0.969 0.558 0.339 -1.530 0.003 -0.176 0.217
Obs4 1.000 10.796 1.374 1.407 11.318 1.462 0.019 0.687 0.048 0.989 0.522 0.314 2.048 -0.003 0.235 -0.202
Obs5 1.000 10.946 1.393 1.413 11.269 1.456 0.002 0.059 0.029 0.970 0.323 0.247 0.815 -0.001 0.093 -0.059
Obs6 1.000 6.703 0.853 0.867 6.917 0.877 0.004 0.142 0.012 1.047 0.214 0.154 -0.297 0.001 -0.033 0.055
Obs7 1.000 12.531 1.595 1.651 13.427 1.754 0.040 1.429 0.097 0.966 0.896 0.453 3.345 -0.005 0.388 -0.349
Obs8 1.000 5.429 0.691 0.714 5.801 0.733 0.037 1.337 0.017 1.100 0.372 0.186 1.403 -0.002 0.157 -0.141
Obs9 1.000 7.296 0.929 0.942 7.507 0.954 0.001 0.039 0.013 1.036 0.211 0.160 -0.072 0.000 -0.008 0.031
Obs10 1.000 8.916 1.135 1.172 9.506 1.216 0.035 1.261 0.045 1.043 0.590 0.303 -1.726 0.003 -0.196 0.228
Obs11 1.000 1.815 0.231 0.242 1.988 0.250 0.060 2.163 0.003 1.157 0.173 0.074 0.597 -0.001 0.067 -0.061
Obs12 1.000 3.325 0.423 0.444 3.659 0.460 0.064 2.313 0.010 1.153 0.334 0.139 1.133 -0.002 0.126 -0.117
Obs13 1.000 3.685 0.469 0.476 3.800 0.478 0.003 0.120 0.004 1.079 0.115 0.083 0.347 0.000 0.039 -0.028
Obs14 1.000 0.127 0.016 0.018 0.155 0.019 0.152 5.474 0.000 1.291 0.028 0.008 0.071 0.000 0.008 -0.008
Obs15 1.000 14.973 1.906 1.934 15.430 2.048 0.003 0.093 0.057 0.871 0.457 0.352 1.292 -0.001 0.152 -0.104
Obs16 1.000 5.994 0.763 0.777 6.224 0.787 0.010 0.353 0.012 1.063 0.229 0.151 0.855 -0.001 0.096 -0.078
Obs17 1.000 -0.416 -0.053 -0.054 -0.431 -0.054 0.008 0.298 0.000 1.098 -0.015 -0.010 -0.055 0.000 -0.006 0.005
Obs18 1.000 -4.302 -0.547 -0.556 -4.437 -0.559 0.003 0.124 0.005 1.074 -0.135 -0.098 0.170 0.000 0.019 -0.033
Obs19 1.000 -3.627 -0.462 -0.469 -3.739 -0.470 0.003 0.108 0.003 1.079 -0.112 -0.082 0.127 0.000 0.014 -0.026
Obs20 1.000 -1.630 -0.207 -0.214 -1.740 -0.218 0.036 1.313 0.002 1.129 -0.110 -0.055 0.323 -0.001 0.036 -0.042
Obs21 1.000 -4.463 -0.568 -0.578 -4.624 -0.583 0.008 0.283 0.006 1.077 -0.161 -0.109 -0.582 0.001 -0.065 0.052
Obs22 1.000 -4.483 -0.570 -0.579 -4.615 -0.582 0.002 0.063 0.005 1.070 -0.133 -0.099 0.090 0.000 0.010 -0.024
Obs23 1.000 -5.104 -0.650 -0.666 -5.364 -0.677 0.021 0.774 0.011 1.086 -0.260 -0.149 -1.022 0.001 -0.114 0.099
Obs24 1.000 -7.897 -1.005 -1.020 -8.139 -1.036 0.003 0.095 0.016 1.028 -0.241 -0.178 -0.686 0.001 -0.078 0.053
Obs25 1.000 -8.762 -1.115 -1.132 -9.027 -1.154 0.002 0.081 0.019 1.013 -0.264 -0.197 -0.722 0.001 -0.082 0.055
Obs26 1.000 -8.018 -1.020 -1.056 -8.590 -1.095 0.040 1.424 0.040 1.064 -0.572 -0.283 -2.137 0.003 -0.242 0.218
Obs27 1.000 -7.981 -1.016 -1.030 -8.204 -1.045 0.000 0.006 0.015 1.024 -0.223 -0.172 -0.344 0.000 -0.039 0.014
Obs28 1.000 -7.230 -0.920 -0.933 -7.432 -0.944 0.000 0.006 0.012 1.036 -0.202 -0.156 -0.309 0.000 -0.035 0.012
Obs29 1.000 -5.290 -0.673 -0.683 -5.440 -0.687 0.000 0.016 0.007 1.061 -0.150 -0.114 -0.277 0.000 -0.031 0.015
Obs30 1.000 -7.406 -0.943 -0.956 -7.617 -0.968 0.001 0.024 0.013 1.034 -0.211 -0.161 -0.426 0.000 -0.048 0.025
Obs31 1.000 -6.132 -0.780 -0.810 -6.611 -0.837 0.045 1.633 0.026 1.100 -0.478 -0.225 1.391 -0.002 0.156 -0.178
Obs32 1.000 -5.478 -0.697 -0.709 -5.658 -0.715 0.005 0.170 0.008 1.063 -0.180 -0.127 -0.586 0.001 -0.066 0.049
Obs33 1.000 -7.498 -0.954 -0.979 -7.892 -1.004 0.023 0.826 0.025 1.055 -0.394 -0.224 1.119 -0.002 0.126 -0.152
Obs34 1.000 -4.211 -0.536 -0.558 -4.560 -0.575 0.049 1.782 0.013 1.127 -0.349 -0.159 1.008 -0.002 0.113 -0.128
Obs35 1.000 -7.206 -0.917 -0.948 -7.704 -0.979 0.038 1.354 0.031 1.075 -0.498 -0.249 1.457 -0.003 0.164 -0.190
Obs36 1.000 -8.928 -1.136 -1.155 -9.223 -1.180 0.005 0.178 0.022 1.013 -0.295 -0.211 0.475 -0.001 0.054 -0.083
Obs37 1.000 -10.493 -1.335 -1.366 -10.979 -1.415 0.017 0.621 0.043 0.994 -0.486 -0.298 1.311 -0.002 0.150 -0.186

Nota. En la tabla se muestra las predicciones y residuos de área y precipitación.

Figura 34

Residuos estandarizados / Área y precipitación

1.5

1
Residuos estandarizados

0.5

0
37.2 37.4 37.6 37.8 38 38.2 38.4
-0.5

-1

-1.5
Área (km2))

Nota. Se muestra los residuos estandarizados / área y precipitación.

77
Figura 35

Área / residuos estandarizados en relación a la precipitación

1.5
Residuos estandarizados

0.5

0
25 30 35 40 45 50 55
-0.5

-1

-1.5
AREAS

Nota. En la figura se muestra el área de los residuos estandarizados en relación a la

precipitación.

Figura 36

Pred (Área y precipitación) / Residuos estandarizados

1.5
Residuos estandarizados

0.5

0
25 30 35 40 45 50 55
-0.5

-1

-1.5
Área (km2)

Nota. En la figura se muestra la pred. de área y precipitación de residuos estandarizados.

78
Figura 37

Pred (Área y precipitación)

200

150

100
Área (km2)

50

0
-100 -50 0 50 100 150 200

-50

-100
Pred(Área (km2))

Nota. en la figura se muestra la pred área y precipitación.

Figura 38

Residuos estandarizados – Área y precipitación

Obs37
Obs34
Obs31
Obs28
Observaciones

Obs25
Obs22
Obs19
Obs16
Obs13
Obs10
Obs7
Obs4
Obs1
-2 -1 0 1 2
Residuos estandarizados

Nota. En la figura se muestra los residuos estandarizados área y precipitación.

79
4.3. ANÁLISIS DE HIPÓTESIS CORRELACION LINEAL MULTIPLE

Ho: La temperatura y precipitación no tiene relación en la disminución con el área

de cobertura glaciar entre 1985 – 2021.

Hi: La temperatura y precipitación tiene relación en la disminución con el área de

cobertura glaciar entre 1985 – 2021.

El coeficiente de correlación múltiple se calcula a partir de las puntuaciones de

dos variables de la muestra. Ahora bien, el coeficiente de correlación múltiple puede

variar en valores de -1 a 1 tal como muestra la tabla (Hernandez, 2014).

La ecuación que describe la forma en que la variable dependiente, Y, se relaciona

con las variables independientes X1, X2,….., XK, el modelo de correlación múltiple tiene

la forma siguiente:

Y = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 +. . . + 𝑏𝑘 𝑋𝑘

El coeficiente de correlación múltiple se calcula de la siguiente manera:

∑(𝑌 − Ȳ)2
𝑟 = √1 −
∑(𝑌 − Ŷ)2

Tabla 20

Interpretación del grado de correlación

perfecta r=1 r=-1

excelente 0.90 < r < 1 -1 < r < -0.90
aceptable 0.80 < r <0.90 -0.90 < r < -0.80
Regular 0.60 < r <0.80 -0.80 < r < -0.60
mínima 0.30 < r <0.60 -0.60 < r < -0.30
no existe correlación 0 < r < 0.30 -0.30 < r < 0
Nota: se muestra la interpretación del grado de correlación (Martínez Bencardino 2019).

80
Tabla 21

Estadísticas de la regresión múltiple

Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.35929047
Coeficiente de determinación
R^2 0.12908964
-
R^2 ajustado 0.07572218
Error típico 2.2482187
Observaciones 19
Nota. Según a la prueba de hipótesis de correlación múltiple tal como muestra la tabla 29

indica que existe una relación r=0.3593 y de acuerdo a la interpretación del grado de

correlación como muestra la tabla 28 indica que es una correlación mínima entre las

variables de Área, temperatura y precipitación. Entonces podemos afirmar que si existe

relación entre las variables por lo tanto rechazo la hipótesis nula Ho.

81
4.4. DISCUCIONES

De acuerdo a los resultados de esta investigación donde el nevado Ananea perdió

un 32.91km2 de cobertura de nieve durante el periodo de 1985 – 2021 donde la relación

con la temperatura mínima presenta un r=0,315, con temperatura máxima un r=-0,341 y

precipitación con un r=-0.330 que significa que la temperatura y precipitación influye en

la disminución de la cobertura de nieve a estos resultados se corrobora con (Calsin et al.,

2021) que determino el retroceso glaciar del nevado Ampay en el periodo 2000-2019, el

nevado Ampay perdió 142,513 (ha) que es igual a 1425.13 km2. Así mismo destaca que

el área y la temperatura media presenta un r=-0,653 y con la precipitación un r=0,657 que

significa que la temperatura y precipitación influye en la disminución de la cobertura de

nieve del nevado Ampay. Por otro lado (Daniel et al., 2017) estimó el área cubierta por

el glaciar utilizando el NDSI para Landsat 5 y Landsat 8. En los resultados destaca que

en 1975 el área de cobertura glaciar fue de 52.3 km2 y para el año 2015 se redujo a 16.9

km2, perdiendo en total 35.6 km2.

Así mismo (Palomino, 2013) determino el análisis multitemporal del nevado

Huascarán proyectando al año 2113 que presenta un área de 16219,38 km2 significa que

abra una disminución de 2113,94 km2. Por otro lado (Dioses, 2017) determino la

cobertura glaciar del nevado Huascarán durante el periodo de 1990 - 2017 el resultado

indica una pérdida de 12.858 km², de cobertura glaciar equivalente al 12.68%.

82
 V. CONCLUSIONES

Primera:

Se determinó el área de cobertura de nieve del nevado Ananea utilizando la

plataforma GEE y el Índice Diferencial Normalizado de nieve NDSI en periodos

mensuales durante los años de 1985 al 2021 en donde el nevado Ananea perdió el área de

cobertura de nieve del 44.61 % que representa el 21.80 km2.

Segunda:

Se ha relacionado el área de la cobertura glaciar con las variables del cambio

climático temperatura y precipitación donde influye significativamente en los cambios de

la cobertura glaciar, el coeficiente de correlación de Pearson con respecto a la temperatura

media anual indica un (r=-0.379) representa una correlación mínima y es una correlación

negativa e indica que a medida que la temperatura disminuye el área de cobertura glaciar

aumenta. En cuanto el coeficiente de correlación de Pearson con respecto a la

precipitación indica un (r=-0.326) es una correlación mínima y es una correlación

negativa lo que indica que a medida que la precipitación disminuye el área de cobertura

disminuye.

83
 VI. RECOMENDACIONES

Primera

Se recomienda utilizar imágenes de un mismo satélite las resoluciones deberán ser

las mismas, de mayor precisión y con un porcentaje mínimo de nubosidad para que al

momento de procesarlas los datos obtenidos serán confiables. Ya que debido a la

resolución temporal de las imágenes Landsat y que en algunas fechas no se cuentan con

los datos de las imágenes por mantenimiento se recurrió a las imágenes MODIS ya que

cuenta con mayor resolución temporal. Sin embargo, la resolución de las imágenes

Landsat son de 30 metros y las de MODIS son de 500 metros esto conlleva a una

diferencia en el cálculo de área.

Segunda

Se recomienda utilizar mayores estaciones meteorológicas cercanas al lugar de

estudio para una mejor obtención de resultados, además se recomienda estudiar las

lagunas, bofedales y ríos formados alrededor del glaciar para un mejor análisis en estos

ámbitos de estudio.

84
 VII. REFERENCIAS BIBLOGRAFICAS

Alata, M. A. (2018). Análisis Multitemporal De La Explotación Minera Con Aplicación

De Percepción Remota Y Sig En Los Distritos De Ananea Y Cuyocuyo-Puno, Entre

1975- 2017. 113. [ tesis de pregrado, Universidad Nacional del Altiplano].

http://repositorio.unap.edu.pe/handle/UNAP/7125

Amani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A., Mirmazloumi,

S. M., Moghaddam, S. H. A., Mahdavi, S., Ghahremanloo, M., Parsian, S., Wu, Q.,

& Brisco, B. (2020). Google Earth Engine Cloud Computing Platform for Remote

Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of

Selected Topics in Applied Earth Observations and Remote Sensing, 13, 5326–5350.

https://doi.org/10.1109/JSTARS.2020.3021052

Ministerio del Ambiente (2016). El Perú y el Cambio Climático.

https://www.minam.gob.pe/wp-content/uploads/2016/05/Tercera-

Comunicación.pdf

Applied Remote Sensing Training. (2017). Land Cover Classification with Satellite

Imagery.ARSET.Recuperadode: https://appliedsciences.nasa.gov/what-we-

do/capacity-building/arset

Autoridad Nacional del Agua. (2014). Inventario de Glaciares del Perú.

Bravo Morales, N. F. (2020). Teledetección y procesamiento de imágenes satelitales.

Calizaya, E., Mejía, A., Barboza, E., Calizaya, F., Corroto, F., Salas, R., Vásquez, H., &

1053 Turpo, E. (2021). Modelling snowmelt runoff from tropical andean glaciers

under 1054 climate change scenarios in the santa river sub-basin (Peru). Water

(Switzerland), 1055 13(24). https://doi.org/10.3390/w13243535

Calsin, W. H., Penã, N. P. M., Ochoa, E. N. L., Huillcas, F. A., & Silva, F. E. (2021).

Analisis multitemporal del glaciar del ampay por medio de la plataforma de google

85
 earth engine, periodo 2000-2019. CICIC 2021 - Undecima Conferencia

Iberoamericana de Complejidad, Informatica y Cibernetica, Memorias.

https://www.iiis.org/CDs2021/CD2021Spring/papers/CB497AU.pdf

Castillo, E., & Arce, Y. (2018). Análisis multitemporal del crecimiento urbano de la

ciudad de puno mediante imágenes satelitales, entre los años 1980 – 2017. [ tesis de

pregrado, Universidad Nacional del altiplano].

http://repositorio.unap.edu.pe/handle/UNAP/12046

Chambilla, J. F. (2015). Impactos del cambio climático en la agricultura, de la cuenca

Ramis, Puno – Perú. [ tesis de pregrado, Universidad Nacional del Altiplano].

http://repositorio.unap.edu.pe/handle/UNAP/256

Chuvieco., E. (1995). Fundamentos de Teledeteccion espacial.

https://www.proquest.com/openview/fa0851b2def4bc35d8ac1287bd08d7d0/1?pq-

origsite=gscholar&cbl=1818083

Colque, P. E. C. (2019). Estimación de área glaciar utilizando redes neuronales

convolucionales u-net en imágenes multiespectrales sentinel 2 en el glaciar

AUSANGATE. [ tesis de pregrado, Universidad Nacional del altiplano].

http://repositorio.unap.edu.pe/handle/UNAP/12231

Condom, T., Sicart, J., Rabatel, A., Mourre, L., Cochachin, A., Santillan, N., Dávila, L.,

Tacsi, A., Torres, J., Colonia, D., Santiago, A., Suarez, W., Byron Morera, S., &

Villacis, M. (2014). Retroceso de los glaciares y recursos hídricos en los andes

peruanos en las últimas décadas. Revista Horizon.

https://horizon.documentation.ird.fr/exl-doc/pleins_textes/divers17-

08/010070640.pdf

Daniel, R., Aguilar, D., Vanessa, S., Larico, S., Laura, E. L., & Laura, A. L. (2017).

Análisis multi-temporal entre 1975 y 2015 sobre cambios de la cobertura glaciar en

86
 los nevados Allin Capac y Chichi Capac. Journal of Hygh Andean Research, 19,

265–274. http://www.scielo.org.pe/pdf/ria/v19n3/a04v19n3.pdf

Davila Arriaga, C., Cubas Saucedo, F., Laura Laura, W., Ita Vargas, T., Porras Vasquez,

P., Castro Narciso, A., Trebejo Varillas, I., Urbiola Del Carpio, J., Avalos Roldán,

G., Villena Acho, D., Valdez, M., Rodríguez Zimmermann, D., & Menis Alvarez,

L. (2021). Atlas de temperaturas del aire y precipitación del Perú. In Repositorio

Institucional - SENAMHI.

http://repositorio.senamhi.gob.pe/handle/20.500.12542/1339

Dioses, A. (2017). Dinámica de la cobertura glaciar del nevado Huascarán y de las

lagunas glaciares adyacentes entre 1990 y el 2017 mediante la teledetección. [Tesis

de pregrado Universidad Cesar Vallejo]

http://repositorio.ucv.edu.pe/handle/UCV/27098

Dozier, J. (1989). Spectral signature of alpine snow cover from the landsat thematic

mapper. Remote Sensing of Environment, 28(C), 9–22.

https://doi.org/10.1016/0034-4257(89)90101-6

Funaki, S., & Asaoka, Y. (2016). Long-term Change in Ablation Area of Tropical

Glaciers by Landsat Data. Procedia Engineering, 154, 168–175.

https://doi.org/10.1016/j.proeng.2016.07.438

Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017).

Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote

Sensing of Environment, 202, 18–27. https://doi.org/10.1016/j.rse.2017.06.031

INAIGEM. (2018). Cordillera Apolobamba.

https://sigrid.cenepred.gob.pe/sigridv3/storage/biblioteca//14068_informe-tecnico-

n0-lv01-estudio-de-peligros-de-origen-glaciar-subcuenca-huari-huari-cordillera-

apolobamba.pdf
87
INAIGEM. (2017). Manual metodológico de inventario nacional de glaciares.

https://cdn.www.gob.pe/uploads/document/file/913161/Manual_Metodologico_de

_Inventario_Nacional_de_Glaciares.pdf

IPCC. (2022). Climate change 2022 impacts, Adaptation and vulnerability. Implementing

a US Carbon Tax: Challenges and Debates, xxiii–xxxiii.

https://doi.org/10.4324/9781315071961-11

Martínez Bencardino, C. (2019). Estadística básica aplicada.

https://www.academia.edu/39626323/Estadística_básica_aplicada_Ciro_Martínez_

4ED

Masek, J. G., Wulder, M. A., Markham, B., McCorkel, J., Crawford, C. J., Storey, J., &

Jenstrom, D. T. (2020). Landsat 9: Empowering open science and applications

through continuity. Remote Sensing of Environment, 248(June).

https://doi.org/10.1016/j.rse.2020.111968

Medina, G., & Mejía, A. (2014). Análisis multitemporal y multifractal de la deglaciación

de la cordillera parón en los andes de Perú. Revista Scielo, 13(1), 1–8.

http://www.scielo.org.pe/scielo.php?pid=S172622162014000100004&script=sci_a

rttext

Palomino, M. (2013). Utilización de imágenes de mediana resolución espacial en el

análisis multitemporal del sector sur del nevado Huascarán. Revista Ciencia y

Desarrollo, 16(1), 33. https://doi.org/10.21503/cyd.v16i1.1117

Paterson, P. (2017). Calentamiento Global y Cambio Global. Revista Política y

Estrategia, 130, 153–188.

https://www.politicayestrategia.cl/index.php/rpye/article/view/133/239

88
Perilla, G. A., & Mas, J. F. (2020). Google Earth Engine - GEE: A powerful tool linking

the potential of massive data and the efficiency of cloud processing. Investigaciones

Geográficas, 101, 0–2. https://doi.org/10.14350/rig.59929

R. Hernandez, C. F. (2014). Metodología de la investigación. In Journal of Chemical

Information and Modeling (Vol. 53, Issue 9).

REDD, P. R. R. de E. por D. y D. de B. en C. y R. D. (2018). Introducción a Javascript

para Google Earth Engine (GEE). Deutsche Gesellschaft Für Internationale

Zusammenarbeit (GIZ), 1. https://www.sica.int/download/?124837

Rosenau, R., Scheinert, M., & Dietrich, R. (2015). Un sistema de procesamiento para

monitorear las variaciones de velocidad de los glaciares de salida de Groenlandia a

escalas de tiempo decenales y estacionales utilizando las imágenes Landsat. Remote

Sensing of Environment, 169, 1–19. https://doi.org/10.1016/j.rse.2015.07.012

Salzmann, N., Huggel, C., Rohrer, M., Silverio, W., Mark, B. G., Burns, P., &

Portocarrero, C. (2013). Glacier changes and climate trends derived from multiple

sources in the data scarce Cordillera Vilcanota region, southern Peruvian Andes.

Cryosphere, 7(1), 103–118. https://doi.org/10.5194/tc-7-103-2013

Segerer, C., & Villodas, R. (2013). HIDROLOGIA. Universidad Nacional de Cuyo, 5–

22. http://www.conosur-rirh.net/ADVF/documentos/hidro1.pdf

Shimamura, Y., Izumi, T., & Matsuyama, H. (2006). Evaluation of a useful method to

identify snow-covered areas under vegetation - Comparisons among a newly

proposed snow index, normalized difference snow index, and visible reflectance.

International Journal of Remote Sensing, 27(21), 4867–4884.

https://doi.org/10.1080/01431160600639693

Triola, F. M. (2009). Estadística. https://www.uv.mx/rmipe/files/2015/09/Estadistica.pdf

89
UNESCO y GRID. (2018). Atlas De Y Aguas Andinos Glaciares.

https://folk.uib.no/ngfif/Reprints/Carmack_etal_BAMS15.pdf

U.S. Geological Survey (USGS). (2012). Landsat — A Global Land-Imaging Mission.

2012-3072, May, 4. http://pubs.usgs.gov/fs/2012/3072/fs2012-3072.pdf

USGS. (2018). Landsat Missions: Imaging the Earth Since 1972. Landsat Missions

Timeline, 2020(November), 2013–2016. https://landsat.usgs.gov/landsat-missions-

timeline

Villegas, H. (2008). Introducción a la Percepción Remota y sus Aplicaciones Geológicas.

64.

Yap, A. (2015). Análisis multitemporal de glaciares y lagunas glaciares en la Cordillera

Blanca e identificación de potenciales amenazas GLOFs. Pontificia Universidad

Católica Del Perú, 63. http://hdl.handle.net/20.500.12404/7268

Yavaşli, D. D., Tucker, C. J., & Melocik, K. A. (2015). Change in the glacier extent in

Turkey during the Landsat Era. Remote Sensing of Environment, 163, 32–41.

https://doi.org/10.1016/j.rse.2015.03.002

90
ANEXOS

91
 ANEXOS-1

DOCUMENTO PRESENTADO AL SENAMHI SOLICITANDO LOS DATOS DE

TEMPERATURA Y PRECIPITACION DE LA ESTACION ANANEA

92
93
 ANEXOS-2

DATOS DE PRECIPITACIÓN Y TEMPERATURA DIARIOS DE LA ESTACIÓN

ANANEA

94
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
VARIAB
ESTACIÓN Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
LE

ANANEA
CO. PT101 2003 1 -888 2.3 10.1 5.1 0 0 0 0 0 0 6.1 2.6
ANANEA
CO. PT101 2003 2 7.8 1.6 0.3 1 1.5 0 0 0 2.3 0 2.3 0
ANANEA
CO. PT101 2003 3 0 6.9 0.3 13.9 0 0 0 0 0 17 1.9 7.7
ANANEA
CO. PT101 2003 4 2.7 2.4 2.6 2.2 0 0 0 0 0.5 0 0 2.7
ANANEA
CO. PT101 2003 5 0 1.1 7.1 0 0 0 0 0 -888 1.2 0 0
ANANEA
CO. PT101 2003 6 0 1.1 0 0.6 0.1 0 0 0 1 0.6 0 0
ANANEA
CO. PT101 2003 7 11.5 0 5 0.4 0 0 0 6.3 0 0 0 0
ANANEA
CO. PT101 2003 8 0.7 1.6 3.4 3.3 0 0 0 1.5 0 0 0 0
ANANEA
CO. PT101 2003 9 0.2 5 0.5 0 0.4 0 0 0.5 -888 0.4 0 5.6
ANANEA
CO. PT101 2003 10 0 -888 7.7 5.7 0.9 0 0 10.8 0.9 0 0 0
ANANEA
CO. PT101 2003 11 5.5 0 0 7.4 0 0 0 0 -888 -888 4.2 0
ANANEA
CO. PT101 2003 12 5.9 0 4.5 0 0 0 0 0 1.5 3.8 1.4 11
ANANEA
CO. PT101 2003 13 7.6 6.3 28.1 6.2 0 0 0 0 0 5 4.6 5
ANANEA
CO. PT101 2003 14 25.5 3.8 1.4 1.5 -888 0 0 0 1 0 1.9 1.1
ANANEA
CO. PT101 2003 15 1.5 0 0 0 0 0 0 0 1.3 0 0.1 3.8
ANANEA
CO. PT101 2003 16 -888 1.8 5 0 0 0 0 0 0 0 0 0.3
ANANEA
CO. PT101 2003 17 5.2 0.6 7.8 0 -888 0 0 0 0 -888 0 6.6
ANANEA
CO. PT101 2003 18 2.1 0 -888 0 0 0 -888 0 0 -888 0.1 0
ANANEA
CO. PT101 2003 19 2.4 0 9.8 0 -888 8.9 0 0 0 0 0 0
ANANEA
CO. PT101 2003 20 36.9 3 2.8 0.6 -888 0 0 0 0 0.3 0 4.2
ANANEA
CO. PT101 2003 21 1 3.7 1.2 0 0 0.5 0 0 0 2.6 0 -888
ANANEA
CO. PT101 2003 22 12.6 0.3 0.3 0 0 0 0 0 0 0.8 0 0
ANANEA
CO. PT101 2003 23 -888 0 0.2 0 0 0 0 0 2.8 1 0 0
ANANEA
CO. PT101 2003 24 0.4 9.5 -888 0 0 0 0 0 1.8 0 0.6 1.7
ANANEA
CO. PT101 2003 25 0 2.8 0 0 0 0 -888 0 0 14.4 -888 -888
ANANEA
CO. PT101 2003 26 8 11.5 2.3 0 0 0 0 -888 0 0.1 0 8.9
ANANEA
CO. PT101 2003 27 8.2 1.4 0.3 0 -888 0 0 0.3 0 2.4 0 -888
ANANEA
CO. PT101 2003 28 4.9 4.7 4 0 -888 0 0 -888 0 0.7 4.5 8.3
ANANEA
CO. PT101 2003 29 25.6 2.9 4.4 0 0 0 0 0 15 10.1 9.8
ANANEA
CO. PT101 2003 30 0.2 4 0 0 0 0 0 -888 13 5.3 4.8
ANANEA
CO. PT101 2003 31 8.4 2.4 0 0 0 1 1.3
ANANEA
CO. PT101 2004 1 8.5 0 0 0.1 0 0 3.6 0 0 3.8 0 0.9
ANANEA
CO. PT101 2004 2 8.5 0 5.4 0 0 0 0.9 0 0 0.5 2.1 0
ANANEA
CO. PT101 2004 3 7.9 9.3 1.5 1.4 0 0 0 0 0 2.6 7.4 0
ANANEA
CO. PT101 2004 4 9.2 7.4 0 0 10.2 0 0.2 0 0 1.5 0 1.8
ANANEA
CO. PT101 2004 5 1.4 0.2 0 4.3 0 0 0 0 0 0 2.7 2.4
ANANEA
CO. PT101 2004 6 5.1 0 0 0.2 0 0 0 0 0.7 0 3.6 1.9
ANANEA
CO. PT101 2004 7 0 15.4 5 0 0 0 0 0 1.7 0 1.9 5.3
ANANEA PT101 2004 8 0.2 6.5 0.6 0 1.5 0 0 0 0 16.3 5.9 2.1

95
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
VARIAB
ESTACIÓN
CO. Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
LE
ANANEA
CO. PT101 2004 11 6.1 5.3 5.3 0 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2004 12 8.7 10.8 -888 0 0 0 0 0 0 0 2.7 0.8
ANANEA
CO. PT101 2004 13 31 1.2 0 0 0 0 0 0 0 0 0 2.6
ANANEA
CO. PT101 2004 14 11.8 14.5 0 1.5 0 0 0 0 0 12.7 5.1 7.2
ANANEA
CO. PT101 2004 15 12.6 4.1 6.8 7.5 0 0 0 0 0 0 9.3 12.5
ANANEA
CO. PT101 2004 16 15.6 8.8 2 0.7 0 0 0 0 0 0 0 14.5
ANANEA
CO. PT101 2004 17 13.3 11 6 1.9 0 0 0 0 0.5 0 0.2 0.4
ANANEA
CO. PT101 2004 18 5.1 0.5 0.3 6.4 0 0 0 0.4 0 0 1 1.4
ANANEA
CO. PT101 2004 19 11.7 1.8 -888 4.4 0 0 0 0 0 0.4 0 2
ANANEA
CO. PT101 2004 20 6.2 24.5 0 1 0 0 0 0 0 0.6 2.2 1
ANANEA
CO. PT101 2004 21 12.2 0.4 5.1 0 0 0 0 0.4 0 1.5 1 0
ANANEA
CO. PT101 2004 22 11 0 0 0 0 0 0 0 0 0.7 1.5 3.7
ANANEA
CO. PT101 2004 23 12.6 0 11.4 0 0 0.2 0 1 3.8 2.2 0.8 0.3
ANANEA
CO. PT101 2004 24 9.6 0 14.7 4.2 0 4.1 0 2.5 0 0.8 0 2.8
ANANEA
CO. PT101 2004 25 0 0 0 -888 0 0 0 0.8 0 0 0.2 1.6
ANANEA
CO. PT101 2004 26 0 0 5.5 0.1 0 2.5 0 0 0 0 0 4.8
ANANEA
CO. PT101 2004 27 0 0 4.8 0 0 11.8 0 0 0 0 2.4 1.1
ANANEA
CO. PT101 2004 28 0 0 5 0 0 0 0 0 7.8 0 2.4 0.1
ANANEA
CO. PT101 2004 29 1.5 0 0 5.3 0 2.8 0 5.9 0 0 1.2 6.2
ANANEA
CO. PT101 2004 30 0 0 -888 0 -999 0 0 12.4 0 1.5 0.5
ANANEA
CO. PT101 2004 31 0 0 0 1.3 0.4 0 5.4
ANANEA
CO. PT101 2005 1 4.7 7 5.7 0 0 0 0 0 0 0 0 1.6
ANANEA
CO. PT101 2005 2 0 -888 0.1 4.8 0 0 0 0 2.8 0 1.1 5.4
ANANEA
CO. PT101 2005 3 8.6 2.5 10.1 1.5 0 0 0 0 0 0.4 1.6 18.7
ANANEA
CO. PT101 2005 4 0 0.2 0 0.3 0 0 0 0 0 2.5 0 4.7
ANANEA
CO. PT101 2005 5 0 0.8 0 0 0 0 0 0 0 0 0 3.4
ANANEA
CO. PT101 2005 6 0 1.1 0.6 0 1.1 0 0 -888 0 0 6 13.3
ANANEA
CO. PT101 2005 7 0 19.3 3 1.4 0 0 0 7.7 0 0 6.3 -888
ANANEA
CO. PT101 2005 8 2.6 2.5 2.1 0 0 0 0 0.9 0 4.2 8.5 2.3
ANANEA
CO. PT101 2005 9 0 8.2 1.2 0 0 0 0 5.4 0.2 0 3 3.3
ANANEA
CO. PT101 2005 10 0 10 0 0 0 0 0 0 0 3.5 0.8 0
ANANEA
CO. PT101 2005 11 0 10.9 4 0 0 0 0 0 -888 11.7 0 3.9
ANANEA
CO. PT101 2005 12 0.6 2.5 4.7 0 0 0 0 0 0 3.4 7.9 0
ANANEA
CO. PT101 2005 13 12.2 18.7 3 1.4 -888 0 0 0 0.2 2.7 0.6 2.2
ANANEA
CO. PT101 2005 14 8.1 9.5 0 5 0 0 0 0 0 0 0 0.6
ANANEA
CO. PT101 2005 15 0 14.9 0 0 0 0 0 0 0 0 3.5 3.8
ANANEA PT101 2005 16 6.8 12.2 0 0.3 0 0 0 0 0 0 -888 1.2

96
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V A R IA B
CO.
EST A C IÓN
LE Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2005 17 0 0.8 0 0 -888 0 0 0 0 5.4 0 0.2
ANANEA
CO. PT101 2005 18 0.5 0 0.3 -888 0 0 0 0 0 0 3.8 6.7
ANANEA
CO. PT101 2005 19 0 0.6 1.6 0 0 0 0 0 0 0 8.3 0
ANANEA
CO. PT101 2005 20 1.2 6.3 0.6 0 0 0 0 0 0 0 0.2 0
ANANEA
CO. PT101 2005 21 3.2 0 1.1 0 0 0 0 0 0 2.6 1 0.4
ANANEA
CO. PT101 2005 22 0 6.3 1.8 0.5 0 0 0 0 0 2.4 6.6 3
ANANEA
CO. PT101 2005 23 2.8 9.5 5.9 0.8 0 0.2 0 0 0 4.5 0 2.8
ANANEA
CO. PT101 2005 24 0.5 5.6 4.9 0 0 0 0 0 0 2 0 0
ANANEA
CO. PT101 2005 25 6.5 0 0 0 0 0 0 0 0 3.3 0.8 0.7
ANANEA
CO. PT101 2005 26 10.4 2.3 3.5 0 0 0 0 0 0 0 0 1.3
ANANEA
CO. PT101 2005 27 2.6 0 0 0 0 0 0 0 0 2.4 0 21.4
ANANEA
CO. PT101 2005 28 2.3 1.2 1.8 0 0 0 0 0 0 0 0.8 14.6
ANANEA
CO. PT101 2005 29 0.1 0 0 0 0 0 0 1.8 0.9 2.2 13.8
ANANEA
CO. PT101 2005 30 3.7 0 1.7 0 0 0 0 2.9 0 0 11
ANANEA
CO. PT101 2005 31 2.2 0 0 0 0 0 7.8
ANANEA
CO. PT101 2006 1 5.2 1.1 5.7 0 0 0 0 0 0 0 1.7 0
ANANEA
CO. PT101 2006 2 6.1 0.8 0.5 2.3 0 2.4 0 0 0 0 1.9 0
ANANEA
CO. PT101 2006 3 4.5 10.1 0 7.5 0 0 0 0 0 0.6 7.5 3.6
ANANEA
CO. PT101 2006 4 11.6 2.1 1.8 0 0 0 0 0 0 0 0 3.8
ANANEA
CO. PT101 2006 5 0 0.2 0 9.9 2.4 0 0 0 0 2 4.9 0
ANANEA
CO. PT101 2006 6 0 0 2 0.2 0 0 0 0 0 6.8 2.9 4.6
ANANEA
CO. PT101 2006 7 0.8 1.8 1.4 3.1 0 0 0 1 0 0 3.3 6.4
ANANEA
CO. PT101 2006 8 2.8 6 0 0.1 0 0 0 0 2.5 1.7 1.5 6.5
ANANEA
CO. PT101 2006 9 0 0.1 0 1.3 0 0 0 0 0 0 13.8 0
ANANEA
CO. PT101 2006 10 3.8 5.1 0.9 1.4 0 0 0 0 0 2.8 0.4 3.9
ANANEA
CO. PT101 2006 11 3.9 4.9 0.6 0 0 0 0 0 0 2.1 2.2 0
ANANEA
CO. PT101 2006 12 3.8 7.1 3.6 0 0 0 0 0 0 0 0 0.4
ANANEA
CO. PT101 2006 13 7.9 4 0.6 3.5 0 0 0 0 0 0 0 1.9
ANANEA
CO. PT101 2006 14 13.2 1 0 9.5 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2006 15 3.3 0 0.9 2.7 0 0 0 0 0 0 0 6.2
ANANEA
CO. PT101 2006 16 0.4 6 7 11.6 0 0 0 -888 3.5 0 0 0
ANANEA
CO. PT101 2006 17 2.8 2.8 12 0.5 0 0 0 0.8 0 0 2.5 0
ANANEA
CO. PT101 2006 18 6.2 6.3 0 6.5 0 0 0 0 0 0 1.7 0
ANANEA
CO. PT101 2006 19 0 9.9 3 0 0 0 0 3.4 0 0 0 0
ANANEA
CO. PT101 2006 20 8.6 1.5 0 0 0 0 0 8 1.3 0 0 1.6
ANANEA
CO. PT101 2006 21 6.3 1.3 0 0 0 0 0 1.1 0 0 1.4 0
ANANEA
CO. PT101 2006 22 0 0.6 0.5 0 0 0 0 0.7 0 31.5 1.6 5.8
ANANEA
CO. PT101 2006 23 22.6 0 5.4 0 0 0 0 4.6 0 9 1.7 2
ANANEA
CO. PT101 2006 24 12.9 0 0 0 0 3 0 0 3 0 0.2 0
ANANEA
CO. PT101 2006 25 0.6 9.1 0 0 0 0 0 0 0 1.2 5.7 21
ANANEA
CO. PT101 2006 26 26.8 1.3 0 0 0 0 0 1.1 0 3.6 0 1
ANANEA
CO. PT101 2006 27 0.8 0 3.5 0 0 0 0 0 0 3.1 0 26
ANANEA PT101 2006 28 0 0 0.2 0 0 0 0 0 18.9 2.6 0 0

97
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V A R IA B
CO.
EST A C IÓN
LE Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2006 29 0 6.3 2.5 0 0 0 0 0 3.2 0.6 1.6
ANANEA
CO. PT101 2006 30 6.5 5.4 0 0 0 0 0.1 -999 0 13.7 1.8
ANANEA
CO. PT101 2006 31 3.6 0 0.4 0 0 -999 0
ANANEA
CO. PT101 2007 1 7.2 0 8.8 0 0 0 0 0 0 0 0 12.3
ANANEA
CO. PT101 2007 2 4.2 0.9 0 1.1 0 0 0 0 0 0 0 0.8
ANANEA
CO. PT101 2007 3 11.3 4.9 4.1 0 0 0 0 0 0 0 0 1.8
ANANEA
CO. PT101 2007 4 1 0 4 7.9 0 0 0 0 0 2.2 0 0
ANANEA
CO. PT101 2007 5 1.6 0 10.9 2 8.9 0 0 0 0 0.9 0 0
ANANEA
CO. PT101 2007 6 8.7 0 6 0 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2007 7 11.7 0 0 0 0 0 0 0 0 3.9 0 6.7
ANANEA
CO. PT101 2007 8 2.8 4.7 0 4.8 6.6 0 2.6 0 0 4.3 0 2.8
ANANEA
CO. PT101 2007 9 0 0 10.1 0 0.8 0 1.4 0 1.3 0 0 2.2
ANANEA
CO. PT101 2007 10 3 2.6 3.8 0 0 0 2.7 0 10.2 1.4 0 0
ANANEA
CO. PT101 2007 11 1.6 4 4 1.8 0 0 0.2 0 1.4 0 0 0
ANANEA
CO. PT101 2007 12 4.1 6.1 5.9 0 0 0 0 0 0 0.8 0 2.2
ANANEA
CO. PT101 2007 13 0.9 7.2 7.7 1.1 0 0 0 0 0 1.4 1.8 14.2
ANANEA
CO. PT101 2007 14 3.1 0 7.6 0 0 0 0.9 0 0 0 0 6.8
ANANEA
CO. PT101 2007 15 1.5 0 0 0 0 0 0 0 0 1.8 1.5 3.8
ANANEA
CO. PT101 2007 16 15.8 0 2.9 0 0 0 0 0 0 0 6.6 8.1
ANANEA
CO. PT101 2007 17 0 2 0 0 0 0 0 0 0 10.2 0 2.3
ANANEA
CO. PT101 2007 18 0 33.1 16.8 0 0 0 0 0 1 0 0 2.8
ANANEA
CO. PT101 2007 19 0 0 0 0 0 0 0 0 0 0 0 2.4
ANANEA
CO. PT101 2007 20 6.2 6.9 0 0 0 0 0 0 0 0 20.9 0
ANANEA
CO. PT101 2007 21 0 1.1 0 0 0 0 0 -888 0 0.6 1 0
ANANEA
CO. PT101 2007 22 0 0 0 2.5 0 0 0 0 0 1.2 0 0
ANANEA
CO. PT101 2007 23 0 1.2 0 0 0 0 0 0 0 3.2 0 5.3
ANANEA
CO. PT101 2007 24 5.5 4.5 0 0 0 0 0 0 0.8 0 13.9 1.9
ANANEA
CO. PT101 2007 25 0 0 0 0 0 0 0.7 0 0 0 0 11.9
ANANEA
CO. PT101 2007 26 6.4 0 4.3 1.8 0 0 0 0 0 0 0 1.3
ANANEA
CO. PT101 2007 27 0 0 0 0 0 0 1.3 0 0 2.3 2.3 0
ANANEA
CO. PT101 2007 28 0 0 0 8.9 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2007 29 0 0 0 0 0 0 0 0 1 0.9 0
ANANEA
CO. PT101 2007 30 0 0 1.7 0 0 0 0 0 0 12.1 0
ANANEA
CO. PT101 2007 31 21.5 0 0 0 0 4.5 0
ANANEA
CO. PT101 2008 1 5.7 0 3.2 5.4 0 0 0 0 0 4.3 0 0
ANANEA
CO. PT101 2008 2 6.5 6.1 4.3 3.1 0 0 0 0 0 0.7 0 4.2
ANANEA
CO. PT101 2008 3 2.2 0 0 0.5 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2008 4 3.2 5.8 8.6 0 0 0 0 0 0 0 0.7 0
ANANEA PT101 2008 5 7.8 0 2.8 0.5 0 0 0 1 0 3.2 11.2 0

98
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V A R IA B
CO.
EST A C IÓN
LE Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2008 6 0 0 2.2 0 0 0 0 5.4 0 1.8 4.3 0
ANANEA
CO. PT101 2008 7 0 4.2 0.8 0 0 0 0 0.5 1 5.4 0 0
ANANEA
CO. PT101 2008 8 6.8 0.9 0.2 0.2 0 0 0 0.8 1.9 11.4 0 3.8
ANANEA
CO. PT101 2008 9 13.8 0.8 8.3 0 0.5 0 0 0 0 0 0 5.8
ANANEA
CO. PT101 2008 10 11.4 0 1.4 2.1 3.5 0.5 0 0 0 0 0 5.2
ANANEA
CO. PT101 2008 11 0 4 4.5 1.5 1.1 0.6 0 0 0 0.1 0 1.1
ANANEA
CO. PT101 2008 12 0 3.1 0.3 0 9.1 0 0 0 0 0 2 0.4
ANANEA
CO. PT101 2008 13 17.9 1.9 18.8 1.3 9.9 0 0 0 0 0 0 3.8
ANANEA
CO. PT101 2008 14 1.5 1.2 0.9 1 0 0 0 0 0 0 0 3.7
ANANEA
CO. PT101 2008 15 0.7 0 0 0 0 0 0 0 0 0 0 12.6
ANANEA
CO. PT101 2008 16 0 5 0 0 0 1.7 0 0 0 0 1 5.1
ANANEA
CO. PT101 2008 17 0 1 0 0 0 0 0 0 0 3 0 1
ANANEA
CO. PT101 2008 18 3.8 1.8 0 -888 0 0 0 0 0 8.8 12.1 2.8
ANANEA
CO. PT101 2008 19 0 4.1 0 0 0 0 0 0 0 0 3.3 3.3
ANANEA
CO. PT101 2008 20 1.8 0 0 2.1 0 0 0 0 0 0 0.8 4.1
ANANEA
CO. PT101 2008 21 5.3 1.3 0 0 0 0 0 0 1 0 2.5 0
ANANEA
CO. PT101 2008 22 9.8 3.4 0 6.8 0 0 0 0 0 0 8.2 2.8
ANANEA
CO. PT101 2008 23 0 3 -888 10.3 0 0 0 0 0 0 0.8 11.2
ANANEA
CO. PT101 2008 24 2.3 5.4 1.4 0 0 0 0 0 0 3.8 1 1.3
ANANEA
CO. PT101 2008 25 4.1 0.3 0 1.2 0 0 0 0 0.3 0.9 5.1 22.4
ANANEA
CO. PT101 2008 26 7.8 1.3 0 0 0 0 0 0 0 3.1 0 7.1
ANANEA
CO. PT101 2008 27 15.5 1.9 0 1.2 0 0 0 0 0 0 3 1
ANANEA
CO. PT101 2008 28 5.9 0.8 1 2.8 0 0 0 0 2.9 0 0 9.6
ANANEA
CO. PT101 2008 29 17.2 5.4 1.4 0.6 0 0 0 0 -888 0 0 6.8
ANANEA
CO. PT101 2008 30 7.5 0.2 0 0.6 0 1.8 0 0 0 0 0.2
ANANEA
CO. PT101 2008 31 9.7 0 0 0 0 1.8 14.4
ANANEA
CO. PT101 2009 1 1.2 1.9 0 2.6 0 0 0 0 0 3.8 0 5.8
ANANEA
CO. PT101 2009 2 2.1 0 0 0 0 0 0 0 0 5.6 0 5.6
ANANEA
CO. PT101 2009 3 21.7 0 0 0 1.5 0 0 0 0 0 0 4.2
ANANEA
CO. PT101 2009 4 21.1 0 2.2 0 0 0 0 0 0 1.9 0.7 8.7
ANANEA
CO. PT101 2009 5 0 11.3 -888 0 0 0 0 0 0 0 1.3 1.8
ANANEA
CO. PT101 2009 6 1.1 0 0 0 0 0 0 0 0 0 2.6 4.5
ANANEA
CO. PT101 2009 7 0 0 0 0 0 0 0 0 0 1.9 0.9 4.4
ANANEA
CO. PT101 2009 8 0 1.1 0 10.1 0 0 0 0 0 0 0 1.7
ANANEA
CO. PT101 2009 9 0.9 1.5 0 3.7 0 0 0 0 0 0.6 0 0
ANANEA
CO. PT101 2009 10 0 11.4 4.8 4.2 0 0 0 0 1.3 0 1.6 4.5
ANANEA
CO. PT101 2009 11 1.5 0.7 0.5 2.8 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2009 12 3.8 10.7 2.5 7.8 1.2 0 0 0 0 0 3.4 3.8
ANANEA PT101 2009 13 0.9 7.8 0.7 4.9 0 0 0 0 0 0 5.9 0

99
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V A R IA B
CO.
EST A C IÓN
LE Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2009 14 1.8 0 3.2 0 0 0 0 0 0.4 0 7.7 0
ANANEA
CO. PT101 2009 15 0.9 0 0 5.3 0 0 0 0 0 0 4 0.5
ANANEA
CO. PT101 2009 16 0 0 0 0 0 0 0 0 0 0 17.7 0.8
ANANEA
CO. PT101 2009 17 14.5 0 0 0 0 0 0 0 0 0 8.4 0
ANANEA
CO. PT101 2009 18 4.7 0 0 0 0 0 0 0 0 0 1 2.8
ANANEA
CO. PT101 2009 19 23 3.3 7.7 0 0 0 0 0 0 2 3.3 0
ANANEA
CO. PT101 2009 20 8.8 3.3 0 0 0 0 0 0 0 0 9.8 11.2
ANANEA
CO. PT101 2009 21 1.1 2 4.8 0 0 0 0 0 0 1.8 5.4 2.4
ANANEA
CO. PT101 2009 22 1.3 6.1 2 10.2 0 0 0 0 0 1.6 5.7 0.8
ANANEA
CO. PT101 2009 23 0 2.3 1.8 0 1.6 0 0 0 0 0 2.3 0
ANANEA
CO. PT101 2009 24 3.1 9.1 3 0 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2009 25 3.5 2.1 4.2 1 0 0 0 0 0 7.6 12.5 7
ANANEA
CO. PT101 2009 26 0 0 7 0 7 0 0 0 0 0 5.4 0.4
ANANEA
CO. PT101 2009 27 4.7 0 1.1 0 0 0 0 0 2.1 0 12.2 6.5
ANANEA
CO. PT101 2009 28 6.1 5.3 3.2 0 6.3 0 0 0 5.1 0 7.2 2.2
ANANEA
CO. PT101 2009 29 7.3 5.5 0 0 0 0 0 4.5 0 4 8.3
ANANEA
CO. PT101 2009 30 0 9.5 0 0 0 0 0 3.2 0 2.3 8.6
ANANEA
CO. PT101 2009 31 0 0 0 0 0 0 2
ANANEA
CO. PT101 2010 1 0 0.9 0 0 0 0 0 0 1 0 1.1 0.2
ANANEA
CO. PT101 2010 2 0 3.5 20.9 0 0 0 0 0 0 6.1 4.7 0
ANANEA
CO. PT101 2010 3 4.2 5.2 4.1 0.4 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2010 4 0.5 5.6 1.8 0.6 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2010 5 0.4 13.3 6 9.8 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2010 6 0 0 2.9 0 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2010 7 0 3.3 0 2.7 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2010 8 0 0 0 0 0 0 0 0 0 9.8 0 0
ANANEA
CO. PT101 2010 9 5.5 3.2 4.8 5.1 0 0 0 0 0 1.7 0 0
ANANEA
CO. PT101 2010 10 5.1 0 0.4 0 0 0 0 0 0 1.2 4.8 6.9
ANANEA
CO. PT101 2010 11 7.6 2.2 3.9 0 0 0 0 0 0 0 0 5.1
ANANEA
CO. PT101 2010 12 13.8 4.2 3.9 0 0 0 0 0 0 0 8.6 20.1
ANANEA
CO. PT101 2010 13 0.7 4.4 1.2 0 0 0 0 0 0 4.7 5.2 7.4
ANANEA
CO. PT101 2010 14 0 0.8 4.4 0 0 0 0 0 0 3.8 0.4 0
ANANEA
CO. PT101 2010 15 0.5 2 3.2 0 0 0 0 0 0 0 0 2
ANANEA
CO. PT101 2010 16 0 6 0 0 0 0 5.7 0 0 0 0 0
ANANEA
CO. PT101 2010 17 0 3.9 0 0 0 0 0.3 0 0 1.5 0 0.4
ANANEA
CO. PT101 2010 18 6.2 1.2 1.5 0 0 0 0 0 0 5.8 0 0
ANANEA
CO. PT101 2010 19 0 0 2.4 0 0 0 0 0 0 0 0 2.4
ANANEA
CO. PT101 2010 20 12.5 10 0 0 2.3 0 0 0 0 0 0 2.6
ANANEA PT101 2010 21 2.4 0 0 0 7.6 0 0 0 0 2.3 0 1.1

100
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V A R IA B
CO.
EST A C IÓN
LE Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2010 22 14.3 0 0 0 0 0 0 0 0 0 0 2.9
ANANEA
CO. PT101 2010 23 3.9 0 0 0 0 0 0 0 0 0 3.2 0.4
ANANEA
CO. PT101 2010 24 3.6 0 0 0 0 0 0 0 1.2 0 0.2 0
ANANEA
CO. PT101 2010 25 5.5 0 0 0 1.8 0 0 0 0.2 0 0 1.5
ANANEA
CO. PT101 2010 26 2.6 8.8 1 0 0.9 0 0 0 0 1.5 0 6.2
ANANEA
CO. PT101 2010 27 3.2 5.3 0.8 0 0 0 0 0 0 0 3.2 1.4
ANANEA
CO. PT101 2010 28 12.5 11.2 33.4 0 0 0 0 0 0 0 0 6.4
ANANEA
CO. PT101 2010 29 7.9 0 0 0 0 0 -888 0 0 5.9 10.5
ANANEA
CO. PT101 2010 30 0.9 6.6 4 1.8 0 0 0 -888 0 3.1 2
ANANEA
CO. PT101 2010 31 1.6 0 0 0 0 0 11.4
ANANEA
CO. PT101 2011 1 7.5 0 11.9 4 0 0 0.8 0 0 0 2 0
ANANEA
CO. PT101 2011 2 3.7 3.6 5.2 0.4 0 0 0.4 0 0 1 0 0
ANANEA
CO. PT101 2011 3 1.8 7.9 8.3 6.1 0 0 0 0 0 4.2 6 0
ANANEA
CO. PT101 2011 4 1.9 0.7 3.4 1.2 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2011 5 0 2 2 0 0 0 0 0 0 5.3 0 0
ANANEA
CO. PT101 2011 6 6.1 0 9.6 2.5 0 0 0 0 0 1.8 0 0
ANANEA
CO. PT101 2011 7 0.7 0 0.8 0 0 0 0 0 0 13.3 0 1.8
ANANEA
CO. PT101 2011 8 0 4.2 0 0 0 0 0 1.8 0 0 0 0
ANANEA
CO. PT101 2011 9 7.4 0 8.7 0 0 0 0 0 0 18.5 0 10.3
ANANEA
CO. PT101 2011 10 3.1 -999 31.8 0 0 0 0 0 0 0.2 1.3 7.2
ANANEA
CO. PT101 2011 11 0 11.2 0 6 0 0 0 0 6.1 0 0 1.1
ANANEA
CO. PT101 2011 12 2.2 5.7 7 0 0 0 0 0 1.3 0 0 0
ANANEA
CO. PT101 2011 13 11.3 0.5 2.6 0.5 0 0 0 0 0 0 0 4.5
ANANEA
CO. PT101 2011 14 5.8 2.9 0 0.5 0 0 0 0 1.2 0 0 2.5
ANANEA
CO. PT101 2011 15 3.9 6 4.4 0 0 0 0 3 2.3 0 0 1.3
ANANEA
CO. PT101 2011 16 0 0.3 0 1.4 0 1 0 0 0 0 0 2
ANANEA
CO. PT101 2011 17 0 8.5 0 3 0 0 0 0 0 0 0 4.4
ANANEA
CO. PT101 2011 18 1.8 0 0 0 0 1.6 0 0 3.8 0 0 13.8
ANANEA
CO. PT101 2011 19 4 7.3 4.2 0 0 0 0 0 1.8 0 0 0
ANANEA
CO. PT101 2011 20 0 0.7 1.5 0 0 0 0 0 8.5 0 0 0
ANANEA
CO. PT101 2011 21 5.1 2.7 6.2 0 0 0 0 0 7.5 0 0 0
ANANEA
CO. PT101 2011 22 9.4 0 9.3 0.9 0 0 0 0 4.8 0 0 2.3
ANANEA
CO. PT101 2011 23 4.9 22.2 5.5 0 0 0 0.5 0 5.1 0 4.9 0.7
ANANEA
CO. PT101 2011 24 3.6 11 2.2 0 0 0 0 0 4.1 0 0.2 1.2
ANANEA
CO. PT101 2011 25 1.8 0.8 2 0.6 0 0 0 0 0 0 0 21.6
ANANEA
CO. PT101 2011 26 6.3 0.6 0 0 0 0 0 0 1.6 0 0 0
ANANEA
CO. PT101 2011 27 5.8 6.4 0.6 1.4 0 0 0 0 4.8 0 0 0
ANANEA PT101 2011 28 0 2.5 1.9 0 0 0 0 0 3.8 0 0 0

101
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V A R IA B
CO.
EST A C IÓN
LE Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2011 29 0 2.8 0 0 0 0 0 4.2 0 0 5.9
ANANEA
CO. PT101 2011 30 0 5.8 0 0 7.5 0 0 7 6.4 0 3.3
ANANEA
CO. PT101 2011 31 0 4.6 0 0 0 8.5 17.2
ANANEA
CO. PT101 2012 1 11 0 0.4 0 0 0 0 0 0 0 4.4 2.6
ANANEA
CO. PT101 2012 2 2.8 0 7.4 0 0 0 0 0 0 0 7.6 4.3
ANANEA
CO. PT101 2012 3 0 0 0 3.8 2.8 0 0 0 0 0 1.8 5.4
ANANEA
CO. PT101 2012 4 0 12.4 0 0 0 0 0 0 0 0.8 0.9 15.2
ANANEA
CO. PT101 2012 5 0 1 21.2 0 0 0 0 0 0 0.5 0 0.5
ANANEA
CO. PT101 2012 6 0 0 1.8 0 0 1.2 0 0 0 1.5 3.6 1.9
ANANEA
CO. PT101 2012 7 0.7 0 7.1 3 0 5.2 5.6 0 0 12.4 4.5 1.2
ANANEA
CO. PT101 2012 8 6.4 0 0 0 0 2.6 0 0 0 0.7 0 4.3
ANANEA
CO. PT101 2012 9 5.4 1 0 0 0 0 0 0 0 0.5 0 6.8
ANANEA
CO. PT101 2012 10 0 1.2 3 0 0 0 0 0 0 0.2 0 9.3
ANANEA
CO. PT101 2012 11 0 -888 0 0 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2012 12 0 11.1 11.6 0 0 0 0 0 0 0 0 5.8
ANANEA
CO. PT101 2012 13 5.4 9.4 1.8 0 0 0 0 0 0 0 0 12.4
ANANEA
CO. PT101 2012 14 0.4 4 0 6.1 0 0 0 0 0 0 2.9 13.1
ANANEA
CO. PT101 2012 15 0 1.5 4 0 0 0 0 0 1.2 0 1.3 1.1
ANANEA
CO. PT101 2012 16 0 3.3 4.4 15.6 0 0 0 0 -888 0 2.5 -999
ANANEA
CO. PT101 2012 17 0 2.2 0.8 3.4 0 0 0 0 0.3 0 0 0.7
ANANEA
CO. PT101 2012 18 3.9 0.2 0 0 0 0 0 0 0 0 0.2 0
ANANEA
CO. PT101 2012 19 2.3 0.6 0 0 0 0 0 0.2 -999 0 0 -999
ANANEA
CO. PT101 2012 20 0 11.8 0 1.8 0 0 0 0 0 0 10.7 12.8
ANANEA
CO. PT101 2012 21 0 0 0 0 0 0 0 0 0 0 5.2 8.9
ANANEA
CO. PT101 2012 22 0.1 6.3 0 9.2 0 0 0 0 0 0 0 0.3
ANANEA
CO. PT101 2012 23 4.1 0.3 0 0 2 0 0 0 0.2 0 0 0
ANANEA
CO. PT101 2012 24 3.6 3.1 5.2 22.1 0 0 0 0 0 0 0 4.1
ANANEA
CO. PT101 2012 25 0 9 0 15.2 0 0 0 0 0.3 0 5.5 2.3
ANANEA
CO. PT101 2012 26 1.8 12.8 0 1.3 0 0 0 0 -888 0 0 6.8
ANANEA
CO. PT101 2012 27 10.2 0 15 0 0 0 -888 0 11 3.4 4.4 3.5
ANANEA
CO. PT101 2012 28 13.6 15.4 0.8 0 0 0 1.2 0 2.7 0 3.6 4.1
ANANEA
CO. PT101 2012 29 4.6 0.2 0 0 0 0 0 0 2.5 0 1.4 14.4
ANANEA
CO. PT101 2012 30 0 0 4.6 0 0 0 0 0.5 2 9.1 0.6
ANANEA
CO. PT101 2012 31 0 -999 0 0 0 0.2 8.6
ANANEA
CO. PT101 2013 1 4 15.4 1.9 0 3.6 0 0.8 0 0 0.3 0 0
ANANEA
CO. PT101 2013 2 3.4 0.3 0 0 0 0 2.1 0 0 0 9.7 0
ANANEA
CO. PT101 2013 3 4.9 1.6 0 0 0 0 4.2 0 0 0 2.2 3.2
ANANEA
CO. PT101 2013 4 7.2 0.8 0 0 0 0 0 0 0 0 4.8 0
ANANEA
CO. PT101 2013 5 6.9 0.2 8 0 0 0 0 0 0 2.5 14.8 4.4
ANANEA PT101 2013 6 10.3 0 2.3 5.2 0 0.3 0 0 0 0.5 7.2 0

102
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V ARIA
ESTACIÓN
CO. BLE
Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2013 7 1.1 7.9 4.7 1.5 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2013 8 2.2 -888 0 0 0 0 0 1.6 0 0.4 0 4.5
ANANEA
CO. PT101 2013 9 2.2 1.4 0 0 0 1 0 0 0 1.2 0 0.4
ANANEA
CO. PT101 2013 10 4.1 0 0 0.8 0 0 0 0 0 0.6 0 2.9
ANANEA
CO. PT101 2013 11 12.2 7.9 0 0.3 0 0 0 0 0 0 0.8 7.2
ANANEA
CO. PT101 2013 12 6.4 0.8 0 0 0 0.3 0 0 0 0 0 4.8
ANANEA
CO. PT101 2013 13 6.4 5.1 6.3 0 0 0 0 0 0 0 0 2.5
ANANEA
CO. PT101 2013 14 1.6 3.5 2.7 0 0 0 0 0 0 13.2 0 1.2
ANANEA
CO. PT101 2013 15 2.4 0.8 2.5 1.6 -888 0 0 0 0 10.1 0 1.8
ANANEA
CO. PT101 2013 16 14.2 0.6 9.1 0 1.1 0 0 0 0 0 0.8 0
ANANEA
CO. PT101 2013 17 9.4 0.6 2.9 1.2 0 0 0 0 0 0.4 1.4 0
ANANEA
CO. PT101 2013 18 2 0 8.3 0 0 0 0 0 4 0 0 1.2
ANANEA
CO. PT101 2013 19 0.5 1.4 0 0 0 1.3 0 0 0 3 4.5 0
ANANEA
CO. PT101 2013 20 12.8 9 0 0.8 0 0 0 0 0 0 0 11.9
ANANEA
CO. PT101 2013 21 -888 0.7 4.5 0.6 0 0 0 0 0.4 0 11.9 8.9
ANANEA
CO. PT101 2013 22 2.3 1.9 2.2 0 0 0 0 0 0 11.7 4.4 2
ANANEA
CO. PT101 2013 23 3 0.6 0 0 0 0 0 0.9 3.4 0.9 0 7.8
ANANEA
CO. PT101 2013 24 8.4 3.6 0 0 0 0 0 9.6 0 0.2 5.2 7.2
ANANEA
CO. PT101 2013 25 5.7 0 0 0 0 0.9 0 3.3 0 4.5 2.4 2
ANANEA
CO. PT101 2013 26 15.7 7.8 5.6 0 0 0 0 0 0 0 0.9 0
ANANEA
CO. PT101 2013 27 0 6.4 0 0 0 0 0 0 0 9.2 0.3 2
ANANEA
CO. PT101 2013 28 0 11.8 1.2 0 0 0 0 0 0 14.1 0.6 0
ANANEA
CO. PT101 2013 29 6.6 0.6 0 0 0 0 0 1.8 0 0 0
ANANEA
CO. PT101 2013 30 4.8 6.8 0 0 0 0 1.1 1.6 3.2 0 1.5
ANANEA
CO. PT101 2013 31 17.4 0 0 0 0 10.1 2.7
ANANEA
CO. PT101 2014 1 2.6 5.4 0.9 0 0 0 0 0 0.3 0 0 -999
ANANEA
CO. PT101 2014 2 2.9 4 0 0 0 0 0 0 0 0 13.7
ANANEA
CO. PT101 2014 3 8.8 0 0.5 0 -888 0 0 0 1.6 0 1.8
ANANEA
CO. PT101 2014 4 0.4 5.1 2.5 4.7 0 0 0 0 3 7.6 0
ANANEA
CO. PT101 2014 5 1.2 0.4 0 0 0 0 0 0 6 0 0
ANANEA
CO. PT101 2014 6 4.7 18.9 1.2 0 0 0 0 0 0.3 0.4 0
ANANEA
CO. PT101 2014 7 5.6 17.1 0 0 0 0 0 0 0 11.6 0
ANANEA
CO. PT101 2014 8 12.8 2.4 0 0 0 0 0 0 0 1.5 0
ANANEA
CO. PT101 2014 9 15 2.7 0 0 0 0 0 0 5.9 0.6 2.2
ANANEA
CO. PT101 2014 10 11.2 0.5 0 3.8 0 0 0 4.2 0 0 0
ANANEA
CO. PT101 2014 11 0.3 10.2 5.9 1 0.2 0 0 0.5 3 5.4 6.1
ANANEA
CO. PT101 2014 12 0.4 4.4 1.1 1.8 0 0 0 3.4 0.2 0 1.7
ANANEA PT101 2014 13 0.5 12.8 1.2 1.4 0.5 2.4 0 0 4.9 0 0.2

103
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
ESTACIÓN V ARIA
CO. Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
BLE
ANANEA
CO. PT101 2014 14 0 5.7 4.9 0.5 1.6 0 0 0 1.9 0 1
ANANEA
CO. PT101 2014 15 0 3.4 0 0.4 1 0 0 0 0 0 0
ANANEA
CO. PT101 2014 16 4.3 3.8 2.2 1.8 0 0 0 0 0.8 0 0
ANANEA
CO. PT101 2014 17 1.5 0.6 2.4 3.5 0 0 0 0 0 0 0
ANANEA
CO. PT101 2014 18 9.4 1.4 12.3 0.2 0 0 0.7 0 9.4 0 1
ANANEA
CO. PT101 2014 19 14.1 1.7 24.9 0.4 0.8 0 5.1 0 1 1.7 2.8
ANANEA
CO. PT101 2014 20 0.4 5.1 3.3 3.9 9.6 0 15.3 0 2.8 2.5 0
ANANEA
CO. PT101 2014 21 4.5 2 2 0.9 2.1 0 0 0 10.1 3.9 0
ANANEA
CO. PT101 2014 22 4.3 12.9 2.2 0 0.5 0 0 0 0.3 0 0
ANANEA
CO. PT101 2014 23 8.4 1.9 17.3 1.4 0 0 0 0 0 0 7.2
ANANEA
CO. PT101 2014 24 0 0.1 0 9.5 0 0 0 0 1 0 1.8
ANANEA
CO. PT101 2014 25 0 0 12.5 2.2 0 0 0.6 0 0 0 7
ANANEA
CO. PT101 2014 26 5.4 0.5 0 0 0 0 0 0 0 0 0.6
ANANEA
CO. PT101 2014 27 12.3 0.5 7 0 0 0 0 0 0 4.8 3.5
ANANEA
CO. PT101 2014 28 4.8 0.9 9.2 0 0 0 0 0 0.3 2.5 4.6
ANANEA
CO. PT101 2014 29 5.6 0 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2014 30 0.6 0 0 0 0 1.8 0 0 0.3 5.4
ANANEA
CO. PT101 2014 31 3.7 1.1 0 0 0 0
ANANEA
CO. PT101 2015 1 1.2 0 0 4 2.4 2.6 0 0 0 0 7.5 0
ANANEA
CO. PT101 2015 2 1.1 0 6 3 0 0 0 0 0 3 2.8 5.5
ANANEA
CO. PT101 2015 3 12.8 0 0 4 0 0 14.9 0 0 2.6 0 2.8
ANANEA
CO. PT101 2015 4 0.8 2.4 17.8 0 0 4.1 16.8 0 1.8 0 0 0.5
ANANEA
CO. PT101 2015 5 0 0.4 0 5.4 0 0 0 0 1.4 0 1.3 0
ANANEA
CO. PT101 2015 6 1.3 2.8 2.2 9.8 0 0 0 0 0 6.1 3.1 0.8
ANANEA
CO. PT101 2015 7 5.8 6.4 4.3 1 0 0 0 0 0 0 0 0.2
ANANEA
CO. PT101 2015 8 2.2 0.9 3.4 0 0 0 0 0 0 0 0.7 1.8
ANANEA
CO. PT101 2015 9 12.1 1.8 14.1 12.1 0.8 0 0 0 0 0 0 4.5
ANANEA
CO. PT101 2015 10 7.3 6.1 1.6 1.7 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2015 11 9.4 3.6 6.9 0 14.9 0 0 -888 0 0 10.6 5.2
ANANEA
CO. PT101 2015 12 8.5 0 6.8 1.7 0 0 0 15.9 0 0 0 0
ANANEA
CO. PT101 2015 13 14.4 10 1.2 8.6 5.9 0 0 14.3 0 0 0 0
ANANEA
CO. PT101 2015 14 0 9.7 0 0 0 0 0 0.3 0 0 3.2 0.8
ANANEA
CO. PT101 2015 15 4.8 1.6 0 7.9 0.6 0.5 1.3 0 0 0 9.4 0
ANANEA
CO. PT101 2015 16 0.8 13.4 2.7 7.1 8.1 0 0 0.2 0 0 6.6 0.2
ANANEA
CO. PT101 2015 17 8.6 3.8 8.4 0.3 0.2 0 0 0 0 0 0 0.4
ANANEA
CO. PT101 2015 18 5.4 0 6.5 0 0.8 0 0 0.8 0 0 0 0
ANANEA
CO. PT101 2015 19 15 0 3.7 0 2.8 0 0 0 5.9 0.8 0 4.6
ANANEA PT101 2015 20 4.7 0 0.4 0 0 0 0 0 5 1.6 0 0

104
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
ESTACIÓN V ARIA
CO. Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
BLE
ANANEA
CO. PT101 2015 21 3.5 0 0.3 0 0 0 0 0 0 0 0 6.1
ANANEA
CO. PT101 2015 22 2.2 0.5 0 0.9 0 0 0 0 0 0 0 7.8
ANANEA
CO. PT101 2015 23 0.8 5.5 0 0.2 0 0 0 0 0.6 0 0 3.9
ANANEA
CO. PT101 2015 24 3.2 0.3 0 0 0 0 0 0 0.5 0.5 0 0.9
ANANEA
CO. PT101 2015 25 4.9 1.6 0.9 0 0 0 0 0.4 7.2 0 0 3.7
ANANEA
CO. PT101 2015 26 12.8 4.2 6.1 4.1 0 0 0 0 1.9 10.7 1.7 5.5
ANANEA
CO. PT101 2015 27 0.9 8.4 10 1.8 0 0 0 0 0 0 0.2 17.8
ANANEA
CO. PT101 2015 28 0 4.4 0 10.8 0 0 0 0 0 5 4.4 0.7
ANANEA
CO. PT101 2015 29 9.8 0.3 2.3 0 0 0 0 0 0.4 9.6 0.2
ANANEA
CO. PT101 2015 30 5.4 3.5 1.3 4.3 0 0 0 0 6.2 1.3 1.2
ANANEA
CO. PT101 2015 31 1.3 4.5 3.9 0.6 0 2 0
ANANEA
CO. PT101 2016 1 0 -888 0 0 0 0 0 0 0 0 3.8 5
ANANEA
CO. PT101 2016 2 6.4 22.1 1.2 0.4 0.6 0 0 0 3 4 0 0
ANANEA
CO. PT101 2016 3 9.3 13 0 0 0 0 0 0 0 0 1 6.4
ANANEA
CO. PT101 2016 4 2.4 0.6 0.5 0 0 0 0 0 -888 3.9 0 3
ANANEA
CO. PT101 2016 5 0 3.1 4.9 5.9 0 0 0 0 0 0.7 1.8 1
ANANEA
CO. PT101 2016 6 8.6 1.8 0 2.8 0 0 7.5 0 0 0 0 6.3
ANANEA
CO. PT101 2016 7 10.1 1 0 0 0 0 5.6 0 0 0 0 8.8
ANANEA
CO. PT101 2016 8 0.8 0 0 0 0.3 0 0 0 0 0 2.2 1.6
ANANEA
CO. PT101 2016 9 9.7 6.8 0.7 1.5 0 0 0 0 0 0 6.4 5.9
ANANEA
CO. PT101 2016 10 7.8 0.8 3.6 2.5 0 0 0 0.7 0 14.2 3.1 1.2
ANANEA
CO. PT101 2016 11 4.2 1.2 0 13.2 0 0 0 0 0 6.7 0 0
ANANEA
CO. PT101 2016 12 1.1 0 3.2 3.9 0 0 0 0 0 0 0 3.4
ANANEA
CO. PT101 2016 13 9.2 0 0 0 0 0 0 0 0 0 0 0.5
ANANEA
CO. PT101 2016 14 0 0 0 2.6 0.9 0 0 0 0 0.6 0 3.8
ANANEA
CO. PT101 2016 15 2.2 0 0 0.6 1.5 0 0 0 0 2 0 0.2
ANANEA
CO. PT101 2016 16 6.2 3.5 0 0 0 0 0 0 0 2.5 0 0
ANANEA
CO. PT101 2016 17 6.2 0 0 9.9 0 0 0 0 0 10.3 -888 0
ANANEA
CO. PT101 2016 18 9.3 3.7 0 0 0 0 0 0 0 0.5 2.2 0.8
ANANEA
CO. PT101 2016 19 8.5 1.3 4.1 1.5 0 0 0 0 4.2 3.8 1.8 8.5
ANANEA
CO. PT101 2016 20 0.3 3.6 1.2 6.5 0 0 0 0 4.7 1.3 0 0.3
ANANEA
CO. PT101 2016 21 0 6.1 2.2 0 0 0 0 0 0.5 9.1 0 0.3
ANANEA
CO. PT101 2016 22 0 1.7 2.6 5.6 0 0 0 0 1 0 0 0
ANANEA
CO. PT101 2016 23 0 -888 1.9 0 0 0 0 3.3 0 0.6 2.4 1.6
ANANEA
CO. PT101 2016 24 0 3.4 0 0 0.3 0 0 0.4 9.1 0 0.5 2.9
ANANEA
CO. PT101 2016 25 0.3 17.5 0 0 1.6 0 0 0.2 1.1 0 3.8 0
ANANEA
CO. PT101 2016 26 0 3.1 0 0 0 0 0 9.2 0 2 0.7 1.8
ANANEA PT101 2016 27 0 0.8 0 0 0 0 0 0 0 3 5.1 19

105
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V ARIA
ESTACIÓN
CO. BLE
Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2016 28 0.9 9.5 1.9 0 0 0 0 0 0 0 4.1 0
ANANEA
CO. PT101 2016 29 11.1 1.6 0.6 0 0 0 0 0 1.6 1.4 6.4 0
ANANEA
CO. PT101 2016 30 11.9 0 0 0 0 0 0 8.9 3 3.4 0.7
ANANEA
CO. PT101 2016 31 4.6 8.2 0 0 0 4.5 0.9
ANANEA
CO. PT101 2017 1 0.5 4.9 2.8 25 7.4 0 1.4 0 0 0 0 0.2
ANANEA
CO. PT101 2017 2 5.8 1 14.3 1.8 0.5 0.5 2.3 0 0 0 0 2.4
ANANEA
CO. PT101 2017 3 6.3 3.4 1 0.8 0 1.5 0 0 0 0 0 0
ANANEA
CO. PT101 2017 4 3.3 6.5 0 5.9 0 0 0 0 0 0 0.5 11
ANANEA
CO. PT101 2017 5 0 0 0 13 0 0 0 0 0 0 0 12.4
ANANEA
CO. PT101 2017 6 16.4 6.4 4.6 5 4.5 0 0 0 0 0 3.8 0.3
ANANEA
CO. PT101 2017 7 5.7 1.2 2.2 8.2 0 0 0 0 0 1.5 6.5 1.6
ANANEA
CO. PT101 2017 8 0.7 3.2 0 0.7 0.5 0 0 0 1.5 2.4 0.2 8.8
ANANEA
CO. PT101 2017 9 0 0 0 0 0 0 0 0 0.3 0 8.7 8.3
ANANEA
CO. PT101 2017 10 0 0.7 1.8 4.7 0 0 0 0.4 0 0 0 0
ANANEA
CO. PT101 2017 11 2.9 4.2 0 4.2 2 0 0 0 0.5 0 0 0
ANANEA
CO. PT101 2017 12 4 7 0 0 0 0 0 0 0.4 38.5 0 0
ANANEA
CO. PT101 2017 13 17.9 0 0 3.2 0 0 0 0 0.5 0.4 0 0
ANANEA
CO. PT101 2017 14 6.8 0 0 1.2 0 0 0 0 0 4.2 0 1
ANANEA
CO. PT101 2017 15 4.4 0.7 3.1 0.8 0 0 0 0 0 0.2 2.9 0
ANANEA
CO. PT101 2017 16 9.8 9 21 0 1 0 0 0.6 7.5 0.4 0 0.5
ANANEA
CO. PT101 2017 17 -888 0 5.5 2.9 0 0 0 8.4 6.2 0 14.4 0
ANANEA
CO. PT101 2017 18 0 0 9.4 3.6 0 0 0 0.4 0.5 2.1 0.5 5.1
ANANEA
CO. PT101 2017 19 -888 7.1 0.3 0 0 0 0 0 1.2 0.3 0 0
ANANEA
CO. PT101 2017 20 0 16 1.5 0 0 0 0 0 0 0 0 9.5
ANANEA
CO. PT101 2017 21 0 7 0.3 0 2.7 0 0 0 0 0 0 1.5
ANANEA
CO. PT101 2017 22 4.6 0.2 7.7 0 3.4 0 0 0 4.4 0.6 0 18
ANANEA
CO. PT101 2017 23 0.5 0 0 0 1.9 0 0 0 3 0.3 0 1
ANANEA
CO. PT101 2017 24 2.5 0 0.9 0.5 0 0 0 0 1.4 0 0 0
ANANEA
CO. PT101 2017 25 1 0 6.2 0 0 0 0 0 9.4 0.2 0 0.3
ANANEA
CO. PT101 2017 26 16.2 0 5 1 0 0 0 0 14.8 0 1 12.2
ANANEA
CO. PT101 2017 27 0.7 4.9 1 3.2 0 0 0 0 10.9 1.1 0.6 14.2
ANANEA
CO. PT101 2017 28 1.2 -999 9.5 0.8 0 0 0 0 0 2 7.3 2.3
ANANEA
CO. PT101 2017 29 2.2 12.8 0 0 0 0 0 0 0 1.3 0.7
ANANEA
CO. PT101 2017 30 0 1.7 0.5 0.6 0 0 0 0 0 9 2.3
ANANEA
CO. PT101 2017 31 5.8 1.8 0 0 0 0 0
ANANEA
CO. PT101 2018 1 0.7 26.5 1.2 0 0 0 0 0 0 0 0.2 1
ANANEA
CO. PT101 2018 2 5.2 3.2 1.8 0 3.2 32.5 0 0 0 0 4.8 0
ANANEA PT101 2018 3 4 11 0 0 1.4 5.2 0 2 0 0 3.1 0

106
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V ARIA
ESTACIÓN
CO. BLE
Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2018 4 2 1.5 0 0 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2018 5 2 0 0 0.8 0 0 0 0 0 0 9.8 0
ANANEA
CO. PT101 2018 6 6.4 8 4 0 0 0.2 0 10.1 0 2.8 4.3 0
ANANEA
CO. PT101 2018 7 11.7 7 10.7 0 0.6 0 0 1.4 0 8.4 0.6 0
ANANEA
CO. PT101 2018 8 1.8 11.6 6 0.9 0 1.2 0 0.9 2 0 0 0
ANANEA
CO. PT101 2018 9 0 4.4 0.8 0 0.2 0.5 0 0 0 0 0 0
ANANEA
CO. PT101 2018 10 2 0.7 1 0 0 1.5 0.2 3.2 0 1.2 0 0
ANANEA
CO. PT101 2018 11 10 5 0.3 0 0 0 0 0.5 0 3.4 0 0
ANANEA
CO. PT101 2018 12 9.9 12.5 5.8 4.3 0 0 0 3.1 0 1.2 0 0
ANANEA
CO. PT101 2018 13 2 8.3 18.7 3.8 0 0 0 0 0 0 0 0.7
ANANEA
CO. PT101 2018 14 10 0.8 8.4 0 0 0 0.3 0 0 0 0 0
ANANEA
CO. PT101 2018 15 0 0 10.9 0 0 0 0 0 6.7 0 4.4 0
ANANEA
CO. PT101 2018 16 4.5 8.2 8.1 0 0 0 0 0 7.2 5.5 0.8 1.7
ANANEA
CO. PT101 2018 17 4.5 11.7 1.8 0 0 0 0 0 0 4.5 0 2.2
ANANEA
CO. PT101 2018 18 0 0.8 2.4 0 0 0 0 0 0 0 0 8.6
ANANEA
CO. PT101 2018 19 4.7 1.8 0 0 0 0 0.3 0 0 11.5 9.5 9.6
ANANEA
CO. PT101 2018 20 0 24.5 5 0 0 0 2.6 2.4 0 1.8 5.8 0
ANANEA
CO. PT101 2018 21 4.3 12.5 0 1 0 0 6.6 2 0 2.8 9.1 5.1
ANANEA
CO. PT101 2018 22 0 9 4 0 0 0 0 0 0 1.7 1.1 0.2
ANANEA
CO. PT101 2018 23 0 2.5 3.3 0 0 0 0 0 0 10.9 0 0.6
ANANEA
CO. PT101 2018 24 0 0.5 4 0 0 0 0 0 0 7.9 0 0
ANANEA
CO. PT101 2018 25 6 3.7 0 3.7 0 0 0 0 6.4 7.6 0 6.2
ANANEA
CO. PT101 2018 26 2.5 -888 2.4 0 0 0 0 4.5 0 0 5.5 0
ANANEA
CO. PT101 2018 27 0 2 0.5 1.9 0 1.8 0 0 0 3.2 9.7 3.2
ANANEA
CO. PT101 2018 28 2.1 0.2 3.9 0 0 0 0 0 7.3 0 4.4 1.2
ANANEA
CO. PT101 2018 29 0 4.4 4 0 0 0 0 0 6.3 3.2 16.8
ANANEA
CO. PT101 2018 30 0.5 14.9 2.9 0 0 0 0 0 0 0 1.4
ANANEA
CO. PT101 2018 31 8 0 0 0 0 8.2 0
ANANEA
CO. PT101 2019 1 0 4 5.5 0 2.3 0 0 0 0 0 0 0
ANANEA
CO. PT101 2019 2 1.9 10.6 2 10.6 0 0 0 0 0 0 0 6.4
ANANEA
CO. PT101 2019 3 11.3 0 0 7.5 0 0 0 0 0 17.7 0.2 8.2
ANANEA
CO. PT101 2019 4 18.6 0 2.8 0 8.5 0 0 0 0 2.8 0 5
ANANEA
CO. PT101 2019 5 6.5 3.5 2.3 0 1.4 0 0 0 0 0 0 12.2
ANANEA
CO. PT101 2019 6 0 2.2 0 0 0 0 0 0 0 12.2 0 31.9
ANANEA
CO. PT101 2019 7 0 0 0.7 0 1.6 0 0 0 0.6 0 6.8 0
ANANEA
CO. PT101 2019 8 0 0.8 0 2.9 0 0 0 0 0 0 10.5 0
ANANEA
CO. PT101 2019 9 0 3 1.9 0 2.3 0 0 0 0 0 26.3 6.3
ANANEA PT101 2019 10 17 3.2 5.5 0 1 0 0 0 0 0 0.9 0.5

107
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
V ARIA
ESTACIÓN
CO. BLE
Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
ANANEA
CO. PT101 2019 11 7 6.7 5.6 0 0.6 0 0 0 0 0 2 1
ANANEA
CO. PT101 2019 12 1.2 3.1 0 0 1 0 0 0 0 0 0.7 3.8
ANANEA
CO. PT101 2019 13 5.6 0 0.8 0 9.4 0 0 0 0 0.5 0.4 0
ANANEA
CO. PT101 2019 14 0.5 16.5 18.5 0 0 0.5 0 0 0 0 0 5.8
ANANEA
CO. PT101 2019 15 0.7 0.5 0.4 6 0 0 0 0 0 0 1.9 0
ANANEA
CO. PT101 2019 16 4.9 21 1.5 0.6 0 0 0 0 0 3.2 3.5 3.5
ANANEA
CO. PT101 2019 17 1.8 1.5 10.2 2.5 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2019 18 0.4 0.3 15.1 0 0 0 1.6 0 0 0 0 5.9
ANANEA
CO. PT101 2019 19 5.9 11 6.2 2.1 0 0 0 0 0 9.9 0 0.8
ANANEA
CO. PT101 2019 20 3 0.8 0.4 0 0 0 0.8 0 0 3.5 0 6.9
ANANEA
CO. PT101 2019 21 1.5 11 6.5 0 0 0 0 0 0 0 2.2 2.6
ANANEA
CO. PT101 2019 22 3.7 4.4 6 0 0 0 0 0 0 0 2.7 6.8
ANANEA
CO. PT101 2019 23 0 6.5 0 0 0 0 0 0 0 0.8 0 0.9
ANANEA
CO. PT101 2019 24 0.3 1.5 0.2 0 0 0 0 2.5 0 0 0 1
ANANEA
CO. PT101 2019 25 0 2.2 5.7 0 0 0 0 0.8 0 0 0 0
ANANEA
CO. PT101 2019 26 6.2 7 0 4.8 1.3 0 0 1.2 0 0 2 6.3
ANANEA
CO. PT101 2019 27 5 5 6.2 0 0 0 0 2.5 0 0 3 9.3
ANANEA
CO. PT101 2019 28 6.9 7.2 0 0 0 1.5 0 0 0 0 0 1
ANANEA
CO. PT101 2019 29 12.8 0 1.8 0 0 0 0 0 0 2.4 9.5
ANANEA
CO. PT101 2019 30 20 3.5 -999 0 0 0 0 0 0 0 3.5
ANANEA
CO. PT101 2019 31 25.2 0 0 0 0 0 11.2
ANANEA
CO. PT101 2020 1 13.8 8.4 7.7 3 0 0 0 0 0 0 0.5 4.5
ANANEA
CO. PT101 2020 2 3.7 2 2.4 0 1.9 0 0 0 0 0 1.5 1.4
ANANEA
CO. PT101 2020 3 7.6 3.4 15.1 0.3 5.4 0 0 0 0 0.7 0 1.5
ANANEA
CO. PT101 2020 4 14.6 9.5 3.5 5.3 0.4 1 0 0 0 2.8 0 0
ANANEA
CO. PT101 2020 5 23.8 23 1.4 4.1 5 0.5 0 0 0 0 0 13.5
ANANEA
CO. PT101 2020 6 0 6.3 7.6 0 3 0.2 0 0 0 0 0 0.3
ANANEA
CO. PT101 2020 7 0 5.5 7.5 4 0.7 0 0 0 3.9 0 0 7
ANANEA
CO. PT101 2020 8 0 0.8 0 0 1 8 0 0 0 0 0 2
ANANEA
CO. PT101 2020 9 0 10.4 10.9 0 0 0 0 0 0 0 9 4
ANANEA
CO. PT101 2020 10 3.5 1.2 5.9 3 0 0 0 0 0 0 0 0
ANANEA
CO. PT101 2020 11 3.6 8.8 0.9 0 0 0 0 2.8 0 0 0 0
ANANEA
CO. PT101 2020 12 1.8 2.6 0 0 0 0 0 2.4 0 0 0 0
ANANEA
CO. PT101 2020 13 0 18.2 5.8 0 0 0 0 0 0 0 0 1
ANANEA
CO. PT101 2020 14 0 2.3 9.5 0 0 0 0 0 0 0 0 2.4
ANANEA
CO. PT101 2020 15 1.6 0 6.3 3.3 0 0 0 0 0.6 0 0 0.4
ANANEA
CO. PT101 2020 16 0 0 0 2.6 0 0 0 0 3.8 11.5 3.6 5.8
ANANEA PT101 2020 17 0 10 0.5 1.5 1 0 0 0 0 0.3 0 1

108
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
ESTACIÓN V ARIA
CO. Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
BLE
ANANEA
CO. PT101 2020 18 0 0 0 8.1 0 0 0 0 6.6 6.8 0 0
ANANEA
CO. PT101 2020 19 3.2 0 0 0 0 0 0 0 0.5 4.1 0 5.5
ANANEA
CO. PT101 2020 20 2.7 10 26.7 0 0 0 0 0 0 0 0 2
ANANEA
CO. PT101 2020 21 0 8.6 1.5 0 2.4 0 0 0 0 1 0 8.2
ANANEA
CO. PT101 2020 22 3.8 0 0 1.4 0 0 0 0 0 0 0 1.5
ANANEA
CO. PT101 2020 23 4.2 10.8 11.6 0 0 0 0 0 0 1.6 0 2.9
ANANEA
CO. PT101 2020 24 0 2.8 3.4 0 0 0 0 0 0 1.9 0 2.6
ANANEA
CO. PT101 2020 25 0 0 7 1.8 0 0 0 0 0 0 0 11.7
ANANEA
CO. PT101 2020 26 0 0 0 9.1 0 0 0 0 3 0 0 3.9
ANANEA
CO. PT101 2020 27 0.2 10.8 4.2 1.2 0 0 0 0 0 0 0 2.5
ANANEA
CO. PT101 2020 28 0 9.6 0.4 3 0 0 0 1.5 0 0 0 7.6
ANANEA
CO. PT101 2020 29 0 2.4 2.8 0.5 0 0 0 0 0 0 0 8.9
ANANEA
CO. PT101 2020 30 0 1.9 0.3 0 0 0 0 0 0 0 16.2
ANANEA
CO. PT101 2020 31 5.2 0.5 0 0 0 0 6.8
ANANEA
CO. PT101 2021 1 0 1.6 1.3 0 0 0 0 0 0 0 2.4
ANANEA
CO. PT101 2021 2 9.3 8.3 0.6 3.1 0 0 0 0.5 5 5.8 2.8
ANANEA
CO. PT101 2021 3 10 5 0.8 2.4 0 0 0 3 1.1 1 1.2
ANANEA
CO. PT101 2021 4 2.8 5.8 0 0 0 0 0 2.8 4.2 0.5 0
ANANEA
CO. PT101 2021 5 0.5 17.5 7 3.2 0 0 0 0 0.8 0 11.2
ANANEA
CO. PT101 2021 6 2.5 0.5 4 1.4 0 0 0 0 1 0 1.5
ANANEA
CO. PT101 2021 7 2.4 2.5 3.2 6 0 0 0 0 0 2.2 7
ANANEA
CO. PT101 2021 8 13.6 0 6.2 2 0 0 0 0 1 0 6
ANANEA
CO. PT101 2021 9 0.5 0 0 9.1 0 0 0 0.5 0 0 0
ANANEA
CO. PT101 2021 10 0 8.3 0 3.7 0 0 0 0 1.5 0 0.5
ANANEA
CO. PT101 2021 11 8 3 0 0 0 0 0 0 0 25.5 0
ANANEA
CO. PT101 2021 12 1 0 1 7.6 0 0 0 0 0 3.7 0
ANANEA
CO. PT101 2021 13 7 6.8 4.5 3.7 2 0 0 0 0 3.4 1.7
ANANEA
CO. PT101 2021 14 2.4 2.6 0 10.1 7.8 0 0 0 0 1.8 11.8
ANANEA
CO. PT101 2021 15 20 8.2 3.8 3.4 0 0 0 0 0 2 2.2
ANANEA
CO. PT101 2021 16 8.2 13 8.3 1.5 0 0 0 0 0 0 7.6
ANANEA
CO. PT101 2021 17 10.5 8 6 0 0 0 0 0 0 2.8 8.9
ANANEA
CO. PT101 2021 18 3.5 19.5 6.3 0 0 0 0 0 0 0 3.3
ANANEA
CO. PT101 2021 19 17.5 11 8.3 0 0 0 0 0 4 0 10.5
ANANEA
CO. PT101 2021 20 5 0 4.5 2.7 0 0 1.5 0 0 0 8.5
ANANEA
CO. PT101 2021 21 0 1 0 1.8 0 0 0 0 2.6 0 18.8
ANANEA
CO. PT101 2021 22 0 2.5 5.7 0.3 0 0 0 6.8 0.5 1 2.4
ANANEA
CO. PT101 2021 23 7.1 0.3 0 0 0 0 0 4.8 0 0 2.4
ANANEA PT101 2021 24 0 0 0.8 1.4 2.9 0 0 0 3 0 0

109
 Estacion Ananea
Departamento: Puno Provincia: San Antonio de Putina Distrito: Ananea
Latitud 14°40'34.6'' Longitud 69°32'1.88'' Altitud: 4660 msnm.
Tipo: CO-Meteorológica Código: 114050
ESTACIÓN V ARIA
CO. Año Dia ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC
BLE
ANANEA
CO. PT101 2021 25 0 0 7.5 0 0 0 0 1.8 0 6.5 3
ANANEA
CO. PT101 2021 26 0 1.5 0 0 0 0 0 1 0 17 8
ANANEA
CO. PT101 2021 27 0 0 0 3.8 0 0 0 0 0 0.3 2.4
ANANEA
CO. PT101 2021 28 4 0 0 0 0 2.2 0 0 0 11.4 0
ANANEA
CO. PT101 2021 29 0 9 0 0 0 0 2.2 0 2.8 3
ANANEA
CO. PT101 2021 30 0 3.3 0 0 0 0 0 1.8 13.2 0
ANANEA PT101 2021 31 0.3 0.3 0 0 2.5 0

110
 ANEXOS-3

Procedimiento metodológico mediante el editor de codigo de GEE para landsat 08

1 ////////////////////////////////////////////////////////////////////////////////////////////////////////////
2 ////// COBERTURA DE NIEVE DEL NEVADO ANANEA//////////////////////////////////
3 var geometry =
4 /* color: #d63000 */
5 /* displayProperties: [
6 {
7 "type": "rectangle"
8 }
9 ] */
10 ee.Geometry.Polygon(
11 [[[-69.56403265399828, -14.547037664670052],
12 [-69.56403265399828, -14.678595647176678],
13 [-69.31958685321703, -14.678595647176678],
14 [-69.31958685321703, -14.547037664670052]]], null, false);
15 var coll = ee.ImageCollection("LANDSAT/LT05/C01/T1_TOA")
16 .filterBounds(geometry)
17 .filterDate('1993-12-01', '1993-12-31')
18 ///CALCULO NDSI
19 var Nieve = coll.mosaic()
20 .normalizedDifference(['B2','B5']).rename('NDSI')
21 .gte(0.4)
22 .selfMask();
23
24
25 Map.addLayer(Nieve, {min:0, max:1, palette:['e9ffe7','229f49']},'Nieve')
26
33
34 // cálculo de Área en GEE (Proyección acimutal de Lambert)
35 var area_GEE = Nieve.multiply(ee.Image.pixelArea())
36 .reduceRegion(ee.Reducer.sum(), geometry, 30, null, null, false, 1e13)
37 .get('NDSI')
38
39 var area_GEE_Calc = ee.Number(area_GEE).multiply(0.000001)
40 print(' cálculo de Área en GEE (Proyección acimutal de Lambert)',area_GEE_Calc)
41
47
48 //exportar imagen a drive
49 Export.image.toDrive({
50 image: Nieve,
51 description: "1993_noviembre",
52 scale: 30,
53 region: geometry
54 });

111
Procedimiento metodológico mediante el editor de código de GEE para MODIS

1 ////////////////////////////////////////////////////////////////////////////////////////////////////////////
2 ////// DE LA COBERTURA DE NIEVE DEL NEVADO ANANEA//////////////////////////////////
3 var geometry =
4 /* color: #d63000 */
5 /* displayProperties: [
6 {
7 "type": "rectangle"
8 }
9 ] */
10 ee.Geometry.Polygon(
11 [[[-69.56403265399828, -14.547037664670052],
12 [-69.56403265399828, -14.678595647176678],
13 [-69.31958685321703, -14.678595647176678],
14 [-69.31958685321703, -14.547037664670052]]], null, false);
15 var coll = ee.ImageCollection("'MODIS/006/MOD09A1'")
16 .filterBounds(geometry)
17 .filterDate('2010-10-01', '2010-10-31')
18 ///CALCULO NDSI
19 var Nieve = coll.mosaic()
20 .normalizedDifference(['sur_refl_b04','sur_refl_b06']).rename('NDSI')
21 .gte(0.4)
22 .selfMask();
23
24
25 Map.addLayer(Nieve, {min:0, max:1, palette:['e9ffe7','229f49']},'Nieve')
26
33
34 // cálculo de Área en GEE (Proyección acimutal de Lambert)
35 var area_GEE = Nieve.multiply(ee.Image.pixelArea())
36 .reduceRegion(ee.Reducer.sum(), geometry,500,null, null, false, 1e13)
37 .get('NDSI')
38
39 var area_GEE_Calc = ee.Number(area_GEE).multiply(0.000001)
40 print(' cálculo de Área en GEE (Proyección acimutal de Lambert)',area_GEE_Calc)
41
47
48 //exportar imagen a drive
49 Export.image.toDrive({
50 image: Nieve,
51 description: "2010_octubre_modis",
52 scale: 500,
53 region: geometry
54 });

112