ESCUELA POLITÉCNICA NACIONAL - portalces.org y... · ... por apoyarme con todas sus fuerzas y...

ESCUELA POLITÉCNICA NACIONAL

ESCUELA DE INGENIERÍA Y CIENCIAS

RELACIÓN A ESCALA MENSUAL Y ESTACIONAL ENTRE LA INFORMACIÓN HIDROMETEOROLÓGICA LOCAL Y REGIONAL Y LA FUSIÓN DE LOS GLACIARES TROPICALES DEL ECUADOR.

CASOS DE ESTUDIO: GLACIAR 15 Y GLACIAR “CRESPOS” DE L NEVADO ANTISANA

PROYECTO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENI ERO CIVIL

DANIELA VERÓNICA FREILE BOLAÑOS CARLA PAOLA MANCIATI JARAMILLO

DIRECTOR: Ing. REMIGIO HERNÁN GALÁRRAGA SÁNCHEZ MSc . PhD.

Quito, febrero de 2007

DECLARACIÓN

Nosotros, Daniela Verónica Freile Bolaños, Carla Paola Manciati Jaramillo, declaramos bajo juramento que el trabajo aquí descrito es de nuestra autoría; que no ha sido previamente presentada para ningún grado o calificación profesional; y, que hemos consultado las referencias bibliográficas que se incluyen en este documento. A través de la presente declaración cedemos nuestros derechos de propiedad intelectual correspondientes a este trabajo, a la Escuela Politécnica Nacional, según lo establecido por la Ley de Propiedad Intelectual, por su Reglamento y por la normatividad institucional vigente.

DANIELA VERÓNICA FREILE

BOLAÑOS

CARLA PAOLA MANCIATI

JARAMILLO

CERTIFICACIÓN

Certifico que el presente trabajo fue desarrollado por Daniela Verónica Freile Bolaños y Carla Paola Manciati Jaramillo, bajo mi supervisión.

Ing. REMIGIO GALÁRRAGA, M.Sc., Ph.D.

DIRECTOR DE PROYECTO

AGRADECIMIENTOS

Agradezco profundamente a mi Dios Jehová, Padre bueno y amoroso quien me

ha dado la vida y todo lo bueno que existe en ella.

A mi madre Cecilia Bolaños, mujer luchadora, de empuje, coraje y aguante, a

quien admiro, por todas sus enseñanzas, sus sacrificios, por estar siempre

cuando he necesitado, por todo el aguante, por trasnocharse conmigo cuando

hacía deberes, por apoyarme con todas sus fuerzas y porque gracias a ella he

tenido el ejemplo necesario para cumplir mis metas. Gracias mami.

A Pedro, mi amor, mi compañero y mi amigo, con quien quiero compartir el resto

de mi vida. Gracias por tu apoyo y aguante.

A mi ñaño Andrés, por haber compartido alegrías y tristezas, juegos y risas. A mi

padre Marco Freile y a mi ñañito Marquito, a quienes quiero muchísimo. A mis

tíos: Olga y Fer y a mi prima Diana. A mi Ta. Al resto de mi familia por todo su

ánimo y confianza. A mi compañera de tesis y gran amiga Carlita, con quien he

compartido buenos momentos desde el primer día que llegué a la Facultad. A

Paty, también una gran amiga y compañera, el trío no sería igual sin ella. Al

Doctor Remigio Galárraga, por ser nuestro Director de Tesis, al Doctor Eric Cadier

y al Doctor Marco Castro, por todo su apoyo, ayuda, ánimo y los buenos consejos.

Al Inge Placencia, Inge Barahona, el Cuco, por ser buenos amigos y a todos los

profes que de una u otra forma me ayudaron en mi formación. A las secres. A la

Escuela Politécnica Nacional, por acogerme durante este proceso de aprendizaje.

Al INAMHI y al IRD. A Luis y Marcos y a todos los del equipo GREATICE. A mi

amiga Aleja, por las aventuras, el acolite y todo el cariño que me ha dado. A mis

buenos amigos y hermanos de la congre: Beto, Gaby, Andrés, Giovy, Dani, Anita,

etc. A mi Gus. A los chicos de la Facul: Carlitos, Jagüi, Jorge, Juan, Fer, Ely y a

todos los demás. Y a todas las personas que de una u otra forma me han

ayudado y apoyado durante mi vida. Muchas gracias.

Daniela

AGRADECIMIENTOS

Primero quiero agradecer a Dios, porque es la fuente de todo lo Bueno,

Verdadero y Bello que existe en este planeta.

A mis papis y a mis hermanos, por su inmenso apoyo y su ayuda constante, por

ser una mano amiga en los momentos en los que se veía oscuro el camino.

A mi esposo, por su paciencia, por ese apoyo incondicional, por compartir

conmigo este sueño, gracias Mi Amor.

A mi querida amiga Dani, por su apoyo, por su amistad, por ser una excelente

compañía para la realización de esta tesis, no lo hubiera hecho sin ti, muchísimas

gracias por todo.

A la Escuela Politécnica Nacional, al INAMHI y al IRD por su interés y apoyo en

este trabajo. Al Dr. Remigio Galárraga, Dr. Eric Cadier y Dr. Marco Castro porque

sin ustedes este trabajo no hubiera sido posible.

A todos los lindos profes de la facultad, al Ing. Patricio Placencia, Ing. Félix Vaca,

al Ing. Gustavo Barahona, Ing. Marcelo Hidalgo, Ing. Ximena Hidalgo, porque

cada uno en su rama, me enseñaron a amar mi profesión y me mostraron lo

maravilloso que es ser Ingeniero Civil.

A las secres, Sra. Ligiecita, Sra. Sonita, y Srta. Cristina por su ayuda, paciencia y

buena voluntad. A mis amigos Patty, Gus y Mayri por estar a mi lado en este

camino, por marcar una diferencia en mi vida.

A Luis, Bolívar, Cristina, Erick, Cristian, Romain, Emmanuel y Marcos por su

enorme ayuda en la realización de este trabajo.

A mi familia: a mis abuelitas, a mis tíos y tías, por estar a mi lado, por sus

palabras oportunas y su cariño. A mis primos, y especialmente a mi primo Luis y a

mi primo Pablo, por su humor y su amistad, muchas gracias.

A unos amigos que son como familia: Patito, Sra. Yolita, Christian, Andreita y

Elisita, por siempre tener la palabra correcta para animarme a seguir adelante.

Carla

DEDICATORIA

A Jehová Dios, mi buen Padre.

A mi madre, Cecilia por todo su amor.

A mis hermanos, Andrés y Marco.

A mi amor, Pedro.

A todos mis seres amados.

Daniela

DEDICATORIA

A mis papis, Gino y Sylvia, por su cariño y su apoyo constante.

A mi esposo, Orlandito, por su apoyo, comprensión y amor.

A mis hermanos, Gino y Luigi, por estar a mi lado.

Carla

VI

CONTENIDO

DECLARACIÓN ..................................................................................................... II

RESUMEN .......................................................................................................... XIX

RESUMEN .......................................................................................................... XIX

PRESENTACIÓN ................................................................................................ XXI

CAPÍTULO 1 .......................................................................................................... 1

ANTECEDENTES E INTRODUCCIÓN .................................................................. 1

1.1 ANTECEDENTES ........................................................................................ 1

1.2 INTRODUCCIÓN .................................................................................. 2

1.3 OBJETIVOS ......................................................................................... 4

1.3.1 OBJETIVO GENERAL .......................................................................... 4

1.3.2 OBJETIVOS ESPECÍFICOS ................................................................ 4

CAPÍTULO 2 .......................................................................................................... 6

DESCRIPCIÓN DE LA ZONA GEOGRÁFICA DE ESTUDIO ................................. 6

2.1 DESCRIPCIÓN DE LA ZONA DE ESTUDIO ....................................... 6

2.2 CLIMA .................................................................................................. 7

2.2.1 VARIABLES E ÍNDICES CLIMÁTICOS PRINCIPALES UTILIZADOS . 8

CAPÍTULO 3 .........................................................................................................14

GEOMETRÍA DEL GLACIAR ................................................................................14

3.1 DESCRIPCIÓN DE LA GEOMETRÍA DEL GLACIAR .................................14

3.2 BALANCE DE MASA Y CONTORNOS ACTUALES...................................14

3.2.1 GLACIAR 15 ........................................................................................15

3.2.1.1 Balance de Masa................................................................................15

3.2.1.2 Contornos ..........................................................................................20

3.2.2 GLACIAR LOS CRESPOS ...................................................................25

CAPÍTULO 4 .........................................................................................................27

VII

INFORMACIÓN HIDROLÓGICA, METEOROLÓGICA Y GLACIOLÓGICA

EXISTENTE ..........................................................................................................27

4.1 INFORMACIÓN LOCAL EXISTENTE ........................................................27

4.1.1 SELECCIÓN Y DESCRIPCIÓN DE ESTACIONES .............................30

4.1.2 RECOPILACIÓN DE DATOS PLUVIOMÉTRICOS ..............................33

4.2 INFORMACIÓN REGIONAL EXISTENTE ..................................................36

4.2.1 SELECCIÓN DE ESTACIONES...........................................................36

4.2.2 RECOPILACIÓN DE DATOS PLUVIOMÉTRICOS Y

METEOROLÓGICOS ..........................................................................39

4.2.3 RECOPILACIÓN DE DATOS CLIMÁTICOS GLOBALES ....................42

CAPÍTULO 5 .........................................................................................................49

ANÁLISIS ESTADÍSTICO DE LA INFORMACIÓN HIDROMETEOROLÓGICA....49

5.1 PLUVIOMETRÍA LOCAL. PROCESAMIENTO DE LA INFORMACIÓN

DE LA RED HIDROMETEOROLÓGICA EN EL ANTISANA DEL PROYECTO

GREATICE ........................................................................................................49

5.1.1 CONSTITUCIÓN DEL JUEGO DE DATOS HOMOGENIZADOS Y

CORREGIDOS ....................................................................................49

5.1.2 RELLENO DE DATOS .........................................................................55

5.1.2.1 Método de Correlaciones Múltiples ...................................................55

5.2 INFORMACIÓN PLUVIOMÉTRICA Y METEOROLÓGICA REGIONAL.

PROCESAMIENTO DE LA INFORMACIÓN DE LA RED GENERAL DE

ESTACIONES DEL INAMHI. .............................................................................61

5.2.1 REVISIÓN, CORRECCIÓN Y ANÁLISIS DE LOS DATOS ..................61

5.2.2 DEDUCCIÓN DE DATOS FALTANTES ...............................................65

5.2.3 RELLENO DE DATOS .........................................................................66

5.2.3.1 Método de Componentes Principales ................................................66

5.2.3.2 Método del Vector Regional ..............................................................69

5.2.3.3 Método de Correlaciones Múltiples ...................................................72

CAPÍTULO 6 .........................................................................................................74

RELACIÓN ENTRE VARIABLES HIDROMETEOROLÓGICAS Y LA FUSIÓN DEL

GLACIAR...............................................................................................................74

VIII

6.1 JUSTIFICACIÓN DE VARIABLES, ÍNDICES Y MÉTODOS USADOS 74

6.1.1 ÍNDICES LOCALES .............................................................................84

6.1.2 ÍNDICES GLOBALES ...........................................................................86

6.2 RELACIONES ENTRE VARIABLES ...................................................88

6.2.1 RELACIONES CON VARIABLES LOCALES, REGIONALES Y

GLOBALES .........................................................................................88

6.2.1.1 Primera Prueba local, regional y global. Uso de todas las variables .89

6.2.1.2 Segunda Prueba local, regional y global. Uso de desfases ..............90

6.2.1.3 Tercera Prueba local, regional y global. Pluviometría Región Costa.91

6.2.1.4 Cuarta Prueba local, regional y global. Pluviometría Región Sierra ..92

6.2.1.5 Modelo local y regional escogido ......................................................94

6.2.2 RELACIONES CON VARIABLES REGIONALES Y GLOBALES .........95

6.2.2.1 Primera Prueba regional y global. .....................................................96

6.2.2.2 Primer Modelo regional y global escogido .........................................97

6.2.2.3 Segundo Modelo regional y global escogido .....................................98

CAPÍTULO 7 .......................................................................................................100

ANÁLISIS DE RESULTADOS .............................................................................100

7.1 RESULTADOS DE LAS RELACIONES ENTRE VARIABLES ..................100

7.1.1 MODELO LOCAL Y REGIONAL ESCOGIDO. MODELO 1 ...............100

7.1.2 PRIMER MODELO REGIONAL Y GLOBAL ESCOGIDO. MODELO 2

..........................................................................................................102

7.1.3 SEGUNDO MODELO REGIONAL Y GLOBAL ESCOGIDO. MODELO 3

..........................................................................................................105

7.2 RESUMEN DE LOS MODELOS PRESENTADOS ...................................108

CAPÍTULO 8 .......................................................................................................110

CONCLUSIONES Y RECOMENDACIONES ......................................................110

8.1 CONCLUSIONES .....................................................................................110

8.2 RECOMENDACIONES .............................................................................111

CAPÍTULO 9 .......................................................................................................113

REFERENCIAS BIBLIOGRÁFICAS ....................................................................113

IX

ANEXO No. 1 ......................................................................................................118

CONTORNOS DEL GLACIAR 15 .......................................................................118

ANEXO No. 2 ......................................................................................................122

INVENTARIO DE DATOS DE LAS .....................................................................122

ESTACIONES A NÍVEL LOCAL ..........................................................................122

ANEXO No. 3 ......................................................................................................132

INFORMACIÓN PLUVIOMÉTRICA .....................................................................132

LOCAL ................................................................................................................132

ANEXO No. 4 ......................................................................................................136

CUADROS Y GRÁFICOS COMPLEMENTARIOS ..............................................136

DE LOS ANÁLISIS ESTADISTICOS ...................................................................136

ANEXO No. 5 ......................................................................................................148

EXPLICACIONES CONCEPTUALES .................................................................148

ADICIONALES ....................................................................................................148

ANEXO No. 6 ......................................................................................................151

CUADROS COMPLEMENTARIOS .....................................................................151

DE RELACIONES ENTRE VARIABLES .............................................................151

ANEXO No. 7 ......................................................................................................156

GRÁFICO COMPLEMENTARIO ........................................................................................ 156

X

LISTA DE GRÁFICOS

GRÁFICO 2.1 ........................................................................................................12

ZONAS DE ESTUDIO DEL FENÓMENO ENOS ..................................................12

GRÁFICO 3.1 ........................................................................................................15

UBICACIÓN DE LOS GLACIARES 15 Y CRESPOS EN EL ANTISANA ..............15

GRÁFICO 3.2 ........................................................................................................17

DESPLAZAMIENTO DE BALIZAS ENTRE OCTUBRE DE 1994 Y ENERO DE

1997 ......................................................................................................................17

GRÁFICO 3.3 ........................................................................................................24

TOPOGRAFÍA DE LA EVOLUCIÓN DEL GLACIAR 15: PERIODO 1996 – 1999 .24

GRÁFICO 3.4 ........................................................................................................25

CONTORNO Y POSICIÓN DE BALIZAS DEL GLACIAR 15: PERIODO 2004 –

2005 ......................................................................................................................25

GRÁFICO 3.5 ........................................................................................................26

CONTORNO PARA EL GLACIAR LOS CRESPOS, ENERO DEL 2005 ..............26

GRÁFICO 4.1 ........................................................................................................32

MAPA DE UBICACIÓN DE ESTACIONES PLUVIOMÉTRICAS LOCALES .........32

GRÁFICO 4.2 ........................................................................................................33

INVENTARIO DE DATOS. ESTACIÓN GLACIAR 00. 2005 .................................33

GRÁFICO 4.3 ........................................................................................................34

INVENTARIO DE DATOS. ESTACIÓN MORRENA 02. 2005 ...............................34

GRÁFICO 4.4 ........................................................................................................41

MAPA DE UBICACIÓN DE ESTACIONES A NIVEL REGIONAL .........................41

GRÁFICO 4.5 ........................................................................................................45

XI

GUÍA EN DIAGRAMA DE FLUJO PARA LA SELECCIÓN DE DATOS GLOBALES

EN INTERNET. PRIMER MÉTODO. .....................................................................45

GRÁFICO 4.6 ........................................................................................................46


EN INTERNET. SEGUNDO MÉTODO. .................................................................46

GRÁFICO 4.7 ........................................................................................................47


EN INTERNET. TERCER MÉTODO. ....................................................................47

GRÁFICO 4.8 ........................................................................................................48


EN INTERNET. CUARTO MÉTODO. ....................................................................48

GRÁFICO 5.1 ........................................................................................................52

DATOS BRUTOS DIARIOS DE HOBO. COMPARACIÓN ENTRE LAS

ESTACIONES. AÑO 2005.....................................................................................52

GRÁFICO 5.2 ........................................................................................................52

DATOS HOMOGENEIZADOS DIARIOS DE HOBO. COMPARACIÓN ENTRE LAS

ESTACIONES. AÑO 2005.....................................................................................52

GRÁFICO 5.3 ........................................................................................................59

GRÁFICO TIPO DE RELACIÓN ENTRE ESTACIONES. MÉTODO DE

CORRELACIONES MÚLTIPLES PARA RELLENO DE DATOS FALTANTES.

CASO P0 Y P2. .....................................................................................................59

GRÁFICO 5.4 ........................................................................................................69

COMPONENTE PRINCIPAL DE DATOS PLUVIOMÉTRICOS Y

METEOROLÓGICOS LOCALES, REGIONALES Y GLOBALES ..........................69

GRÁFICO 6.1 ........................................................................................................75

PRECIPITACIÓN MENSUAL ACUMULADA. COMPARACIÓN ENTRE

ESTACIONES. DATOS HOMOGENIZADOS DE TOTALIZADORES. 2005 .........75

GRÁFICO 6.2 ........................................................................................................76

XII


ESTACIONES. DATOS HOMOGENIZADOS DE BIDÓN. 2005 ............................76

GRÁFICO 6.3 ........................................................................................................77


ESTACIONES. DATOS HOMOGENIZADOS DE HOBO. 2005 ............................77

GRÁFICO 6.4 ........................................................................................................79

GRÁFICO DE COMPONENTES PRINCIPALES PARA RELACIONAR LAS

ESTACIONES PLUVIOMETRICAS LOCALES Y REGIONALES ..........................79

GRÁFICO 6.5 ........................................................................................................81

GRÁFICO DE PRECIPITACIÓN MENSUAL ACUMULADA, ESTACIONES DEL

GRUPO 1. ZONAS HÚMEDAS EN LA REGIÓN COSTA .....................................81

GRÁFICO 6.6 ........................................................................................................81

GRÁFICO DE PRECIPITACIÓN MENSUAL (mm), ESTACIONES DEL GRUPO 1,

PROCESAMIENTO CON VECTOR REGIONAL MENSUAL DE HYDRACCESS .81

GRÁFICO 6.7 ........................................................................................................82

EJEMPLO DE ÍNDICES DEL VECTOR REGIONAL MENSUAL PARA LA

ESTACIÓN M027 SANTO DOMINGO AEROPUERTO. ENERO. 1995 – 2005. ..82

GRÁFICO 6.8 ........................................................................................................83


ESTACIÓN M058 ESMERALDAS AEROPUERTO. ENERO. 1995 – 2005. .........83

GRÁFICO 6.9 ........................................................................................................90

GRÁFICO TIPO DE LOS MODELOS OBTENIDOS ..............................................90

GRÁFICO 7.1 ......................................................................................................101

GRÁFICO COMPARATIVO DEL BALANCE DE LA ZONA DE ABLACIÓN

OBSERVADO Y CALCULADO A PARTIR DEL MODELO 1. 1995 – 2005 .........101

GRÁFICO 7.2 ......................................................................................................104

GENERACIÓN DEL BALANCE DE LA ZONA DE ABLACIÓN OBSERVADO Y

CALCULADO A PARTIR DEL MODELO REGIONAL 1. 1964 – 2005 ................104

XIII

GRÁFICO 7.3 ......................................................................................................105

GRÁFICO COMPARATIVO DE LA GENERACIÓN DEL BALANCE DE LA ZONA

DE ABLACIÓN OBSERVADO Y CALCULADO A PARTIR DEL MODELO 2. 1995

– 2005 .................................................................................................................105

GRÁFICO 7.4 ......................................................................................................107

GENERACIÓN DEL BALANCE DE LA ZONA DE ABLACIÓN OBSERVADO Y

CALCULADO A PARTIR DEL MODELO REGIONAL 2. 1891 – 2005 ................107

GRÁFICO 7.5 ......................................................................................................108


DE ABLACIÓN OBSERVADO Y CALCULADO A PARTIR DEL MODELO

REGIONAL 2. 1995 – 2005 .................................................................................108

XIV

LISTA DE CUADROS

CUADRO 3.1 .........................................................................................................19

DATOS RELACIONADOS AL BALANCE NETO ESPECÍFICO PARA LOS AÑOS

DE MONITOREO DEL GLACIAR ..........................................................................19

CUADRO 3.2 .........................................................................................................21

MEDICIONES DEL RETROCESO DEL FRENTE DEL GLACIAR 15α ENTRE

JUNIO DE 1.994 Y SEPTIEMBRE DE 1.997 ........................................................21

CUADRO 3.3 .........................................................................................................22

EVOLUCIÓN DE LA SUPERFICIE DEL GLACIAR 15: PERIODO 1956 – 2005

(m2)........................................................................................................................22

CUADRO 3.4 .........................................................................................................23

EVOLUCIÓN DE LA LONGITUD DEL GLACIAR 15: PERIODO 1956 – 2005 (m)

..............................................................................................................................23

CUADRO 4.1 .........................................................................................................30

LISTADO DE ESTACIONES LOCALES ...............................................................30

CUADRO 4.3 .........................................................................................................35

DATOS DIARIOS BRUTOS ESTACIÓN MORRENA 02 AÑO 2005 .....................35

CUADRO 4.4 .........................................................................................................36

ESTACIONES A NIVEL REGIONAL SELECCIONADAS PARA EL ESTUDIO .....36

CUADRO 4.5 .........................................................................................................40

MUESTRA DE SERIE DE DATOS DE PRECIPITACIÓN MEDIA MENSUAL Y

TEMPERATURA MEDIA MENSUAL EN FORMATO EXCEL ...............................40

CUADRO 5.1 .........................................................................................................50

XV

TOTALES DIARIOS DE PRECIPITACIÓN TOMADOS DEL HOBO (mm).

RECOPILACIÓN DE TODAS LAS ESTACIONES. EJEMPLO DE DICIEMBRE DE

2005 ......................................................................................................................50

CUADRO 5.2 .........................................................................................................53

DATOS DE TOTALIZADORES Y BIDÓN. EJEMPLO ESTACIÓN GLACIAR 00.

AÑO 2005..............................................................................................................53

CUADRO 5.3 .........................................................................................................54

DATOS BRUTOS DE TOTALIZADORES EDITADOS. AÑO 2005 .......................54

CUADRO 5.4 .........................................................................................................54

DATOS BRUTOS DE BIDÓN EDITADOS. AÑO 2005 ..........................................54

CUADRO 5.5 .........................................................................................................60

COMPARACION COEFICIENTE DE DETERMINACIÓN ENTRE ESTACIONES

LOCALES ..............................................................................................................60

CUADRO 5.6 .........................................................................................................62

CLASIFICACIÓN Y CALIFICACIÓN DE ESTACIONES A NIVEL REGIONAL .....62

CUADRO 6.1 .........................................................................................................75

DATOS CORREGIDOS Y HOMOGENIZADOS DE PRECIPITACIÓN DE

TOTALIZADORES (mm/mes). AÑO 2005 .............................................................75

CUADRO 6.2 .........................................................................................................76

DATOS HOMOGENIZADOS DE PRECIPITACIÓN DE BIDÓN. AÑO 2005 .........76

CUADRO 6.3 .........................................................................................................77

DATOS HOMOGENIZADOS DE PRECIPITACIÓN DE HOBO PARA

COMPARACIÓN Y RELACIONES. AÑO 2005 .....................................................77

CUADRO 6.4 .........................................................................................................78

COEFICIENTE DE DETERMINACIÓN R2 ENTRE ESTACIONES LOCALES.

PERIODO 1995 – 2005 .........................................................................................78

CUADRO 7.1 .......................................................................................................100

XVI

RELACIONES ENTRE VARIABLES. MODELO 1 ...............................................100

CUADRO 7.2 .......................................................................................................103

RELACIONES ENTRE VARIABLES. MODELO 2 ...............................................103

XVII

LISTA DE FOTOS

FOTO 4.1 ..............................................................................................................28

COLECTOR Y PLUVIÓMETRO NORMALIZADO CON REGISTRADOR HOBO .28

FOTO 4.2 ..............................................................................................................29

PLUVIÓMETRO TOTALIZADOR ..........................................................................29

FOTO 4.3 ..............................................................................................................29

RECOLECTOR BIDÓN .........................................................................................29

XVIII

LISTA DE ANEXOS

ANEXO No. 1 ......................................................................................................118

CONTORNOS DEL GLACIAR 15 .......................................................................118

ANEXO No. 2 ......................................................................................................122

INVENTARIO DE DATOS DE LAS ESTACIONES A NÍVEL LOCAL ..................122

ANEXO No. 3 ......................................................................................................132

INFORMACIÓN PLUVIOMÉTRICA LOCAL ........................................................132

ANEXO No. 4 ......................................................................................................136

CUADROS Y GRÁFICOS COMPLEMENTARIOS DE LOS ANÁLISIS

ESTADISTICOS ..................................................................................................136

ANEXO No. 5 ......................................................................................................148

EXPLICACIONES CONCEPTUALES ADICIONALES ........................................148

ANEXO No. 6 ......................................................................................................151

CUADROS COMPLEMENTARIOS DE RELACIONES ENTRE VARIABLES .....151

ANEXO No. 7 ......................................................................................................156

GRÁFICO COMPLEMENTARIO .........................................................................156

XIX

RESUMEN

Gracias al interés de la Escuela Politécnica Nacional, del Instituto Nacional de

Meteorología e Hidrología, INAMHI, del Institute de Recherche pour le

Développement, IRD y la Empresa Municipal de Alcantarillado y Agua Potable de

Quito, EMAAP-Q, se ha desarrollado el presente estudio, debido al problema de la

pérdida de volumen de los glaciares ecuatorianos, como es el caso del nevado

Antisana.

El trabajo consiste en recopilar los datos del retroceso de los glaciares en estudio

a lo largo del tiempo, volúmenes y longitudes perdidas de glaciar.

Además se obtiene toda la información pluviométrica local, es decir, de las

estaciones en las cercanías del nevado, así como recopilar la información

hidrometeorológica regional de las bases de datos del INAMHI.

También se incluye en los modelos información climática global, para tratar de

explicar la fusión del glaciar con parámetros a escala mundial.

A partir de dicha información se procede a corregir los datos mediante técnicas de

depuración basadas en métodos gráficos y estadísticos y rellenar los datos

faltantes a fin de que se obtengan datos homogenizados.

Se correlacionan los datos de las diferentes estaciones para la obtención de

varios modelos matemáticos que indiquen el comportamiento del balance de la

zona de ablación de los glaciares 15 y Crespos del nevado Antisana.

Además, mediante los modelos matemáticos obtenidos, se generan datos

extrapolados del balance de la zona de ablación, mediante los cuales se puede

observar el comportamiento de esta variable a través del tiempo y se compara

XX

con la curva de variación de la temperatura de la superficie de la tierra, para

apreciar su relación con el calentamiento global.

XXI

PRESENTACIÓN

Este trabajo se ha realizado para estudiar las relaciones entre las variables

climáticas y la fusión del glaciar en las condiciones actuales, comprender la

dinámica del glaciar y los parámetros más influyentes en el proceso de

desglaciación del mismo. Permite así mismo dar a conocer el estado y

comportamiento del glaciar y proveer la información necesaria para en un futuro

no lejano prevenir mayores problemas de escasez de agua y pérdida permanente

de los glaciares.

El capítulo uno incluye los antecedentes e introducción del proyecto. Dentro de los

antecedentes se halla una breve reseña histórica del estudio de los glaciares en el

Ecuador. Luego se analiza lo que es un glaciar y se destaca la importancia de su

estudio debido a las condiciones climáticas actuales y a su comportamiento

durante varios años. También se especifican los objetivos del trabajo.

En el capítulo dos se destacan las generalidades de la zona en estudio, su

ubicación geográfica y los datos relevantes del nevado. También se analiza la

climatología del mismo.

En el capítulo tres se describe la geometría del glaciar, los contornos actuales de

los glaciares 15 y los Crespos, así como su evolución superficial, retrocesos o

avances de los mismos.

El capítulo cuatro presenta toda la información hidrológica, meteorológica y

glaciológica que se recopiló a lo largo de la investigación para su análisis.

En el capítulo cinco se encuentra el análisis hidrometeorológico y estadístico de la

información recopilada, tanto a nivel local, como regional. Se detalla la revisión, y

corrección de los datos procesados así como las herramientas de procesamiento

de datos que permiten generar ecuaciones y gráficos para corregir datos erróneos

XXII

y restituir datos faltantes que se utilizaron para el análisis de la relación entre las

variables hidrometeorológicas y el glaciar del nevado.

En los capítulos seis y siete se hacen las relaciones entre las variables

hidrometeorológicas y la fusión del glaciar, tanto con las variables locales como

regionales y luego el análisis de los resultados junto con el modelo obtenido, para,

en el capítulo ocho, proveer las conclusiones que indican el modelo que define de

manera más precisa el comportamiento del glaciar así como los parámetros

hidrometeorológicos que influyen de manera más significativa en la fusión del

glaciar.

En el capítulo ocho se enumeran las conclusiones del trabajo realizado en este

estudio, procurando hacer un resumen general de lo más importante que se ha

tratado, además se da recomendaciones sobre futuros trabajos que se pueden

realizar en base a este y sugerencias para evitar errores o ahorrar tiempo en las

posibles tesis complementarias.

El capítulo nueve incluye las referencias bibliográficas a los documentos en los

que se ha consultado y extraído criterios sobre algunos temas en el presente

trabajo.

Los anexos contienen datos, cuadros, gráficos y explicaciones conceptuales de

varios tópicos tratados en la tesis, que complementan el trabajo.

CAPÍTULO 1

ANTECEDENTES E INTRODUCCIÓN

1.1 ANTECEDENTES

Los glaciares 15 y Crespos del Nevado Antisana se encuentran en estudio debido

a que se hallan en un proceso de desglaciación, es decir, se produce un retroceso

del glaciar que ha venido presentándose ya por varios años y desde que

empezaron los estudios, se ha demostrado que dicho proceso se ha acelerado

(Cáceres, et. al., 2005). Los mencionados glaciares son muy importantes debido a

que alimentan un río que recoge la mayoría de las aguas producto de la fusión y a

través de los sistemas La Mica Quito Sur y Papallacta, que suministran agua

potable a varios barrios de la ciudad de Quito (Semiond, et. al., 1998).

Hastenrath, el pionero de la glaciología tropical en África y América Andina, en su

síntesis de 1981, insistía sobre la necesidad de emprender un programa de

monitoreo minucioso y sistemático sobre los glaciares del Ecuador, citando los

nevados Altar, Cotopaxi o Cayambe, como los más favorables. Nuestra opción fue

diferente ya que estuvo dictada, al igual que en otros glaciares importantes del

programa, por la preocupación de considerar junto al estudio glaciológico las

aplicaciones y necesidades hidrológicas. El primer estudio sobre el Nevado

Antisana fue realizado por Lliboutry (1980), para la EMAAP Quito, quien en ese

tiempo no dispoía de información y mediciones de campo glaciológicas (Semiond,

et. al., 1998).

Ahora existe información de varias estaciones hidrológicas, pluviométricas y

meteorológicas ubicadas en zonas estratégicas en el Nevado Antisana o en sus

cercanías, que permiten realizar estudios de la fusión producida en el glaciar.

Existen 10 años de datos de balance de masa, precipitación y meteorología en el

glaciar 15 ubicado al Oeste – Noroeste del volcán. Se ha analizado también la

2

geometría del glaciar que permite ver el contorno del mismo y su retroceso a lo

largo del tiempo.

Por medio del análisis de las relaciones a escala mensual y estacional entre la

información hidrometeorológica local y regional y la fusión del Glaciar 15α del

Nevado Antisana, se obtendrá una primera modelación del comportamiento del

glaciar y se podrá definir las variables mas relacionadas con el proceso de

desglaciación.

1.2 INTRODUCCIÓN

Un glaciar puede ser considerado como un sistema hidrológico cuya masa cambia

a corto y largo plazo en función de la evolución del clima. Esos cambios de masa

generan variaciones geométricas del glaciar, lo cual se traduce en modificaciones

de su superficie y longitud, así como en alteraciones de la velocidad del

movimiento que tiene el mismo.

La ubicación geográfica de los nevados ecuatorianos les confiere una destacada

originalidad respecto a la localización de los otros glaciares tropicales de Bolivia y

Perú que son monitoreados por el proyecto “GREATICE”, Glaciers et Ressources

en Eau des Andes Tropicales Indicateurs Climatiques et Environnementaux

(Glaciares y Recursos Hídricos de los Andes Tropicales Indicadores Climáticos y

Ambientales), constituido por el Instituto Nacional de Meteorología e Hidrología,

INAMHI, la Empresa Municipal de Alcantarillado y Agua Potable de Quito,

EMAAP-Q y el Institut de Recherche pour le Développement, IRD de Francia, que

inició en el año de 1991. En el Ecuador, el régimen de precipitaciones difiere de

los regímenes existentes en regiones más cercanas al trópico, ya que posee dos

máximos vinculados con los equinoccios y carece de una pronunciada temporada

seca. Además, la proximidad de sus costas en el Pacífico, donde la incidencia del

Fenómeno de El Niño Oscilación del Sur (ENSO) es elevada, hace del Ecuador

un lugar privilegiado para el estudio de la respuesta de elementos tan sensibles a

3

las variaciones del clima, como son los glaciares. Es conocido que las

precipitaciones en el Ecuador reciben dos influencias marcadas: la del Pacífico y

la de la Amazonía por ello a fin de documentar ambas influencias, para este

estudio, se ha elegido el nevado Antisana en la Cordillera Oriental de los Andes

(Semiond, et. al., 1998).

Cabe mencionar que un estudio completo y minucioso de esos glaciares se

justifica también por el hecho de que según las primeras mediciones, su retroceso

está ocurriendo en forma acelerada. En el glaciar 15 del Antisana se ha podido

observar un retroceso total de la lengua α, entre junio de 1994 y diciembre de

2004, de 260 m. Del análisis de datos para el período de 10 años y 7 meses se

obtuvo un retroceso anual promedio para la lengua α de 24 m. (Semiond, et. al.,

1998).

Una de las aplicaciones más importantes del monitoreo de los glaciares en el

Ecuador lo constituye su aporte al manejo y suministro de agua potable. El

Antisana fue escogido por cuanto sus glaciares tienen un interés económico

debido al proyecto de agua potable para la ciudad de Quito. Esta urbe se alimenta

también con los recursos hídricos del proyecto La Mica – Quito Sur que se

encuentra ubicado al pie del nevado. Allí se encuentra un embalse regulador de

caudales en una presa a la salida del lago Micacocha que entrega el recurso al

sur de la ciudad, en consecuencia al proyecto aprovecha aguas que, provienen de

manera significativa de la fusión de glaciares (Semiond, et. al., 1998).

El Glaciar 15, además, posee características favorables para su investigación,

como son:

• Sus hielos dan origen a un río emisario que es el que recoge la mayoría de las

aguas producto de la fusión, las lleva hacia el lago Papallacta y su caudal

puede ser medido con relativa facilidad. Cabe mencionar que el lecho de los

glaciares ecuatorianos muchas veces está constituido por cenizas volcánicas

4

donde se puede infiltrar una parte de las aguas disminuyendo o anulando el

caudal de los ríos emisarios (Semiond, et. al., 1998);

• Su cuenca de acumulación puede ser delimitada con bastante precisión, lo

cual no es frecuente en el Ecuador cuyos nevados se desarrollan sobre

volcanes de forma cónica, donde las fronteras entre las cuencas

glaciológicas son difíciles de establecer (Semiond, et. al., 1998);

• El acceso al glaciar es uno de los más fáciles debido a que se dispone de un

camino que partiendo del campamento La Mica permite llegar con vehículo a

la estación limnigráfica en menos de una hora; desde allí, con una caminata de

20 minutos se puede alcanzar el extremo inferior del glaciar (Semiond, et. al.,

1998);

• La lengua del glaciar no está recubierta por depósitos de morrenas y permite

medir con mucha precisión sus movimientos en el transcurso del tiempo


1.3 OBJETIVOS

1.3.1 OBJETIVO GENERAL

El presente proyecto de titulación tiene como objetivo general el establecer la

relación a escala mensual y estacional entre la información hidrometeorológica

local y regional y la fusión del Glaciar 15 y Los Crespos del Nevado Antisana.

1.3.2 OBJETIVOS ESPECÍFICOS

Como objetivos específicos se tiene:

5

Recopilar la información hidrometeorológica y glaciológica de las estaciones

hidrometeorológicas ubicadas en el Nevado Antisana, levantada por el Proyecto

GREATICE.

Recopilar la información hidrometeorológica regional de las bases de datos del

INAMHI.

Corregir los datos incorrectos y rellenar los datos faltantes por medio de métodos

gráficos y estadísticos.

Analizar hidrometeorológica y estadísticamente los datos obtenidos mediante el

uso de programas computacionales y las relaciones con las otras estaciones

hidrometeorológicas.

Correlacionar los datos depurados de las diferentes estaciones para generar la

información que permita determinar la relación entre el comportamiento

hidrometeorológico local y regional con la fusión del glaciar.

Diseñar un modelo matemático que relacione las variables climáticas más

importantes con la pérdida de agua del glaciar.

CAPÍTULO 2

DESCRIPCIÓN DE LA ZONA GEOGRÁFICA DE ESTUDIO

2.1 DESCRIPCIÓN DE LA ZONA DE ESTUDIO

Los glaciares 15 y Crespos se encuentran ubicados en el nevado Antisana, un

volcán activo, al Sudeste de Quito, sobre la Cordillera Real del Ecuador y a corta

distancia de la línea ecuatorial (0°28’30’’ S; 78°08’55’’ O). El glaciar estudiado

suele ser identificado con el número 15 de acuerdo con la clasificación y el mapa

elaborados por Hastenrath (1981). A ese código de identificación se le ha añadido

el símbolo α por cuanto el Glaciar 15, en su parte baja, se ha dividido

recientemente en dos lenguas. Actualmente al Noroeste del Glaciar 15α se

puede observar la lengua vecina, bastante diferenciada que se le ha denominado

la lengua 15β y donde han sido ampliadas las mediciones desde 1997 (Semiond,

et. al., 1998).

El Glaciar 15α se extiende desde los 4.800 msnm hasta la cumbre misma del

volcán en los 5.760 msnm. Su exposición general es Noroeste y su borde superior

limita con las laderas orientales del volcán, hasta donde llega la influencia

amazónica. Pero su lado occidental, el Antisana se encuentra protegido a la

sombra de esa influencia oriental ya que lo impide el cuerpo mismo del volcán. El

Glaciar 15α tiene una superficie total de 353.158 m2 (35,3 ha) y una longitud de

2,0 km. Es 3,6 veces más extenso que el Glaciar de Chacaltaya (9,6 ha), pero

seis veces menor que el Glaciar de Zongo (210 ha), los dos glaciares

monitoreados en Bolivia. La cuenca aportante, hasta el sitio de la estación

limnigráfica, incluye también la superficie del Glaciar 15β (Semiond, et. al., 1998).

7

2.2 CLIMA

Las cordilleras ecuatorianas tienen una morfología particular ya que no están

cubiertas de glaciares ininterrumpidos y sus nevados se encuentran separados

entre sí por decenas de kilómetros. En consecuencia, los glaciares no se

encuentran encerrados por cadenas montañosas, ni están afectados por barreras

de roca o hielo que modifiquen los procesos de acumulación y ablación. Por lo

expuesto cabe esperar que la reacción de los glaciares ante la evolución

climática, pueda ser observada con claridad. A ello se agrega el hecho de que la

forma cónica de sus volcanes permite que un mismo nevado posea todas las

orientaciones posibles, lo cual facilita el estudio (en un reducido lugar) de la

evolución que tienen varias lenguas afectadas por un sólo factor geográfico.

En la zona principal de estudio, donde se encuentran las estaciones que

monitorean el nevado Antisana, se cuenta con el clima ecuatorial frío de alta

montaña (de páramo) que se caracteriza por tener una temperatura anual media

que oscila entre los 4 y 8 °C. Los valores máximos rara vez superan los 20 °C y

los mínimos siempre están por debajo de O °C. La pl uviosidad anual se encuentra

entre 800 y 2.000 milímetros y la mayoría de los aguaceros duran mucho, pero

tienen baja intensidad. Corresponde a la vegetación de matorral y de páramo

(Pourrut, 1995).

Además, debido a que dentro del estudio que se ha realizado se han considerado

estaciones correspondientes a las cuatro regiones principales del Ecuador:

Interandina, Litoral, Amazónica e Insular, se considera necesaria la comprensión

del clima en dichas regiones además del clima ecuatorial frío o de alta montaña

donde se desarrolla parte del análisis de las estaciones locales del glaciar en

estudio. Entonces vale la pena mencionar que la zona de estudio se encuentra

dentro de las zonas climáticas definidas por Pourrut (1995). En esta clasificación

se reconocen ocho tipos de climas: tropical megatérmico de árido a semiárido,

uniforme megatérmico muy húmedo, tropical megatérmico húmedo, tropical

megatérmico de seco a semihúmedo, tropical megatérmico muy húmedo,

8

ecuatorial mesotérmico de semihúmedo a húmedo, ecuatorial mesotérmico seco y

ecuatorial frío de alta montaña. Los criterios de esta última clasificación se

refieren a tres indicadores complementarios: distribución anual de las estaciones

lluviosa y seca, niveles de las precipitaciones y niveles de las temperaturas

(Pourrut, 1995).

2.2.1 VARIABLES E ÍNDICES CLIMÁTICOS PRINCIPALES UT ILIZADOS

Entre las variables climáticas principales utilizadas a nivel local y regional para las

relaciones en los análisis se encuentran las siguientes:

Temperatura.- Es el nivel de energía de un objeto debido a la agitación

molecular. Es una medida relativa, las escalas que se basan en puntos de

referencia deben ser usadas para medir la temperatura con precisión. Hay tres

escalas comúnmente usadas actualmente para medir la temperatura: la escala

Fahrenheit (°F), la escala Celsius (°C), y la escal a Kelvin (°K). Cada una de estas

escalas usa una serie de divisiones basadas en diferentes puntos de referencia

(Day, 2003). En la tropósfera el decrecimiento de temperatura en la atmósfera es

de 0.65 °C por cada 100 m aproximadamente, mientras que en la estratósfera se

presenta condiciones aproximadamente isotérmicas. El gradiente vertical de

temperatura se define como la tasa de variación de la temperatura con la altitud,

con este valor se puede determinar la estabilidad o la inestabilidad de la

atmósfera, el valor de este gradiente depende del contenido de vapor de agua en

atmósfera (Monsalve, 1995).

Temperatura de la superficie de la Tierra.- El modelo de radiación global de

temperaturas debe reflejar variaciones globales en la radiación neta. Sin embargo,

el modelo espacial de temperatura es más complicado que la variación en la

radiación neta debido a la respuesta de los diferentes tipos de superficies de

materiales a la radiación neta. Esta condición es fácilmente observada en la

relación entre la temperatura y la latitud. Aunque haya un modelo general de

variación de la temperatura con la latitud creciente, la relación observada es mejor

9

sobre los océanos. Para superficies continentales, el comportamiento de

temperatura requiere un análisis más detallado. (Shelton, 1988).

Precipitación.- Es todo el líquido y las formas congeladas del agua que vuelve a

la superficie de la tierra desde la atmósferay es el componente final del ciclo

hidrológico. En general, la precipitación y la nieve comprenden la proporción

principal de precipitación, y en muchas áreas la precipitación y la lluvia son

permutables debido a la contribución menor de otras formas de precipitación.

(Shelton, 1988).

Dirección y velocidad del viento.- La dirección del viento viene definida por el

punto del horizonte del observador desde el cual sopla. En la actualidad, se usa

internacionalmente la rosa dividida en 360º. El cálculo se realiza tomando como

origen el norte y contando los grados en el sentido de giro del reloj. La dirección

se suele referir al punto más próximo de la rosa de los vientos que consta de ocho

rumbos principales. Se mide con la veleta. La unidad de la velocidad del viento en

el Sistema Internacional es m/s, sin embargo aún se usan los nudos(kt) y km/h. 1

kt = 1 mph = 1.856 km/h ó 1 kt = 0.52 m/s (SENAMHI Perú, 2006).

Viento zonal.- Es el viento, o componente del viento, a lo largo del paralelo local

de latitud, para diferenciarlo del viento meridional. En un sistema de coordenada

horizontal fijado localmente con el eje de abscisas dirigido hacia el este y el eje de

ordenadas “y” dirigido hacia el norte, el viento zonal es positivo si sopla desde el

oeste y negativo si sopla desde el este (AMS, 2000).

Humedad relativa (HR).- Es probablemente la medida más extensamente

aprobada de humedad atmosférica. Es la proporción de presión de vapor absoluta

a la presión de vapor de saturación de aire en la temperatura dada. Aunque la

humedad relativa expresa cuán cerca el aire está siendo saturado, esto es

funcionalmente dependiente de la temperatura (Shelton, 1988).

10

Humedad específica (HE).- Es una expresión de humedad atmosférica que

permanece constante cuando la temperatura y la presión de aire cambian. Este

parámetro es expresado como la masa de vapor de agua por masa de aire (el

número de gramos de vapor de agua por kilogramo de aire) (Shelton, 1988).

El Niño Oscilación del Sur, ENOS (En inglés ENSO: El Niño South Oscillation).-

En principio usado para distinguir los eventos calientes a gran escala en el

Pacífico Central y del calentamiento local a lo largo de la costa de Sur América,

también conocido como El Niño, es ahora usado para describir el rango completo

de variabilidad observada en la oscilación auto sostenida del sistema oceánico

atmosférico en el Pacífico Central, incluyendo ambos eventos El Niño y La Niña

(Villacís, 2001).

El Niño (EN).- Se caracteriza por un debilitamiento a gran escala de los vientos

alisios y el calentamiento de las capas superficiales en el este y el centro del

Océano Pacífico ecuatorial. El Niño ocurre irregularmente en intervalos de 2 a 7

años, siendo su promedio de ocurrencia de 3 a 4 años. Típicamente tienen una

duración de 12 a 18 meses (Villacís, 2001).

La Niña (LN).- Durante La Niña los flujos de agua caliente son empujados hacia el

oeste, en dirección a Asia, debido al fortalecimiento de los vientos alisios, por lo

que el agua fría que se encuentra a mayor profundidad asciende a lo largo del

continente Americano, provocando una disminución de la evaporación reduciendo

de esta manera la formación de nubes y la lluvia de esta región (Villacís, 2001).

La temperatura superficial del mar (TSM) en el Océano Pacífico es monitoreada

con boyas y satélites. La NOAA opera una red de boyas a lo largo del Pacífico

que proveen datos sobre la TSM. Dado que el Pacífico ecuatorial está dividido en

regiones o bloques para el estudio de las anomalías, se detallan a continuación

los índices del ENOS utilizados:

11

Índice Niño 1.- Anomalía media de la Temperatura Superficial del Mar (TSM) en la

Región 5° – 10° S, 90° W – 80° W del Pacífico ecuat orial (Rossel, 1997).

Índice Niño 2.- Anomalía media de la Temperatura Superficial del Mar (TSM) en la

Región 0° – 5° S, 90° W – 80° W del Pacífico ecuato rial (Rossel, 1997).

Índice Niño 1+2.- Anomalía media de la Temperatura Superficial del Mar (TSM) en

la Región 0° – 10° S, 90° W – 80° W del Pacífico ec uatorial (Rossel, 1997).

Índice Niño 3.- Anomalía media de la TSM en la Región 5°N – 5° S, 150° W – 90°

W del Pacífico ecuatorial (Rossel, 1997).

Índice Niño 4.- Anomalía media de la TSM en la Región 5N° – 5° S, 150° E – 160°

W del Pacífico ecuatorial (Rossel, 1997).

Índice Niño 3+4.- Anomalía media de la TSM en la Región 5°N – 5° S, 170° W –

120° W del Pacífico ecuatorial (Villacís, 2001).

Índice de Oscilación del Sur (SOI por sus siglas en inglés).- Índice de Oscilación

del Sur, es una medida del estado de la Oscilación del Sur. Un índice común

usado para este propósito es la presión a nivel del mar en Tahiti menos la presión

a nivel del mar en Darwin, Australia, dividida por la desviación estándar de esta

cantidad. Está estrechamente asociado con El Niño y así a menudo se refiere

como el ENSO (El Niño Oscilación del Sur). El coeficiente de correlación entre el

índice ENSO y el índice de Oscilación del Sur (SOI; definido como la diferencia de

presión estandartizada a nivel del mar entre Darwin y Tahiti y también suavizado

con una media móvil de 5 meses) es -0.67. La correlación máxima ocurre cuando

el índice ENSO es correlacionado con un SOI simultáneo (AMS, 2000). En este

estudio se lo representa por las siglas SOIEST por Southern Oscillation Index

Standarized (Estandarizado).

12

GRÁFICO 2.1

ZONAS DE ESTUDIO DEL FENÓMENO ENOS

FUENTE: http://www.cco.gov.co/fnino1.htm, 2007

Índice SOI de presión a nivel del mar.- Es la presión atmosférica al nivel medio del

mar, medida sea directamente o empíricamente determinada desde una estación

de observación de presión. En regiones donde la superficie de la tierra se

encuentra sobre el nivel del mar, es una práctica estándar de observación reducir

la presión superficial observada al valor que pudiera existir en un punto a nivel del

mar asumiendo una capa de temperatura constante desde el nivel del mar hasta

la estación donde se mide la temperatura. En la práctica, se emplea la

temperatura media de las 12 horas precedentes en lugar de la temperatura actual.

Esta "reducción de la presión a nivel de mar" es responsable de muchas

anomalías en el campo de la presión en áreas montañosas sobre la carta

sinóptica (AMS, 2000). En este estudio se trabajó con el índice de la anomalía de

esta variable y se la representa por las siglas SOIPRES.

13

La Oscilación del Sur.- originalmente definida en 1924 por Gilberto Walker como

una latitud baja, es un “sube y baja” de la presión a nivel del mar a escala

planetaria, con un polo en el Océano Pacífico Este y otro en la región Oeste de

los Océanos Pacífico e Índico. El “balancín” de presión está asociado con un

modelo global de anomalías atmosféricas en circulación, temperatura, y

precipitación. La escala de tiempo primaria de la oscilación es interanual -

multianual, y ahora es reconocido para ser principalmente una respuesta a la

variación de la temperatura de la superficie del mar a una escala reducida en el

Océano Pacífico ecuatorial que proviene de las interacciones entre la atmósfera y

el océano, los extremos opuestos de este fenómeno son los eventos caliente y

frío de El Niño y La Niña respectivamente (AMS, 2000).

Radiación Reflejada de Onda Larga (OLR por sus siglas en inglés Outgoing

Longwave Radiation).- Una porción de la luz del sol que entra al sistema de la

tierra y que se refleja nuevamente hacia el espacio, mientras que la porción

restante de la luz del sol es absorbida por el sistema de la tierra y almacenada

como calor; una parte se absorbe en la atmósfera y otra se absorbe en la tierra y

en los océanos. Un porcentaje de este calor almacenado se emite por el sistema

de la tierra nuevamente hacia el espacio bajo la forma de energía de onda larga.

El término “radiación reflejada de onda larga” se refiere a la suma total de toda la

energía electromágnetica de onda larga, o radiación infrarroja en las longitudes de

onda que se extienden a partir de 5 a 100 micrómetros, que se escapa desde la

superficie de la atmósfera de la tierra nuevamente al espacio (NASA, 2005).

CAPÍTULO 3

GEOMETRÍA DEL GLACIAR

3.1 DESCRIPCIÓN DE LA GEOMETRÍA DEL GLACIAR

La geometría del glaciar se define a través de varios trabajos topográficos

realizados en este lugar a lo largo de estos once años en los que se ha recopilado

mucha información, no solo de su régimen climático sino también del avance o

retroceso del glaciar.

En junio de 1.994, cuando se visitó por vez primera el glaciar, se marcó una señal

en una piedra que se encontraba en el río, junto al borde inferior del glaciar. Para

evitar la pérdida de esa señal, por los desplazamientos que podría sufrir la piedra,

se colocó otra marca a la izquierda, en una roca fija de más de 1m3 de volumen.

Estas señales fueron luego ubicadas en el levantamiento topográfico de enero de

1997, y desde aquel entonces en cada visita se mide directamente la distancia

entre el punto fijo y el término del glaciar; la precisión las mediciones es de un

metro (Semiond, et. al., 1998).

3.2 BALANCE DE MASA Y CONTORNOS ACTUALES

A continuación se hace una breve reseña de lo que ha ocurrido con el balance de

masa y en los contornos de los glaciares de nuestro estudio en los once años en

que se ha procurado la toma de datos.

En el gráfico 3.1 se presenta la ubicación de los glaciares 15 y Crespos en el

nevado Antisana con su red glacio e hidropluviométrica.

15

GRÁFICO 3.1

UBICACIÓN DE LOS GLACIARES 15 Y CRESPOS EN EL ANTIS ANA

Fuente: INFORME ANUAL 2004 GREATICE

Elaboración: Ing. Bolívar Cáceres, Msc. Marcos Villacís

3.2.1 GLACIAR 15

3.2.1.1 Balance de Masa

El glaciar es una masa de hielo que se alimenta de agua sólida, la transforma en

hielo y la restituye luego en estado gaseoso (evaporación y sublimación) o estado

líquido (agua del torrente emisario). El análisis de esos ingresos y esas pérdidas

de agua se conoce con el nombre de balance del glaciar (Semiond, et. al., 1998).

El balance de masa B se determina mediante la diferencia entre la acumulación y

ablación que se han producido durante cierto intervalo de tiempo (generalmente

un año hidrológico) y representa el cambio de masa que ha experimentado el

glaciar. Cuando el balance se expresa en términos de volumen equivalente de

agua (ya sea en metros cúbicos o milímetros de agua prorrateada sobre toda la

16

superficie del glaciar), se denomina balance neto específico (Bn), el mismo que se

define mediante la siguiente relación:

∫∫ += dSbSdSbSB nancn .... (3.1)

Donde: Sc es el área de la zona de acumulación, Sa el área de la zona de ablación

y bn representa el balance elemental en cada punto del glaciar.

En la estimación del balance de masa de un glaciar se emplean diversos

métodos: método de la restitución aerofotogramétrica, método hidrológico a

escala anual y el método más usual consiste en medir directamente el cambio de

volumen del glaciar con técnicas topográficas (teodolito, GPS). Para ello,

partiendo desde el extremo inferior del glaciar hacia arriba, se clavan en el hielo

profundas estacas (llamadas balizas) que conforman una red distribuida sobre

gran parte del glaciar (Ver gráfico 3.2). En las zonas superiores del glaciar, donde

generalmente la acumulación supera a la ablación, se excavan pozos en los

cuales, mediante densimetría, se mide directamente la cantidad de agua

acumulada entre el principio y el final del año hidrológico. A partir de esos datos,

el balance se calcula para cada rango altitudinal, dentro de los cuales se toman

en consideración los puntos de medición más representativos (Semiond, et. al.,

1998).

El valor que tiene el balance en diversos puntos altitudinales del glaciar no es

constante ya que varía de un lugar a otro. La tasa de variación que presenta el

balance a medida que aumenta la posición altimétrica se denomina Gradiente

Vertical del Balance (GVB), y se la calcula mediante su derivada db/dz.

Usualmente se la expresa en: milímetros equivalentes de agua /metro de desnivel

(mm/m) (Semiond, et. al., 1998).

El nivel altimétrico donde el balance es nulo corresponde a la línea de equilibrio

del glaciar, que delimita a la zona de acumulación (donde la acumulación es

17

mayor a la ablación) respecto de la zona de ablación (donde la acumulación es

menor a la ablación). La posición altimétrica de la línea de equilibrio del glaciar

(Equilibrium Line Altitude en inglés, o ELA), varía cada año en dependencia de los

cambios que ha tenido el balance (Semiond, et. al., 1998).

Las mediciones del balance, hechas con balizas en glaciares de diversas

montañas del mundo, han conducido a la siguiente conclusión: cada año la

gradiente vertical db/dz, desde la cumbre hasta el frente terminal del glaciar,

conserva una misma forma. Sólo el eje de esa curva puede desplazarse por

traslación hacia el lado de los valores positivos (en el caso de que el balance sea

positivo) o hacia el lado de los valores negativos (Semiond, et. al., 1998).

GRÁFICO 3.2

DESPLAZAMIENTO DE BALIZAS ENTRE OCTUBRE DE 1994 Y E NERO DE

1997

Fuente: INFORME ANUAL 1994 – 1997 GREATICE, 1998

Elaboración: Ing. Hubert Semiond

18

Una vez que la posición de la línea de equilibrio ELA ha sido establecida, se

puede calcular la relación (en %) entre la superficie de la zona de acumulación y

la superficie total del glaciar (Accumulation Area Ratio AAR), relación, que al igual

que la línea ELA, también tiene un comportamiento lineal respecto al balance.

Esta propiedad hace posible que luego de algunos años de medición, se puedan

calcular los valores que tienen la línea ELA y la relación AAR cuando el balance

alcanza su punto de equilibrio (Bn = 0); esos valores son representados con los

símbolos ELA0 y AAR0 respectivamente (Semiond, et. al., 1998).

Para este estudio se ha tomado el balance de la zona de ablación, determinado

como el volumen de hielo que se derrite en la zona de ablación del glaciar,

dividido por la superficie total del mismo, expresado en mm de agua por mes. Los

valores negativos corresponden a una retracción más fuerte del glaciar (Cáceres,

et. al., 2005).

Es importante conocer la evolución del balance para los años de estudio, pues

nos muestra que los valores más deficitarios se ubican en los años de 1995,

1997, 1998, 2001, 2002, 2003 y 2004 con valores que varían entre -572 y -1830

mm de agua de pérdida. Para el año de 1996 el balance fue de –428 mm de agua

de pérdida, que es un valor mas equilibrado (Cáceres, et. al., 2005).

Para los años de 1999 y 2000 el balance es positivo y tiene valores de 515 y 393

mm de acumulación de agua. Se puede observar una coincidencia con las fases

Niño/Niña: durante El Niño se observa un derretimiento mayor y durante La Niña

se tiene un menor derretimiento (Cáceres, et. al., 2005).

En el cuadro 3.1 se muestra un resumen de todos los datos relacionados con el

balance y las principales características del Glaciar 15 para el período 1995 –

2004, donde se aprecian claramente los años deficitarios, así como en los que el

balance es positivo.

19

CUADRO 3.1

DATOS RELACIONADOS AL BALANCE NETO ESPECÍFICO PARA LOS

AÑOS DE MONITOREO DEL GLACIAR

Año

(1)

Bn

(2)

ΣΣΣΣBn

(3)

A

(4)

Bter

(5)

Bsum

(6)

ELA

(7)

AAR

(8)

Prec.

(9)

Term.

(10)

ΣΣΣΣTerm

(11)

1995 -1830 -1830 2580 -7624 654 5245 45 750 -28,20 -28

1996 -428 -2258 1310 -4532 826 5115 60 882 -40,62 -69

1997 -612 -2870 1597 -6949 870 5110 62 985 -56,25 -125

1998 -845 -3715 1985 -6048 675 5100 65 1140 -34,38 -159

1999 515 -3200 700 -2214 1080 4960 84 1215 21,43 -138

2000 393 -2807 632 -2045 890 4980 80 1025 17,80 -120

2001 -598 -3405 1348 -4830 940 5085 60 750 -11,20 -131

2002 -769 -4174 1870 -4999 900 5145 50 1101 -19,00 -150

2003 -1362 -5536 2117 -6633 810 5225 42 755 -55,00 -205

2004 -572 -6108 1352 -5420 957 5145 56 780 -31,00 -236

Prom. -611 1549 -5129 860 5111 60 938 -24


Elaboración: Ing. Bolívar Cáceres

Donde:

( 1 ) Año hidrológico (enero – diciembre)

( 2 ) Balance neto específico (mm de agua)

( 3 ) Balance neto acumulado (mm de agua)

( 4 ) Ablación específica: A = P - Bn (Ablación específica = Precipitación –

Balance neto específico, mm de agua)

( 5 ) Balance en la parte más baja (4833 m en mm de agua)

( 6 ) Balance en la parte más alta (5750 m en mm de agua)

( 7 ) Altitud de la línea de equilibrio (ELA)

( 8 ) Porcentaje de la área de acumulación (Acumulación Área Ratio, en %)

( 9 ) Precipitación en las cercanías del glaciar: P = [P2] (en mm de agua)

( 10 ) Retroceso del frente (en metros referidos a la marca precedente).

( 11 ) Retroceso acumulado del frente (en metros)

20

3.2.1.2 Contornos

El primer levantamiento topográfico fue realizado en octubre de 1995 en el Glaciar

15 α donde se suministró información sobre las curvas de nivel, la ubicación de

las balizas y los pluviómetros, pero los datos sobre el perímetro de las lenguas α y

β son muy aproximados. Además, no fueron medidas las zonas superiores del

glaciar ya que el levantamiento llegó sólo hasta las cotas 4800 y 4870 msnm, lo

cual impide calcular las superficies altas del glaciar (Semiond, et. al., 1998).

En enero de 1997, se elaboró un nuevo levantamiento topográfico, que estableció

de forma satisfactoria los límites de toda la parte baja de la lengua α. En la zona

de ablación fueron ubicados unos 300 puntos que garantizan la precisión

necesaria de la restitución, además, se estableció la nueva ubicación de las

balizas. Finalmente en mayo de 1997 se realizó otro levantamiento de la parte

baja de la lengua β y sus balizas. En estos dos últimos trabajos se empleó equipo

de topografía más sofisticado que permitía tener mejor precisión. Debido a la baja

calidad del primer levantamiento, no se ha podido establecer los cambios que han

tenido los límites del Glaciar 15α en el transcurso del tiempo; únicamente se

puede estimar el movimiento de las balizas. Los datos sobre el desplazamiento de

cada baliza permiten estimar la velocidad con la cual se mueve la superficie del

glaciar. Entre los años 1994 y 1997, en el eje central del glaciar, la velocidad de

avance disminuye desde los 34 m/año en la cota 5.028 msnm hasta los 15 m/año

en el extremo inferior de la lengua. La velocidad disminuye normalmente en los

tramos de la lengua con menor pendiente y en el frente mismo del glaciar


El cuadro 3.2 resume los datos del significativo retroceso que ha tenido el frente

del Glaciar 15α. Después del importante ritmo alcanzado en los ocho primeros

meses, el retroceso se ha ubicado en unos 30 m/año. Al evaluar la magnitud de

este repliegue, se debe considerar también la velocidad de avance de 15 m/año

que tiene el frente del glaciar. No hay razones para suponer que ese retroceso

sea muy diferente en las lenguas de otros glaciares occidentales del Antisana ya

21

que tienen orientaciones, rangos altitudinales y pendientes muy semejantes


CUADRO 3.2

MEDICIONES DEL RETROCESO DEL FRENTE DEL GLACIAR 15 αααα ENTRE

JUNIO DE 1.994 Y SEPTIEMBRE DE 1.997

Fecha de la medición

y meses acumulados

respecto a junio de 1.994

Distancia entre el

frente y la señal

inicial

(m)

Distancia respecto al sitio

de la medición precedente

(m)

Velocidad media

entre dos fechas de

medición

(m/año)

Febrero de 1.995

(8 meses)

- 61 - 61 - 91.5

Agosto de 1.996

(25 meses)

- 101 - 40 - 28.2

Septiembre de 1.997

(39 meses)

- 133 -32 - 27.4

Fuente: INFORME ANUAL 1994 – 1997 GREATICE, 1998

Elaboración: Ing. Hubert Semiond

En los años 1997 – 1998, se presentó un fenómeno de El Niño en el Ecuador,

esto aumenta la temperatura, tanto del aire como de la superficie del océano,

como resultado de esta anomalía, el ambiente en general se calienta, disminuye

la caída de nieve sobre el glaciar lo que disminuye el albedo, además de que

existen bajas velocidades de viento provocando una limitada transferencia de

energía y demás factores que incitan un derretimiento en la zona de ablación

(Francou, et. al., 2004).

Con los datos de desplazamiento de las balizas se obtuvo que la velocidad media

en la parte baja del glaciar fue de 2.18 m/mes, con una desviación estándar de

0.403 m. Los desplazamientos producidos en la lengua α, tanto para el año 1997

y 1998 confirman una reducción notable de velocidades. A través de la restitucion

aerofotogramétrica del Instituto Geográfico Militar, se pudo determinar el retroceso

del glaciar desde 1956 hasta el año 1998 para que a partir de estos años se

22

continúe con estos estudios de aerofotogrametría y poder comparar los resultados

topográficos que se han tomado hasta el presente (Bontron, et. al., 1999).

Durante 49 años de estudio se ha producido una pérdida del 39,35% del área total

del glaciar de la lengua α y un porcentaje de 32,75% de pérdida del área total del

glaciar para la lengua β, dando un total entre las dos lenguas de 35,93% de

pérdida tal como se presenta en el cuadro 3.3 de resumen del total entre las dos

lenguas. Así también se ha producido una pérdida del 16,95% de la longitud del

glaciar de la lengua α y un porcentaje de 20,16% de pérdida de la longitud del

glaciar de la lengua β, tal como se presenta en el cuadro 3.4 de resumen.

CUADRO 3.3

EVOLUCIÓN DE LA SUPERFICIE DEL GLACIAR 15: PERIODO 1956 – 2005

(m2)

Años

Área

Lengua αααα

(m2)

Área

Perdida

Lengua αααα

por periodo

(m2)

%

reducc.

Área Lengua

ββββ

(m2)

Área

Perdida

Lengua ββββ

por periodo

(m2)

%

reducc.

Total

(m2) %

%

reducc.

1956 465802 0 0,00 501835 0 0,00 967637 100,00 0,00

1965 439518 -26283 5,64 485076 -16759 3,34 924595 95,55 4,45

1993 375411 -64107 19,41 429261 -55814 14,46 804673 83,16 16,84

1996 351709 -23702 24,49 419926 -9335 16,32 771635 79,74 20,26

1997 340749 -10960 26,85 406431 -13495 19,01 747180 77,22 22,78

1998 333355 -7393 28,43 403949 -2481 19,51 737305 76,20 23,80

1999 342117 8761 26,55 408331 4381 18,63 750448 77,55 22,45

2000 365464 32108 21,54 428634 24684 14,59 794098 82,07 17,93

2001 346139 -19325 25,69 412772 -15862 17,75 758911 78,43 21,57

2002 322614 -23525 30,74 387266 -25506 22,83 709880 73,36 26,64

2003 308616 -13998 33,75 358023 -29243 28,66 666639 68,89 31,11

2004 300207 -8409 35,55 351494 -6529 29,96 651701 67,35 32,65

2005 282511 -17696 39,35 337490 -14004 32,75 620001 64,07 35,93

Fuente: INFORME ANUAL 1997 – 1998, INFORME ANUAL 2004, DATOS PARA

INFORME ANUAL 2005, GREATICE

Elaboración: Ing. Bolívar Cáceres

Modificación: Daniela Freile, Carla Manciati

23

CUADRO 3.4

EVOLUCIÓN DE LA LONGITUD DEL GLACIAR 15: PERIODO 19 56 – 2005 (m)

Años

Longitud

lengua αααα

(m)

Longitud

perdida

lengua αααα

por

periodo

(m)

% pérdida

Longitud

lengua ββββ

(m)

Longitud

perdida

lengua ββββ

por

periodo

(m)

% pérdida

1956 2234 0,00 0,00 2379 0,00 0,00

1965 2193 -41,59 1,86 2359 -20,95 0,88

1993 2102 -90,44 5,91 2216 -142,73 6,88

1996 2048 -54,15 8,33 2158 -57,61 9,30

1997 1988 -59,99 11,02 2104 -54,26 11,58

1998 1963 -25,66 12,16 2054 -50,15 13,69

1999 1979 16,01 11,45 2064 10,00 13,27

2000 2006 27,00 10,24 2060 -4,00 13,43

2001 1979 -27,00 11,45 2052 -8,00 13,77

2002 1964 -15,00 12,12 2008 -44,00 15,62

2003 1910 -54,00 14,53 1932 -76,00 18,81

2004 1883 -27,00 15,74 1913 -19,00 19,61

2005 1856 -27,00 16,95 1900 -13,00 20,16

Fuente: INFORME ANUAL 1997 – 1998, INFORME ANUAL 2004, DATOS PARA

INFORME ANUAL 2005, GREATICE

Elaboración: Ing. Bolívar Cáceres.

Modificación: Daniela Freile, Carla Manciati

Como se puede notar de los cuadros presentados, el glaciar 15 del nevado

Antisana, tiene un retroceso importante cada año, a excepción de los años 1999 y

2000 que son años en los cuales el glaciar se recupera en un pequeño porcentaje

tanto en área como en longitud, el cual parece estar relacionado con un descenso

de temperatura del aire y un aumento de las precipitaciones observadas en los

alrededores del glaciar, las que probablemente son una consecuencia de la

presencia de la fase fría del ENSO (La Niña). En la lengua α se vio un aumento

de 16 m y para la lengua β el avance fue de 10 m con relación al periodo 1997 –

1998. Con relación a las áreas, también hubo un incremento de 40869 m2 para la

lengua α y para la lengua β de 29065 m2 para estos años. En el gráfico 3.3 se

24

pueden observar los contornos para los años 1996 a 2000, notándose claramente

la posición de las balizas, las marcas para el levantamiento topográfico y la

reducción del glaciar para los años 1996 a 1998 y un pequeño incremento para el

año 1999 tal como se ha explicado anteriormente. Para los años 2001 a 2004, los

gráficos de contornos se encuentran en el Anexo 1. Para el periodo 2004 y 2005

el gráfico 3.4 presenta el retroceso del glaciar detallado en el cuadro 3.3

presentado anteriormente.

GRÁFICO 3.3

TOPOGRAFÍA DE LA EVOLUCIÓN DEL GLACIAR 15: PERIODO 1996 – 1999



25

GRÁFICO 3.4

CONTORNO Y POSICIÓN DE BALIZAS DEL GLACIAR 15: PERI ODO 2004 –

2005



3.2.2 GLACIAR LOS CRESPOS

A continuación se presenta una recopilación de los datos que se han medido

sobre este glaciar desde el año 2001 (ver gráfico Anexo 1), las mediciones no han

sido continuas ya que solo se lo equipo para tenerlo como referencia, es a partir

de mediados del año 2004 que se comienzan a realizar lecturas continuas a nivel

26

mensual sobre este glaciar lo que permitirá en un futuro tener una serie de datos

mas completa, los que se complementaran con las mediciones de

micrometeorología que se realizan desde esta misma época (Cáceres, et. al,

2005).

Además debido a una pérdida de la información topográfica del contorno de este

glaciar para el año 2005 no se tienen los resultados del retroceso que ha sufrido.

GRÁFICO 3.5

CONTORNO PARA EL GLACIAR LOS CRESPOS, ENERO DEL 200 5


Elaboración: Ing. Bolívar Cáceres, Ing. Luis Maisincho.

CAPÍTULO 4

INFORMACIÓN HIDROLÓGICA, METEOROLÓGICA Y GLACIOLÓGICA EXISTENTE

4.1 INFORMACIÓN LOCAL EXISTENTE

El proyecto GREATICE trabajado en conjunto entre el INAMHI, la EMAAP-Q y el

IRD, proporcionó la información de las ocho estaciones instaladas para el

monitoreo del nevado Antisana, teniendo acceso a las mismas tanto en forma

digital como a los informes de campo, mediante el uso del programa

computacional HYDRACCESS.

Se ha considerado la precipitación desde el año 1995 hasta el año 2005, teniendo

once años de datos para el análisis. Existen periodos de ausencia de datos,

“lagunas”, debido a mantenimiento de sensores, caída de información, o daño en

aparatos por los fuertes vientos o condiciones climáticas extremas. Pero en

general la información es completa y continua durante este periodo.

Se ha considerado la información procedente de los pluviómetros Normalizados

de 200 cm2 de superficie de recolección, llamados registradores de lluvia, con una

boca de apertura de 165 mm de diámetro, que generan una impulsión eléctrica

que registra eventos momentáneos por cierre de contactos en un Data logger o

registrador de lluvia HOBO Event, almacenando la fecha y hora de cada evento.

Los tiempos que separan las impulsiones eléctricas permiten calcular las

intensidades y los volúmenes de lluvia a una escala de tiempo muy fina (algunos

minutos), tal como se muestra en la foto 4.1.

Además se ha tomado la información de pluviómetros totalizadores (foto 4.2), que

están constituidos por cilindros de 150 cm de alto y 50 cm de diámetro con una

superficie de captación igual a aproximadamente 2.000 cm2. Están recubiertos

28

con pintura metálica de color claro a fin de que no absorban demasiado calor y se

coloca dos litros de aceite que forman una película superficial de protección de un

centímetro de espesor para evitar la evaporación del agua acumulada, éste no

debe ser muy viscoso pues, de otra forma, el agua no puede atravesarlo y corre el

peligro de evaporarse si al cabo de poco tiempo se producen fuertes radiaciones y

durante los períodos fríos existe el riesgo de que se congele la capa superior de

aceite y agua, con lo cual la nieve permanece cautiva varios días en la superficie

posibilitándose su evaporación y sublimación. Cada vez que el pluviómetro se

llena (rebosa), se debe realizar un vaciado o sifonaje de este artefacto.

FOTO 4.1

COLECTOR Y PLUVIÓMETRO NORMALIZADO CON REGISTRADOR HOBO

También se utilizó la información del Bidón (foto 4.3), que consiste en una botella

que almacena el agua que ha pasado por el Hobo y llega al Bidón mediante una

manguera, para una medición mediante una probeta graduada en mm de

precipitación y una posterior comparación con los demás aparatos.

29

FOTO 4.2

PLUVIÓMETRO TOTALIZADOR

FOTO 4.3

RECOLECTOR BIDÓN

30

4.1.1 SELECCIÓN Y DESCRIPCIÓN DE ESTACIONES

Se tomó la información de las siguientes estaciones:

CUADRO 4.1

LISTADO DE ESTACIONES LOCALES

ID

ESTACIÓN

NOMBRE

ESTACIÓN TIPO

00 Glaciar Pluviométrica

02 Morrena Pluviométrica

03 Totalizador Pluviométrica

04 Antisana Pluviométrica

05 Mica Pluviométrica

06 Humboldt Pluviométrica,

Hidrológica

07 Crespos Pluviométrica,

Hidrológica

08 Crespos Morrena Pluviométrica

09 Páramo Pluviométrica

Estas estaciones se encuentran distribuidas de la siguiente manera:

Glaciar 00.- Se encontraba ubicada en el Glaciar 15, a 4890 msnm. Cabe indicar

que fue reemplazada esta estación en el mes de febrero de 2005 por el

pluviómetro de la estación meteorológica de altitud, ORE, ubicada en el mismo

lugar, muy cercana al glaciar. Con los datos de la ORE se completó la serie

faltante de la estación Glaciar 00. Cuenta con pluviómetro HOBO, bidón y

totalizador para las mediciones.

Morrena 02.- Se encuentra ubicada en la morrena cercana al Glaciar 15, a 4785

msnm, muy cercana a la estación Glaciar 00. Cuenta con pluviómetro HOBO,

bidón y totalizador para las mediciones de precipitación, más un termógrafo.

31

Totalizador 03.- No es una estación en si, cuenta sólo con un totalizador para la

medición de precipitación y ha sido utilizada para la comparación con las

mediciones y relleno de datos de las otras estaciones. Se encuentra ubicada en el

páramo en la parte Noroccidental del nevado cerca al Glaciar 15, a 4555 msnm.

Antisana 04.- Esta estación es encuentra en el páramo en la parte Noroccidental

cercana a la estación hidrológica en el río emisario del Glaciar 15, a 4450 msnm.

Cuenta con pluviómetro HOBO, bidón y totalizador para las mediciones.

Mica 05.- Se encuentra en la parte baja del páramo, en el campamento de la

EMAAP – Q, cercano a la laguna de Micacocha, a 3930 msnm. Cuenta con

pluviómetro HOBO, bidón y totalizador para las mediciones de precipitación y un

termógrafo.

Humboldt 06.- Está ubicada en la parte Suroccidental del páramo del nevado a

4010 msnm, cerca de la estación Hidrológica Humboldt. Cuenta solamente con un

totalizador.

Crespos 07.- Se ubica en la parte Suroccidental del páramo del nevado a 4450

msnm. Está muy cercana al Glaciar Crespos. Cuenta con pluviómetro HOBO,

bidón y totalizador para las mediciones.

Crespos Morrena 08.- Se ubica en la parte Suroccidental del páramo del nevado

a 4500 msnm. Está muy cercana a la Estación Crespos 07. Cuenta con

pluviómetro HOBO, bidón y totalizador para las mediciones.

Páramo 09.- Se encuentra ubicada en la parte Occidental del páramo del nevado

a 4300 msnm. Cuenta con pluviómetro HOBO, bidón y totalizador para las

mediciones.

32

En el Gráfico 4.1 se muestra el mapa de ubicación de las estaciones en las

cercanías del nevado Antisana, donde se puede notar claramente la ubicación de

los dos glaciares, 15 y Crespos, y su cercanía con las estaciones.

GRÁFICO 4.1

MAPA DE UBICACIÓN DE ESTACIONES PLUVIOMÉTRICAS LOCA LES

Fuente: INFORME ANUAL 2004 GREATICE, 2005

Elaboración: Pierre Lhuissier

33

4.1.2 RECOPILACIÓN DE DATOS PLUVIOMÉTRICOS

Se obtuvieron los datos brutos de pluviometría de cada estación local, con

diferentes periodos, dentro de los once años de estudio, de los HOBOS.

En primer lugar se realizó un inventario general de los datos instantáneos, diarios

y mensuales de cada estación para el año 2005, generando un gráfico de los

periodos en que hay datos, tal como se muestra en el Gráfico 4.2 y 4.3.

En el Gráfico 4.2 se muestra claramente los periodos de datos faltantes para la

estación Glaciar 00 y se ve que son periodos intermitentes de lagunas. En

contraste se puede comparar el Gráfico 4.2 con el Gráfico 4.3 que muestra la

continuidad de los datos con una laguna entre julio y octubre del año 2005. Se

aprecia muy claramente la utilidad de estos gráficos para la ubicación de los datos

faltantes y por ende su gran ayuda en el relleno de los mismos.

GRÁFICO 4.2

INVENTARIO DE DATOS. ESTACIÓN GLACIAR 00. 2005

SERIE DE DATOS EXISTENTESESTACIÓN GLACIAR 00

AÑO 2005

01/0

1/20

05

15/0

1/20

05

29/0

1/20

05

12/0

2/20

05

26/0

2/20

05

12/0

3/20

05

26/0

3/20

05

09/0

4/20

05

23/0

4/20

05

07/0

5/20

05

21/0

5/20

05

04/0

6/20

05

18/0

6/20

05

02/0

7/20

05

16/0

7/20

05

30/0

7/20

05

13/0

8/20

05

27/0

8/20

05

10/0

9/20

05

24/0

9/20

05

08/1

0/20

05

22/1

0/20

05

05/1

1/20

05

19/1

1/20

05

03/1

2/20

05

17/1

2/20

05

31/1

2/20

05

Fecha

Ser

ie e

xist

ente

34

Se realizaron cinco gráficos más de las otras estaciones locales que se

encuentran en el Anexo 1.

A partir de estos gráficos se hizo un inventario general de todas las estaciones y

se determinó la cantidad de datos faltantes así como los periodos de los mismos,

para su posterior procesamiento.

Los datos de la estación Glaciar se completaron con la estación ORE en el año

2005 debido a que la estación Glaciar dejó de funcionar en dicho año.

GRÁFICO 4.3

INVENTARIO DE DATOS. ESTACIÓN MORRENA 02. 2005

SERIE DE DATOS EXISTENTESESTACIÓN MORRENA 02

AÑO 2005

01/0

1/20

05

15/0

1/20

05

29/0

1/20

05

12/0

2/20

05

26/0

2/20

05

12/0

3/20

05

26/0

3/20

05

09/0

4/20

05

23/0

4/20

05

07/0

5/20

05

21/0

5/20

05

04/0

6/20

05

18/0

6/20

05

02/0

7/20

05

16/0

7/20

05

30/0

7/20

05

13/0

8/20

05

27/0

8/20

05

10/0

9/20

05

24/0

9/20

05

08/1

0/20

05

22/1

0/20

05

05/1

1/20

05

19/1

1/20

05

03/1

2/20

05

17/1

2/20

05

31/1

2/20

05

Fecha

Ser

ie e

xist

ente

A continuación en el Cuadro 4.3 se presentan los datos de la estación Morrena y

se puede apreciar claramente la ausencia mostrada en el gráfico del Inventario

desde julio a octubre.

35

CUADRO 4.3

DATOS DIARIOS BRUTOS ESTACIÓN MORRENA 02 AÑO 2005

Se realizaron seis cuadros más de las otras estaciones locales que se encuentran

en el Anexo 1.

Además se recopilaron los datos de los totalizadores de las estaciones para el

año 2005 así como también los datos del bidón, para poder realizar

comprobaciones de exactitud entre los valores tomados por los diferentes

aparatos de medición.

36

4.2 INFORMACIÓN REGIONAL EXISTENTE

De la base de datos del Instituto Nacional de Meteorología e Hidrología, INAMHI,

se obtuvo la información tanto pluviométrica como meteorológica de estaciones

escogidas alrededor del Ecuador. La información llegó en formato de texto, con

datos brutos, para los años 1995 – 2005, que es el periodo en estudio y en el que

se tienen datos de los sensores del glaciar.

4.2.1 SELECCIÓN DE ESTACIONES

Se seleccionaron entre las estaciones de la base del INAMHI, las que tienen

mayor antigüedad y mejor calidad de datos: Agrometeorológicas, Principales con

Radio, Principales, Pluviométricas y Aeropuertos, para cada región del país.

Además se tomaron en cuenta ciertas estaciones Ordinarias debido a que

constan en estudios anteriores (Villacís, 2001; Francou, 2004) relacionados con el

tema y se encuentran cercanas a la zona del glaciar.

Se solicitaron datos de pluviometría para todas las estaciones en las que fuera

posible obtenerlas, y datos de temperaturas para ciertas estaciones, llegando a un

total de 50 estaciones. Los datos de las estaciones de los Aeropuertos fueron

proporcionados por la Dirección de Aviación Civil, DAC, a través del INAMHI. A

continuación se encuentra el listado de estaciones solicitadas.

CUADRO 4.4

ESTACIONES A NIVEL REGIONAL SELECCIONADAS PARA EL E STUDIO

CÓD. ESTACIÓN DATOS DE LA ESTACIÓN

Provincia Cantón Tipo de estación

M002 LA TOLA Pichincha Quito Agrometeorológica

M003 IZOBAMBA

Pichincha Mejía Agrometeorológica IZOBAMBA TEMPERATURA

37

CONTINUACIÓN CUADRO 4.4




M004 RUMIPAMBA-SALCEDO

Cotopaxi Latacunga Agrometeorológica RUMIPAMBA-SALCEDO TEMPERATURA

M005 PORTOVIEJO-UTM Manabí Portoviejo Agrometeorológica

M006 PICHILINGUE

Los Ríos Mocachi Agrometeorológica PICHILINGUE TEMPERATURA

M007 NUEVO ROCAFUERTE

Orellana Aguarico Agrometeorológica NUEVO ROCAFUERTE TEMPERATURA

M008 PUYO

Pastaza Pastaza Agrometeorológica PUYO TEMPERATURA

M024

QUITO INAMHI-IÑAQUITO

Pichincha Quito Principal QUITO INAMHI-IÑAQUITO

TEMPERATURA

M025 LA CONCORDIA Pichincha Sto. Dgo. Agrometeorológica

M027

SANTO DOMINGO AEROPUERTO

Pichincha Sto. Dgo. Aeropuerto SANTO DOMINGO AEROPUERTO

TEMPERATURA

M029 BAÑOS

Tungurahua Baños de

Agua Sta. Principal

BAÑOS TEMPERATURA

M030 SAN SIMON Bolívar Guaranda Principal

M033 LA ARGELIA-LOJA

Loja Loja Agrometeorológica LA ARGELIA-LOJA TEMPERATURA

M041 SANGAY (P. SANTA ANA) Morona

Santiago Palora Principal

M053 IBARRA AEROPUERTO

Imbabura Ibarra Aeropuerto IBARRA AEROPUERTO TEMPERATURA

M056

GUAYAQUIL AEROPUERTO

Guayas Guayaquil Aeropuerto GUAYAQUIL AEROPUERTO

TEMPERATURA

M058 ESMERALDAS-TACHINA

Esmeraldas Esmeraldas Aeropuerto ESMERALDAS-TACHINA TEMPERATURA

M059 TULCÁN AEROPUERTO

Carchi Tulcán Aeropuerto TULCÁN AEROPUERTO TEMPERATURA

M064

LATACUNGA AEROPUERTO

Cotopaxi Latacunga Aeropuerto LATACUNGA AEROPUERTO

TEMPERATURA

M066 AMBATO AEROPUERTO

Tungurahua Ambato Aeropuerto AMBATO AEROPUERTO TEMPERATURA

38





M067 CUENCA AEROPUERTO

Azuay Cuenca Aeropuerto CUENCA AEROPUERTO TEMPERATURA

M103 SAN GABRIEL

Carchi Montúfar Principal con Radio SAN GABRIEL TEMPERATURA

M105 OTAVALO Imbabura Otavalo Principal con Radio

M111 MALCHINGUI INAMHI Pichincha Pedro

Moncayo Principal

M113 UYUMBICHO Pichincha Mejía Ordinaria

M114 TUMBACO

Pichincha Quito Ordinaria TUMBACO TEMPERATURA

M126 PATATE Tungurahua Patate Ordinaria

M127 PILLARO Tungurahua Píllaro Ordinaria

M130 CHILLANES Bolívar Chillanes Ordinaria

M131 SAN PABLO DE ATENAS Bolívar San Miguel Ordinaria

M133 GUASLAN Chimborazo Riobamba Ordinaria

M153 MUISNE Esmeraldas Muisne Principal

M185 MACHALA-UTM

El Oro Machala Agrometeorológica MACHALA-UTM TEMPERATURA

M188 PAPALLACTA

Napo Quijos Ordinaria PAPALLACTA TEMPERATURA

M191

CHARLES DARWIN INAMHI

Galápagos Santa Cruz Principal CHARLES DARWIN INAMHI

TEMPERATURA

M221 SAN CRISTOBAL-GALAPAGOS Galápagos San

Cristóbal Ordinaria

M258 QUEROCHACA (UTA) Tungurahua Quero Principal con Radio

M353 RUMIPAMBA-PICHINCHA Pichincha Rumiñahui Pluviométrica

M362 LAS PAMPAS Cotopaxi Sigchos Principal

M363 SIGCHOS Cotopaxi Sigchos Pluviométrica

M364 LORETO PEDREGAL Pichincha Mejía Pluviométrica

M365 GUAYTACAMA Cotopaxi Latacunga Pluviométrica

M367 PINLLOPATA Cotopaxi Pangua Pluviométrica

39





M369 CUSUBAMBA Cotopaxi Salcedo Pluviométrica

M376 PILAHUIN Tungurahua Ambato Pluviométrica

M377 TISALEO Tungurahua Tisaleo Pluviométrica

M380 HUAMBALO Tungurahua San Pedro

de Pelileo Pluviométrica

M393 SAN JUAN-CHIMBORAZO Chimborazo Riobamba Pluviométrica

MA1

Y CALAMACA CONVENIO IN Tungurahua Ambato Principal

MA2

T TOMALON-TABACUNDO Pichincha

Pedro

Moncayo Agrometeorológica

Fuente: INAMHI, 2006

Además de estas estaciones se solicitó la estación M054, QUITO

OBSERVATORIO, porque es la más antigua en el país y consta de una serie de

datos desde el año 1891 hasta el año 1989 y resulta muy útil para los análisis,

aunque no tiene datos disponibles en el periodo de estudio.

También debido a posteriores avances en el estudio, se solicitó la información de

pluviometría y temperatura existente de las estaciones: M003 IZOBAMBA, M053

IBARRA AEROPUERTO, M066 AMBATO AEROPUERTO y M376 PILAHUIN.

4.2.2 RECOPILACIÓN DE DATOS PLUVIOMÉTRICOS Y METEO ROLÓGICOS

Se entregaron por parte del INAMHI los datos de precipitación media mensual y

de temperatura media mensual en formato digital de texto y se lo pasó a formato

Excel para su manejo y procesamiento, tal como se indica en el cuadro 4.5.

40

Además en el gráfico 4.4 se presenta un mapa de ubicación de las estaciones

seleccionadas a nivel regional. En el mapa, algunas de las estaciones no se

encuentran, como por ejemplo, las estaciones de la región insular.

CUADRO 4.5

MUESTRA DE SERIE DE DATOS DE PRECIPITACIÓN MEDIA ME NSUAL Y

TEMPERATURA MEDIA MENSUAL EN FORMATO EXCEL


41

GRÁFICO 4.4

MAPA DE UBICACIÓN DE ESTACIONES A NIVEL REGIONAL

Fuente: BASE DE DATOS INAMHI, 2007

42

4.2.3 RECOPILACIÓN DE DATOS CLIMÁTICOS GLOBALES

Se recopilaron datos a nivel global a través de Internet en la página de: The

International Research Institute for Climate and Society, IRI, de la siguiente

dirección: http://iridl.ldeo.columbia.edu. Los datos fueron tomados en los mismos

años en los que se tomó la información local y regional. Se utilizaron estos datos

adicionales con el objetivo de que el ajuste sea mejor según el avance del

estudio. Estos parámetros son: temperatura a 500 mb de presión, temperatura a

600 mb de presión, temperatura a 700 mb de presión (al momento de la selección

de datos, Data selection, se escoge la presión a la que se desea la temperatura),

humedad relativa, humedad específica, Índice del Fenómeno de El Niño en la

zona 3+4, Índice del Fenómeno de El Niño en la zona 1+2, Índice de Oscilación

del Sur, Velocidad del Viento y Radiación de Onda Larga Reflejada. Todos estos

datos se los consideró en las coordenadas cercanas al Ecuador, esto es 0º de

latitud y a 77.5º W de longitud. El procedimiento para la obtención de los datos

globales es el siguiente:

Se ingresa a la página principal del sitio web cuya dirección es la que se indicó

anteriormente. Toda la información contenida en este lugar se encuentra en

inglés, por lo que los menús que se muestran en los diagramas de flujo (gráficos

4.5, 4.6, 4.7, 4.8) son los que se deben seguir exactamente. En la página principal

se escoge la opción Finding Datasets (Encontrando Datos) ubicada en la parte

izquierda de la misma, para empezar cualquier búsqueda de los datos utilizados

en este estudio. Se desplegarán diferentes opciones para buscar dentro del este

sitio web, para este estudio se escogió: By Category (Por Categoría) y By Source

(Por Fuente).

Primer Método.- Siguiendo el proceso que se explica en el gráfico 4.5, se elige la

opción By Category. El siguiente paso es escoger la opción Historical Model

Simulations (Simulaciones de Modelos Históricos), a continuación aparece un

cuadro muy extenso con los nombres de los datos, diferentes características y

una breve descripción de éstos. En este espacio se escogió NOAA NCEP –

NCAR CDAS – 1. Se abre una página con varias opciones, de las cuales se elige

43

MONTHLY (Mensual), luego aparece una página muy similar a la anterior, donde

se presiona en el menú INTRINSIC (Intrínseco). Entre las posibilidades que

aparecen se selecciona Pressure Level (Nivel de Presión), en este punto se

despliega una larga lista de la cual la información con la que se trabaja es Specific

Humidity (Humedad Específica), Relative Humidity (Humedad Relativa),

Temperature (Temperatura) y Zonal Wind (Viento Zonal). Se extrajo la

información de cada uno de estos menús de la siguiente manera: una vez elegido

el parámetro, se indica la opción Data Selection (Selección de Datos) que se

encuentra en un recuadro en la parte superior derecha, aquí se coloca la

información de Longitude (Longitud), Latitude (Latitud), Pressure (Presión) y Time

(Periodo de Tiempo) en el que se desean los datos. Una vez completado este

cuadro se presiona Restrict Ranges (Restringir Rangos), en la parte superior de

esta página aparece un recuadro de color gris donde señala los rangos que se ha

impuesto y se pulsa Stop Selecting (Parar Selección). Se presenta nuevamente la

página con el recuadro en la parte superior, esta vez se presiona en el menú

Tables (Tablas). Finalmente, se elige la opción Columnar Tables y

automáticamente entrega los datos con su fecha respectiva. Es recomendable

colocar el rango de datos con los que se va a trabajar porque de otra manera la

información que entrega este sitio web es muy extensa y el tiempo que requiere

para mostrarla puede ser muy largo.

Segundo Método.- Siguiendo el proceso detallado en el gráfico 4.6, se elige la

opción By Source. De la lista que se despliega se escoge la opción Indices

(Índices), a continuación aparece una página con varias opciones de las que se

elige Southern Oscillation Index (Índice de Oscilación del Sur). Se abre una

página muy similar a la anterior, de la cual se trabaja con dos de los menús

desplegados: Sea Level Pressure Anomaly (Anomalía de Presión a Nivel del Mar)

y Standarized slp Difference (Diferencia Estandarizada de Presión a Nivel del

Mar). Se extrajo la información de cada uno de estos menús mediante el siguiente

procedimiento: una vez seleccionado, se indica la opción Data Selection

(Selección de Datos) que se encuentra en un recuadro en la parte superior

derecha, tal como se indicó en el caso del gráfico 4.5, explicado anteriormente,

pero se coloca únicamente la información Time (Periodo de Tiempo) en el que se

44

desea los datos, se presiona Restrict Ranges (Restringir Rangos).

Posteriormente, en el recuadro de color gris donde señala los rangos que se ha

impuesto, se pulsa Stop Selecting (Parar Selección). Se presenta nuevamente la

página con el recuadro en la parte superior, se presiona en el menú Tables

(Tablas) y finalmente se elige la opción Columnar Tables para observar las tablas

con los datos y su fecha respectiva.

Tercer Método.- Las opciones que se eligen por el proceso descrito en el gráfico

4.7, son similares a las que se siguen en el gráfico 4.6 hasta los menús

desplegados al escoger Indices (Índices). Ahora se ingresa a la opción nino

(Niño). A continuación se selecciona el menú NCEP_Oiv2. La siguiente página

muestra los índices del Fenómeno de El Niño por zonas, se escoge NINO12 y

NINO34, uno por uno, se sigue el mismo procedimiento mencionado para el

gráfico 4.6.

Cuarto Método.- Para el proceso detallado en el gráfico 4.8, se escoge la opción

de búsqueda By Category, y en la lista de opciones se elige Cloud Characteristics

and Radiation Budget (Características de las Nubes y Balance de Radiación).

Aparece nuevamente el cuadro mencionado para el gráfico 4.5, esta vez se

escoge NOAA NCEP CPC Global. En la página siguiente se selecciona

MONTHLY (Mensual). A continuación se esocge Outgoing Longwave Radiation

(Radiación de Onda Larga Reflejada) y nuevamente se abre la página en la que

se escoge la opción Data Selection (Selección de Datos) en el recuadro en la

parte superior derecha. Esta vez la información que se requiere es: Longitude

(Longitud): 76.25W to 78.75W, Latitude (Latitud) y Time (Periodo de Tiempo) en el

que se desea los datos. Se presiona Restrict Ranges (Restringir Rangos), y Stop

Selecting (Parar Selección). Se abre la página con el recuadro en la parte

superior, se presiona Tables (Tablas) y en esta página Columnar Tables. Los

resultados presentados en la tablas corresponden a dos longitudes distintas, para

el presente estudio, era necesario utilizar las coordenadas 77.5W, que no es

posible obtener directamente en este sitio web, razón por la que se trabajó con un

promedio de los resultados entregados.

45

GRÁFICO 4.5

GUÍA EN DIAGRAMA DE FLUJO PARA LA SELECCIÓN DE DATO S

GLOBALES EN INTERNET. PRIMER MÉTODO .

Fuente: http://iridl.ldeo.columbia.edu, 2006

Finding Datasets

By Category

Historical Model Simulations

NOAA NCEP - NCAR CDAS - 1

Monthly

Intrinsic

Pressure level

Specific Humidity

Relative Humidity

Temperature Zonal Wind

Data Selection

Longitude Latitude Pressure Time

Restrict ranges

Stop Selecting

Tables

COLUMNAR TABLES

46

GRÁFICO 4.6


GLOBALES EN INTERNET. SEGUNDO MÉTODO .


Finding Datasets

By Source

Indices

Southern Oscillation

Index

Sea Level Pressure Anomaly

Standarized slp

difference

Data Selection

Time

Table

COLUMNAR TABLE

Restrict ranges

Stop Selecting

47

GRÁFICO 4.7


GLOBALES EN INTERNET. TERCER MÉTODO .


Finding Datasets

By Source

Indices

NCEP_OIv2

NINO 34

NINO 12

Data Selection

Time

Table

COLUMNAR TABLE

Restrict ranges

Stop Selecting

nino

48

GRÁFICO 4.8


GLOBALES EN INTERNET. CUARTO MÉTODO .


Finding Datasets

By Category

Cloud Characteristics and Radiation Budget

Monthly

Outgoing Longwave Radiation

Data Selection

Table

COLUMNAR TABLE

Restrict ranges

Stop Selecting

NOAA NCEP CPC Global

Longitude 76,25 W to 78,75W

Latitude Time

CAPÍTULO 5

ANÁLISIS ESTADÍSTICO DE LA INFORMACIÓN HIDROMETEOROLÓGICA

5.1 PLUVIOMETRÍA LOCAL. PROCESAMIENTO DE LA INFORMACIÓN DE LA RED HIDROMETEOROLÓGICA EN EL ANTISANA DEL PROYECTO GREATICE

Con el inventario de la información pluviométrica local se pudo procesar dicha

información para que resultara manejable para las comparaciones, relaciones y

para la obtención del modelo.

5.1.1 CONSTITUCIÓN DEL JUEGO DE DATOS HOMOGENIZADO S Y

CORREGIDOS

Se revisaron uno por uno, a nivel instantáneo, diario y mensual, los datos de

todas las estaciones locales, en el periodo enero – diciembre de 2005, a fin de

constatar la calidad y la coherencia de la información, así como con ello,

completar los datos faltantes y rellenar la serie existente desde 1995.

Se tomaron los datos de los aparatos de medición, es decir, para el HOBO, en el

cual se tienen registros de basculaciones cada vez que se completa el pequeño

volumen del balancín y con ello se puede comprobar las sumatorias a nivel diario

y a nivel mensual de este aparato de medición, el cual resulta el más completo y

en la mayoría de las estaciones el más exacto.

A continuación se presenta el cuadro 5.1 donde están señalados con color los

lugares donde faltan datos y además se encuentran en negrilla los valores que

son incorrectos pues al compararlos con los de las estaciones cercanas presentan

diferencias significativas.

50

CUADRO 5.1

TOTALES DIARIOS DE PRECIPITACIÓN TOMADOS DEL HOBO ( mm).

RECOPILACIÓN DE TODAS LAS ESTACIONES. EJEMPLO DE DI CIEMBRE

DE 2005

Fecha Glaciar

00

Morrena

02

Antisana

04

Mica

05

Crespos

07

Crespos

Morrena

08

Páramo

09

01/12/2005 0,20 0,05 0,10 1,30 0,54 0,94 0,22

02/12/2005 0,00 0,05 0,08 6,82 0,08 0,08

03/12/2005 3,20 0,05 0,08 2,87 0,08 0,08

04/12/2005 3,60 3,42 4,05 10,75 3,59 4,46

05/12/2005 11,60 3,43 6,38 4,25 5,19 2,38

06/12/2005 6,60 11,34 6,77 0,66 7,65 12,78

07/12/2005 0,60 5,12 0,12 0,09 1,29 0,68

08/12/2005 2,30 0,62 0,18 0,09 1,92 1,92

09/12/2005 0,00 2,06 1,61 5,01 4,12 3,91

10/12/2005 2,90 0,13 0,68 0,14 0,21 0,20

11/12/2005 3,70 1,11 1,85 0,21 0,64 0,42

12/12/2005 0,20 3,95 2,69 1,01 3,34 5,27

13/12/2005 18,60 0,28 1,36 9,00 3,12 0,92

14/12/2005 1,80 16,01 3,66 5,68 15,75 18,38

15/12/2005 3,60 3,24 1,44 0,54 4,33 1,97 4,44

16/12/2005 2,70 2,36 11,78 0,44 0,85 5,34 1,43

17/12/2005 15,80 2,33 7,55 0,35 5,77 4,67 11,18

18/12/2005 5,00 13,73 5,67 2,01 4,30 9,03 0,76

19/12/2005 1,50 4,92 3,01 1,04 2,66 3,42 2,22

20/12/2005 1,70 1,50 1,56 0,34 3,07 6,21 1,73

21/12/2005 3,20 1,06 1,29 0,15 1,36 0,65 1,82

22/12/2005 0,20 3,57 1,24 0,05 0,34 1,64 0,15

23/12/2005 6,70 0,28 1,04 0,05 2,98 1,77 3,33

24/12/2005 3,90 6,63 1,12 0,05 6,55 10,89 8,10

25/12/2005 2,40 3,21 1,31 0,05 1,90 4,54 3,23

26/12/2005 22,50 2,34 1,13 0,09 10,78 5,49 14,20

27/12/2005 0,00 20,56 0,96 0,10 10,37 21,94 13,32

28/12/2005 0,18 12,83 0,18 0,18 0,14 0,21

29/12/2005 2,60 0,62 18,85 0,48 0,43 1,10 0,64

30/12/2005 1,10 1,98 2,57 24,58 2,22 2,39 6,74

31/12/2005 0,00 1,14 0,23 19,27 0,05 0,04 0,30

51

Además se realizó el gráfico 5.1 donde se puede apreciar la comparación entre

estaciones de los datos brutos del HOBO, para observar de mejor manera las

lagunas y periodos con datos erróneos, que están claramente señalados.

Se nota claramente la existencia de periodos de datos faltantes los cuales serán

analizados y posteriormente rellenados como se verá más adelante en el subtema

5.1.2. Además se procedió a editar los datos brutos, es decir, a retirar del cuadro

5.1 presentado anteriormente, los datos que de acuerdo con el gráfico y

comparándolos con las estaciones vecinas, presentaran valores fuera de rango, o

con evidentes errores de tipeo. Con ello se puede realizar de mejor manera la

deducción de dichos datos.

En los totalizadores se tiene información a nivel mensual y se procesó desde el

paso de los datos desde los informes de campo hacia una hoja Excel, para

comprobar la existencia de sifonajes y en caso de no haberlos, encontrar los

datos erróneos que a su vez, se convierten en datos faltantes que deben ser

rellenados.

También en el caso de la información de los bidones se cuenta con datos a nivel

mensual, pero esta información no es tan completa debido a que muchas veces

se presentan problemas en la toma del bidón, pues se llena y ya los datos no son

tan confiables. De esta forma se pueden comparar los datos del bidón con los

datos tomados con los otros pluviómetros, teniendo así una comprobación de la

información utilizada. En el capítulo 6 se encuentra el proceso para la obtención

de los datos de precipitación del HOBO ya con valores rellenados y se aprecia la

gran diferencia que existe con los datos brutos en el gráfico 5.2.

En el cuadro 5.2 que se detalla a continuación, se pueden apreciar los valores

tomados con los diferentes aparatos de medición de precipitación para la estación

Glaciar 00. Para el resto de estaciones los cuadros se encuentran en el Anexo 3.

52

GRÁFICO 5.1

DATOS BRUTOS DIARIOS DE HOBO. COMPARACIÓN ENTRE LAS

ESTACIONES. AÑO 2005

COMPARACIÓN HOBO. DATOS BRUTOS ACUMULADOS2005

0,00

200,00

400,00

600,00

800,00

1000,00

1200,00

09/11/04 29/12/04 17/02/05 08/04/05 28/05/05 17/07/05 05/09/05 25/10/05 14/12/05 02/02/06

Fecha (días)

Lluv

ia (

mm

)

0 2 4 5 7 8 9

GRÁFICO 5.2

DATOS HOMOGENEIZADOS DIARIOS DE HOBO. COMPARACIÓN E NTRE

LAS ESTACIONES. AÑO 2005

COMPARACIÓN DATOS RELLENADOS ACUMULADOSHOBOS

0.00

200.00

400.00

600.00

800.00

1000.00

1200.00

09/11/2004 29/12/2004 17/02/2005 08/04/2005 28/05/2005 17/07/2005 05/09/2005 25/10/2005 14/12/2005 02/02/2006

Fecha (días)

Lluv

ia (

mm

)

0 2 4 5 7 8 9

53

CUADRO 5.2

DATOS DE TOTALIZADORES Y BIDÓN. EJEMPLO ESTACIÓN GL ACIAR 00.

AÑO 2005.

Periodo Pluviometría

Mes

Fecha

lectura

anterior

Fecha

lectura del

mes

Lectura

anterior

Lectura

mes

(cm)

Sifonaje Diferencia

(cm)

Valor

(mm)

Isotopía

Bidón

(mm)

GLACIAR 00

Enero 29/12/2004 31/01/2005 135,00 132,00 3,00 30,00 35,00

Febrero 31/01/2005 01/03/2005 132,00 121,80 10,20 102,00 182,80

Marzo 01/03/2005 31/03/2005 121,80 111,00 10,80 108,00 173,00

Abril 31/03/2005 29/04/2005 111,00 88,00 23,00 230,00 160,30

Mayo 29/04/2005 01/06/2005 88,00 76,50 11,50 115,00

Junio 01/06/2005 26/06/2005 76,50 63,00 13,50 135,00

Julio 26/06/2005 28/07/2005 63,00 63,00 0,00 0,00

Agosto 28/07/2005 01/09/2005 63,00 67,00 -4,00 Dato

incorrecto 162,00

Septiembre 01/09/2005 30/09/2005 67,00 65,50 1,50 15,00 51,00

Octubre 30/09/2005 28/10/2005 65,50 61,00 4,50 45,00

Noviembre 28/10/2005 29/12/2005 61,00 39,50 21,50 215,00

Diciembre 29/12/2005 06/01/2006 39,50 39,50 0,00 0,00

Se puede notar que existen periodos en ciertas estaciones (ver Anexo 3) que no

cuentan con datos, esto es, debido a que las estaciones empezaron a funcionar

en este año o también sucedió que hubo algún problema con el aparato y no se

pudo realizar la medición en algún mes.

Además en los meses en que existen errores por falta de sifonaje, se nota

claramente que en el resultado en mm de precipitación aparece la frase “Dato

incorrecto” y este debe ser desechado para su posterior relleno.

El cuadro 5.2 pertenece a una hoja Excel, que calcula y actualiza

automáticamente la información obtenida en el campo, tan solo llenando la fecha

de medición y el valor de la lectura del mes y está siendo utilizado para registrar

las mediciones actuales.

54

También es de utilidad mencionar que automáticamente se puede realizar una

comparación previa entre los datos del totalizador y del bidón para cada mes.

Ya con esta información, se procedió a obtener tablas para el año 2005 para

determinar los periodos faltantes para su posterior relleno y comparación.

CUADRO 5.3

DATOS BRUTOS DE TOTALIZADORES EDITADOS. AÑO 2005

CUADRO 5.4

DATOS BRUTOS DE BIDÓN EDITADOS. AÑO 2005

55

5.1.2 RELLENO DE DATOS

A partir de la información ya ordenada y editada que se presentó en el subtema

anterior, se procedió al relleno de datos faltantes. Para ello se pasó toda la

información de Excel al programa Statgraphics ®, donde, mediante el método de

Correlaciones Múltiples, se procedió a relacionar las estaciones y de esta manera

se obtuvieron las ecuaciones para el relleno.

5.1.2.1 Método de Correlaciones Múltiples

La correlación es el grado de interconexión entre variables, que intenta determinar

con qué precisión describe o explica la relación entre variables una ecuación

lineal o de cualquier otro tipo. Si todas las variables satisfacen una ecuación

exactamente, se dice que las variables están perfectamente relacionadas o que

hay una correlación perfecta entre ellas (Spiegel, 1991).

El diagrama de dispersión es aquel gráfico que representa la relación entre dos

variables. Determina de forma cualitativa con qué precisión describe una curva

dada la relación entre variables por observación directa (Spiegel, 1991).

El Coeficiente de Correlación mide la calidad del ajuste entre: la ecuación

adoptada y los datos. A menos que se especifique lo contrario, el término

coeficiente de correlación se usará para el coeficiente de correlación lineal, que se

utilizó en este estudio. Dicho coeficiente se lo puede calcular con la siguiente

ecuación:

( ) ( ) ( )( ) ( )( )[ ] ( ) ( )( )[ ]∑ ∑∑ ∑

∑ ∑∑−⋅⋅−⋅

⋅−⋅=

2222 YYNXXN

YXXYNr (5.1)

Donde X es la variable independiente, Y es la variable dependiente y N es el

número de datos que intervienen en el análisis (Spiegel, 1991).

56

El coeficiente de correlación varía entre –1 y +1, estos signos se usan para las

correlaciones positivas o negativas respectivamente. Se debe notar que r es una

cantidad adimensional, es decir, no depende de las unidades empleadas, además

este coeficiente se altera de forma importante ante la presencia de un valor

extremo. Ante estas situaciones conviene realizar una transformación de datos

que cambia la escala de medición y modera el efecto de valores extremos (como

la transformación logarítmica) (Fernández y Díaz; 2001).

Dos variables pueden tener una relación curvilínea fuerte, a pesar de que su

correlación sea pequeña. Por tanto cuando se analice las relaciones entre dos

variables se debe representarlas gráficamente y posteriormente calcular el

coeficiente de correlación. El coeficiente de correlación no se debe extrapolar más

allá del rango de valores observado de las variables en estudio ya que la relación

existente entre X y Y puede cambiar fuera de dicho rango. La correlación no

implica causalidad. La causalidad es un juicio de valor que requiere más

información que un simple valor cuantitativo de un coeficiente de correlación

(Fernández y Díaz; 2001).

El coeficiente de correlación (r) puede calcularse en cualquier grupo de datos, sin

embargo la validez del test de hipótesis sobre la correlación entre las variables

requiere en sentido estricto: que las dos variables procedan de una muestra

aleatoria de individuos, y que al menos una de las variables tenga una distribución

normal en la población de la cual la muestra procede. Para el cálculo válido de un

intervalo de confianza del coeficiente de correlación de r ambas variables deben

tener una distribución normal. Si los datos no tienen una distribución normal, una

o ambas variables se pueden transformar (transformación logarítmica) o si no se

calcularía un coeficiente de correlación no paramétrico (coeficiente de correlación

de Spearman) que tiene el mismo significado que el coeficiente de correlación

mencionado y se calcula utilizando el rango de las observaciones (Fernández y

Díaz; 2001).

57

Mientras más cercano a uno sea el valor del coeficiente de correlación, en

cualquier dirección, más fuerte será la asociación lineal entre las dos variables.

Mientras más cercano a cero sea el coeficiente de correlación indicará que más

débil es la asociación entre ambas variables. Si es igual a cero se concluirá que

no existe relación lineal alguna entre ambas variables, esto no quiere decir que no

pueda existir ningún otro tipo de relación entre las variables (Spiegel, 1991).

La Variable Dependiente es la variable que se predice o calcula. Cuya

representación es "Y". La Variable Independiente es la variable que proporciona

las bases para el cálculo. Cuya representación es: X1, X2, X3.......

El Principio de Mínimos Cuadrados es la técnica empleada para obtener la

ecuación de regresión, optimizando la suma de los cuadrados de las distancias

verticales entre los valores dato, que vienen dados por (x1, y1), (x2, y2), …, (xN, yN) y

el correspondiente valor deducido de una curva C, denotados como (X1, Y1), (X2,

Y2), …, (XN, YN), esta diferencia se la llama desviación, error, residual, y puede ser

positiva, negativa o nula. (Spiegel, 1991).

El Análisis de Regresión y Correlación Múltiple consiste en estimar una variable

dependiente, utilizando dos o más variables independientes.

La forma general de la ecuación de regresión múltiple con dos variables

independientes es:

22110 XaXaaY ++= (5.2)

Donde:

X1, X2: Variables Independientes

a0: es la ordenada del punto de intersección con el eje Y.

58

a1: Coeficiente de Regresión (es la variación neta en Y por cada unidad de

variación en X1).

a2: Coeficiente de Regresión (es el cambio neto en Y para cada cambio unitario en

X2).

Mediante este método y utilizando un análisis previo (Lhuissier, 2005), se

separaron los grupos de estaciones con mejores relaciones previas y ya con la

información editada del periodo enero – diciembre de 2005 se pudo obtener las

correlaciones y las respectivas ecuaciones para el relleno de los datos faltantes

del HOBO para cada estación, tal como se presentan en el gráfico 5.3.

Las ecuaciones obtenidas mediante este análisis fueron las siguientes:

221,10091,00 PP ⋅+= (5.3)

r2 = 89.5%

074,024,02 PP ⋅+= (5.4)

r2 = 89.5%

098,030

41,74 PP ⋅+= (5.5)

r2 = 71.8%

7805,030

798,55 PP ⋅+= (5.6)

r2 = 65.4%

882,0389,07 PP ⋅+= (5.7)

r2 = 74.2%

59

791,0198,08 PP ⋅+= (5.8)

r2 = 74.2%

783,0292,09 PP ⋅+= (5.9)

r2 = 71.4%

GRÁFICO 5.3

GRÁFICO TIPO DE RELACIÓN ENTRE ESTACIONES. MÉTODO D E

CORRELACIONES MÚLTIPLES PARA RELLENO DE DATOS FALTA NTES.

CASO P0 Y P2.

Se nota que en el caso de los pluviómetros P4 y P5 la relación es diferente pues

se debió dividir el primer coeficiente para treinta, pues la relación fue a nivel

mensual y para rellenar datos a nivel diario se debió dividir para el número de días

del mes para que fuera coherente. Cabe mencionar que en las ecuaciones de P0

– P2 y P7 – P8, los datos faltantes de las estaciones en la una estación no

coinciden con datos faltantes de la otra por lo que los datos fueron rellenados con

información observada, no con información calculada. En caso de que en

posteriores estudios, estos períodos de datos faltantes coincidan, se propone las

siguientes ecuaciones a nivel diario:

60

8795,056.02 PP ⋅+= (5.10)

r2 = 69.1%

064,0514,08 PP ⋅+= (5.11)

r2 = 63.2%

Todo este proceso dio como resultado un relleno adecuado de datos aplicable

para el año 2005, satisfactorio para los análisis posteriores, basados en las

relaciones entre totalizadores propuestas por Lhuissier (2005) en su estudio, que

funcionaron de igual manera para los datos del HOBO.

Se compararon las correlaciones entre los HOBOS y los totalizadores para cada

una de las estaciones locales, con el propósito de obtener otra fuente de relleno

de datos, en el caso de que entre estaciones no fuera muy adecuado, y también

para confirmar que al hacer un relleno entre estaciones los datos calculados no se

aparten de la realidad. Los resultados de este análisis, tanto gráficos como

coeficientes de determinación se encuentran en el Anexo 4. A continuación en el

cuadro 5.5 se presenta la comparación entre las correlaciones de las estaciones

locales antes y después de rellenar los datos.

CUADRO 5.5

COMPARACION COEFICIENTE DE DETERMINACIÓN ENTRE ESTA CIONES

LOCALES

Estación 1 Estación 2 R2 Antes de rellenar

R2

Después de rellenar

Glaciar 00 Morrena 02 89.5 94.0 Morrena 02 Glaciar 00 89.5 94.0 Antisana 04 Glaciar 00 71.8 80.6

Mica 05 Crespos 07 65.4 95.1

Crespos 07 Crespos

Morrena 08 74.2 84.9

Crespos Morrena 08

Crespos 07 74.2 84.9

Páramo 09 Crespos 07 73.0 71.2

61

Se aprecia que en la relación entre la estación Páramo 09 y Crespos 07 el

coeficiente de determinación es menor, esto es debido a que la estación Páramo

09 es rellenada con datos ya calculados de la estación Crespos 07 de la relación

con la estación Crespos Morrena 08.

5.2 INFORMACIÓN PLUVIOMÉTRICA Y METEOROLÓGICA REGIONAL. PROCESAMIENTO DE LA INFORMACIÓN DE LA RED GENERAL DE ESTACIONES DEL INAMHI.

Una vez que los datos fueron ordenados en tablas manipulables para su análisis,

se recopiló toda en la información en un solo archivo en una hoja de cálculo con el

propósito de visualizar los posibles errores y diferenciar los datos faltantes de

manera más fácil y rápida.

5.2.1 REVISIÓN, CORRECCIÓN Y ANÁLISIS DE LOS DATOS

Primeramente se ubicó a las estaciones dentro de las diferentes regiones del

país, colocándolas por zonas, para un mejor manejo de la información,

utilizándose S para la región Sierra, C para la región Costa, O para la región

Oriental e I para la región Insular.

Se las clasificó de la siguiente manera de acuerdo únicamente con su ubicación

geográfica en el mapa del Ecuador, a criterio de los autores de este estudio, por

provincias:

Costa Norte (CN): Esmeraldas, Manabí.

Costa Central (CC): Guayas, Los Ríos.

Costa Sur (CS): El Oro

Sierra Norte (SN): Carchi, Imbabura, Pichincha

Sierra Central (SC): Cotopaxi, Chimborazo, Tungurahua, Bolívar.

Sierra Sur (SS): Cañar, Azuay, Loja

62

Oriente Norte (ON): Sucumbíos, Napo, Orellana

Oriente Central (OC): Pastaza

Oriente Sur (OS): Morona Santiago, Zamora Chinchipe

Insular (I): Galápagos

Así también se procedió a clasificarlas por su altura, de acuerdo a las zonas

climáticas dadas por Pourrut, en:

Bajo (B): A nivel del mar

Sierra Alta (SA): Altura mayor a los 2500 msnm.

Sierra Media (SM): Altura entre 1500 y 2500 msnm.

Sierra Baja (SB): Altura menos a los 1500 msnm.

Además se las calificó de acuerdo con la cantidad de datos faltantes y su relación

con las demás estaciones de su zona en base a un análisis previo, lo que se

conoce como calificación por calidad. En primer lugar se dividió a las estaciones

en dos grupos, siendo, uno (1) estaciones donde existe menos del 10% de datos

faltantes y dos (2) estaciones con un porcentaje de datos faltantes mayor al 10%

(Singh, 1992). Sin embargo, el programa de análisis estadístico utilizado,

Statgraphics®, acepta ciertas estaciones donde el rango de datos faltantes se

encuentra entre 10% y 20%, por lo que se hizo una nueva clasificación

considerando tres grupos, de la siguiente manera: uno (1), dos (2) y tres (3) que

representan: buena, regular y mala respectivamente, tal como se aprecia en el

cuadro 5.6.

CUADRO 5.6

CLASIFICACIÓN Y CALIFICACIÓN DE ESTACIONES A NIVEL REGIONAL


Calif.

Calidad Latitud Longitud Altitud

(msnm) Zona

Subzona

Ubic. Altit.

M002 LA TOLA 0 13 46 S 78 22 0 W 2480 S SN SM 1

M003 IZOBAMBA 0 22 0 S 78 33 0 W 3058 S SN SA 1

63




Calif.


(msnm) Zona

Subzona

Ubic. Altit.

IZOBAMBA TEMPERATURA 1

M004 RUMIPAMBA-SALCEDO

1 1 5 S 78 35 32 W 2628 S SC SA 1

RUMIPAMBA-SALCEDO TEMPERATURA 1

M005 PORTOVIEJO-UTM 1 2 26 S 80 27 54 W 60 C CN CM 2

M006 PICHILINGUE

1 6 0 S 79 27 42 W 120 C CC CM 1

PICHILINGUE TEMPERATURA 1

M007 NUEVO ROCAFUERTE

0 55 0 S 75 25 0 W 205 O ON OM 2

NUEVO ROCAFUERTE TEMPERATURA 2

M008 PUYO

1 30 27 S 77 56 38 W 960 O OC OA 1

PUYO TEMPERATURA 2

M024


0 10 0 S 78 29 0 W 2812 S SN SA

1


TEMPERATURA 2

M025 LA CONCORDIA 0 1 36 S 79 22 17 W 360 S SN SB 2

M027 SANTO DOMINGO AEROP. 0 14 0 S 79 12 0 W 557 S SN SB 1

SANTO DOMINGO AEROP.

TEMPERATURA 1

M029 BAÑOS 1 23 29 S 78 25 5 W 1846 S SC SM 3

BAÑOS TEMPERATURA 3

M030 SAN SIMON 1 38 45 S 59 59 52 W 2530 S SC SA 3

M033 LA ARGELIA-LOJA 4 2 11 S 12 12 4 W 2160 S SS SM 1

LA ARGELIA-LOJA TEMPERATURA 1

M041 SANGAY(P.SANTA ANA) 1 41 35 S 77 57 0 W 880 O OS OA 2

M053 IBARRA AEROPUERTO 0 20 30 N 78 8 0 W 2249 S SN SM 1

IBARRA AEROPUERTO TEMPERATURA 1

M056 GUAYAQUIL AEROPUERTO 2 9 12 S 79 53 0 W 5 C CC CB 1

GUAYAQUIL AEROPUERTO

TEMPERATURA 1

M058 ESMERALDAS-TACHINA 0 58 0 N 79 37 0 W 7 C CN CB 1

ESMERALDAS-TACHINA TEMPERATURA 1

M059 TULCÁN AEROPUERTO 0 48 48 N 77 42 24 W 2950 S SN SA 1

TULCÁN AEROPUERTO TEMPERATURA 1

M064


0 54 24 S 78 37 0 W 2792 S SC SA

1


TEMPERATURA 1

M066 AMBATO AEROPUERTO

1 12 30 S 78 34 24 W 2572 S SC SA 1

AMBATO AEROPUERTO TEMPERATURA 1

M067 CUENCA AEROPUERTO

2 53 12 S 78 59 0 W 2530 S SS SA 1

CUENCA AEROPUERTO TEMPERATURA 1

64




Calif.


(msnm) Zona

Subzona

Ubic. Altit.

M103 SAN GABRIEL

0 36 15 N 77 49 10 W 2860 S SN SA 2

SAN GABRIEL TEMPERATURA 2

M105 OTAVALO 0 14 16 N 78 15 35 W 2556 S SN SA 1

M111 MALCHINGUI INAMHI 0 3 20 S 78 19 56 W 2840 S SN SA 3

M113 UYUMBICHO 0 23 18 N 78 31 31 W 2740 S SN SA 1

M114 TUMBACO

0 14 0 S 78 24 50 W 2348 S SN SM 3

TUMBACO TEMPERATURA 3

M126 PATATE 1 18 1 S 78 30 0 W 2360 S SC SM 3

M127 PILLARO 1 1 10 S 78 33 10 W 2805 S SC SA 3

M130 CHILLANES 1 58 32 S 79 3 48 W 2330 S SC SM 2

M131 SAN PABLO DE ATENAS 1 48 55 S 79 3 55 W 2750 S SC SA 3

M133 GUASLAN 1 43 15 S 78 39 40 W 2750 S SC SA 3

M153 MUISNE 0 36 54 N 80 1 28 W 6 C CN CB 1

M185 MACHALA-UTM 3 3 0 S 79 44 0 W 13 C CS CB 3

MACHALA-UTM TEMPERATURA 3

M188 PAPALLACTA

0 21 54 S 78 8 41 W 3150 O ON OA 3

PAPALLACTA TEMPERATURA 3

M191


0 44 0 S 90 18 0 W 6 I I B

2


TEMPERATURA 2

M221 SAN CRISTOBAL-GALAPAGOS 0 54 0 S 89 36 0 W 6 I I B 3

M258 QUEROCHACA (UTA) 1 24 0 S 78 35 0 W 2940 S SC SA 2

M353 RUMIPAMBA-PICHINCHA 0 25 39 S 78 24 57 W 2940 S SN SA 2

M362 LAS PAMPAS 0 26 36 S 78 58 0 W 1640 S SC SM 1

M363 SIGCHOS 0 41 58 S 78 53 25 W 2880 S SC SA 1

M364 LORETO PEDREGAL 0 33 41 S 78 25 35 W 3620 S SN SA 1

M365 GUAYTACAMA 0 49 14 S 78 38 25 W 3075 S SC SA 3

M367 PINLLOPATA 1 8 27 S 79 1 34 W 2360 S SC SM 3

M369 CUSUBAMBA 1 3 59 S 78 41 57 W 2990 S SC SA 1

M376 PILAHUIN 1 18 8 S 78 43 50 W 3360 S SC SA 1

M377 TISALEO 1 20 42 S 78 39 59 W 3250 S SC SA 1

M380 HUAMBALO 1 23 14 S 78 31 39 W 2880 S SC SA 1

M393 SAN JUAN-CHIMBORAZO 1 37 35 S 78 47 0 W 3220 S SC SA 1

MA1Y CALAMACA CONVENIO IN 1 16 50 S 78 49 15 W 3437 S SC SA 3

MA2T TOMALON-TABACUNDO 0 2 0 N 78 14 0 W 2790 S SN SA 1


65

Dentro de la hoja de cálculo en la que se podía apreciar claramente los datos

faltantes, se revisaron también los datos que por sus valores se los calificó como

“sospechosos”, pues presentaban variaciones considerables con relación a los de

las estaciones cercanas o relacionadas dentro de los datos de precipitación media

mensual. Debido a esto se recurrió a la fuente de los datos, las libretas

meteorológicas y los registros pluviométricos para comprobar si existía o no algún

tipo de error.

Por medio de este proceso de revisión de las libretas y registros, se encontró que

varias estaciones en algunos meses presentaban valores incorrectos y por tanto

se los corrigió. En las estaciones en las que no hubo cambios respecto a los

registros pluviométricos y libretas meteorológicas se tomaron los mismos valores.

Luego se realizó una selección de los datos que presentaban variaciones muy

grandes o se salían demasiado del rango sin que fueran periodos de tiempo

especiales, tales como: años Niño o años Niña, y se los eliminó de las series de

datos para un mejor análisis y para posteriormente tratarlos como datos faltantes.

Además hubo datos, especialmente de temperatura que se los corrigió fácilmente

debido a que sus valores son mucho más homogéneos y los errores encontrados

fueron de tipeo al pasar a formato digital, pues al compararlos con los de las

estaciones cercanas los valores eran exageradamente altos y con números

similares a la escritura correcta.

5.2.2 DEDUCCIÓN DE DATOS FALTANTES

La información regional proporcionada por el INAMHI presentaba lagunas, es

decir datos faltantes, que se los podía apreciar fácilmente cuando se colocó la

información en la hoja de cálculo mencionada anteriormente.

66

Entonces, dentro de los datos faltantes se encontraron tanto los de lagunas

debido a fallas de aparatos, errores cometidos en la toma de datos o al momento

de la sistematización, ya provenientes del INAMHI y los datos sospechosos

eliminados en la comparación preliminar mencionada en el inciso 5.2.1.

5.2.3 RELLENO DE DATOS

Se analizó los datos restantes, y se cuantificó el porcentaje de datos faltantes en

toda la información regional, se calificó las estaciones de acuerdo a los vacíos y

se aplicó varios métodos estadísticos para su agrupamiento de acuerdo al tipo de

clima y su posterior relleno con estaciones semejantes o cercanas.

Los métodos estadísticos utilizados fueron los que se explican a continuación:

5.2.3.1 Método de Componentes Principales

En estadística, el Análisis de Componentes Principales (ACP) (en inglés, PCA) es

una técnica que permite reducir la dimensionalidad del espacio vectorial de un

juego de datos que consiste en un gran número de variables interrelacionadas,

conservando tanto como es posible la variación presente en los datos que

intervienen en el análisis. Esto se realiza transformando los datos a un nuevo

juego de variables, los componentes principales (CP’s), los cuales no están

correlacionados y están ordenados de modo que el primer componente conserve

la mayor parte de la variación presente en todas las variables originales (Jolliffe,

2002).

El Análisis de Componentes Principales constituye una técnica relativamente

sencilla puesto que utiliza esencialmente el álgebra lineal. Este análisis puede ser

considerado como descriptivo porque no hace ningún tipo de hipótesis

probabilística y da prioridad a los datos (Abascal y Grande, 1998). Sin embargo,

67

permite proponer hipótesis surgidas únicamente de los datos una vez realizado el

análisis (Villacís, 2001).

Con la ayuda de ACP se puede identificar fluctuaciones de los patrones

espaciales a través de vectores propios, que al ser extraídos sucesivamente

explican la máxima cantidad posible de la varianza remanente en los datos. Cada

vector propio a su vez está asociado a una serie de coeficientes que describen la

evolución temporal de su respectivo patrón espacial (Peixoto y Oort, 1992).

Esta serie de coeficientes temporales puede ser vista como un promedio

ponderado optimizado (dado que las ponderaciones son estimadas a través del

análisis de componentes principales) para el caso de las anomalías de

precipitación para las estaciones en estudio, es decir que permite obtener una

visión simplificada en conjunto de las variables estudiadas (Villacís, 2001).

Además esta metodología reduce drásticamente efectos de no homogeneidades o

de valores erróneos en las serie de datos originales (Widman y Schar, 1997).

Para empezar el análisis se recurrió a este método para visualizar una agrupación

entre las estaciones con el propósito de que a través de esta relación se pueda

aplicar una técnica de relleno de datos y así tener series completas con lo que se

reduce la posibilidad de error el momento de la realización del modelo.

Se hizo una clasificación previa de las estaciones, aquellas que poseían un alto

porcentaje de datos faltantes no fueron tomadas en cuenta, ya que esto no

permite que el método funcione adecuadamente, sin embargo, las estaciones que

a pesar de no ser de buena calidad eran únicas en su región, como fue el caso de

M005 PORTOVIEJO, representando a la provincia de Manabí, y las estaciones en

Galápagos, M191 CHARLES DARWIN INAMHI y M221 SAN CRISTÓBAL, se las

incluyó en este análisis para que no se pierda la posibilidad de la influencia de

estas zonas dentro del estudio.

68

Se aplicó el Método de Componentes Principales y se obtuvo los resultados

donde las estaciones se agrupaban por sectores muy diferenciados. Los datos

arrojados por este proceso, fueron llevados a una hoja de cálculo para generar un

gráfico que permita hacer una nueva clasificación de las estaciones de acuerdo a

los agrupamientos, lo que se supuso, sería lo mejor, para hacer un relleno de los

datos mediante el uso del Método del Vector Regional.

Se hizo un gráfico con el ACP utilizando todas las variables, tanto de precipitación

como de temperatura, a nivel local, regional y global para ver las relaciones entre

ellas y con el balance de la zona de ablación (ver Anexo 4), pero las correlaciones

no eran muy claras, por eso se procedió a realizar un segundo gráfico separando

la variables por zonas de acuerdo con la clasificación previa explicada en el

subtema 5.2.1.

Después del proceso anterior se realizó el Gráfico 5.4 donde se puede apreciar la

ubicación del balance de la zona de ablación junto con las variables que, según

este método, son las que tienen mayor influencia en este parámetro, lo que

después se comprueba en un modelo obtenido a través del método de

Correlaciones Múltiples.

El primer componente de este análisis es el que mayor porcentaje de varianza

presenta, con un 33.89%, mientras que el segundo componente explica

solamente el 16.22%, a partir del tercer componente el porcentaje de varianza

tiende a ser menor al 10% por lo que se considera únicamente los dos primeros.

Estos porcentajes están expuestos en el Anexo 4.

En el gráfico 5.4 se observa que el balance está ubicado en el extremo positivo de

la componente 1 y alrededor de esta variable se encuentran los índices globales

SOI estándar y de presión, además de un índice local, P_Param9. Opuesto a

esto, en el extremo negativo de esta misma componente, se han ubicado las

temperaturas, entre las de mayor influencia se puede citar las variables: T600,

TM003, T500, NINO3_4 y T700. Estas variables son aquellas que tienen relación

69

con el balance y las que influyen de manera significativa en el primer componente

como se puede ver en las tablas de este análisis colocadas en el Anexo 4.

GRÁFICO 5.4


METEOROLÓGICOS LOCALES, REGIONALES Y GLOBALES

Las variables de lluvia se encuentran ortogonales al balance, en el extremo

negativo de la componente 2, estos datos no tienen relación con los que se

encuentran en el componente 1, sin embargo, variables que se encuentran en el

mismo cuadrante donde se encuentra el balance podrán aportar información

importante para explicar su comportamiento, como se muestra en el capítulo 6.

5.2.3.2 Método del Vector Regional

El Vector Regional es, ante todo, un método de análisis de datos (y

ocasionalmente de reconstitución de datos faltantes). Fue elaborado por personal

del ORSTOM – IRD en los años setenta, como Brunet Moret en 1977, Hiez en

70

1979, Le Goulven en 1992, Vauchel en 2000 (Rossel, 1997), con el objeto de

homogenizar los datos pluviométricos. Sin embargo, se puede utilizar este método

para otros datos que no sean lluvias, con tal que éstos sean relativamente

independientes entre sí de un año a otro, y que sean seudo - proporcionales. Esta

última condición significa que los datos de las diferentes estaciones deben variar

en el mismo sentido y en proporciones similares, con variaciones ligeras debidas

a las perturbaciones o señales parásitas que pueden existir en los datos en

análisis. Es generalmente el caso para estaciones de una zona que no sea

demasiado extendida, sometida al mismo comportamiento climático (Hydraccess,

2005). Entonces quiere decir que el método del Vector Regional es la suma de un

componente regional más un vector componente local de las características del

aparato de medición más una señal aleatoria.

El método del Vector Regional consiste en elaborar, a partir del conjunto de la

información disponible, una especie de estación ficticia que sea representativa de

toda la zona de estudio. Para cada estación se calcula un promedio extendido

sobre todo el período de estudio, y para cada año, se calcula un índice que será

superior a 1 cuando el año es excedentario, e inferior a 1 cuando el año es

deficitario. A esta serie de índices anuales o mensuales se le llama Vector

Regional, ya que toma en cuenta la información de una región que se supone es

climáticamente homogénea. Este método también puede aplicarse a datos

mensuales, tratando separadamente cada uno de los meses del año como si se

tratara de un valor anual. Pero en este caso, especialmente respecto a los meses

poco abundantes, cuando la lluvia de la mayoría de los meses es nula o casi nula,

se genera una ley de distribución estadística de los totales muy asimétrica,

incompatible con las hipótesis de conformación del vector, y entonces, el carácter

seudo-proporcional de los datos será menos evidente (Hydraccess, 2005).

Dos métodos concurrentes fueron elaborados en el ORSTOM - IRD por Hiez y

Brunet Moret en 1977. El método de Hiez se basa en el cálculo de la moda (valor

más frecuente), mientras que el de Brunet Moret se basa en el promedio,

eliminando eventualmente los valores demasiado alejados del promedio para

71

evitar contaminar demasiado las estimaciones con datos evidentemente erróneos.

Cada método estima una media extendida para cada estación sobre el período de

trabajo, y calcula los índices anuales de cada estación, obtenidos al dividir el valor

observado en una estación para un año por esta media extendida (Vauchel,

2000). (Información adicional se encuentra en el Anexo 5)

Con este conocimiento, se agrupó las estaciones de acuerdo a los resultados del

Método de Componentes Principales, cuando se analizó únicamente la

información proporcionada por el INAMHI, sin que intervenga el Balance, para

lograr el relleno de datos deseado utilizando este nuevo método.

Se hizo un archivo que hace posible la utilización de este método, que se lo llama

“Multiestaciones” , dentro de este documento se puso toda la información de las

estaciones que se agruparon para poder compararlas y de esta forma llenar las

lagunas. Una vez que se reunió los datos en los distintos grupos se prosiguió a

hacer gráficos de lluvia acumulada con el fin de apreciar los períodos de datos

faltantes y ver la similitud que existía entre dichas estaciones para formar un

criterio de los resultados obtenidos con el método anterior y así poder dar el

siguiente paso.

Después se recogió los resultados arrojados por el Vector Regional donde los

datos ya estaban completos mes a mes procurando que la estación tenga una

buena relación con el vector propuesto por el programa para no tener resultados

que no reflejen la realidad y después genere problemas en la elaboración del

modelo.

Finalmente se vio que la mayoría de estaciones no se ajustaban apropiadamente

al grupo asignado ya que sus regímenes climáticos no siempre eran similares, y

además no todos los datos que se requería eran rellenados porque los grupos

eran muy pequeños y la información con la que se cuenta en algunos casos no es

tan completa y contiene errores, por lo que se desechó este método para llegar a

conclusiones y crear un modelo que se ajuste a la realidad.

72

A pesar de los inconvenientes se insistió en probar nuevos agrupamientos de las

estaciones con el Método de Componentes Principales para intentar nuevamente

el relleno de datos con el Método del Vector Regional, incluso se agregó al

análisis variables locales, datos del balance de la zona de ablación del glaciar y

los datos meteorológicos globales, pero ningún ensayo fue suficientemente bueno

para continuar el análisis por este camino, por lo que se optó por probar otro

método que es el que se señala a continuación.

5.2.3.3 Método de Correlaciones Múltiples

Como ya se explicó en la sección 5.1.2.1 lo que implica el método de

Correlaciones Múltiples, a continuación se explica lo que se realizó dentro de la

parte regional con este método.

Se introdujo todo el conjunto de información tanto pluviométrica como

meteorológica, local, regional y global y se realizaron las correlaciones, mediante

el análisis de regresión lineal y múltiple para encontrar fácilmente la variable con

mejor ajuste.

Se probó inicialmente con los grupos seleccionados anteriormente con los otros

métodos, que tenían relaciones aceptables. Después se analizó los datos de

precipitación, dividiendo las estaciones por regiones climáticas del Ecuador, y se

introdujo los datos de las estaciones locales, toda la información de los datos

globales, y el parámetro más importante de nuestro análisis para poder plantear

un modelo: el Balance de la zona de ablación del Glaciar.

Se estudio las relaciones con las estaciones de cada región con el resto de datos,

y cuando se obtuvo un buen ajuste con el método de regresión múltiple se

comprobó la correlación con regresión lineal.

73

Finalmente se probó con toda la información al mismo tiempo, tanto local, regional

(precipitación y temperatura), y global, para encontrar una relación, lo que se

obtuvo fue que el balance tiene mucha influencia de la temperatura de la estación

M003 IZOBAMBA que se encuentra en la Región Interandina del país, de la

precipitación de M376 PILAHUIN que se encuentra en la misma región, y también

de la temperatura global a 700 mb.

Se procuró trabajar con estos datos para plantear una regeneración de los datos

históricos del balance de la zona de ablación del glaciar, y se recurrió nuevamente

al INAMHI para que nos provean de toda la información disponible de estas

estaciones, gracias a la buena disposición de esta institución se pudo llegar al

objetivo de tener datos históricos de dicho balance y con un muy buen ajuste.

Con conocimiento de que la estación más antigua del Ecuador es la M054 QUITO

OBSERVATORIO se planteó una nueva propuesta, relacionar las temperaturas

de esta estación y la temperatura de la estación M003 IZOBAMBA para poder

reconstituir los datos de esta última desde el año 1891, para luego relacionar

nuevamente esta información con el balance de la zona de ablación del glaciar y

poder tener la serie histórica de más de 100 años. Los resultados fueron muy

alentadores, se obtuvo un buen ajuste a pesar de que lo más apropiado es

relacionar directamente la estación M054 con el balance, pero debido a que en

esta estación solo se cuenta con información hasta el año 1989 no se pudo hacer

de esta forma.

CAPÍTULO 6

RELACIÓN ENTRE VARIABLES HIDROMETEOROLÓGICAS Y LA FUSIÓN DEL GLACIAR

6.1 JUSTIFICACIÓN DE VARIABLES, ÍNDICES Y MÉTODOS USADOS

Con los datos completos rellenados mediante los métodos especificados en el

capítulo anterior, se procedió a comparar las diferentes simples acumulaciones de

las lluvias de las estaciones locales para el año 2005 en función del tiempo, para

agrupar los pluviómetros y determinar la existencia de microclimas dentro de la

zona de estudio y así generar una correcta relación entre las estaciones y además

entre los diferentes aparatos de medición de la precipitación para determinar el

comportamiento de dicha variable con relación a la fusión del glaciar.

A continuación se presenta tanto el cuadro como el gráfico, cuadro 6.1 y gráfico

6.1 respectivamente, de los valores de precipitación mensual de los aparatos:

Totalizador, Bidón y HOBO de las estaciones locales y su respectiva comparación

entre las estaciones para determinar varias subzonas climáticas locales (variación

del régimen pluviométrico en función de la exposición orográfica y de la altura) y

su correcto funcionamiento al compararlo con los otros artefactos de medición.

En el gráfico 6.3 se puede observar la forma en que las estaciones tomaron una

nueva posición, después de la corrección y posterior relleno de los datos, a través

de las ecuaciones indicadas en el capítulo 5. En el gráfico 6.3 se aprecia dos

zonas climáticas locales, la una conformada por las estaciones ANTISANA 04 y

GLACIAR 00, que pertenecen a la zona noroccidental del nevado y con mayores

precipitaciones, y sobre todo porque presentan una sincronización en los eventos

de lluvia a lo largo del año.

75

CUADRO 6.1

DATOS CORREGIDOS Y HOMOGENIZADOS DE PRECIPITACIÓN D E

TOTALIZADORES (mm/mes). AÑO 2005

Meses Estaciones

Glaciar 00

Morrena 02

Totalizador 03

Antisana 04

Mica 05

Humboldt 06

Crespos 07

Enero 30.00 35.00 25.00 48.00 10.00 15.00 65.00 Febrero 102.00 85.00 115.00 120.00 80.00 85.27 97.07 Marzo 108.00 90.00 100.00 130.00 65.00 70.59 82.37 Abril 230.00 190.00 240.00 274.13 148.71 152.52 164.44 Mayo 115.00 102.09 90.00 144.24 59.95 65.65 153.28 Junio 135.00 45.00 160.00 215.00 101.37 60.00 70.00 Julio 61.83 41.52 40.00 75.00 30.36 100.00 95.00

Agosto 10.74 15.00 20.00 50.00 20.00 25.00 15.00 Septiembre 15.00 35.00 32.00 50.00 20.00 0.00 30.00

Octubre 45.00 45.00 48.00 40.00 30.00 90.00 71.00 Noviembre 90.37 96.18 104.95 123.02 32.38 38.66 67.81 Diciembre 210.02 169.21 177.70 164.62 115.65 186.34 154.92

TOTAL 1152.96 949.01 1152.65 1434.01 713.42 889.03 1065.88

GRÁFICO 6.1


ESTACIONES. DATOS HOMOGENIZADOS DE TOTALIZADORES. 2 005

0.00

200.00

400.00

600.00

800.00

1000.00

1200.00

1400.00

1600.00

0 2 4 6 8 10 12 14Meses

Lluv

ia a

cum

(m

m)

Glaciar 00 Morrena 02 Totalizador 03 Antisana 04 Mica 05 Humboldt 06 Crespos 07

76

CUADRO 6.2

DATOS HOMOGENIZADOS DE PRECIPITACIÓN DE BIDÓN. AÑO 2005

Meses

Estaciones

Glaciar 00

Morrena 02

Antisana 04 Mica 05 Crespos

07 Páramo

09

Enero 35.00 29.80 30.00 9.30 12.80 12.50 Febrero 182.80 114.50 113.00 53.50 60.06 71.00 Marzo 173.00 100.10 100.70 106.00 85.80 70.20 Abril 160.30 223.00 134.00 127.80 209.70 100.00 Mayo 112.52 100.50 80.60 80.00 112.50 88.00 Junio 147.57 145.30 136.50 90.00 107.50 91.00 Julio 63.85 38.30 50.00 57.70 43.00 24.50

Agosto 16.20 11.50 27.40 20.30 13.70 14.20 Septiembre 51.00 51.50 35.00 25.00 34.50 27.00

Octubre 65.18 40.00 22.00 56.50 65.20 63.00 Noviembre 143.42 140.00 90.70 150.00 123.00 154.00 Diciembre 216.45 204.55 92.85 111.05 132.83

TOTAL 1367.29 1199.05 912.75 887.15 1000.58 715.40

GRÁFICO 6.2


ESTACIONES. DATOS HOMOGENIZADOS DE BIDÓN. 2005

0.00

200.00

400.00

600.00

800.00

1000.00

1200.00

1400.00

1600.00

0 2 4 6 8 10 12 14

Meses

Lluv

ia a

cum

(m

m)

Glaciar 00 Morrena 02 Antisana 04 Mica 05 Crespos 07 Páramo 09

77

CUADRO 6.3

DATOS HOMOGENIZADOS DE PRECIPITACIÓN DE HOBO PARA

COMPARACIÓN Y RELACIONES. AÑO 2005

Meses

Estaciones

Glaciar 00

Morrena 02

Antisana 04 Mica 05 Crespos

07

Crespos Morrena

08

Páramo 09

Enero 36.48 22.68 38.44 8.60 14.31 19.14 14.52 Febrero 93.86 77.33 40.37 35.82 62.17 61.99 70.80 Marzo 89.31 73.55 109.02 79.77 82.42 82.28 76.25 Abril 195.83 162.41 247.45 121.81 143.61 162.84 123.02 Mayo 101.34 77.90 100.46 80.32 100.85 78.32 89.03 Junio 124.45 81.49 161.46 84.96 86.46 88.25 84.92 Julio 67.90 63.31 71.70 40.50 47.15 41.61 32.06

Agosto 12.30 16.54 31.25 12.74 14.50 14.23 18.95 Septiembre 45.60 40.92 44.49 25.54 37.95 30.89 33.34

Octubre 61.80 51.10 41.22 55.72 59.54 77.36 79.77 Noviembre 52.21 71.86 77.30 29.67 41.49 44.93 41.83 Diciembre 128.43 117.28 103.19 83.43 105.64 133.65 116.98

TOTAL 1009.50 856.37 1066.35 658.88 796.07 835.51 781.47

GRÁFICO 6.3


ESTACIONES. DATOS HOMOGENIZADOS DE HOBO. 2005

78

La otra zona está conformada por las demás estaciones, MORRENA 02,

CRESPOS MORRENA 08, CRESPOS 07, PÁRAMO 09 y MICA 05, que se

encuentran en una zona más al occidente y presentan respectivamente una

disminución de la precipitación de acuerdo con su altura, además se dan los

mismos eventos de lluvia en los mismos periodos de tiempos, así como con su

alejamiento de los glaciares del nevado.

Además el coeficiente de determinación entre estaciones, como se muestra en el

cuadro 6.4, confirma lo que se observa en el gráfico 6.3, la existencia de dos

zonas climáticas en el nevado.

CUADRO 6.4

COEFICIENTE DE DETERMINACIÓN R2 ENTRE ESTACIONES LO CALES.

PERIODO 1995 – 2005

P0 P2 P3 P4 P5 P6 P7 P0 0.78 0.94 0.77 0.51 0.52 0.49 P2 0.78 0.82 0.63 0.40 0.44 0.45 P3 0.94 0.82 0.80 0.46 0.48 0.47 P4 0.77 0.63 0.80 0.43 0.46 0.45 P5 0.51 0.40 0.46 0.43 0.81 0.77 P6 0.52 0.44 0.48 0.46 0.81 0.79 P7 0.49 0.45 0.47 0.45 0.77 0.79

La estación MORRENA 02, pertenece geográficamente a la primera subzona

climática indicada, teniendo una buena relación con las estaciones que

pertenecen a ella (Lhuissier, 2005), pero debido a la ubicación de la estación, el

efecto del viento produce probablemente grandes pérdidas de precipitación, que

los aparatos no pueden captar (WMO, 2006), que es lo se refleja en el gráfico 6.3

al pertenecer a la segunda subzona climática por la cantidad de precipitación

registrada. La estación MICA 05, presenta la menor cantidad de precipitación

acumulada debido a que está mucho más baja que las demás y más al occidente

del nevado, notándose claramente la influencia de los vientos orientales en las

precipitaciones y es el resultado del Efecto Föhn en el nevado (Llorente, 2003).

79

Ahora se procedió a analizar un modelo incluyendo las estaciones de la parte

local y las estaciones a nivel regional para determinar la cercanía entre estaciones

y la similitud entre el comportamiento pluviométrico de las estaciones locales y

algunas de las regiones del país.

GRÁFICO 6.4

GRÁFICO DE COMPONENTES PRINCIPALES PARA RELACIONAR LAS

ESTACIONES PLUVIOMETRICAS LOCALES Y REGIONALES

Observando el gráfico 6.4, se puede apreciar que las estaciones regionales y

locales se han separado en grupos, los cuales se han señalado claramente, y, por

medio de los principios del ACP (explicados en el capítulo 5), se puede afirmar

que entre las estaciones que pertenecen a dichos grupos existe una importante

relación entre ellas en la Componente 1, la cual tiene un porcentaje de varianza

del 36.7%, el resto de componentes no presentan un porcentaje muy importante,

como se muestra en las tablas en el Anexo 4.

80

El nombre de cada estación está expuesto en el capítulo 5 en el cuadro 5.1, el de

las estaciones locales y, en el cuadro 5.6 el nombre de las estaciones regionales

que interviene en este análisis.

En las zonas ya mencionadas en las que se agruparon las estaciones se verificó

que poseen cantidades de precipitación similares y que de acuerdo con la

geografía se encuentran cercanas.

Luego se realizó un cuadro general de todas las estaciones regionales de la

precipitación acumulada y después se obtuvo un gráfico con todas las estaciones.

Por medio de dicho gráfico se separaron las estaciones en grupos y se realizaron

los gráficos de las estaciones con similar tendencia, tal como se muestra en el

gráfico 6.5.

Ya con los grupos definidos se procedió a trabajar con el método del Vector

Regional, de manera mensual, para el relleno de los datos y correlación de

estaciones, primero se generó el gráfico de las estaciones que se utilizaron para

el relleno por mes de cada estación.

Se comprueba mediante el gráfico su tendencia similar y se puede notar también

que no se tomó en cuenta a las estaciones Muisne y Machala en el grupo debido

a que en el ACP se ubican en una zona distinta y su tendencia en el gráfico de

precipitación acumulada es diferente.

En los gráficos 6.5 y 6.6 se aprecia claramente la variación de la precipitación en

el tiempo, además se nota la presencia de picos de precipitación, así como

precipitaciones excepcionalmente elevadas durante el periodo en estudio (más de

1000 mm de precipitación) que corresponden a los años 1997 y 1998, que fueron

años en los que se presentó el Fenómeno de El Niño. Se puede ver también que

casi no existe interrupción de lluvias durante el periodo de estudio.

81

GRÁFICO 6.5

GRÁFICO DE PRECIPITACIÓN MENSUAL ACUMULADA, ESTACIO NES DEL

GRUPO 1. ZONAS HÚMEDAS EN LA REGIÓN COSTA

GRÁFICO 6.6

GRÁFICO DE PRECIPITACIÓN MENSUAL (mm), ESTACIONES D EL GRUPO

1, PROCESAMIENTO CON VECTOR REGIONAL MENSUAL DE HYD RACCESS

GRUPO 1 - VECTOR REGIONALVALORES DE PRECIPITACIÓN MENSUAL

0

200

400

600

800

1000

1200

01/01/95 15/05/96 27/09/97 09/02/99 23/06/00 05/11/01 20/03/03 01/08/04 14/12/05Fecha

Val

ores

Men

sual

es

CONCORDIA ESMERALDAS GUAYAQUIL PICHILINGUE

PORTOVIEJO STODGOAEROP

82

Entonces mediante este método se procedió a rellenar los datos faltantes a través

de la relación del grupo con todas las estaciones para cada mes de cada año. Se

generaron datos para estaciones como Santo Domingo, en la que el Vector

Regional funcionó correctamente presentando una buena tendencia, con un r2

igual a 0.94 de la estación con respecto al vector, y se obtuvo los datos de relleno

y curvas como las presentadas a continuación en el Gráfico 6.7.

Así también se generaron gráficos para otras estaciones, que la relación era

aceptable, pero esto se debía a un punto excepcional dentro del gráfico, generado

por la precipitación en los años en los que se presentó el Fenómeno de El Niño.

Esto sucedió con las estaciones de la Región Insular y de la Región Costa. A

continuación se presenta un ejemplo mediante el Gráfico 6.8 de la estación

Esmeraldas para el mes de agosto.

GRÁFICO 6.7


ESTACIÓN M027 SANTO DOMINGO AEROPUERTO. ENERO. 199 5 – 2005.

Vector y Estación Santo Domingo Aeropuerto M027 (mm )Enero 1995 - 2005

0

2

4

6

8

10

12

0 2 4 6 8 10 12

Vector

Est

ació

n

Suma Estación

Suma Vector

83

GRÁFICO 6.8


ESTACIÓN M058 ESMERALDAS AEROPUERTO. ENERO. 1995 – 2005.

Vector y Estación Esmeraldas M058 (mm)Agosto 1995 - 2005

0

2

4

6

8

10

12

14

0 2 4 6 8 10 12

Vector

Est

ació

n

Suma Estación

Suma Vector

Se observa que la relación de la estación con el vector no es muy lejana,

corresponde a un r2 igual a 0.85, pero se hizo una comparación entre los valores

originales de precipitación, que se introdujo como datos, y los calculados a través

del método del Vector Regional mensual, los resultados son los que se muestran

en los gráficos en el Anexo 4, ahí se aprecia que la correlación tan alta está dada

por dos puntos únicamente, no es una correlación real, por lo que se los eliminó y

el valor de r2 se redujo a 0.06.

El objetivo al utilizar el método del Vector Regional era rellenar las estaciones con

mayor número de datos faltantes, pero no se logró esto debido a que pese a que

se tenía grupos con relaciones aceptables a nivel anual, al momento de obtener el

vector a nivel mensual para cada año, existían meses en los que el vector no

genera los datos para el relleno correctamente debido a la falta de información,

porque hay una gran cantidad de valores nulos, precipitaciones muy bajas o

ausencia de precipitación en el periodo, pues el vector no está hecho para

84

funcionar cuando la mayoría de los datos son cero, como es el caso de las

estaciones de la Costa y de la Región Insular en la época de estiaje. Por tanto,

los gráficos de los otros grupos en los que se dividió el análisis no se exponen en

este estudio debido a su falta de relevancia.

Esto generó que en el análisis de los datos no se puedan utilizar todas las

estaciones, por tanto se usaron las estaciones con un porcentaje de datos

faltantes menor o igual al 10% y se decidió utilizar otro método para el análisis,

donde las precipitaciones bajas o la ausencia de las mismas no sean un limitante.

6.1.1 ÍNDICES LOCALES

Gracias al análisis previo de las zonas climáticas del nevado Antisana, se justificó

el uso de dos índices que representan a los datos tomados directamente de las

estaciones y que cada uno pertenece a la zona climática obtenida.

Un índice es aquella medida estadística que permite estudiar las fluctuaciones o

variaciones de una sola magnitud o de más de una en relación al tiempo o al

espacio. Los índices más habituales son los que realizan las comparaciones en el

tiempo, por lo que son en realidad series temporales. Si la comparación se realiza

para los valores de una sola magnitud, se habla de índices simples. En cambio,

cuando se trabaja con más de una magnitud a la vez, se habla de índices

complejos (Sánchez, 2004).

Estos índices son los siguientes:

P_Glaciar (mm): Es el promedio de los datos tomados directamente en el glaciar

de precipitación de las estaciones P0, P2, P3, P4.

PGlac2 (adimensional): Es el promedio de los 2 meses anteriores del índice

P_Glaciar de precipitación.

85

PGlac9 (adimensional): Es el promedio de los 9 meses anteriores del índice

P_Glaciar de precipitación.

P_Param (mm): Es el promedio de los datos tomados directamente en el glaciar

de precipitación de las estaciones P5 y P6.

PParam2 (adimensional): Es el promedio de los 2 meses anteriores del índice

P_Param de precipitación.

PParam9 (adimensional): Es el promedio de los 9 meses anteriores del índice

P_Param de precipitación.

Los índices de precipitación antes expuestos se los ha escogido en base a un

estudio anterior realizado (Cadier, et. al., impreso), donde se probó tanto el índice

de precipitación P_Glaciar como P_Páramo y además se realizó los promedios de

estos índices con un mes, dos, cuatro seis, nueve y doce meses anteriores, de

esta manera comprueba la correlación que existe entre el balance y los índices

mencionados.

El modelo realizado en el estudio de Cadier et. al. (impreso) reproduce la

variación del retroceso del glaciar en el período de estudio, éste considera el

índice P_Páramo2 y P_Páramo9 porque son los que aportaron de mejor forma a la

construcción del modelo, que es el siguiente:

943)4(437321809478 −−+⋅−⋅+⋅= lagNPparamoPparamoBalance (6.1)

Este modelo utiliza un desfase (lag) de cuatro meses anteriores del Fenómeno de

El Niño que representa la Temperatura de la Superficie del Mar (TSM) de la zona

3+4, con respecto al balance de la zona de ablación del glaciar.

86

Los índices mencionados en este inciso, se han utilizado en los modelos

matemáticos que se expondrán a lo largo de este capítulo, en los que se utiliza

tres tipos de variables de entrada: variables a nivel local, variables regionales de

precipitación media mensual y temperatura media mensual e índices globales.

6.1.2 ÍNDICES GLOBALES

Se decidió utilizar los índices a nivel global para poder observar el

comportamiento del balance de la zona de ablación a un nivel histórico y global.

Dichos índices fueron introducidos en los modelos mediante el método de

correlaciones múltiples y son los siguientes:

NINO 1_2: Índice de anomalía de la temperatura superficial del mar (TSM) en la

zona 1+2, su definición se la incluyó en el capítulo 2 de este estudio.

NINO 3_4: Índice de anomalía de la temperatura superficial del mar (TSM) en la

zona 3+4, al igual que el índice anterior, se lo definió en el capítulo 2.

NINO 3_4;4: Índice de anomalía de la temperatura superficial del mar (TSM) en la

zona 3+4 con un desfase (lag) de 4 meses posteriores con respecto al balance de

la zona de ablación.

NINO 3_4;-4: Índice de anomalía de la temperatura superficial del mar (TSM) en

la zona 3+4 con un desfase (lag) de 4 meses anteriores con respecto al balance

de la zona de ablación.

T500: Reanálisis de la temperatura media mensual a 500 mb de presión.


87


VIENZON: Reanálisis de la velocidad del viento zonal.

SOIPRES: Es el Índice de Anomalía de presión a nivel del mar.

SOIEST: Es un Índice que refleja la diferencia de presión entre Tahití y Darwin en

Australia.

OLR: Datos de radiación reflejada de onda larga (Outgoing Longwave Radiation).

HUMESP: Reanálisis de Humedad Específica a 500 mb de presión.

HUMREL: Reanálisis de Humedad Relativa a 500 mb de presión.

Reanálisis.– Es lo mismo que el análisis, excepto por dos diferencias importantes.

Primero, no está hecho en tiempo real, y segundo, el campo de referencia es

hecho por un modelo de PNT (Predicción Numérica del Clima o Tiempo) que no

cambia a lo largo del período entero del reanálisis. Un problema serio con

estudios de cambio climático realizados con análisis estándar resulta de cambios

frecuentes en el modelo usado para generar el campo de referencia. Estos

cambios (incluyendo cambios de la resolución y la orografía) conducen a

discontinuidades en una serie de tiempo de análisis en tiempo real. Un reanálisis

produce datos en la malla completos y globales que son tan temporalmente

homogéneos como es posible. Los datos de reanálisis incluyen muchos campos

derivados (calentamiento, humedad de suelo sobre la tierra, etc.) para el cual las

observaciones directas son casi ausentes.

88

Todos los índices se obtuvieron a las coordenadas 0.00º S y 77.5º W, que

pertenecen a la zona del Ecuador, a excepción de los índices de El Niño, y los

índices SOI, debido a que son a nivel global.

Los índices de El Niño se obtuvieron de la segunda versión de datos de la página

donde se sacó toda la información global debido a que esta información tiene una

serie actualizada, calculada con un algoritmo que toma en cuenta parámetros

importantes de la temperatura de la superficie del mar y abarca una serie histórica

de datos.

6.2 RELACIONES ENTRE VARIABLES

Entonces se procedió a retomar el método de Correlaciones Múltiples (método

definido en el capítulo 5 de las opciones de cálculo de Statgraphics ®, para

generar los modelos que relacionen la fusión del glaciar mediante el balance de la

zona de ablación y las estaciones a nivel local y regional.

6.2.1 RELACIONES CON VARIABLES LOCALES, REGIONALES Y

GLOBALES

Para el análisis entre las variables locales y lo que sucede con el balance de la

zona de ablación, se realizó un primer modelo en el que trabajan todas las

estaciones locales y el balance. Se realizó un cuadro en el que se encuentran

todos los coeficientes de determinación de la relación entre el balance de la zona

de ablación y todas las variables utilizadas en este estudio (ver Anexo 6).

Se debe indicar que se realizó un modelo previo de comparación entre el balance

de la zona de ablación observado y generado con variables a nivel local y global

utilizando los índices explicados en el subtema 6.1 publicados en el estudio de

Cadier, et al, 2006.

89

6.2.1.1 Primera Prueba local, regional y global. U so de todas las variables

Se procedió a realizar un modelo que incluye los índices de la parte local, todas

las estaciones de la parte regional y otras variables meteorológicas globales.

A pesar de que el coeficiente de determinación de este modelo sea alto, tal como

se indica posteriormente, no se puede considerar un modelo adecuado porque

algunas variables tienen relación entre ellas, y la una corrige a la otra en el

modelo y esto se puede apreciar por sus coeficientes de determinación y por los

signos que presentan en la ecuación. Entonces se obtuvo que el índice Niño 3+4

y el SOI de presión (SOIPRES) se encuentran relacionados y tienen un

coeficiente de determinación de 52% y además la temperatura M003 está

relacionada con el índice Niño 3+4 y el SOI de presión con coeficientes de

determinación de 35% y 36% respectivamente. Como se presenta en la siguiente

ecuación:

+⋅+⋅+⋅+= 9_162,491_614564,04_35809,5388,1184 ParamPGlaciarPNINOBalanceVIENZONTMTMSOIPRES ⋅+⋅−⋅−⋅+ 51812,70643246,14003934,1872903,15

(6.1)

Donde:

TM003: Es la temperatura en la estación M003 (Izobamba).

TM064: Es la temperatura en la estación M064 (Latacunga).

Restringiendo el modelo que se considere únicamente a partir de octubre de

1995, presentó un coeficiente de determinación r2 igual a 71,2%, lo cual es un

buen ajuste para un estudio de este tipo, pero como se puede observar,

intervienen parámetros locales, esto limita el modelo a los años en que se tiene

datos de estos índices, y no permitiría que se generen datos del balance para

periodos anteriores o posteriores a los años de estudio, como es el objetivo de

este planteamiento. Es importante mencionar que el modelo un número excesivo

de parámetros y de grados de libertad lo que dificulta su interpretación. Por ello

esta ecuación se considera importante únicamente para el análisis de las

relaciones entre parámetros, pero no se lo podría utilizar para determinar el

90

comportamiento del balance en la historia. En este modelo se aprecia que no

intervienen solas las variables a nivel local, sino dentro de los índices locales de

Páramo y de Glaciar y por ello este análisis entra en la parte local.

El modelo 6.1, como el resto de análisis, efectuados en el programa Statgraphics

®, presentaron un gráfico similar al que se muestra a continuación, como parte de

sus resultados:

GRÁFICO 6.9

GRÁFICO TIPO DE LOS MODELOS OBTENIDOS

6.2.1.2 Segunda Prueba local, regional y global. U so de desfases

Posteriormente se relacionaron las estaciones que estuvieron más cerca en los

resultados del modelo del balance que se obtuvo con el Método de Componentes

Principales. Para esto se las introdujo en un análisis con el Método de

Correlaciones Múltiples con lo que, además de verificar dichas relaciones, se

analizó el modelo colocando un desfase de cuatro meses al índice Niño 3+4,

suponiendo que, tendrá su influencia en la zona de estudio cuatro meses antes o

cuatro meses después con respecto al balance. Para llegar a esto se analizó el

modelo realizando un cuadro comparativo introduciendo desfases desde 1 hasta

12 meses y de –1 hasta –12 meses. (Ver Anexo 6).

Para este primer análisis se utilizaron: Temperatura a 500 mb, Índice El Niño en la

zona 3+4 con un desfase de 4 meses posteriores a la ocurrencia del evento

91

global, Índice PGlac2, Índice PGlac9, Índice PParam2, Índice PParam9 y la

pluviometría de la estación M380 (Huambaló).

El resultado fue el siguiente:

+⋅+⋅−⋅−= 9_193,397)4;4_3(8648,585009633,683,17585 ParamPNINOlagTBalance 380576944,02_463,174 MGlacP ⋅+⋅+

(6.2)

Este modelo presentó un coeficiente de determinación r2 igual a 59,5%, que es un

buen ajuste para este análisis, aunque intervienen los parámetros locales que, tal

como se explicó anteriormente limitan al modelo a los años en que se tiene datos

de estos índices. Además cabe notar que interviene también la temperatura media

mensual a 500 milibares de presión y los datos de lluvia de la estación M380 que

presentan datos de periodos muy anteriores a los años de análisis. Esta prueba

obtuvo un modelo con demasiadas variables por lo tanto se aplica lo explicado en

la primera prueba.

6.2.1.3 Tercera Prueba local, regional y global. P luviometría Región Costa

Ahora se procedió a realizar un modelo utilizando las estaciones de la Región

Costa que en el método de Componentes Principales se encontraban más cerca

del balance. Las variables utilizadas en el análisis de este modelo fueron las

siguientes:

Temperatura a 500 mb, índice el Niño 3+4 con un desfase de 4 meses, los índices

PGlac2, PGlac9, PParam2 y PParam9 y la pluviometría de las estaciones: M006

(Pichilingue), M027 (Santo Domingo), M056 (Guayaquil), M058 (Esmeraldas) y

M191 (Charles Darwin)

92

El resultado obtenido fue a partir de la utilización del valor de Temperatura a 500

mb, los Índices PGlac2 y PParam9 y la pluviometría de las estaciones: M027

(Santo Domingo) y M058 (Esmeraldas).

La ecuación fue la siguiente:

+⋅+⋅+⋅−= 2_573,1489_63,6045007115,992,25664 GlacPParamPTBalance

058609709,0027338068,0 MM ⋅−⋅+

(6.3)

En este análisis el coeficiente de determinación r2 fue igual a 65,9%, que indica un

buen ajuste. Pero además la variable M058 presenta signo negativo en la

ecuación, lo que genera una inconsistencia en el modelo debido a que las dos

estaciones tomadas en cuenta en la igualdad son de régimen costa y

geográficamente cercanas y no sería lógico que el balance aumente con la

precipitación de la una estación y que disminuya con la otra y esto sucede debido

a que las dos variables se encuentran relacionadas entre sí, con un coeficiente de

determinación de 60%, lo que genera un conflicto de variables, por tanto la una

variable corrige a la otra. Por eso el modelo no fue utilizado. En este ensayo se

obtuvo un modelo con muchas variables, por lo que no se lo consideró como

válido.

6.2.1.4 Cuarta Prueba local, regional y global. Pl uviometría Región Sierra

Se procedió a relacionar el balance con estaciones de la Región Sierra del país,

utilizando para este objetivo las variables: Temperatura a 600 mb, Índice El Niño

3+4 con un desfase de menos 4 meses, los Índices PGlac2, PGlac9, PParam2 y

PParam9 y la pluviometría de las estaciones: M002 (La Tola), M003 (Izobamba),

M004 (Rumipamba Salcedo), M024 (Quito INAMHI), M033 (La Argelia), M053

(Ibarra), M059 (Tulcán), M064 (Latacunga), M066 (Ambato), M067 (Cuenca),

M105 (Otavalo), M113 (Uyumbicho), M362 (Las Pampas), M363 (Sigchos), M364

93

(Loreto Pedregal), M369 (Cusubamba), M376 (Pilahuin), M377 (Tisaleo), M380

(Huambaló), M393 (San Juan) y MA2T (Tomalón).

De este modelo resultaron utilizadas en la ecuación del balance las variables:

Temperatura a 600 mb, Índice El Niño 3+4 con un desfase de menos 4 meses, los

Índices PGlac2 y PParam9 y la pluviometría de las estaciones M066 (Ambato

Aeropuerto) y M393 (San Juan Chimborazo).

El resultado fue el siguiente:

+⋅+−⋅+⋅−= 9_753,660)4;4_3(262,62600545,1354,36176 ParamPNINOlagTBalance 39333118,106699762,22_493,165 MMGlacP ⋅−⋅+⋅+

(6.4)

El modelo presentó un coeficiente de determinación r2 muy bueno igual a 67% y

que incluye la Temperatura a 600 mb que se aproxima más a la altura de presión

de la mayoría de las estaciones analizadas en este modelo, que están ubicadas

en la Región Sierra. Pero presenta el mismo problema del modelo anterior al tener

un conflicto de variables, entre la M066 y la M393, al estar relacionadas entre

ellas con un coeficiente de determinación de 69% y por ello generan incoherencia.

Además este análisis también tiene demasiadas variables por lo tanto se aplica lo

explicado en la primera prueba.

En un análisis previo al modelo escogido 1, se introdujo las variables de

temperatura, obteniendo resultados con mejores ajustes, hasta llegar al modelo

que se presenta a continuación.

94

6.2.1.5 Modelo local y regional escogido

Después de haber realizado todos los modelos mencionados y que por una u otra

razón no se los utilizó como modelos definitivos de la parte local, se obtuvo un

modelo que cumple las características requeridas para que sea aceptable.

Modelo 1: Es un modelo que incluye las variables locales mediante los índices de

precipitación, la precipitación y temperatura regional. En este se utilizaron la

Temperatura de la estación M003 (Izobamba), el índice PParam9 y la pluviometría

de la estación M376 (Pilahuin), a partir de junio de 1995 debido a que los puntos

de enero a mayo presentan valores fuera de rango.

Además cabe acotar que tal como se nota en la explicación de los modelos, estos

no incluyen solamente variables a nivel local pues para obtener mejores

relaciones se incluyeron los índices a nivel local más las otras variables a nivel

regional.

Se justifica la presencia de la pluviometría de la estación M376 en el modelo junto

con el uso de los índices locales pluviométricos, no como un reemplazo de estos

índices para el caso de generación de datos pues su relación directa con las

variables locales del glaciar no es muy influyente, sino como un aporte de

información al modelo.

Este modelo tiene un valor de coeficiente de correlación r2 igual a 68%. En este

modelo matemático se procuró que intervengan temperaturas de estaciones de la

Región Sierra que, como se vio anteriormente, tienen mayor influencia en lo que

ocurre en el glaciar. No existe relación entre las variables que se incluyen en el

modelo pues el mayor coeficiente de determinación es de 24% entre P_Param9 y

la TM003, que no es significativo y por tanto no existe conflicto de variables. La

ecuación es la siguiente:

003068,139376918976,09_853,574885,759 TMMParamPBalance ⋅−⋅+⋅+= (6.5)

95

El gráfico de comparación entre el balance calculado y el balance observado de

este modelo se encuentra en el Capítulo 7.

6.2.2 RELACIONES CON VARIABLES REGIONALES Y GLOBAL ES

Se realizaron varios modelos utilizando las variables a nivel regional y global para

obtener un buen modelo que represente al balance y con el que se pueda generar

una serie histórica del mismo.

Para plantear un modelo con estaciones que se encuentran en todas las regiones

del Ecuador, se decidió, primeramente, relacionar el balance de la zona de

ablación con cada una de ellas, los resultados obtenidos, son los siguientes:

Con la Región Interandina el coeficiente de determinación r2 es igual a 69,1%,

interviniendo en el método de Correlaciones Múltiples, datos de pluviometría y de

temperatura de todas las estaciones de las que pertenecen a esta región de las

que se tenía información disponible en este estudio.

En la Región Costa el coeficiente de determinación obtenido fue igual a 41,5%,

para este análisis se incluyó la estación que se encuentra en la Región Insular

debido a que solamente se disponía de buena calidad de información en una de

ellas y esto hace difícil la formación de un criterio por la insuficiencia de

información en esta región. También se tomó datos de pluviometría y de

temperatura.

En la Región Oriental, el valor de r2 fue igual a 47%, en esta zona del país se

incluyó estaciones que tienen clima similar debido a su ubicación geográfica como

es el caso de la estación M029 BAÑOS, a pesar de no tener una buena calidad de

información al tener un gran porcentaje de datos faltantes, tal como se indicó en la

sección 5.2.1.

96

6.2.2.1 Primera Prueba regional y global.

Para el análisis realizado en la parte regional se relacionó el balance, en primer

lugar, con estaciones de la Región Sierra del país, utilizando como criterio para

escoger esta región, que el balance en la zona de ablación tiene un mejor ajuste

con estos datos que con la información de cualquier otra región del país.

Se realizó un modelo en el que se introdujeron las siguientes variables:

Temperatura a 500 mb, Temperatura a 600 mb, Índice El Niño 3+4 con un

desfase de menos 4 meses, la pluviometría de las estaciones: M002 (La Tola),

M003 (Izobamba), M024 (Quito INAMHI), M033 (La Argelia), M053 (Ibarra), M059

(Tulcán), M064 (Latacunga), M066 (Ambato), M067 (Cuenca), M105 (Otavalo),

M113 (Uyumbicho), M362 (Las Pampas), M363 (Sigchos), M364 (Loreto

Pedregal), M369 (Cusubamba), M376 (Pilahuin), M377 (Tisaleo), M380

(Huambaló), M393 (San Juan) y MA2T (Tomalón) y los valores de temperatura de

las estaciones: M003 (Izobamba), M004 (Rumipamba Salcedo), M006

(Pichilingue), M008 (Puyo), M027 (Santo Domingo), M033 (La Argelia), M053

(Ibarra), M056 (Guayaquil), M058 (Esmeraldas), M059 (Tulcán), M064

(Latacunga), M067 (Cuenca), M191 (Charles Darwin).

Como resultado se obtuvo que en la ecuación intervienen los siguientes

parámetros, debido a que Statgraphics ® seleccionó estas variables por su

porcentaje de varianza y retira a las que no son significativas: temperatura de las

estaciones M003 (Izobamba) y M064 (Latacunga).

La ecuación fue la siguiente:

0643063,65003117,18625,2884 TMTMBalance ⋅−⋅−= (6.6)

Este modelo presentó un coeficiente de correlación r2 igual a 39, 3%, que es un

ajuste no tan significativo a comparación con los otros modelos, a pesar de la

coherencia que existe en la ecuación y la poca relación que existe entre las

97

variables, que indica que no existe conflicto entre ellas. Por eso no se puede decir

que es un modelo recomendable para ser aplicado en el relleno de datos del

balance o como modelo para observar el comportamiento de esta variable en el

tiempo.

Ahora se combinó la información de la pluviometría de la región interandina con

datos de temperatura de la misma región, ahora trabajando únicamente con los

parámetros que, utilizando el Método de Correlaciones Múltiples, ingresaban en la

ecuación, para que no haya influencia de otras estaciones en el proceso de

cálculo.

Además se procuró tomar en cuenta los meses de Marzo y Abril del año 1998

porque es un año en el que se presentó el Fenómeno de El Niño y sus efectos

fueron de suma importancia para los resultados obtenidos en este estudio. Se

continuó con la restricción de los primeros meses del año 1995 dada su repetitiva

incoherencia.

6.2.2.2 Primer Modelo regional y global escogido

Modelo 2: En este análisis se utilizó las siguientes variables: temperatura a 700

mb, la pluviometría de la estación M376 (Pilahuin) y la temperatura de M003

(Izobamba) y el coeficiente de determinación r2 que presentó fue de 60.2%, lo que

constituye una buena relación y no existen incoherencias en la ecuación por lo

que se procedió a introducir los datos históricos de las estaciones que intervienen

en el análisis y con esto generar los datos del balance de la zona de ablación para

observar su comportamiento desde el año en que se tienen datos, esto es 1964.

Por tanto se utilizó toda información disponible de estos parámetros. Este modelo

matemático fue aplicado a partir del mes de octubre del año 1995. La ecuación

generada es la siguiente:

37668505,1003397,15070043,1035,30580 MTMTBalance ⋅+⋅−⋅−= (6.7)

98

El coeficiente de determinación r2 tiene un valor igual a 60%, a pesar que el

modelo anterior, sin la utilización de la serie histórica, tiene un mayor ajuste, la

diferencia es mínima y se la considera despreciable. Cabe recalcar que este

modelo permite determinar el comportamiento que tuvo el glaciar desde el año

1964.

El gráfico de comparación entre el balance calculado y el balance observado de

este modelo se encuentra en el Capítulo 7.

6.2.2.3 Segundo Modelo regional y global escogido

Modelo 3: En este caso se planteó la relación entre la temperatura de la estación

M003 (Izobamba) y la estación M054 (Quito Observatorio), que es la estación más

antigua de nuestro país, con el fin de ampliar la serie de Izobamba. Para hacer

posible el uso de este modelo con los datos de Quito Observatorio, se tuvo que

generar los datos de temperatura de la estación M003 hasta el año 1891. Para la

generación de datos se obtuvo un valor de coeficiente de determinación r2 igual a

63.5 % y la relación obtenida fue la siguiente:

054736592,053654,1003 TMTM ⋅+= (6.8)

Entonces ya con la serie generada hasta el año 1891 de la estación Izobamba se

volvió a relacionar esta nueva información con los datos del balance de la zona de

ablación y se determinó los datos del balance hasta este mismo año y así se pudo

observar su comportamiento a través del tiempo.

El coeficiente de determinación r2 presenta un valor igual a 52 %, que es un

ajuste menor a los anteriores, sin embargo tiene la gran ventaja de que en su

ecuación interviene un solo parámetro lo que hace de este modelo mucho más

aplicable y práctico para futuros estudios ya que la expresión que se utiliza es

muy sencilla.

99

La ecuación obtenida es la siguiente:

003575,24433,2671 TMBalance ⋅−= (6.9)

En el capítulo 7 se detallan los usos de cada modelo así como su interpretación y

la generación de curvas históricas del balance de la zona de ablación.

CAPÍTULO 7

ANÁLISIS DE RESULTADOS

7.1 RESULTADOS DE LAS RELACIONES ENTRE VARIABLES

7.1.1 MODELO LOCAL Y REGIONAL ESCOGIDO. MODELO 1

Para el Modelo 1, que incluye variables a nivel local y regional, interesa

primeramente que entre las variables que participan en él, no exista relación

fuerte entre ellas, caso contrario se podría conducir a una incoherencia en el

modelo pues las variables podrían interferir entre ellas de forma inconveniente

deteriorando la confiabilidad del modelo, para extrapolarlo e interpretarlo. La

ecuación del Modelo 1 es la siguiente:

003068,139376918976,09_853,574885,759 TMMParamPBalance ⋅−⋅+⋅+=

r2 = 68 %

Los valores de las relaciones entre las variables, se presentan en el cuadro 7.1,

presentado a continuación.

CUADRO 7.1

RELACIONES ENTRE VARIABLES. MODELO 1

MODELO 1

LOCAL Y REGIONAL

Valores de r 2

VARIABLES P_Param9 M376 TM003

P_Param9 4,73% 24,39%

M376 4,73% 8,00%

TM003 24,39% 8,00%

101

Esta independencia de variables es una de las condiciones para una modelización

correcta, por lo cual el modelo es válido y la fusión del glaciar está explicada por

la temperatura de Izobamba (M003), la pluviometría de Pilahuin (M376), así como

la influencia importante del índice local de la pluviometría del Páramo

(P_Param9), índice que representa la pluviometría de los nueve meses anteriores

en las estaciones ubicadas al pie del volcán Antisana.

La utilidad de este modelo es que presenta una buena relación y se nota que sus

valores son muy cercanos al balance observado, especialmente a lo que los

valores máximos y mínimos se refieren, tal como se muestra a continuación en el

gráfico 7.1.

GRÁFICO 7.1

GRÁFICO COMPARATIVO DEL BALANCE DE LA ZONA DE ABLAC IÓN

OBSERVADO Y CALCULADO A PARTIR DEL MODELO 1. 1995 – 2005

AJUSTE DEL MODELO 1 DE FUSIÓN DEL GLACIAR 151995 - 2005

-400

-200

0

200

400

600

800

1000

Ene

-95

May

-95

Sep

-95

Ene

-96

May

-96

Sep

-96

Ene

-97

May

-97

Sep

-97

Ene

-98

May

-98

Sep

-98

Ene

-99

May

-99

Sep

-99

Ene

-00

May

-00

Sep

-00

Ene

-01

May

-01

Sep

-01

Ene

-02

May

-02

Sep

-02

Ene

-03

May

-03

Sep

-03

Ene

-04

May

-04

Sep

-04

Ene

-05

May

-05

Sep

-05

FECHA

BA

LAN

CE

BALANCE OBSERVADO INVERTIDO BALANCE CALCULADO INVERTIDO

r2 = 68 %


102

Este modelo está acorde con los resultados obtenidos previamente por el método

ACP, explicados en el capítulo 5, como se observó en el gráfico 5.4. Las variables

se ubican de tal forma que pueden aportar información en un modelo para

generar posibles datos faltantes en el balance, sin embargo no permite en un

período de tiempo anterior extrapolar datos, en el que se podría modelizar

(recalcular) el balance de la zona de ablación del glaciar, por lo que, en base al

Modelo 1, se generaron dos modelos más, tratando de obtener uno que pueda

originar datos históricos del balance de la zona de ablación.

Además, este es un modelo en que se puede proyectar una investigación objetiva

a futuro, pues puede dar paso a la creación de nuevos índices utilizando la

información regional, de manera similar a lo que se creó con los índices

pluviométricos de la parte local, con las estaciones cercanas a Pilahuin M376 en

el método de Componentes Principales.

7.1.2 PRIMER MODELO REGIONAL Y GLOBAL ESCOGIDO. MO DELO 2

En el caso de la parte regional también se generaron dos modelos matemáticos,

basados en el Modelo 1. El primero con un mejor ajuste que el segundo, pero este

último se consideró debido a que se pudo sacar una serie de datos histórica,

utilizando la estación más antigua del Ecuador.

La relación entre las variables, representada por el coeficiente de determinación,

cuadro 7.2, no es significativa, los parámetros utilizados son independientes entre

sí, esto quiere decir, que cada dato aporta información al modelo.

La ecuación generada para el Modelo 2 es la siguiente:

37668505,1003397,15070043,1035,30580 MTMTBalance ⋅+⋅−⋅−=

r2 = 60 %

103

CUADRO 7.2

RELACIONES ENTRE VARIABLES. MODELO 2

MODELO 2

REGIONAL Y GLOBAL

Valores de r 2

VARIABLES T700 M376 TM003

T700 0,61% 37,95%

M376 0,61% 8,00%

TM003 37,95% 8,00%

Del cuadro 7.2 se aprecia que el coeficiente de determinación entre la

temperatura a 700 mb (T700) y la pluviometría de Pilahuin (M376) es muy bajo,

menor al uno por ciento, lo que indica la independencia elevada entre tales

variables, por lo cual se demuestra que aportan información al modelo. Entre las

variables M376 y la temperatura de la estación Izobamba (TM003), se observa

también un bajo coeficiente de determinación, del ocho por ciento, con lo cual se

aplica entre estas dos variables las mismas características mencionadas para la

relación entre T700 y M376.

Este modelo matemático fue ajustado a partir del mes de octubre del año 1995 y

permite utilizar la información del balance de la zona de ablación generado y

extrapolarla en un período de tiempo anterior, desde el año 1964, y observar su

comportamiento, ya que a partir de este año todas las variables utilizadas poseen

datos.

A partir de la ecuación de este modelo, se realizaron los gráficos del balance de la

zona de ablación generado y su comparación con el balance observado que se

presentan en los gráficos 7.2 y 7.3.

Del gráfico 7.2 se observa que el balance calculado y el balance observado

presentan una muy buena correlación, y además al implementar la curva de la

104

variación de temperatura de la superficie terrestre, se nota que concuerda con el

comportamiento del modelo. Cabe indicar que para comparar el modelo del

balance de la zona de ablación con la curva de variación de temperatura de la

superficie terrestre se invirtieron los datos del balance debido a que la variación

de la temperatura es inversa a la fusión del glaciar.

En el gráfico 7.3 se nota claramente el ajuste del modelo al balance de la zona de

ablación observado y se aprecia que los picos generados son menores a los

observados, es decir, aunque el modelo se ajusta muy bien, en ciertos puntos

presenta tendencias menos drásticas que las del balance observado sobre todo

en la parte inferior. También se observa el buen ajuste del modelo generado en

los años 2001, 2002 y 2003, años caracterizados por la influencia del fenómeno

La Niña.

GRÁFICO 7.2

GENERACIÓN DEL BALANCE DE LA ZONA DE ABLACIÓN OBSER VADO Y

CALCULADO A PARTIR DEL MODELO REGIONAL 1. 1964 – 20 05

105

GRÁFICO 7.3


DE ABLACIÓN OBSERVADO Y CALCULADO A PARTIR DEL MODE LO 2.

1995 – 2005

AJUSTE DEL MODELO 2 DE FUSIÓN DEL GLACIAR 151891 - 2005

-400

-200

0

200

400

600

800

1000

01/0

1/19

95

01/0

1/19

96

01/0

1/19

97

01/0

1/19

98

01/0

1/19

99

01/0

1/20

00

01/0

1/20

01

01/0

1/20

02

01/0

1/20

03

01/0

1/20

04

01/0

1/20

05

FECHA

BA

LAN

CE

ZO

NA

DE

AB

LAC

ION

INVERSO BALANCE OBSERVADO INVERSO BALANCE CALCULADO

r2 = 60 %

7.1.3 SEGUNDO MODELO REGIONAL Y GLOBAL ESCOGIDO. MO DELO 3

Del Modelo 3 se aprecia que tiene la gran ventaja de que en su ecuación

interviene una sola variable, la temperatura de Izobamba (TM003), esto hace que

el modelo sea mucho más aplicable y práctico para futuros estudios, ya que la

expresión que se utiliza es muy sencilla.

La ecuación obtenida es la siguiente:

003575,24433,2671 TMBalance ⋅−=

r2 = 52 %

106

Se planteó una relación, entre la temperatura de la estación más antigua del país,

Quito Observatorio (TM054), y la TM003, debido a su buena correlación y a su

cercanía física. Por medio de este proceso se generaron datos de la TM003

desde el año 1891, para, a continuación, relacionar nuevamente esta serie con el

balance de la zona de ablación y obtener un modelo para un periodo de tiempo

más extenso.

La relación obtenida entre las temperaturas de estas dos estaciones fue la

siguiente:

054736592,053654,1003 TMTM ⋅+=

r2 = 63.5 %

Así, se puede apreciar claramente la relación del balance generado comparado

con el balance observado en el periodo de tiempo en que se tiene información

común.

También se muestra la variación del balance de la zona de ablación calculado así

como la variación de la temperatura de la superficie terrestre a lo largo del tiempo,

notándose el calentamiento global acelerado que ha venido presentándose

durante el siglo XX y que ha afectado notablemente a los glaciares.

Lo mencionado anteriormente se nota en el gráfico 7.4, se compara el balance

calculado y el balance generado desde el año 1891 hasta el año 2005.

En el gráfico 7.5 se puede notar con más detalle el buen ajuste de este modelo

matemático con el balance observado durante el período de estudio de once años

en el cual se trabajó.

107

GRÁFICO 7.4

GENERACIÓN DEL BALANCE DE LA ZONA DE ABLACIÓN OBSER VADO Y

CALCULADO A PARTIR DEL MODELO REGIONAL 2. 1891 – 20 05

MODELIZACIÓN DE LA FUSIÓN VS. VARIACIÓN DE TEMPERAT URA DE LA SUPERFICIE DE LA TIERRA (IPCC)

1891 - 2005

-600

-400

-200

0

200

400

600

800

1000

01/0

1/18

91

01/0

1/19

01

01/0

1/19

11

01/0

1/19

21

01/0

1/19

31

01/0

1/19

41

01/0

1/19

51

01/0

1/19

61

01/0

1/19

71

01/0

1/19

81

01/0

1/19

91

01/0

1/20

01

FECHA

BA

LAN

CE

ZO

NA

DE

AB

LAC

ION

INVERSO BALANCE OBSERVADO INVERSO BALANCE GENERADOVariación de Temperatura de la Superficie Terrestre

r2 = 52 %

DE

SV

IAC

IÓN

DE

LA T

EM

PE

RA

TU

RA

(ªC)

El interés de este modelo se basa en la posibilidad de generar datos en un

período de tiempo tan largo, lo que permite observar el comportamiento del

balance de la zona de ablación durante un siglo, ver su disminución y además, al

relacionarlo con la curva de Variación de Temperatura de la Superficie Terrestre,

se puede apreciar cómo el calentamiento que sufre el planeta afecta de manera

grave a los glaciares.

108

GRÁFICO 7.5


DE ABLACIÓN OBSERVADO Y CALCULADO A PARTIR DEL MODE LO

REGIONAL 2. 1995 – 2005

AJUSTE DEL MODELO 3 DE FUSIÓN DEL GLACIAR 151995-2005

-400

-200

0

200

400

600

800

1000

1200

1400

01/0

1/19

95

01/0

1/19

96

01/0

1/19

97

01/0

1/19

98

01/0

1/19

99

01/0

1/20

00

01/0

1/20

01

01/0

1/20

02

01/0

1/20

03

01/0

1/20

04

01/0

1/20

05

FECHA

BA

LAN

CE

DE

ZO

NA

DE

AB

LAC

ION

INVERSO BALANCE OBSERVADO INVERSO BALANCE CALCULADO

r2 = 52 %

7.2 RESUMEN DE LOS MODELOS PRESENTADOS

Los modelos que se mostraron en el presente capítulo son resultados nuevos,

apropiados, aplicables y con perspectivas de nuevas investigaciones.

Es muy importante el ingreso de la curva de variación de la temperatura de la

superficie de la Tierra en el modelo debido a que según los modelos de

circulación general de clima futuro en un mundo con doble concentración de

dióxido de carbono preindustrial (CO2), el rango de calentamiento en la tropósfera

inferior aumentará con la altitud. Así, las temperaturas se elevarán más en las

zonas de alta montaña que en elevaciones inferiores (Figura en Anexo 7).

Aumentos de temperaturas máximas son pronosticados para ocurrir en las zonas

109

de alta montaña de Ecuador, Perú, Bolivia, y Chile del norte. Si los modelos son

correctos, los cambios tendrán consecuencias importantes para los glaciares y

para las comunidades que confían en provisiones de agua alimentadas por ellos

(Raymond, 2006).

Un análisis de 268 registros de estaciones de montaña entre 1°N y 23°S a lo largo

de los Andes tropicales indica un aumento de temperaturas de 0.11°C por

década, mayor al promedio global de 0.06°C por déca da, entre 1939 y 1998.

Ocho de los doce años más calientes fueron registrados en los 16 años pasados

de este período. Una remota idea puede ser obtenida de glaciares y cumbres de

hielo en las más altas regiones de montaña, que son fuertemente afectadas por

temperaturas crecientes. En estas áreas de grandes altitudes, las masas de hielo

disminuyen rápidamente. Realmente, el retroceso de los glaciares está en marcha

en todos los países andinos, de Venezuela a Chile (Raymond, 2006).

Para sintetizar el capítulo 7, se presenta a continuación un resumen de todos los

modelos escogidos:

MODELO 1:


r2 = 68 %

MODELO 2:

37668505,1003397,15070043,1035,30580 MTMTBalance ⋅+⋅−⋅−=

r2 = 60 %

MODELO 3:

003575,24433,2671 TMBalance ⋅−=

r2 = 52 %

CAPÍTULO 8

CONCLUSIONES Y RECOMENDACIONES

8.1 CONCLUSIONES

Con relación al análisis y relleno de datos en la parte local, es decir en las

estaciones ubicadas al oeste y noroeste del nevado Antisana se obtuvo una gran

contribución pues al estudiar todas las estaciones pluviométricas se identificaron

dos zonas climáticas principales. La primera, afectada por los vientos orientales

con mayores precipitaciones y la otra zona, ubicada más al occidente con

menores precipitaciones debido a que no recibe la influencia de estos vientos.

Además se apreció el efecto del viento en la estación Morrena 02, pues, aunque

geográficamente debía tener mayores precipitaciones debido al viento tiene

grandes pérdidas al momento de la captación de la lluvia y se ubicaba en la

segunda zona por lo cual se la consideró aplicando una corrección en la primera

zona.

Para el relleno de datos en la parte local a nivel diario es preferible el uso de los

pluviógrafos normalizados con registradores HOBO, mientras que a nivel mensual

es mejor utilizar los datos de Totalizadores. Se debe tomar en cuenta la relación

que sea mejor tanto entre estaciones como entre aparatos para el relleno.

Se trabajó con índices pluviométricos de la parte local debido a que se encontró

una relación significativa entre éstos y el balance de la zona de ablación del

glaciar y el ajuste era mejor con el índice de las variables ubicadas en el páramo:

Mica 05, Humboldt 06 de los nueve meses anteriores al mes en análisis,

P_Páramo9 que se incluye en el modelo local.

Del trabajo de la parte regional con 50 estaciones de la base de datos del INAMHI

repartidas en todo el Ecuador, se obtuvo una buena relación con las estaciones

111

de la región interandina tanto con temperatura como con precipitación, pero se

concluye que la fusión tiene una relación significativa con la pluviometría de la

estación Pilahuin M376 y con la temperatura de la estación Izobamba M003, las

cuales se incluyeron en el Modelo 2 de este estudio, y además con la temperatura

de la M003 se trabajó en el Modelo 3 mediante el cual se logró obtener una serie

histórica del comportamiento del balance de la zona de ablación desde 1891

hasta 2005, por su relación con la estación Quito Observatorio M054, la más

antigua del Ecuador.

Es muy importante conocer el comportamiento del balance de la zona de ablación

del nevado Antisana en el pasado pues las variaciones siguen una gran tendencia

al calentamiento generalizado de los glaciares en todo el país y a nivel mundial.

Al observar los resultados obtenidos mediante este estudio, se quiere hacer llegar

un mensaje a todos los seres humanos que habitamos este hermoso planeta, el

retroceso de los glaciares es una realidad que afecta al Ecuador y al mundo. El

calentamiento global perjudica a las zonas de alta montaña y en varias décadas

sus consecuencias serán irreversibles. Por lo tanto se debe hacer conciencia y

tomar medidas para cambiar la forma de vida actual y así poder heredar a las

futuras generaciones un mundo donde aún existan cordilleras con paisajes

hermosos como con los que todavía podemos maravillarnos.

8.2 RECOMENDACIONES

La idea original de este estudio era también analizar la parte hidrológica pero

debido a su extensión se recomienda considerarla como una tesis

complementaria a este estudio.

Para la generación de nuevos modelos se recomienda sacar un índice con la

pluviometría de la estación Pilahuin M376 con el promedio de los nueve meses

112

anteriores al mes de análisis tal como se hizo con la parte local y suprimir la

temperatura a 700 milibares y relacionar con el balance o de lo contrario se puede

obtener un promedio entre las estaciones cercanas a la M376 tal como se vio en

el método de Componentes Principales, y realizar un índice de los nueve meses

anteriores para relacionarlo con el balance y así poder obtener modelos similares

que quizás tengan mejores ajustes.

Se aprecia la utilidad de programas computacionales como Hydraccess y

Statgraphics ® , que facilitan el manejo de los datos, así como su análisis, pero se

recomienda nunca olvidar la importancia del criterio del investigador y el saber

interpretar los resultados obtenidos mediante los programas pues así se puede

sacar el mejor provecho a estas herramientas.

Se recomienda la conservación de las estaciones meteorológicas del INAMHI, en

especial Izobamba M003 y Pilahuin M376, debido a su buena correlación con los

modelos generados mediante este estudio.

CAPÍTULO 9

REFERENCIAS BIBLIOGRÁFICAS

Abascal, E. y Grande, 1989. Métodos Multivariantes para la Investigación

Comercial. Editorial Ariel S.A. Barcelona.

American Meteorological Society (AMS), 2000. Glossary of Meteorology. Second

edition.

http://amsglossary.allenpress.com/glossary/browse?s=r&p=28

Bontron, G., Francou, B., Ayabaca, E., Cáceres, B., Maisincho, L., Chango, R., De

la Cruz, A., Garzón, L.A., y Dieter Neubert, 1999. El Glaciar 15 del Antizana

(Ecuador) Mediciones Glaciológicas, Hidrométricas, Metereológicas y

Topográficas (Años 1997 y 1998). IRD, INAHMI, EMAAP-QUITO. Quito.

Bradley, R., Vuille, M., Diaz, H. y Walter Vergara, 2006. Threats to Water Supplies

in the Tropical Andes, Climate Change. Vol. 312 23. Published by AAAS.

www.sciencemag.org

Cáceres, B., Maisincho, L., Taupin, J.D., Francou, B., Cadier, E., Delachaux, F.,

Bucher, R., Villacís, M., Paredes, D., Chazarin, J.P., Garcés, A., y Remy Laval.

(2005). Glaciares del Ecuador: Antizana y Carihuayrazo. Balance de masa,

Topografía, Meteorología e Hidrología. Informe del año 2004. IRD, INAMHI,

EMAAP-QUITO. Quito.

Cadier, E., Villacís, M., Garcés, A., Lhuissier, P., Maisincho, L., Laval, R.,

Paredes, D., Cáceres, B. y Bernard Francou, impreso. Variations of a low latitude

Andean glacier according to global and local climate variations: first results.

114

Climate Prediction Center, CPC, 2005. El Niño Regions.

http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/nino_region

s.shtml

Day, M.M., Ed.D., 2003. Visionlearning Vol. SCI-1 (5s).

http://www.visionlearning.com/library/module_viewer.php?mid=48&l=s

Francou, B., Vuille, M., Favier, V. y Bolívar Cáceres, 2004. “New evidences for an

ENSO impact on low latitude glaciers: Antisana 15, Andes of Ecuador, 0º28`S”.

Journal of Geophysical Research, 109, D18106, doi: 10.1029/2003JD004484.

Hastenrath, S., 1981. The Glaciation of the Ecuadorian Andes. A.A. Balkema,

Rótterdam.

Instituto Nacional de Meteorología e Hidrología, INAMHI, 2007. Mapa de

Estaciones Meteorológicas. http://www.inamhi.gov.ec/htm/inicio.htm

Intergovernamental Panel on Climate Change, IPCC, 2001. Climate Change 2001,

Working Group I: The Scientific Basis. Variations of the Earth’s Surface

Temperature. http://www.grida.no/climate/ipcc_tar/wg1/figspm-1.htm

Jolliffe, I., 2002. Principal Components Analysis. Springer Series in Statistics. Pág

1.

King, M., 2005. Earth Observatory. Outgoing Heat Radiation. NASA.

http://earthobservatory.nasa.gov/Observatory/Datasets/lwflux.erbe.html

Lhuissier, P., 2005. Mise en evidence de modeles de Comportement

Pluviometriques sur le Volcan Antizana. Pág. 7.

115

Liboutry, L., 1974. Multivariate statistical analysis of glacier annual balances.

Journal of Glaciology, Vol. 13, N° 69.

Llorente F., 2003. , “El Viento, nuestro molesto compañero atmosférico”. Revista

del Aficionado a la Meteorología. No. 11, Instituto Nacional de Meteorología.

España.

www.meteored.com/RAM/numero11/meteorologiaV.asp

Monsalve, G., 1995; Hidrología en la Ingeniería; Escuela Colombiana de

Ingeniería. Bogotá.

Peixoto, J. y Oort, 1992. Physics of Climate. American Institute of Physics. New

York.

Pourrut, P. 1995. El agua en el Ecuador. Clima, Precipitaciones, Escorrentía.

Volumen 7, Corporación Editora Nacional, Colegio de Geógrafos del Ecuador,

Quito. Estudios de Geografía.

Rossel, F. 1997. Influencia de El Niño sobre los regímenes Hidro-Pluviométricos

del Ecuador. Serie INSEQ No. 18. Tomo I, II, y III. República del Ecuador.

Ministerio de Energía y Minas, INAMHI, ORSTOM.

Sánchez, J., 2004. Introducción a la Estadística Empresarial. Capitulo 5. Números

índices.

http://www.eumed.net/cursecon/libreria/2004/jsf/5.pdf

Semiond, H., Francou, B., Ayabaca, E., De la Cruz, A. y Ramón Chango. 1998. El

Glaciar 15 del Antizana Investigaciones glaciológicas 1994 – 1997. IFEA-

ORSTOM, ORSTOM-CNRS, EMAAP-QUITO, INAMHI. Quito.

116

Servicio Nacional de Meteorología e Hidrología del Perú, SENAMHI, 2006. Guía

Básica de Meteorología. Capítulo 7 Viento.

http://www.senamhi.gob.pe/pdf/manualmeteo/cap7.pdf

Shelton, M. L. 1988. Climate and Weather: A Spatial Perspective. University of

California, Kendall/ Hunt Publishing Company.

Singh, V., 1992. Elementary Hydrology. Prentice Hall. 153-202.

The Internacional Research Institute for Climate and Society, IRI, 2007. Climate

Data Library.

http://iridl.ldeo.columbia.edu/

Vauchel, P., 2000. Vector Regional. Ayuda Hydraccess.

http://www.mpl.ird.fr/hybam/outils/hydraccess_sp.htm

Villacís, M., 2001. Influencia de El Niño-Oscilación del Sur-ENOS sobre la

precipitación en los Andes Centrales del Ecuador. Tesis de Pregrado, Escuela

Politécnica Nacional del Ecuador; IRD.

Widman, M. y Schar, C., 1997. A principal component and long-term trend

analysis of daily precipitation in Switzerland. Int. J. Climatol., 17, 1333-1356.

World Meteorological Organization (WMO), 2006. Guide to Meteorological

Instruments and Methods of Observation. No.8. Preliminary Seventh Edition. Pág.

I.6-3.

117

ANEXOS

118

ANEXO No. 1

CONTORNOS DEL GLACIAR 15

119

GRÁFICO 1


2002



120

GRÁFICO 2


2004



121

GRÁFICO 3

CONTORNO PARA EL GLACIAR LOS CRESPOS, ENERO DEL 200 1.


Elaboración: Dr. Bernard Francou.

122

ANEXO No. 2

INVENTARIO DE DATOS DE LAS

ESTACIONES A NÍVEL LOCAL

123

GR

ÁF

ICO

1

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

. ES

TA

CIÓ

N A

NT

ISA

NA

04

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

ES

TA

CIÓ

N A

NT

ISA

NA

04A

ÑO

2005

01/01/2005

15/01/2005

29/01/2005

12/02/2005

26/02/2005

12/03/2005

26/03/2005

09/04/2005

23/04/2005

07/05/2005

21/05/2005

04/06/2005

18/06/2005

02/07/2005

16/07/2005

30/07/2005

13/08/2005

27/08/2005

10/09/2005

24/09/2005

08/10/2005

22/10/2005

05/11/2005

19/11/2005

03/12/2005

17/12/2005

31/12/2005

Fecha

Serie existente

GR

ÁF

ICO

2

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

. ES

TA

CIÓ

N M

ICA

05

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

ES

TA

CIÓ

N M

ICA

05A

ÑO

2005

01/01/2005

15/01/2005

29/01/2005

12/02/2005

26/02/2005

12/03/2005

26/03/2005

09/04/2005

23/04/2005

07/05/2005

21/05/2005

04/06/2005

18/06/2005

02/07/2005

16/07/2005

30/07/2005

13/08/2005

27/08/2005

10/09/2005

24/09/2005

08/10/2005

22/10/2005

05/11/2005

19/11/2005

03/12/2005

17/12/2005

31/12/2005

Fecha

Serie existente

124

GR

ÁF

ICO

3

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

. ES

TA

CIÓ

N C

RE

SP

OS

07

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

ES

TA

CIÓ

N C

RE

SP

OS

07A

ÑO

2005

01/01/2005

15/01/2005

29/01/2005

12/02/2005

26/02/2005

12/03/2005

26/03/2005

09/04/2005

23/04/2005

07/05/2005

21/05/2005

04/06/2005

18/06/2005

02/07/2005

16/07/2005

30/07/2005

13/08/2005

27/08/2005

10/09/2005

24/09/2005

08/10/2005

22/10/2005

05/11/2005

19/11/2005

03/12/2005

17/12/2005

31/12/2005

Fecha

Serie existente

GR

ÁF

ICO

4

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

. ES

TA

CIÓ

N C

RE

SP

OS

MO

RR

EN

A 08

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

ES

TA

CIÓ

N C

RE

SP

O M

OR

RE

NA

08A

ÑO

2005

01/01/2005

15/01/2005

29/01/2005

12/02/2005

26/02/2005

12/03/2005

26/03/2005

09/04/2005

23/04/2005

07/05/2005

21/05/2005

04/06/2005

18/06/2005

02/07/2005

16/07/2005

30/07/2005

13/08/2005

27/08/2005

10/09/2005

24/09/2005

08/10/2005

22/10/2005

05/11/2005

19/11/2005

03/12/2005

17/12/2005

31/12/2005

Fecha

Serie existente

125

GR

ÁF

ICO

5

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

. ES

TA

CIÓ

N P

ÁR

AM

O 09

SE

RIE

DE

DA

TO

S E

XIS

TE

NT

ES

ES

TA

CIÓ

N P

ÁR

AM

O 09

AÑ

O 2005

01/01/2005

15/01/2005

29/01/2005

12/02/2005

26/02/2005

12/03/2005

26/03/2005

09/04/2005

23/04/2005

07/05/2005

21/05/2005

04/06/2005

18/06/2005

02/07/2005

16/07/2005

30/07/2005

13/08/2005

27/08/2005

10/09/2005

24/09/2005

08/10/2005

22/10/2005

05/11/2005

19/11/2005

03/12/2005

17/12/2005

31/12/2005

Fecha

Serie existente

126

CUADRO 1

DATOS DIARIOS BRUTOS ESTACIÓN ANTISANA 04 AÑO 2005

127

CUADRO 2

DATOS DIARIOS BRUTOS ESTACIÓN ANTISANA 04 AÑO 2005

128

CUADRO 3

DATOS DIARIOS BRUTOS ESTACIÓN MICA 05 AÑO 2005

129

CUADRO 4

DATOS DIARIOS BRUTOS ESTACIÓN CRESPOS 07 AÑO 2005

130

CUADRO 5

DATOS DIARIOS BRUTOS ESTACIÓN CRESPO MORRENA 08 AÑO 2005

131

CUADRO 6

DATOS DIARIOS BRUTOS ESTACIÓN PÁRAMO 09 AÑO 2005

132

ANEXO No. 3

INFORMACIÓN PLUVIOMÉTRICA

LOCAL

133

CUADRO1

DATOS DE TOTALIZADORES Y BIDÓN. RECOPILACIÓN DE TOD AS LAS


Periodo Pluviome tría

Mes

Fecha

lectura

anterior

Fecha

lectura del

mes

Lectura

anterior

Lectura

mes

(cm)

Sifonaje Diferencia

(cm)

Valor

(mm)

Isotopía

Bidón

(mm)

MORRENA 02

Enero 29/12/2004 31/01/2005 70,00 66,50 3,50 35,00 29,80

Febrero 31/01/2005 01/03/2005 66,50 58,00 8,50 85,00 114,50

Marzo 01/03/2005 31/03/2005 58,00 49,00 9,00 90,00 100,10

Abril 31/03/2005 29/04/2005 49,00 30,00 19,00 190,00 223,00

Mayo 29/04/2005 01/06/2005 30,00 28,00 2,00 20,00 100,50

Junio 01/06/2005 26/06/2005 28,00 23,50 145,00 4,50 45,00 145,30

Julio 26/06/2005 28/07/2005 145,00 140,50 4,50 45,00 38,30

Agosto 28/07/2005 01/09/2005 140,50 139,00 1,50 15,00 11,50

Septiembre 01/09/2005 30/09/2005 139,00 135,50 3,50 35,00 51,50

Octubre 30/09/2005 28/10/2005 135,50 131,00 4,50 45,00 40,00

Noviembre 28/10/2005 29/12/2005 131,00 110,00 21,00 210,00 140,00

Diciembre 29/12/2005 06/01/2006 110,00 110,00 0,00 0,00 140,00

TOTALIZADOR 03

Enero 29/12/2004 31/01/2005 72,00 69,50 2,50 25,00

Febrero 31/01/2005 01/03/2005 69,50 58,00 11,50 115,00

Marzo 01/03/2005 31/03/2005 58,00 48,00 10,00 100,00

Abril 31/03/2005 29/04/2005 48,00 24,00 24,00 240,00

Mayo 29/04/2005 01/06/2005 24,00 15,00 132,00 9,00 90,00

Junio 01/06/2005 26/06/2005 132,00 116,00 16,00 160,00

Julio 26/06/2005 28/07/2005 116,00 112,00 4,00 40,00

Agosto 28/07/2005 01/09/2005 112,00 110,00 2,00 20,00

Septiembre 01/09/2005 30/09/2005 110,00 106,80 3,20 32,00

Octubre 30/09/2005 28/10/2005 106,80 102,00 4,80 48,00

Noviembre 28/10/2005 29/12/2005 102,00 37,50 64,50 645,00

Diciembre 29/12/2005 06/01/2006 37,50 33,00 4,50 45,00

ANTISANA 04

Enero 29/12/2004 31/01/2005 39,80 35,00 4,80 48,00 30,00

Febrero 31/01/2005 01/03/2005 35,00 23,00 12,00 120,00 113,00

Marzo 01/03/2005 31/03/2005 23,00 10,00 141,00 13,00 130,00 100,70

Abril - - 141,00 141,00 0,00 0,00 134,00

Mayo 31/03/2005 01/06/2005 141,00 100,00 41,00 410,00 80,60

Junio 01/06/2005 26/06/2005 100,00 78,50 21,50 215,00 136,50

Julio 26/06/2005 28/07/2005 78,50 71,00 7,50 75,00 50,00

Agosto 28/07/2005 01/09/2005 71,00 66,00 5,00 50,00 27,40

Septiembre 01/09/2005 30/09/2005 66,00 61,00 5,00 50,00 35,00

Octubre 30/09/2005 28/10/2005 61,00 57,00 4,00 40,00 22,00

Noviembre 28/10/2005 29/12/2005 57,00 33,00 24,00 240,00 90,70

Diciembre 29/12/2005 06/01/2006 33,00 33,00 0,00 0,00 90,70

134

CONTINUACIÓN CUADRO 1


ESTACIONES. AÑO 2005 Periodo Pluviometría

Mes

Fecha

lectura

anterior

Fecha

lectura del

mes

Lectura

anterior

Lectura

mes

(cm)

Sifonaje Diferencia

(cm)

Valor

(mm)

Isotopía

Bidón

(mm)

MICA 05

Enero 29/12/2004 31/01/2005 96,00 95,00 1,00 10,00 9,30

Febrero 31/01/2005 01/03/2005 95,00 87,00 8,00 80,00 53,50

Marzo 01/03/2005 31/03/2005 87,00 80,50 6,50 65,00 106,00

Abril - - 80,50 80,50 0,00 0,00 127,80

Mayo 31/03/2005 01/06/2005 80,50 58,00 22,50 225,00 80,00

Junio 01/06/2005 26/06/2005 58,00 90,00 -32,00 Dato

incorrecto 90,00

Julio 26/06/2005 28/07/2005 90,00 46,00 44,00 440,00 57,70

Agosto 28/07/2005 01/09/2005 46,00 44,00 2,00 20,00 20,30

Septiembre 01/09/2005 30/09/2005 44,00 42,00 2,00 20,00 25,00

Octubre 30/09/2005 27/10/2005 42,00 39,00 3,00 30,00 56,50

Noviembre 27/10/2005 29/12/2005 39,00 24,00 15,00 150,00 150,00

Diciembre 29/12/2005 13/01/2006 24,00 24,00 0,00 0,00 150,00

HUMBOLDT 06

Enero 29/12/2004 31/01/2005 90,00 88,50 1,50 15,00

Febrero - - 88,50 88,50 0,00 0,00

Marzo 31/01/2005 31/03/2005 88,50 74,90 13,60 136,00

Abril - - 74,90 74,90 0,00 0,00

Mayo 31/03/2005 01/06/2005 74,90 56,00 18,90 189,00

Junio 01/06/2005 26/06/2005 56,00 50,00 6,00 60,00

Julio 26/06/2005 28/07/2005 50,00 40,00 10,00 100,00

Agosto 28/07/2005 01/09/2005 40,00 37,50 2,50 25,00

Septiembre - - 37,50 37,50 0,00 0,00

Octubre 01/09/2005 27/10/2005 37,50 28,50 9,00 90,00

Noviembre 27/10/2005 29/12/2005 28,50 9,00 19,50 195,00

Diciembre 29/12/2005 13/01/2006 9,00 6,00 139,00 3,00 30,00

CRESPOS 07

Enero 29/12/2004 31/01/2005 148,00 141,50 6,50 65,00 12,80

Febrero - - 141,50 141,50 0,00 0,00

Marzo 31/01/2005 31/03/2005 141,50 128,80 12,70 127,00 85,80

Abril - - 128,80 128,80 0,00 0,00 209,70

Mayo 31/03/2005 01/06/2005 128,80 99,00 102,00 29,80 298,00 112,50

Junio 01/06/2005 26/06/2005 102,00 95,00 7,00 70,00 43,00

Julio 26/06/2005 28/07/2005 95,00 85,50 9,50 95,00 107,50

Agosto 28/07/2005 01/09/2005 85,50 84,00 1,50 15,00 13,70

Septiembre 01/09/2005 30/09/2005 84,00 81,00 3,00 30,00 34,50

Octubre 30/09/2005 27/10/2005 81,00 73,90 7,10 71,00 65,20

Noviembre - - 73,90 73,90 0,00 0,00 123,00

Diciembre 27/10/2005 13/01/2006 73,90 56,00 17,90 179,00

135




Periodo Pluviometría

Mes

Fecha

lectura

anterior

Fecha

lectura del

mes

Lectura

anterior

Lectura

mes

(cm)

Sifonaje Diferencia

(cm)

Valor

(mm)

Isotopía

Bidón

(mm)

CAMINO DE LOS CRESPOS 10

Enero - - 0,00 -

Febrero - - 0,00 0,00 -

Marzo - - 0,00 0,00 -

Abril - - 0,00 0,00 -

Mayo - - 0,00 0,00 -

Junio - - 0,00 0,00 -

Julio - - 0,00 0,00 -

Agosto - - 0,00 0,00 -

Septiembre - - 0,00 0,00 -

Octubre - - 0,00 0,00 -

Noviembre - 29/12/2005 0,00 130,00 -130,00 Dato

incorrecto

Diciembre - - 130,00 130,00 0,00 0,00

PÁRAMO 09

Enero - - 0,00 - 12,50

Febrero - - 0,00 0,00 - 71,00

Marzo - - 0,00 0,00 - 70,20

Abril - - 0,00 0,00 - 100,00

Mayo - - 0,00 0,00 - 88,00

Junio - - 0,00 0,00 - 91,00

Julio - - 0,00 0,00 - 24,50

Agosto - - 0,00 0,00 - 14,20

Septiembre - - 0,00 0,00 - 27,00

Octubre - 28/10/2005 0,00 146,60 -146,60 Dato

incorrecto 63,00

Noviembre 28/10/2005 29/12/2005 146,60 128,00 18,60 186,00 15,40

Diciembre 29/12/2005 13/01/2006 128,00 128,00 0,00 0,00 15,40

136

ANEXO No. 4

CUADROS Y GRÁFICOS COMPLEMENTARIOS

DE LOS ANÁLISIS ESTADISTICOS

137

GRÁFICO 1

RELACIÓN TOTALIZADOR – HOBO. ESTACIÓN GLACIAR 00. A ÑO 2005.

HOBO- TOTALIZADORGLACIAR 00

y = 1.3357x - 16.288R2 = 0.8815

y = 0.2805x + 95.802R2 = 0.0334

0.00

50.00

100.00

150.00

200.00

250.00

300.00

0.00 50.00 100.00 150.00 200.00 250.00

H O B O ( mm)

TO

TA

LIZ

AD

OR

(m

m)

Rellenados Antes de rellenar

Tendencia Rellenados Tendencia antes de rellenar

138

GRÁFICO 2

RELACIÓN TOTALIZADOR – HOBO. ESTACIÓN MORRENA 02. A ÑO 2005.

HOBO- TOTALIZADORMORRENA 02

y = 1.2731x - 11.773R2 = 0.8495

y = 0,9704x + 14,96R2 = 0,4412

0.00

50.00

100.00

150.00

200.00

250.00

0.00 20.00 40.00 60.00 80.00 100.00 120.00 140.00 160.00 180.00

H OB O (mm)

TO

TA

LIZ

AD

OR

(m

m)



139

GRÁFICO 3

RELACIÓN TOTALIZADOR – HOBO. ESTACIÓN ANTISANA 04. AÑO 2005.

HOBO- TOTALIZADORANTISANA 04

y = 1.0848x + 23.107R2 = 0.8803

y = 1.4x + 7.8731R2 = 0.6823

0.00

50.00

100.00

150.00

200.00

250.00

300.00

350.00

0.00 50.00 100.00 150.00 200.00 250.00 300.00

H OB O (mm)

TO

TA

LIZ

AD

OR

(m

m)



140

GRÁFICO 4

RELACIÓN TOTALIZADOR – HOBO. ESTACIÓN MICA 05. AÑO 2005.

HOBO- TOTALIZADORMICA 05

y = 1.0991x - 0.8949R2 = 0.7613

y = 1.2342x - 0.8383R2 = 0.6954

0.00

20.00

40.00

60.00

80.00

100.00

120.00

140.00

160.00

0.00 20.00 40.00 60.00 80.00 100.00 120.00 140.00

H OB O (mm)

TO

TA

LIZ

AD

OR

(m

m)



141

GRÁFICO 5

RELACIÓN TOTALIZADOR – HOBO. ESTACIÓN CRESPOS 07. A ÑO 2005.

HOBO- TOTALIZADORCRESPOS 07

y = 1.0475x + 19.332R2 = 0.7301

y = 1.0341x + 30.588R2 = 0.479

0.00

20.00

40.00

60.00

80.00

100.00

120.00

140.00

160.00

180.00

200.00

0.00 20.00 40.00 60.00 80.00 100.00 120.00 140.00 160.00

H OB O (mm)

TO

TA

LIZ

AD

OR

(m

m)



CUADRO 1

COEFICIENTES DE DETERMINACIÓN R2 ENTRE TOTALIZADOR – HOBO

Estación Antes de rellenar

Después de rellenar

P0 3.30% 88.20% P2 44.10% 85.00% P4 68.20% 88.00% P5 69.50% 76.10% P7 47.90% 73.00%

142

GRÁFICO 6


METEOROLOGICOS LOCALES, REGIONALES Y GLOBALES

143

CUADRO 2

PESO DE LAS VARIABLES EN CADA COMPONENTE DEL GRÁFIC O 6

Estación Componente




1 2 3 4

M363 0.21 T600 0.26 NINO3_4 0.27 M056 0.21

M003 0.20 T500 0.23 M380 0.22 M006 0.21

M369 0.20 TM064 0.22 NINO1_2 0.21 Balance 0.19

M362 0.19 TM006 0.21 TM027 0.21 SOIEST 0.17

MA2T 0.19 TM003 0.21 TM191 0.19 SOIPRES 0.17

M024 0.19 TM058 0.20 TM058 0.19 M153 0.17

M105 0.18 TM056 0.20 M377 0.18 M027 0.15

M364 0.18 TM067 0.20 M153 0.17 TM191 0.13

M004 0.18 TM066 0.19 M376 0.15 NINO1_2 0.11

M393 0.18 TM004 0.19 M191 0.15 M058 0.10

M064 0.18 TM008 0.18 M058 0.14 M362 0.10

M067 0.18 TM027 0.17 M006 0.13 M033 0.09

M053 0.18 TM029 0.17 M027 0.12 VIENZON 0.07

M059 0.18 NINO1_2 0.16 P_Glaciar 0.12 M363 0.07

M002 0.17 TM033 0.15 T700 0.12 M191 0.06

M027 0.17 NINO3_4 0.15 P_Paramo 0.11 TM027 0.06

M066 0.17 TM059 0.14 M056 0.10 TM056 0.05

M113 0.17 T700 0.14 TM053 0.10 M364 0.03

M006 0.16 TM191 0.13 T600 0.09 TM006 0.02

M058 0.15 TM053 0.11 M362 0.09 M064 0.02

TM191 0.15 M191 0.10 M008 0.08 M003 0.02

TM006 0.14 VIENZON 0.09 TM006 0.07 M369 -0.01

M056 0.14 M027 0.09 TM003 0.06 M024 -0.02

M033 0.13 M006 0.07 Balance 0.06 TM067 -0.03

TM004 0.13 M153 0.07 TM056 0.06 M067 -0.03

TM029 0.13 M058 0.05 M033 0.05 M113 -0.03

P_Glaciar 0.13 M056 0.04 M059 0.04 TM064 -0.04

TM027 0.13 OLR 0.02 M363 0.04 TM066 -0.04

M376 0.12 M362 0.02 T500 0.02 TM058 -0.04

TM067 0.11 M002 0.00 M066 0.02 MA2T -0.05

TM056 0.11 M024 -0.03 M053 0.02 TM029 -0.05

M377 0.11 M033 -0.04 M369 0.00 M393 -0.06

TM066 0.11 M363 -0.05 M067 -0.01 TM004 -0.06

TM033 0.11 M003 -0.05 M113 -0.01 M059 -0.06

TM059 0.09 M113 -0.05 HUMESP -0.01 M004 -0.06

TM008 0.08 M364 -0.06 HUMREL -0.02 OLR -0.07

M153 0.08 M105 -0.07 M003 -0.03 NINO3_4 -0.08

TM064 0.07 M053 -0.07 M105 -0.03 M002 -0.08

M191 0.06 P_Glaciar -0.07 M004 -0.03 M066 -0.09

TM058 0.06 M059 -0.07 OLR -0.04 T500 -0.09

T700 0.06 M369 -0.08 M393 -0.04 M105 -0.09

VIENZON 0.06 M067 -0.08 M064 -0.04 P_Paramo -0.10

P_Paramo 0.05 MA2T -0.09 M024 -0.06 TM008 -0.12

Balance 0.05 M008 -0.09 MA2T -0.07 M053 -0.13

T500 0.05 M393 -0.09 M002 -0.07 P_Glaciar -0.13

144


PESO DE LAS VARIABLES EN CADA COMPONENTE DEL GRÁFIC O 6





1 2 3 4

M008 0.05 HUMESP -0.09 M364 -0.07 TM033 -0.13

SOIEST 0.04 M380 -0.10 VIENZON -0.10 T600 -0.15

SOIPRES 0.04 M064 -0.10 TM067 -0.15 TM059 -0.17

T600 0.03 M004 -0.10 TM004 -0.18 TM053 -0.18

HUMESP 0.02 P_Paramo -0.14 TM064 -0.18 M376 -0.19

NINO1_2 0.01 M066 -0.14 TM033 -0.20 T700 -0.20

M380 0.01 HUMREL -0.14 TM059 -0.21 M377 -0.21

HUMREL 0.01 SOIPRES -0.15 SOIEST -0.22 HUMREL -0.22

NINO3_4 -0.05 SOIEST -0.15 SOIPRES -0.22 TM003 -0.22

TM003 -0.09 M377 -0.16 TM008 -0.22 HUMESP -0.26

TM053 -0.15 Balance -0.16 TM029 -0.23 M380 -0.27

OLR -0.19 M376 -0.16 TM066 -0.24 M008 -0.32

145

CUADRO 3

PORCENTAJE DE VARIANZA DE LAS VARIABLES EN CADA COM PONENTE

DEL GRÁFICO 6.4 EN EL CAPÍTULO 6

Componente Porcentaje

de Varianza

Porcentaje de Varianza Acumulada

1 36.73 36.73 2 12.74 49.47 3 10.51 59.98 4 4.79 64.77 5 3.33 68.09 6 3.02 71.11 7 2.56 73.67 8 2.34 76.01 9 2.08 78.09

10 1.90 79.99 11 1.71 81.69 12 1.64 83.33 13 1.52 84.86 14 1.39 86.25 15 1.23 87.48 16 1.13 88.61 17 0.99 89.60 18 0.94 90.54 19 0.87 91.41 20 0.77 92.18 21 0.74 92.92 22 0.69 93.61 23 0.63 94.24 24 0.56 94.80 25 0.51 95.30 26 0.49 95.80 27 0.43 96.23 28 0.40 96.63 29 0.38 97.01 30 0.37 97.38 31 0.32 97.69 32 0.30 98.00 33 0.28 98.28 34 0.28 98.56 35 0.22 98.78 36 0.20 98.98 37 0.18 99.16 38 0.17 99.33 39 0.14 99.47 40 0.13 99.60 41 0.11 99.71 42 0.10 99.80 43 0.07 99.88

146


PORCENTAJE DE VARIANZA DE LAS VARIABLES EN CADA COM PONENTE

DEL GRÁFICO 6.4 EN EL CAPÍTULO 6

Componente Porcentaje

de Varianza

Porcentaje de Varianza Acumulada

44 0.06 99.94 45 0.04 99.98 46 0.02 100.00 47 0.00 100.00 48 0.00 100.00 49 0.00 100.00 50 0.00 100.00 51 0.00 100.00 52 0.00 100.00 53 0.00 100.00 54 0.00 100.00 55 0.00 100.00 56 0.00 100.00 57 0.00 100.00

147

GRÁFICO 7

PRECIPITACIÓN OBSERVADA Y CALCULADA. VECTOR REGIONA L

MENSUAL. ESTACIÓN ESMERALDAS M058. SIN DATOS DE EL NIÑO.

GRÁFICO DE PRECIPITACIÓN. Sin considerar El Niño Estación Esmeraldas M058

Agosto 1995 - 2005y = 0.1299x + 5.5311

R20.0595 =

0

2

4

6

8

10

12

14

0 5 10 15 20 25 30

Valor Observado

Val

or C

alcu

lado

GRÁFICO 8

PRECIPITACIÓN OBSERVADA Y CALCULADA. VECTOR REGIONA L

MENSUAL. ESTACIÓN ESMERALDAS M058. CON DATOS DE EL NIÑO.

GRÁFICO DE PRECIPITACIÓN. Considerando El Niño Estación Esmeraldas M058

Agosto 1995 - 2005y = 1.0178x - 0.8652

R20.8495 =

0102030405060708090

0 20 40 60 80

Valor Observado

Val

or C

alcu

lado

148

ANEXO No. 5

EXPLICACIONES CONCEPTUALES

ADICIONALES

149

EXPLICACIÓN ADICIONAL DEL MÉTODO DEL VECTOR REGIONA L

MÉTODOS DE CÁLCULO UTILIZADOS EN EL VECTOR REGIONAL

El método de Y. Brunet Moret calcula el promedio extendido y los índices del

Vector Regional por un método de mínimos cuadrados, tratando de minimizar las

desviaciones entre los índices de las estaciones y el Vector. Considera que el

índice regional de un año es el promedio de los índices de todas las estaciones.

Sin embargo, durante el proceso toma la precaución de filtrar los índices de las

estaciones que se alejan demasiado del promedio, puesto que el promedio es

influenciado por los valores extremos. La filtración de los valores se hace en

forma iterativa. Cuando tales valores se detectan durante una iteración, son

remplazados por su estimación por medio del Vector que acaba de calcularse, y el

cálculo recomienza con estos nuevos valores, hasta obtener un Vector Regional

con ningún valor demasiado alejado. Por lo tanto se puede notar que a pesar de

filtrar los valores demasiado alejados del promedio, estos valores guardan una

cierta influencia sobre el Vector Regional calculado. En efecto, el Vector calculado

durante una iteración y utilizado para re-estimar estos valores está contaminado

por estos valores, sobre todo si las estaciones son poco numerosas.

El método de G. Hiez calcula el promedio extendido y los índices del Vector

Regional de manera que se pueda obtener un máximo de estaciones y de años

en concordancia con el Vector Regional, eso significa que algunos valores se van

a alejar mucho. Considera además que el índice regional de un año es el índice

más frecuentemente observado sobre las diferentes estaciones. Por lo tanto, no

es necesario filtrar los datos que se alejan demasiado del promedio, puesto que

los datos extremos tienen poco efecto sobre el cálculo de la moda.

Debido a la manera como fue concebido, el método de G. Hiez parece más

potente para detectar datos erróneos y construir rápidamente un Vector Regional

poco contaminado por estos datos erróneos, pero se basa en un cálculo de la

moda que siempre es delicado evaluar, y podría presentar cierto riesgo de una

distorsión de los datos. A contrario, el método de Y. Brunet Moret parece

150

matemáticamente más sólido, pero supone que el utilizador haya eliminado todos

los datos erróneos para obtener un Vector Regional confiable. La detección,

corrección o eliminación de los datos erróneos es de todo modo una buena

política, cualquier sea el método utilizado, y es a menudo la meta principal de un

análisis con el método del Vector Regional. (Vauchel, 2005).

151

ANEXO No. 6

CUADROS COMPLEMENTARIOS

DE RELACIONES ENTRE VARIABLES

152

CUADRO 1

COEFICIENTE DE DETERMINACIÓN R2 ENTRE EL BALANCE DE LA ZONA

DE ABLACIÓN Y LAS VARIABLES EN ESTUDIO

M002 M003 M004 M024 M033 M053 M0590.96 0.91 0.98 0.52 0.96 0.28 0.81

M064 M066 M067 M105 M113 M362 M3630.98 0.85 0.82 0.37 0.06 0.95 0.95

M364 M369 M376 M377 M380 M393 MA2T0.94 0.69 0.12 0.12 0.67 0.77 0.67

M005 M006 M027 M056 M058 M153 M1910.96 0.99 0.92 0.95 0.35 0.92 0.46

M007 M008 M0410.63 0.44 0.22

P0 P2 P3 P4 P5 P6 P70.01 0.56 0.01 0.06 0.35 0.35 0.35

P_Glaciar P_Glac2 P_Glac9 P_Paramo P_Param2 P_Param90.06 0.08 0.95 0.35 0.80 0.97

T500 T600 T700 HUMREL HUMESP VIENZON SOIPRES0.23 0.41 0.33 0.86 0.78 0.00 0.01

SOIEST NINO3_4 NINO1_2 OLR0.01 0.41 0.64 0.79

TM003 TM004 TM024 TM027 TM029 TM033 TM0530.56 0.21 0.65 0.40 0.56 0.15 0.72

TM059 TM064 TM066 TM067 TM103 TM1140.88 0.46 0.16 0.31 0.15 0.73

TM006 TM056 TM058 TM185 TM1910.50 0.37 0.04 0.88 0.87

TM007 TM008 TM1880.49 0.38 0.28

TEMPERATURA REGION COSTA E INSULAR

TEMPERATURA REGION ORIENTE

PLUVIOMETRIA REGION SIERRA

PLUVIOMETRIA REGION COSTA E INSULAR

PLUVIOMETRIA REGION ORIENTE

PLUVIOMETRIA LOCAL E INDICES PLUVIOMETRICOS LOCALES

DATOS GLOBALES

TEMPERATURA REGION SIERRA

153

CUADRO 2

COMPARACIONES ENTRE RESULTADOS DE DESFASES CON LA P LUVIOMETRÍA LOCAL Y REGIONAL

LAG TODOS LOS MESES PRIMER TRIMESTRE SEGUNDO TRIMESTRE TERCER TRIMESTRE CUARTO TRIMESTRE

0

El balance se encuentra cercano a las estaciones:

M376, M377, M380 (Tungurahua), M041 (Morona Santiago) y M008 (Pastaza)

El balance no se encuentra muy cercano a ningún grupo de

estaciones y está lo más próximo a la estación M113

(Pichincha)


estaciones

El balance se encuentra cercano a las estaciones:

M376, M377 (Tungurahua), M033 (Loja), M041 (Morona Santiago) y M008 (Pastaza)


estaciones

1

El balance cambia hacia el cuadrante superior y empieza a

acercarse a las estaciones: M058, M153 (Esmeraldas) y

M191 (Galápagos)

Similar a lo ocurrido sin el desfase

El balance se acerca significativamente a la estación

M033 (Loja)

El balance se encuentra cercano al P04 y está cercano

a la posición original del balance

No se encuentra cercano a ninguna estación ni grupo de

estaciones

2

El balance continúa en el cuadrante superior y se acerca significativamente la estación:

M191 (Galápagos)


estaciones, está más bien central

El balance se encuentra cercano a la estación M033

(Loja)

El balance se acerca a un grupo de estaciones de la

Costa: M056 (Guayas) y M153 (Esmeraldas)


estaciones

3 Similar a lo ocurrido con el desfase 2

Se aproxima significativamente a las estaciones: M027

(Pichincha) y M067 (Azuay)

Similar a lo ocurrido con el desfase 2

No se encuentra cercano a ninguna estación pero tienede a

acercarse al grupo de estaciones de la Costa


estaciones

4

El balance cambia hacia el cuadrante inferior y se acerca a

la posición inicial del balance sin desfase

Se aproxima significativamente a la estación: M153

(Esmeraldas)



estaciones


estaciones





estaciones


estaciones

6 El balance empieza a acercarse a la estación M191 (Galápagos)



estaciones


estaciones


estaciones

7 El balance se acerca mucho

más a la estación M191 (Galápagos)



estaciones

Se encuentra casi en la posición original sin desfase


estaciones

154




8 El balance se acerca mucho más que en el desfase 7 a la estación M191 (Galápagos)

Se encuentra más cerca aún a la estación M153


El balance se acerca a la estación: M008 (Pastaza)

El balance se acerca a la estación M002 (Pichincha)



estaciones


El balance se acerca a las estaciones: M008 (Pastaza) y

M041 (Morona Santiago)

El balance se encuentra cercano a las estaciones: M002

(Pichincha), M058, M153 (Esmeraldas) y M393

(Chimborazo)

10 El balance se encuentra al lado

de la estación M191 (Galápagos)


(Galápagos)



El balance se acerca a un grupo de estaciones: M027

(Pichincha) y M058 (Esmeraldas)


estaciones

11 El balance empieza a alejarse de M191



estaciones

El balance se acerca a la estación: M006 (Los Ríos)

El balance se acerca a la estación M033 (Loja)

12 El balance se aleja

completamente del grupo de estaciones



estaciones


estaciones


estaciones

-1 Se encuentra casi en la posición original sin desfase




El balance se acerca a: P05, P06, P07 y P09

-2



El balance se encuentra cercano a las estaciones: M033

(Loja) y M059 (Carchi)


(Pastaza)



estaciones

-3 Similar a lo ocurrido con el desfase -2

Similar a lo ocurrido con el desfase -2

El balance se encuentra más cercano a la estación M008

(Pastaza)



estaciones

-4 Se acerca un poco a la posición original


Sierra: M002 (Pichincha), M105 (Imbabura), M376 y M377

(Tungurahua)



estaciones


estaciones

155






Se encuentra cercano a la posición original sin desfase



estaciones

-6 El balance se empieza a

acercar a la estación M191 (Galápagos)



estaciones


estaciones


estaciones

-7 Vuelve a descender y no se acerca a ningún grupo

El balance se acerca a las estaciones: M002 y M113

(Pichincha)


estaciones


estaciones


estaciones

-8 Empieza a acercarse a la posición original


estaciones


estaciones


El balance se acerca significativamente a: P02, P05,

P06, P07 y P09



estaciones


estaciones



-10 Se acerca más a la estación M191


Costa: M006 (Los Ríos), M056 (Guayas) y M058 (Esmeraldas)


estaciones

El balance se acerca a la estación: M006 (Los Ríos)


estaciones




estaciones


El balance se acerca a: P05, P06, P07 y P09



estaciones

Está alejado de las estaciones pero tiende a acercarse a las

estaciones: M153 (Esmeraldas) y M191 (Galápagos)


estaciones

El balance se encuentra muy cerca de la estación M002 (Pichincha) y cercano a la

estación M393 (Chimborazo)

156

ANEXO No. 7

GRÁFICO COMPLEMENTARIO

157

GRÁFICO 1

CALENTAMIENTO GLOBAL EN LA COORDILLERA AMERICANA

ESCUELA POLITÉCNICA NACIONAL - portalces.org y... · ... por apoyarme con todas sus fuerzas y...

Documents

Transcript of ESCUELA POLITÉCNICA NACIONAL - portalces.org y... · ... por apoyarme con todas sus fuerzas y...