UNIVERSIDAD TECNOLGICA DE PANAM FACULTAD DE INGENIERA CIVIL

TESIS APLICACIN DEL MODELO DE CLIMA GLOBAL MRI-AGCM EN LA PROYECCIN DE PRECIPITACIN EN LA REPBLICA DE PANAMA PRESENTADO POR: CARLOS MANUEL BEITA UREA

TRABAJO DE GRADUACIN PRESENTADO A LA UNIVERSIDAD TECNOLOGICA DE PANAM COMO REQUISITO PARA OPTAR POR EL TTULO DE LICENCIATURA EN INGENIERA AMBIENTAL

PANAM, REPBLICA DE PANAM

2012

RESUMEN

Esta tesis presenta la informacin generada a partir de la aplicacin del modelo de clima global MRI-AGCM en la proyeccin de variables climticas en la Repblica de Panam, tomando en consideracin los efectos de la variabilidad climtica y los del conocido fenmeno del cambio climtico. Estos modelos son utilizados en la proyeccin de todas las variables que caracterizan un clima, pero el enfoque de este trabajo es la proyeccin exclusiva de la variable precipitacin.

La informacin presentada a continuacin es resultado del anlisis conjunto de datos de precipitacin obtenidos en campo con las estaciones meteorolgicas: Aeropuerto de Bocas, Antn, Cerro Punta, Chico, David, Divisa, El Cobrizo, Garachin, Icacal, Los Santos, Nargan, Piria, Santiago y Tocumen y datos de precipitacin sintticos generados a partir de dos versiones del modelo de clima MRI-AGCM (3.1s y 3.2s), ambas desarrolladas por el Instituto de Investigaciones Meteorolgicas de Japn.

Previo a la presentacin de los procedimientos de anlisis, se definen algunos conceptos bsicos de climatologa y modelos climticos, de manera tal que se comprendan el contenido y campo de estudio de esta tesis.

ii

Tambin se presentan las metodologas para: la seleccin de los arreglos de puntos geogrficos con mejor representacin de las observaciones de campo, el ajuste del sesgo estadstico y la obtencin de los coeficientes de ajuste para la proyeccin final, mediante el mtodo basado en la distribucin Gaussiana y la funcin de densidad acumulativa o funcin de probabilidad acumulativa (cumulative density function).

Producto del desarrollo de ambas versiones del modelo y de las dos metodologas de ajuste mencionadas; se presentan cuatro grupos de resultados de proyeccin final para los valores de intensidad de precipitacin en las 14 estaciones mencionadas.

Para el manejo y anlisis de los procedimientos mencionados, se utiliz el programa informtico de anlisis matemtico Matlab 2011a.mediante el cual se ejecutaron las rutinas de anlisis, presentadas en la seccin de anexos. De esta forma se automatiz el anlisis del elevado nmero de datos, que en algunas estaciones alcanzaba a ms de 150 000 datos, por tratarse de registros horarios y diarios tomados por perodos de 20 aos.

iii

DEDICATORIA

Dedico este trabajo a Dios, por cada una de las oportunidades y pruebas que ha puesto en mi vida hasta el momento, y por la fuerza que me ha dado para afrontarlas con valenta y determinacin.

A mi familia, por su apoyo durante todos los aos previos a la culminacin de esta fase tan importante en mi vida profesional.

iv

AGRADECIMIENTO

Agradezco a mi asesor, el Ing. Erick Vallester, por su ayuda en la elaboracin de esta tesis y por las oportunidades brindadas para mi crecimiento profesional.

Al Dr. Keisuke Nakayama del Kitami Institute of Technology, experto en modelos de proyeccin climtica, quin con gran inters y paciencia, guo cada uno de los procedimientos de anlisis presentados en esta tesis.

A todos los colaboradores del Centro de Investigaciones Hidrulicas e Hidrotcnicas, por sus palabras, apoyo y colaboracin.

NDICE GENERAL

RESUMEN ......................................................................................................................... ii DEDICATORIA ................................................................................................................ iv AGRADECIMIENTO ........................................................................................................ v NDICE GENERAL .......................................................................................................... vi CAPTULO I. MARCO TERICO ................................................................................ xiv 1.1 INTRODUCCIN ..................................................................................................... xiv 1.2 OBJETIVO GENERAL.............................................................................................. 16 1.3 OBJETIVOS ESPECFICOS ..................................................................................... 16 CAPTULO II. CONCEPTOS GENERALES ................................................................. 17
2.1 Clima .................................................................................................................................... 17 2.1.1 Concepto .......................................................................................................................17 2.1.2 Clima y Estado de tiempo .............................................................................................17 2.1.3 Elementos del clima ...................................................................................................... 20 2.1.3.1 Precipitacin .......................................................................................................... 20 2.1.3.2 Otros elementos ..................................................................................................... 22 2.2 Cambio climtico y Variabilidad natural del clima .............................................................24 2.2.1 Causas ...........................................................................................................................27 2.2.2 Consecuencias ...............................................................................................................29 2.2.3 ndices de cambio climtico asociados a la precipitacin ............................................. 29 2.2.3.1 ndice Simple de Intensidad Diaria ........................................................................ 29 2.2.3.2 Precipitacin mxima para 1 y 5 das dentro de un ao ......................................... 30 2.2.3.3 Conteo anual de das donde la precipitacin rebasa un valor lmite ......................30 2.2.3.4 Duracin mxima de perodo de sequa ................................................................. 31 vi

2.2.3.5 Duracin mxima de perodo de lluvias................................................................. 31 2.2.3.6 Precipitacin anual total por encima de un determinado percentil ........................31 2.2.3.7 Precipitacin anual total en das lluviosos .............................................................31 2.3 Modelos de Clima ................................................................................................................32 2.3.1 Concepto .......................................................................................................................32 2.3.2 Tipos de Modelos .......................................................................................................... 32 2.3.3 Propiedades numricas y computacionales de un modelo de clima ..............................34 2.3.3.1 Resolucin espacial ................................................................................................34 2.3.3.2 Resolucin temporal ..............................................................................................37 2.3.4 Propiedades fsicas y dinmicas de un modelo de clima .............................................. 37 2.3.4.1 Ecuaciones bsicas ................................................................................................. 39 2.3.4.2 Procesos de Conveccin de Cmulos .................................................................... 41 2.3.4.3 Turbulencia atmosfrica .........................................................................................43 2.3.4.4 Superficie terrestre ................................................................................................. 44 2.3.4.5 Escenarios de Emisin ...........................................................................................44 2.3.5 Tcnicas de correccin de sesgo estadstico ................................................................. 48 2.3.5.1 Mtodo basado en la distribucin Gaussiana .........................................................48 2.3.5.2 Funcin de densidad acumulativa .......................................................................... 49 2.3.6 Aplicaciones ..................................................................................................................50

CAPTULO III. METODOLOGA .................................................................................. 51

3.1 Descripcin climtica del rea de estudio ............................................................................ 51 3.1.1. Regin Pacfica ............................................................................................................ 51 3.1.2 Regin Central .............................................................................................................. 52 3.1.3 Regin Atlntica ........................................................................................................... 52 3.2 Descripcin del Modelo de Clima MRI-AGCM.................................................................. 57 vii

3.3 Procedimiento de anlisis .................................................................................................... 61 3.3.1 Manejo y seleccin de datos .........................................................................................61 3.3.2 Reproduccin de datos presentes y reduccin del sesgo estadstico .............................65 3.3.3 Proyeccin.....................................................................................................................66 3.3.4 Estimacin del ndice Simple de Intensidad Diaria ......................................................66

CAPTULO IV. RESULTADOS...................................................................................... 67

4.1 Seleccin de puntos.............................................................................................................. 67 4.2 Reproduccin de datos del presente .....................................................................................69 4.3. Ajuste estadstico ................................................................................................................71 4.3.1 Mtodo basado en la distribucin Gaussiana ................................................................71 4.3.2 Mtodo de ajuste por funcin de densidad acumulativa ...............................................90 4.4 Proyeccin de intensidad de precipitacin ......................................................................... 106 4.5 Proyeccin de nmero de das hmedos y SDII ................................................................114

CAPTULO V. CONCLUSIONES Y RECOMENDACIONES.................................... 117 BIBLIOGRAFA ............................................................................................................ 121 ANEXOS ........................................................................................................................ 124
Anexo A. Rutina para la seleccin y transformacin de los datos sintticos de todas las estaciones ................................................................................................................................. 124 Anexo B. Rutina para el ajuste por mtodo basado en la distribucin Gaussiana ...................135 Anexo C. Rutina para el ajuste por funcin de densidad acumulativa ..................................... 138 Anexo D. Rutina para la proyeccin mediante el mtodo basado en la distribucin Gaussiana .................................................................................................................................................145 Anexo E. Rutina para la proyeccin por la funcin de densidad acumulativa.........................148 Anexo F. Rutina para el clculo del SDII ................................................................................151 Anexo G. Informacin de las ecuaciones del modelo por la Agencia Meteorolgica de Japn (JMA) ....................................................................................................................................... 153 viii

NDICE DE CUADROS

Cuadro 1. Informacin de las estaciones meteorolgicas de la Regin Pacfica .............. 53 Cuadro 2. Informacin de las estaciones meteorolgicas de la Regin Central ............... 54 Cuadro 3. Informacin de las estaciones meteorolgicas de la Regin Atlntica ............ 55 Cuadro 4. Propiedades numricas y computacionales de ambas versiones del modelo MRI-AGCM...................................................................................................................... 58 Cuadro 5. Propiedades fsicas y dinmicas del modelo MRI-AGCM 3.1s ...................... 59 Cuadro 6. Propiedades fsicas y dinmicas del modelo MRI-AGCM 3.2s ...................... 60 Cuadro 7. Clasificacin de las estaciones meteorolgicas empleadas.............................. 64 Cuadro 8. Error para cada metodologa de seleccin de puntos en la versin 3.1s .......... 67 Cuadro 9. Error para cada metodologa de seleccin de puntos en 3.2s........................... 68 Cuadro 10. Frecuencia de repeticin de la mejor metodologa ........................................ 68 Cuadro 11. Precipitacin anual promedio en das hmedos (1980-1999) ........................ 69 Cuadro 12. Diferencia entre datos de campo y datos sintticos originales para ambas versiones del modelo......................................................................................................... 70 Cuadro 13. Variables para la correccin basada en la distribucin Gaussiana para la versin 3.1s ....................................................................................................................... 71 Cuadro 14. Variables para la correccin basada en la distribucin Gaussiana para la versin 3.2s ....................................................................................................................... 72 Cuadro 15. Precipitacin promedio corregida por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 73 Cuadro 16. Diferencia entre datos de campo y datos sintticos corregidos por mtodo basado en distribucin Gaussiana ..................................................................................... 74 Cuadro 17. Precipitacin promedio corregida por funcin de densidad acumulativa ...... 90 Cuadro 18. Diferencia entre datos originales y datos corregidos por funcin de densidad acumulativa ....................................................................................................................... 91
ix

Cuadro 19. Proyeccin de precipitacin para la versin 3.1s con mtodo de distribucin Gaussiana ........................................................................................................................ 106 Cuadro 20.Tabla de valores para grfico de precipitacin actual y proyectada en todas las regiones por distribucin Gaussiana_3.1s....................................................................... 107 Cuadro 21. Proyeccin de precipitacin para la versin 3.1s con mtodo de funcin de densidad de acumulativa ................................................................................................. 108 Cuadro 22.Tabla de valores para grfico de precipitacin actual y proyectada en todas las regiones por funcin de densidad acumulativa_3.1s ...................................................... 109 Cuadro 23. Proyeccin de precipitacin para la versin 3.2s con el mtodo basado en la distribucin Gaussiana .................................................................................................... 110 Cuadro 24. Tabla de valores para grfico de precipitacin actual y proyectada en todas las regiones por distribucin Gaussiana_3.2s....................................................................... 111 Cuadro 25. Proyeccin de precipitacin para la versin 3.2s segn la funcin de densidad acumulativa ..................................................................................................................... 112 Cuadro 26.Tabla de valores para grfico de precipitacin actual y proyectada en todas las regiones por funcin de densidad acumulativa_3.2s ...................................................... 113 Cuadro 27. Nmero de das hmedos por ao y SDII .................................................... 114 Cuadro 28. Diferencia entre das hmedos por ao para ambas versiones del modelo y registros de campo .......................................................................................................... 115

NDICE DE FIGURAS

Figura 1. Representacin grfica de los principales componentes del estado del tiempo 19 Figura 2. Representacin topogrfica de la Repblica de Panam a diferentes resoluciones horizontales segn el modelo MRI-AGCM................................................. 35 Figura 3. Resolucin vertical y representacin de arreglo de capas del modelo de clima NIWA................................................................................................................................ 36 Figura 4. Principales procesos de parametrizacin incluidos en el desarrollo de un modelo de clima............................................................................................................................. 38 Figura 5. Representacin esquemtica del esquema de parametrizacin de ArakawaSchubert en una celda del modelo .................................................................................... 42 Figura 6. Representaciones grficas de las emisiones mundiales de gases de efecto invernadero segn los diferentes escenarios ..................................................................... 46 Figura 7. Ubicacin regional de las estaciones meteorolgicas utilizadas en el estudio .. 56 Figura 8. Puntos geogrficos de la malla del modelo donde se generaron datos sintticos datos sintticos .................................................................................................................. 62 Figura 9. Representacin de los arreglos de puntos geogrficos sintticos para la representacin de datos de campo..................................................................................... 63 Figura 10. Histogramas para estacin Aeropuerto de Bocas por mtodo basado en la distribucin Gaussiana ...................................................................................................... 75 Figura 11. Histogramas para estacin Antn por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 76 Figura 12. Histogramas para estacin Cerro Punta por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 77 Figura 13. Histogramas para estacin Chico por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 78 Figura 14. Histogramas para estacin David por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 79

xi

Figura 15. Histogramas para estacin Divisa por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 80 Figura 16. Histogramas para estacin El Cobrizo por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 81 Figura 17. Histogramas para estacin Garachin por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 82 Figura 18. Histogramas para estacin Icacal por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 83 Figura 19. Histogramas para estacin Los Santos por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 84 Figura 20.Histogramas para estacin Nargan por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 85 Figura 21. Histogramas para estacin Piria por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 86 Figura 22.Histogramas para estacin Santiago por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 87 Figura 23.Histogramas para estacin Tocumen por mtodo basado en la distribucin Gaussiana .......................................................................................................................... 88 Figura 24. Histogramas para estacin Aeropuerto de Bocas por funcin de densidad acumulativa ....................................................................................................................... 92 Figura 25. Histogramas para estacin Antn por funcin de densidad acumulativa ........ 93 Figura 26. Histogramas para estacin Cerro Punta por funcin de densidad acumulativa94 Figura 27. Histogramas para estacin Chico por funcin de densidad acumulativa ........ 95 Figura 28. Histogramas para estacin David por funcin de densidad acumulativa ........ 96 Figura 29. Histogramas para estacin Divisa por funcin de densidad acumulativa ....... 97 Figura 30. Histogramas para estacin El Cobrizo por funcin de densidad acumulativa 98 Figura 31. Histogramas para estacin Garachin por funcin de densidad acumulativa . 99 Figura 32. Histogramas para estacin Icacal por funcin de densidad acumulativa ...... 100
xii

Figura 33. Histogramas para estacin Los Santos por funcin de densidad acumulativa ......................................................................................................................................... 101 Figura 34.Histogramas para estacin Nargan por funcin de densidad acumulativa ... 102 Figura 35. Histogramas para estacin Piria por funcin de densidad acumulativa ........ 103 Figura 36.Histogramas para estacin Santiago por funcin de densidad acumulativa ... 104 Figura 37.Histogramas para estacin Tocumen por funcin de densidad acumulativa .. 105 Figura 38. Precipitacin actual y proyectada para la Regin Atlntica, Central y Pacfica segn el mtodo basado en la distribucin Gaussiana para la versin 3.1s .................... 107 Figura 39. Precipitacin actual y proyectada para la Regin Atlntica, Central y Pacfica segn la funcin de densidad acumulativa para la versin 3.1s ..................................... 109 Figura 40. Precipitacin actual y proyectada para la Regin Atlntica, Central y Pacfica segn el mtodo basado en la distribucin Gaussiana para la versin 3.2s .................... 111 Figura 41. Precipitacin actual y proyectada para la Regin Atlntica, Central y Pacfica segn la funcin de densidad acumulativa para la versin 3.2s. .................................... 113 Figura 42. Comparacin entre SDII histrico y proyectado para ambas versiones del modelo en cada estacin ................................................................................................. 116

xiii

CAPTULO I. MARCO TERICO 1.1 INTRODUCCIN Estudiar los efectos que el fenmeno del cambio climtico y la variabilidad climtica tienen sobre los elementos del clima, es parte vital de la planificacin futura de todas las actividades humanas, relacionadas directa o indirectamente con l. Maunder (1989), afirma que desde el punto de vista econmico, social y poltico, el mundo se ha vuelto ms sensible a los recursos de la bisfera y que por consiguiente cualquier variacin en estos recursos se ha vuelto un factor significativo en el planeamiento a corto y largo plazo (1).

La escasez de estos recursos, puede deberse al uso irracional, a la fuerte demanda o a la alteracin de las condiciones ambientales o climticas bajo los cuales se producen. De estas causas, la ltima, es la ms influyente e importante por su gran impacto y por la planificacin y costo que requieren las medidas necesarias para enfrentarla. Aun as, no existe en la actualidad, una forma inequvoca y definitiva de valorar las magnitudes de las variables climticas en dcadas futuras, y as planificar las actividades que dependen de ellas. La complejidad de la dinmica atmosfrica dificulta la proyeccin de los efectos de las alteraciones sobre el medio, pero, el uso de modelos como el que se presenta en esta tesis, ofrece la mejor aproximacin para valorarlos y de esta forma desarrollar los mecanismos de prevencin, mitigacin o compensacin necesarios para el manejo de sus impactos.

xiv

Analizando la tendencia de los registros de precipitacin de Panam, se puede inferir si algunas alteraciones (aumentos o disminuciones), reflejadas en la precipitacin anual total, en la frecuencia de ocurrencia de eventos fuertes de precipitacin o en la duracin de las temporadas seca y lluviosa; seguirn acentundose en las siguientes dcadas, con posibles afecciones sobre actividades econmicas de gran importancia en Panam, como la agricultura, la ganadera e inclusive la operacin del Canal de Panam, razn por la cual el uso de modelos climticos para la proyeccin de estas condiciones, cobra importancia.

Adems, el contar con aproximaciones de los patrones de precipitacin que caracterizarn nuestro clima en las futuras dcadas, permite a los grupos encargados de la administracin de los recursos hdricos, elaborar planes para la gestin de las cuencas utilizadas como fuentes de consumo de agua o de generacin energtica e identificar zonas propensas a sequas y/o inundaciones, de manera tal que se protejan el bienestar y la vida de los usuarios y pobladores de dichas cuencas.

Los resultados de esta investigacin surgen de la aplicacin de fundamentos estadsticos, matemticos, informticos y meteorolgicos, en la proyeccin de valores de precipitacin en Panam. Dichos resultados, estn sujetos a una serie de condiciones, suposiciones iniciales, y a un elevado nmero de variables y esquemas, como los son los escenarios de emisin del IPCC. Para stos, la posibilidad de que en la realidad las emisiones evolucionen tal y como lo describen, es muy remota. (2)

xv

1.2 OBJETIVO GENERAL Hacer una proyeccin del valor promedio de la intensidad de precipitacin en las regiones Atlntica, Pacfica y Central de Panam para el perodo comprendido entre 2080 y 2099, utilizando como base los registros de precipitacin histricos.

1.3 OBJETIVOS ESPECFICOS 1. Utilizar los datos del modelo MRI-AGCM y los datos de campo de estaciones meteorolgicas de Panam, para la proyeccin de la precipitacin y el nmero de das hmedos en dcadas futuras.

2. Comparar el resultado de estas proyecciones con el valor promedio actual de cada una de las estaciones seleccionadas en el estudio e identificar los incrementos o decrementos en su magnitud.

16

CAPTULO II. CONCEPTOS GENERALES 2.1 Clima 2.1.1 Concepto Clima es una descripcin estadstica del tiempo en trminos de valores medios y de variabilidad de las cantidades de inters durante perodos de varios decenios (normalmente 3 decenios segn la Organizacin Meteorolgica Mundial). (3)

Estas cantidades se refieren a las magnitudes y patrones de precipitacin, temperatura, presin atmosfrica, humedad, viento, evaporacin, transpiracin, radiacin solar y nubosidad, considerados como los elementos del clima.

2.1.2 Clima y Estado de tiempo El campo de estudio de esta tesis es la proyeccin del clima y no del estado del tiempo, por tal razn se hace importante hacer una distincin entre ambos, de forma tal que se comprendan los objetivos finales y el alcance de la investigacin. A pesar que los trminos clima y estado de tiempo suelen utilizarse de manera indistinta, cada uno hace referencia a conceptos diferentes.

El estado de tiempo, tiempo atmosfrico o tiempo meteorolgico, como tambin se le conoce, describe el estado instantneo de variables meteorolgicas como la precipitacin, temperatura, humedad, presin, y viento, en un momento y lugar determinados de la atmsfera, que puede mantenerse constante por das u horas.
17

Dependiendo de la condicin de los elementos mencionados y de la presencia o ausencia de hidrometeoros, el estado del tiempo puede clasificarse como: soleado o despejado, principalmente soleado, nublado, principalmente nublado, levemente nublado, lluvia, lluvia dbil, lluvia intensa, aguanieve, nieve dbil, chubascos de nieve, neblina y niebla, y por lo general estos estados son representados por medio de smbolos acompaados de la temperatura promedio, el viento y su direccin, la humedad relativa, la presin atmosfrica y la visibilidad, como se muestra en la Figura 1. Todas estas clasificaciones hacen referencia a la situacin atmosfrica de un elemento climtico, sin que sea necesario que ste permanezca constante por un largo perodo.

18

Figura 1. Representacin grfica de los principales componentes del estado del tiempo

NOAA. (2011). Recuperado de http://www.meted.ucar.edu

Por otro lado, el clima no depende de condiciones atmosfricas inmediatas, sino del estado atmosfrico medio que caracterice una zona por un largo periodo. A diferencia del estado del tiempo, el clima no vara en das u horas; apenas ligeros cambios en alguna de las variables que lo componen, pueden tomar dcadas o siglos, por lo cual puede considerrsele como estable, si se le compara con el estado del tiempo.

En otras palabras, las condiciones climticas de un lugar probablemente se mantengan constantes o sin sufrir alteraciones mayores durante el transcurso de una o dos generaciones humanas, mientras que una variacin en el estado de tiempo podra darse en cuestin de horas o minutos. Al mencionar este aspecto, no se puede pasar por alto que el cambio climtico antrpico, fenmeno estudiado en la actualidad y parte integral de este

19

trabajo, y la variabilidad climtica impulsada por factores no antrpicos, alteran de manera considerable el estado constante o casi constante del clima.

2.1.3 Elementos del clima Los elementos de clima, son cada uno de los componentes que identifican a un tipo especfico de clima y que le otorgan las caractersticas que lo hacen diferenciarse de otros. Para poder estudiar un clima en particular, es necesario un anlisis independiente de cada uno de estos elementos, que son los responsables de la manifestacin climtica que percibimos, y son: la precipitacin, humedad, presin atmosfrica, viento, evapotranspiracin, temperatura atmosfrica y nubosidad.

2.1.3.1 Precipitacin La precipitacin incluye la lluvia, nieve, o cualquier mecanismo mediante el cual el agua atmosfrica alcance la superficie terrestre, incluyendo el granizo y el aguanieve. Frecuentemente los trminos precipitacin y lluvia, se utilizan de manera indistinta, lo cierto es que existen diferentes formas de precipitacin, y la lluvia es tan slo una de ellas. (4)

20

Entre estas formas de precipitacin se encuentran: la llovizna, nieve, aguanieve, nieve granulada, granizo y roco. Brutsaert (2010) define a la lluvia como un hidrometeoro que llega a la superficie en forma lquida, en gotas con un dimetro mayor de 0.5 mm.Queda claro entonces, que la lluvia no es el nico mecanismo de precipitacin, aunque s el ms importante para Panam y otras zonas tropicales del mundo, por los volmenes de agua que llegan a la superficie terrestre por su medio y su significado biolgico, econmico y ambiental (5).

Las estaciones meteorolgicas, que son instalaciones para la medicin de variables atmosfricas, incluyen entre sus equipos de medicin a los pluvimetros, y son stos dispositivos los que miden la precipitacin sobre un rea determinada. La red de estaciones meteorolgicas de Panam, a cargo de la Empresa de Transmisin Elctrica S.A. (ETESA) est formada por diferentes tipos de estaciones meteorolgicas que se diferencian entre s por la cantidad de variables climticas que pueden medir y por el mecanismo que utilizan para generar sus registros. De acuerdo a la cantidad de variables que pueden medir, las estaciones meteorolgicas se clasifican como:

Estaciones Tipo A: estacin capaz de medir 6 o ms parmetros meteorolgicos. Estacin Tipo B: estacin capaz de medir menos de 6 parmetros meteorolgicos.

21

Estacin Tipo C: estacin que slo registran la variable precipitacin.

De acuerdo al mecanismo que utilizan las estaciones para generar sus registros, stas se clasifican como:

Estacin Convencional: estacin que registra por medio de medicin directa o grficos.

Estacin Automtica: estacin que registra por medio de sensores u otros medios electrnicos.

Estacin Mixta: estacin que registra tanto por medicin directa o grficos como por sensores o medios electrnicos.

2.1.3.2 Otros elementos Aunque fuera del campo de estudio de este trabajo, existen otros elementos climticos que deben ser citados por su interrelacin e influencia en el clima. Algunos de estos elementos son:

22

Temperatura atmosfrica: es una medida de la cantidad de energa calorfica acumulada en el aire, en un tiempo y espacios determinados. sta depende principalmente de la radiacin solar, la altitud desde la superficie terrestre y la composicin qumica de la atmsfera.

Humedad: es el contenido de vapor de agua en una determinada cantidad de aire y se puede expresar como humedad relativa, humedad absoluta o como humedad especfica.

Viento: es el movimiento del aire presente en la atmsfera, especialmente, en la troposfera, producido por el movimiento de rotacin y de traslacin terrestre y el desigual calentamiento del aire. stos pueden clasificarse como: dominantes, estacionales, locales y por ltimo, ciclnicos y anticiclnicos.(10)

Evapotranspiracin: efecto combinado de la evaporacin y la transpiracin; es decir el cambio de estado del agua de liquido a gas y la prdida de agua en las plantas en el proceso de fotosntesis, respectivamente.(11)

23

Presin atmosfrica: corresponde al peso que ejerce una columna de aire atmosfrico sobre la superficie terrestre, de forma perpendicular a sta.

Radiacin solar: radiacin electromagntica emitida por el Sol o radiacin de onda corta, absorbida parcialmente por las capas superiores de la atmsfera, mientras que otra porcin llega a las superficies terrestres y ocenicas, y es reemitida como radiacin de onda larga.

Nubosidad: cobertura de nubes que caracteriza una porcin especfica del cielo y cuya importancia radica en la capacidad de la nubes de reflejar gran parte de la radiacin solar que llega hasta ellas proveniente del Sol, contribuyendo as a mantener el albedo del planeta.

2.2 Cambio climtico y Variabilidad natural del clima Existen diferentes definiciones del fenmeno de cambio climtico, dadas por varias organizaciones relacionadas a su estudio y al del clima en general, como:

24

El cambio climtico es un cambio en el clima, atribuido directa o indirectamente a la actividad humana, que altera la composicin de la atmsfera mundial y que se suma a la variabilidad natural del clima observada durante perodos de tiempo comparables. (6)

Convencin Marco sobre el Cambio Climtico (CMCC)

Variacin estadsticamente significativa en el estado medio del clima o en su variabilidad, que se mantiene por un perodo extenso (generalmente dcadas o perodos ms largos) y que puede deberse a cambios internos naturales o fuerzas externas, como tambin a cambios antropgenos permanentes sobre la atmsfera o tierra en uso. (6)

Panel Intergubernamental del Cambio Climtico (IPCC)

La definicin dada por la CMCC, hace una distincin entre el cambio climtico atribuido a las actividades humanas alterando la composicin de la atmsfera y la variabilidad climtica, atribuida a causas naturales; postulando al cambio climtico como una consecuencia de la actividad humana. Por su parte, aunque la definicin de cambio climtico del IPCC atribuye el fenmeno de cambio climtico tanto a causas naturales como antropgenas, en sus proyecciones se suele tener en cuenta nicamente la
25

influencia ejercida sobre el clima por los aumentos antropgenos de los gases de efecto invernadero y por otros factores relacionados a los seres humanos. Esta definicin del IPCC, se basa ms que todo en la imposibilidad de determinar claramente la contribucin de causas naturales o humanas en el efecto global observado. (6)

Para efectos de esta tesis, se tomar la definicin dada por la CMCC, considerando al cambio climtico como una variacin exclusivamente relacionada a la emisin de gases de efecto invernadero y otras alteraciones de origen humano y se utilizar el trmino variabilidad natural del clima para hacer referencia a cualquier modificacin climtica significativa causada por fenmenos naturales; es decir con orgenes completamente independientes a las actividades humanas.

Independientemente del origen de sus causas, de acuerdo al Informe de Sntesis de Cambio Climtico presentado en 2007, se afirma que: El calentamiento del sistema climtico es inequvoco, como evidencian ya los aumentos observados del promedio mundial de la temperatura del aire y del ocano, el deshielo generalizado de nieves y hielos, y el aumento del promedio mundial del nivel del mar (7)

26

2.2.1 Causas Actualmente, mucho se debate acerca del papel del hombre y sus actividades en las alteraciones del clima, principalmente, por la dificultad que representa evaluar el grado de influencia de alteraciones humanas y naturales por separado. Pero, es un hecho que el hombre ha alterado el entorno natural, mediante el consumo de los recursos naturales, la emisin de sustancias de desecho producto de su uso o con la modificacin el paisaje para la construccin de ciudades y la creacin de espacios para la agricultura y ganadera. Dentro de estas alteraciones, se han identificado algunas como causas principales del cambio climtico, por la correlacin que existe entre su incidencia y la aparicin de alteraciones climticas. Ejemplo de stas son:

Variacin en las concentraciones de gases de efecto invernadero y aerosoles en la atmsfera: se consideran como gases de efecto invernadero al vapor de agua (H2O), dixido de carbono (CO2), metano (CH4), xido nitroso (N2O), ozono (O3) y a los halocarbonos; por su capacidad para retener la radiacin proveniente de la superficie terrestre y luego reemitirla en direccin a sta. Aunque slo los halocarbonos son exclusivamente de origen antropgeno, las elevadas concentraciones actuales de los dems gases, a excepcin del vapor de agua, se deben principalmente a la actividad humana, donde la quema de combustibles fsiles para la generacin de energa para el transporte, calefaccin y la actividad industrial, figuran como los principales responsables.
27

Informes del IPCC, aseguran que las emisiones de gases de efecto invernadero por efectos de la actividad humana, han aumentado en un 70% entre los aos 1970 y 2004, alcanzando concentraciones atmosfricas de 379 ppm para el CO2 y de 1774 ppmm para el CH4, excediendo por mucho el intervalo natural de valores para los ltimos 650 000 aos. (7)

Las elevadas concentraciones de los gases de efecto invernadero, generalmente representan incrementos de las temperaturas atmosfricas y terrestres, mientras que los aerosoles que tambin son producidos en la quema de combustibles fsiles, se asocian a su enfriamiento.

Variaciones de la cubierta terrestre: el cambio en el uso del suelo por los procesos de urbanizacin o para el desarrollo de campos para la agricultura y ganadera, tambin influye en las variaciones climticas, por la alteracin que provoca sobre la evapotranspiracin, humedad, albedo y otras condiciones naturales de la regin modificada.

Muoz (2010), del Centro de Estudios Ambientales del Mediterrneo (CEAM), afirma que los propiedades del suelo, pueden incluso modificar los ciclos hidrolgicos a nivel local, influyendo en los regmenes de precipitacin. Explica que al remplazar extensiones
28

naturales por construcciones, se pierde un aporte de vapor de agua que esos ecosistemas evaporaban, y que es necesario para la formacin de las tormentas. (20)

2.2.2 Consecuencias Estos cambios en el clima se manifiestan sobre las magnitudes y/o patrones de la temperatura, humedad, precipitacin, viento y nubosidad, que a su vez causan alteraciones en el ambiente fsico y en la biota e inclusive sobre la salud y las actividades del hombre. El IPCC, cita al aumento de las temperaturas medias de la atmsfera y del ocano, al deshielo generalizado de nieves y hielos y al aumento en el nivel de mar, como consecuencias principales del cambio climtico a nivel global

2.2.3 ndices de cambio climtico asociados a la precipitacin 2.2.3.1 ndice Simple de Intensidad Diaria El ndice simple de intensidad diaria, conocido como SDII por sus siglas en ingls (Simple Daily Intensity Index) es la relacin existente entre la intensidad diaria de precipitacin en un perodo determinado y el nmero de das hmedos en dicho perodo. Este ndice muestra la frecuencia con la que ocurren eventos de precipitacin ms intensos y se calcula mediante la ecuacin:

29

(Ec. 1)

Donde SDII es el ndice simple de intensidad diaria; RRwj es la precipitacin diaria en el perodo j, y W es el conteo de das hmedos en un ao por el perodo j. Nakayama et al (2011) define das hmedos como aquellos das en los que la precipitacin 1mm. (19)

2.2.3.2 Precipitacin mxima para 1 y 5 das dentro de un ao Los ndices Rx1day y Rx5day son: el valor mximo de precipitacin en 1 y 5 das respectivamente, dentro de un perodo de 1 ao. (19)

2.2.3.3 Conteo anual de das donde la precipitacin rebasa un valor lmite Los ndices R10mm, R20mm y Rnnmm, son: el conteo de das en un ao, en los que la precipitacin rebasa el valor de 10, 20 y nn milmetros, respectivamente (19).

30

2.2.3.4 Duracin mxima de perodo de sequa La duracin mxima del perodo de sequa, es el periodo de mayor duracin en el cual se registren valores de precipitacin 0 menores de 1, de manera consecutiva, conocidos como das secos consecutivos o CDD (consecutive dry days) (19).

2.2.3.5 Duracin mxima de perodo de lluvias La duracin mxima del perodo de lluvias, es la perodo de mayor duracin en el cual se registren valores de precipitacin 1 de manera consecutiva, conocidos como das hmedos consecutivos o CWD (consecutive wet days) (19).

2.2.3.6 Precipitacin anual total por encima de un determinado percentil Los ndices R95pTOT y R99pTOT corresponden a este grupo y estn definidos como la precipitacin anual total donde la precipitacin diaria es 95 y 99 percentil de la precipitacin diaria en das hmedos, respectivamente.

2.2.3.7 Precipitacin anual total en das lluviosos El ndice llamado PRCPTOT (abreviado de PReCiPitacin TOTal) est definido como la precipitacin anual total en das hmedos.
31

2.3 Modelos de Clima 2.3.1 Concepto Un modelo de clima es una representacin numrica del sistema climtico, basada en las propiedades fsicas, qumicas y biolgicas de sus componentes, en sus interacciones y en sus procesos de retroefecto, recogiendo todas o algunas de sus propiedades conocidas. (8) Los modelos de clima, buscan con sus representaciones numricas: simular los numerosos procesos que producen el clima, comprenderlos e intentar predecir las consecuencias de sus cambios e interacciones. (9)

2.3.2 Tipos de Modelos La mejor comprensin de los elementos climticos por el uso de modelos de clima, acompaado del aumento en la capacidad de anlisis de los ordenadores utilizados para su construccin, ha contribuido a la incorporacin de ms y mejores componentes que permiten representaciones ms reales del clima. De acuerdo a los procesos que se toman en consideracin dentro de la estructura de operacin, a la resolucin y a otras caractersticas del modelo, estos pueden ser:

32

Modelos de Balance de Energa: modelos adimensionales o de una dimensin que predicen la temperatura de la superficie a nivel del mar, como una funcin del balance de energa de la Tierra. (9)

Modelos de una dimensin: como los modelos radiativo-convectivo (RC por sus siglas en ingls) y los modelos de una columna (SCMs), que son modelos enfocados en los procesos en el eje vertical. Los primeros computan el perfil de temperatura, modelando los procesos radiativos y empleando un ajuste convectivo. Por su parte, los modelos de una columna incluyen todos los procesos que seran modelados en un sistema tridimensional, pero en los cuales no se toman en cuenta las trasferencias horizontales de energa. (9)

Modelos comprimidos: como los modelos de dinmica estadstica (SD). Estos modelos fueron el punto de inicio para la incorporacin de la qumica en los modelos globales. (9)

Modelos de Clima Global o Modelos de Circulacin General: incluyen la naturaleza tridimensional de la atmsfera como del ocano. Pueden ser modelos ocano-atmsfera completamente acoplados (OAGCM o CGCM) o modelos de circulacin atmosfrica y ocenica independientes (OGCMs y AGCMs). (9)
33

2.3.3 Propiedades numricas y computacionales de un modelo de clima 2.3.3.1 Resolucin espacial Esta caracterstica de los modelos, est relacionada al tamao de los recuadros que forman la cuadrcula o malla, horizontal y verticalmente, sobre la cual se desarrolla la proyeccin y estudio de las variables atmosfricas. Un modelo de alta resolucin, tiene un elevado nmero de recuadros, porque las lneas que los originan, estn separadas por espacios pequeos; mientras que uno de baja resolucin, cuenta con unos pocos recuadros en los cuales las lneas de divisin se encuentran ms alejadas unas de otras.

La resolucin de un modelo, influye en algunos aspectos determinantes como: la representacin topogrfica, la distribucin de masas continentales y ocanos y los accidentes geogrficos en general, tal como se muestra en la Figura 2; al igual que en la eficiencia para reproducir fenmenos regionales como: los ciclones, anticiclones y los frentes estacionarios.

Los modelos de alta resolucin pueden producir representaciones mucho ms reales de los aspectos antes mencionados, pero, un mayor nmero de recuadros es tambin un nmero mayor de puntos donde deben calcularse numerosas ecuaciones para cada variable, por lo que requieren de computadoras con procesadores de mayor capacidad de anlisis, que los utilizados para modelos de baja resolucin.
34

Los recuadros que forman la malla y que definen la resolucin del modelo, se construyen a partir de subdivisiones sobre el plano horizontal, de la misma forma que lo hacen los paralelos y los meridianos.

Figura 2. Representacin topogrfica de la Repblica de Panam a diferentes resoluciones horizontales segn el modelo MRI-AGCM

9A) Resolucin horizontal de 100 km; 9B) Resolucin horizontal de 20 km. Imagen propia generada mediante una rutina ejecutada en el programa informtico Matlab 2011a.

35

Por otro lado, tambin debe considerarse la resolucin vertical del modelo, que es el nmero de divisiones o capas, desde las superficies terrestres y ocenicas, hasta la parte superior de la atmsfera, como se ilustra en la Figura 3. Generalmente estas capas que determinan la resolucin vertical del modelo estn dispuestas de manera no uniforme .La razn de esta distribucin irregular es que los cambios ms drsticos de las diferentes variables atmosfricas generalmente ocurren en las zonas ms cercanas a la superficie. Una vez que se alcanzan las zonas superiores de la atmsfera los gradientes para las diferentes variables disminuyen su magnitud; es decir que sufren alteraciones pequeas en grandes distancias. Figura 3. Resolucin vertical y representacin de arreglo de capas del modelo de clima NIWA

Geographix. Recuperado de: http://www.niwa.co.nz/gallery/niwa-climate-30-km-modelgrids

36

2.3.3.2 Resolucin temporal Adems de tener una resolucin horizontal y vertical (resolucin espacial); un modelo de clima tiene una cantidad finita de intervalos de clculo. Estos intervalos establecen la frecuencia con la cual el modelo desarrolla las operaciones que se necesitan para generar la simulacin, y definen la resolucin temporal del modelo.

Una resolucin temporal alta se logra cuando el modelo esta configurado de manera tal que sus clculos sean desarrollados en intervalos cortos, pero el trabajar con resoluciones temporales altas requiere de capacidades computacionales altas.

2.3.4 Propiedades fsicas y dinmicas de un modelo de clima Las propiedades fsicas y dinmicas de un modelo, se refieren a las caractersticas de los elementos de la atmsfera, litsfera, crisfera, bisfera e hidrsfera que influyen en el clima de la Tierra y a las ecuaciones utilizadas para su simulacin.

Conforme ha avanzado el estudio de los modelos de clima, estos elementos han sido esquematizados e incorporados mediante sub-modelos o esquemas de parametrizacin que permiten simplificar los procesos que los originan y, que por la imposibilidad de ser calculados explcitamente con las ecuaciones del modelo o por la diferencia entre la escala de su estructura de formacin y la escala de los recuadros del modelo, no pueden ser generados por el modelo directamente.

37

Figura 4. Principales procesos de parametrizacin incluidos en el desarrollo de un modelo de clima

The COMET Program. (2011). Recuperado de: http://www.meted.ucar.edu

38

2.3.4.1 Ecuaciones bsicas Un modelo de circulacin general que es un modelo que basa sus proyecciones en clculos numricos, representa el comportamiento de la atmsfera mediante el desarrollo de ecuaciones primitivas o gobernantes como:

Ecuaciones de momento: como la segunda ley del movimiento de Newton declarada como el equilibrio de fuerzas para la aceleracin respecto de un marco de coordenadas en rotacin. En base a esta ecuacin se pueden estimar, por ejemplo, el componente horizontal y vertical del viento que es una importante variable por su influencia en las condiciones climticas. La ecuacin de momento horizontal se puede expresar como:

(Ec.2)

Donde U es el vector velocidad, t es el tiempo, es la densidad, p es la presin atmosfrica, f es el parmetro de Coriolis, g es la suma de las fuerzas gravitacional y centrfuga y Fr es la friccin y la mezcla turbulenta.

La aproximacin hidrosttica en la que el peso de la atmsfera equilibra el gradiente de presin vertical, se utiliza para el clculo de la ecuacin de momento vertical de acuerdo a la ecuacin:

39

(Ec.3)

Ecuacin de continuidad: en el anlisis meteorolgico se realiza una simplificacin para la conservacin de la masa. sta dice que una vez se eliminen lo que agreguen las fuentes y se deprecien los sumideros externos la masa se conserva, como se describe en la ecuacin:

+ .

=0

(Ec.4)

Donde es la densidad, t el tiempo y U el vector velocidad

Ecuacin termodinmica: la primera ley de termodinmica describe la conservacin de energa aplicada a un elemento fluido en movimiento.

Para un sistema en equilibrio termodinmico, el cambio en la energa interna se debe a la diferencia entre el trabajo realizado por el sistema y el calor agregado al mismo, como se expresa en la ecuacin:
40

.=

(Ec.5)

Donde cv es el calor especfico a un volumen constante, T es la temperatura es el volumen especfico, p es la presin y Q es la tasa de calentamiento.

2.3.4.2 Procesos de Conveccin de Cmulos La conveccin asociada con los cmulos o conveccin de cmulos como tambin se le conoce, es el proceso por el cual una parcela de aire se calienta, se expande, se vuelve menos densa que el aire circundante, es empujada hacia arriba hasta su punto de saturacin y forma una nube o clula convectiva (16).

Su importancia como esquema de parametrizacin se debe a su descripcin del proceso de formacin de las nubes, que a su vez influyen en la difusin de la radiacin solar en la atmsfera, la temperatura y en los eventos de precipitacin. Algunos esquemas utilizados para la parametrizacin de conveccin de cmulos en la actualidad son:

41

Arakawa-Schubert: requiere un equilibrio entre la estabilizacin convectiva y la tasa de desestabilizacin a gran escala, tiene en cuenta el desprendimiento de la humedad de las nubes y el calentamiento debido a la subsidencia. La conveccin es activada por un valor de energa potencial de conveccin disponible en la capa lmite; se especifican la profundidad mnima de las nubes y el nivel mximo de inhibicin convectiva (16). Figura 5. Representacin esquemtica del esquema de parametrizacin de Arakawa-Schubert en una celda del modelo

The COMET Program. (2011). Recuperado de http://www.meted.ucar.edu/

Betts-Miller-Janjic: ajusta el sondeo del modelo hacia un perfil predeterminado postconvectivo de referencia derivado de la climatologa. La conveccin es activada por un sondeo hmedo con algo de energa potencial de conveccin disponible y el hecho de que las nubes alcancen cierta profundidad en exceso de cierto umbral (16).

42

Kain-Fritsch: redistribuye la masa dentro de una columna atmosfrica de modo tal que la energa potencial de conveccin disponible se consuma durante el proceso de conveccin. La conveccin es activada por la energa potencial de conveccin disponible de una capa de 50 a 100 hPa de espesor en la baja troposfera (capa debajo de las nubes); donde una parcela de aire clido y hmedo se halla atrapada debajo de una inversin lo suficientemente poco profunda para que una parcela la penetre con una velocidad vertical baja; y cuando la profundidad convectiva de las nubes excede un umbral (16).

2.3.4.3 Turbulencia atmosfrica Se denota como turbulencia a los movimientos irregulares y caticos de las masas de aire, que se originan a pequea escala y que estn caracterizados por vientos que varan en viento y direccin. Su parametrizacin dentro de los modelos de clima es importante porque el papel que desempea en la mezcla de los componentes atmosfricos, interfiriendo en la produccin del vapor de agua, niebla y otras sustancias que se distribuyen horizontal y verticalmente (17).

43

2.3.4.4 Superficie terrestre Algunos procesos que ocurren en la interface entre la superficie terrestre y la atmsfera como la infiltracin, evaporacin y el intercambio de calor sensible; son conocidos como procesos de superficie terrestre. Shukla y Mintz (1982), demostraron que los flujos entre la superficie terrestre y la atmsfera tienen una gran influencia en los resultados de simulacin de los modelos de clima Por tal razn los esquemas de parametrizacin de superficie terrestre que incluyen caractersticas determinantes como: la cobertura vegetal, conductividad hidrulica, porosidad, albedo, humedad relativa, temperatura potencial y las velocidades de infiltracin y evapotranspiracin, deben ser incorporados en la estructura de los modelos de clima (18).

2.3.4.5 Escenarios de Emisin De acuerdo al Panel Intergubernamental sobre el Cambio Climtico (2008), los escenarios de emisin son una representacin plausible de la evolucin futura de las emisiones de sustancias que podran ser radiativamente activas y que estn basadas en un conjunto coherente de supuestos sobre las fuerzas que las determinan y las principales relaciones entre ellos; considerando como sustancia radiativamente activa, a cualquier sustancia capaz de afectar la funcin que desempea la atmsfera en el transporte, difusin y remisin de la radiacin solar, como los son los gases de efecto invernadero, los aerosoles y las emisiones de azufre. (7)

44

Una de las funciones de los escenarios de emisin es ofrecer a los investigadores del cambio climtico, la posibilidad de incluir en sus modelos de clima, el proceso evolutivo de las emisiones de gases de efecto invernadero, azufre y aerosoles, en funcin de los aspectos econmicos, demogrficos y tecnolgicos mundiales que caracterizarn las siguientes dcadas; al igual que los impactos que estas emisiones tendrn sobre las diferentes variables del clima. Bajo esta visin, se desarrollaron cuatro lneas narrativas con caractersticas de desarrollo ambiental, demogrfico, socioeconmico y tecnolgico diferentes, que dan origen a los escenarios de emisiones utilizados en la actualidad el anlisis climtico y la proyeccin de sus variables. Los cuatro familias de escenarios que surgen a partir de stas lneas son nombrados como: A1, A2, B1 y B2.

Cada una de estas familias ofrece aproximaciones numricas de la poblacin, el producto interno bruto, el ingreso per cpita y las emisiones de los principales gases de efecto invernadero a nivel mundial y, a ninguna de estas familias de escenarios se les otorga una probabilidad de ocurrencia, por lo cual su seleccin y uso en el modelaje de clima, se basa en el criterio de los modelizadores. Sin embargo, cabe destacar que el escenario A1B presenta valores medios para varias de las estimaciones relacionadas a las emisiones, fuentes energticas, desarrollo socioeconmico y demografa.

45

Figura 6. Representaciones grficas de las emisiones mundiales de gases de efecto invernadero segn los diferentes escenarios A

6A) Dixido de carbono; 6B) Metano; 6C) xido nitroso IPCC (2010). Escenarios de emisiones
46

Familia de escenarios A1 La familia de escenarios A1 describe un mundo con un rpido crecimiento econmico, una poblacin mundial que alcanza su valor mximo hacia mediados del siglo y disminuye posteriormente, y una rpida introduccin de tecnologas nuevas y ms eficientes. De la lnea narrativa A1 surgen tres escenarios de emisin, con tendencias tecnolgicas diferentes en cuanto a la generacin de energa. El escenario A1FI se basa en un mundo futuro caracterizado por un uso intensivo de combustibles de origen fsil, el A1B describe un mundo futuro donde se emplean de manera equilibrada tanto combustibles de origen fsil como combustibles de origen no fsil y el A1T considera que el futuras dcadas predominar el empleo de combustibles de origen no fsil. (2)

2.3.4.6 Otras propiedades Adems de las propiedades ya presentadas, simuladas por medio parametrizaciones, en un modelo de clima deben incluir esquemas que reproduzcan:

Los procesos de difusin y precipitacin La qumica atmosfrica La radiacin de onda larga y onda corta Las caractersticas del hielo marino
47

2.3.5 Tcnicas de correccin de sesgo estadstico Para utilizar las proyecciones obtenidas de un modelo de clima en el estudio del cambio climtico y asegurar que stas sean confiables. Nakaegawa, (2011), afirma que se debe partir de la premisa bsica de que no se puede creer en futuros cambios en el clima proyectados por un modelo, si ste no puede simular las observaciones del presente. Es decir que antes de proyectar variables climticas al futuro, se debe comprobar que el modelo es capaz de generar de forma aproximada los registros de campo histricos de dichas variables. (14)

Los modelos de clima, ofrecen caracterizaciones de la circulacin atmosfrica de todo el planeta, fcilmente, pero no sucede lo mismo con la reproduccin de fenmenos o caractersticas regionales de pequea escala. Por tal razn, se requiere la aplicacin de tcnicas de correccin del sesgo estadstico, a partir de las cuales se obtienen los coeficientes de ajuste que le permiten al modelo considerar los efectos climticos de caractersticas geogrficas, elementos de escala inferior a su propia resolucin y la estructura espacial de las variables a proyectar.

2.3.5.1 Mtodo basado en la distribucin Gaussiana De los mtodos aplicados, el ms sencillo para la correccin del sesgo estadstico, es el basado en la distribucin Gaussiana y se realiza mediante el clculo del promedio aritmtico y la desviacin estndar. Para aplicarlo, necesitamos obtener dos coeficientes de correccin CC1 y CC2, calculados con las siguientes ecuaciones:
48

(Ec.6)

(Ec.7) =

Las variables de estas ecuaciones son el promedio y la desviacin estndar, tanto para los valores de campo como para los datos sintticos. Los resultados obtenidos para los coeficientes de correccin CC1 y CC2 se utilizan en la ecuacin:

(Ec.8)

De (Ec.8), se obtiene la intensidad de lluvia corregida por el mtodo basado en la distribucin Gaussiana para la reduccin del sesgo estadstico.

2.3.5.2 Funcin de densidad acumulativa El otro mtodo utilizado para el ajuste estadstico es la funcin de densidad o de probabilidad acumulativa, que ofrece la probabilidad total de obtener un resultado de una variable aleatoria, que vara desde el valor ms bajo posible para dicha variable hasta cualquier valor especfico de inters. (13)

49

2.3.6 Aplicaciones Uno de los principales usos de los modelos de clima desarrollados en la actualidad, es la proyeccin de variables meteorolgicas como resultado de un grupo de condiciones particulares; como es el caso del modelo MRI-AGCM, utilizado en la proyeccin de la precipitacin en Panam. Adems de esta funcin, los modelos de clima son utilizados en:

Atribucin de responsabilidades: como los cambios climticos pueden deberse tanto a procesos naturales, como a forzamientos atmosfricos relacionados a las actividades humanas; los modelos de clima tratan de determinar en que porcin el cambio de una variable climtica, se debe a causas naturales y en que porcin lo hace debido a la accin del hombre.

Evaluacin de Sensibilidad del Sistema Climtico Global: los modelos de clima, tratan de evaluar en qu magnitud reacciona el clima global a cualquier forzamiento provocado.

Elaboracin de Medidas de Mitigacin: la formulacin de las medidas que deben tomarse en el futuro para enfrentar los cambios climticos que se estn presentando y los que posiblemente se presenten en las siguientes dcadas, es tal vez uno de los usos ms importantes de los modelos de clima, por lo que estas medidas podran representar sobre las actividades y la vida del hombre.

50

Valoracin de Impactos: los modelos de clima ofrecen la oportunidad de valorar los impactos regionales del fenmeno de cambio climtico, tal como se utiliz al MRI-AGCM para conseguir aproximaciones de la magnitud de la variable intensidad de precipitacin en diferentes regiones de la Repblica de Panam.

CAPTULO III. METODOLOGA 3.1 Descripcin climtica del rea de estudio Dentro de la Repblica de Panam, la regin central, atlntica y pacfica, que son las regiones que abarcan las diferentes ubicaciones de las estaciones meteorolgicas utilizadas en este estudio, cuentan con caractersticas climticas particulares, que se reflejan principalmente en sus regmenes de lluvia y en la temperatura atmosfrica media.

3.1.1. Regin Pacfica sta se caracteriza por abundantes lluvias de intensidad entre moderada a fuerte. La poca de lluvias se inicia en firme en el mes de mayo y dura hasta noviembre, siendo los meses de septiembre y octubre los ms lluviosos; dentro de esta temporada se presenta frecuentemente un perodo seco conocido como veranillo, entre julio y agosto. La poca seca real abarca el perodo comprendido entre diciembre y abril. (15)

En el Cuadro 1, se muestra la informacin de las estaciones meteorolgicas: Antn, David, Divisa, Garachin, Los Santos y Tocumen, pertenecientes a la Regin Pacfica.

51

3.1.2 Regin Central En la Regin Central las lluvias son provocadas por los flujos predominantes procedentes del Caribe o del Pacfico. Son lluvias entre moderadas y fuertes, acompaadas de actividad elctrica y vientos fuertes. En el Cuadro 2, se muestra la informacin de las estaciones meteorolgicas: Cerro Punta, Chico, El Cobrizo, Piria y Santiago pertenecientes a la Regin Central.

3.1.3 Regin Atlntica En la regin atlntica llueve durante casi todo el ao. Entre diciembre y febrero se registran abundantes lluvias provocadas en su mayora por las incursiones de los sistemas frontales del hemisferio norte hacia las latitudes tropicales; en el resto del ao las lluvias estn asociadas a los sistemas atmosfricos tropicales que se desplazan sobre la Cuenca del Caribe, a la brisa marina y al calentamiento diurno de la superficie terrestre. De las estaciones meteorolgicas utilizadas para esta investigacin, las estaciones: Aeropuerto de Bocas, Icacal y Nargan pertenecen a la Regin Atlntica. Ver Cuadro 3

52

Cuadro 1. Informacin de las estaciones meteorolgicas de la Regin Pacfica Nombre Antn David
53

Tipo AC AC BC BC AC AM

Provincia Cocl Chiriqu Herrera Darin Los Santos Panam

Latitud 8 23' 00" 8 24' 00" 8 06' 00" 8 05' 00" 7 57' 00" 9 03' 56"

Longitud 80 16' 00" 82 25' 00" 80 41' 00" 78 22' 00" 80 25' 00" 79 23' 31"

Inicio de Operacin 1/08/1969 1/06/1967 1/06/1964 1/07/1923 1/10/1964 1/01/1970

Frecuencia de Registro Horario Horario Diario Diario Horario Horario

Divisa Garachin Los Santos Tocumen

ETESA. Recuperado de: http://www.hidromet.com.pa/

Cuadro 2. Informacin de las estaciones meteorolgicas de la Regin Central Frecuencia de Registro Diario Horario Diario Diario Horario

Nombre Cerro Punta Chico

54

Tipo CC AA CM CA AM

Provincia Chiriqu

Latitud 8 52' 00"

Longitud 82 35' 00"

Inicio de Operacin 1/09/1962

Panam Veraguas Panam Veraguas

9 15' 49" 8 27' 00" 9 05' 00" 8 05' 12"

79 30' 35" 81 23' 00" 78 20' 00" 80 58' 40"

1/10/1932 1/05/1958 1/02/1963 1/05/1955

El Cobrizo Piria Santiago

ETESA. Recuperado de http://www.hidromet.com.pa/

Cuadro 3. Informacin de las estaciones meteorolgicas de la Regin Atlntica Frecuencia de Registro Diario Diario Diario

Nombre Aeropuerto de Bocas Icacal Nargan

Tipo

Provincia Bocas del Toro

Latitud 9 20' 00"

Longitud 82 15' 00"

Inicio de Operacin 1/01/1972

AC BC CC

55

Coln Veraguas

9 12' 00" 9 25' 00"

80 09' 00" 78 36' 00"

1/01/1959 1/01/1953

ETESA. Recuperado de http://www.hidromet.com.pa/

Figura 7. Ubicacin regional de las estaciones meteorolgicas utilizadas en el estudio

56

3.2 Descripcin del Modelo de Clima MRI-AGCM El modelo de clima MRI-AGCM desarrollado por el Instituto de Investigaciones Meteorolgicas de Japn, es un modelo atmosfrico de circulacin general de alta resolucin (Atmosphere General Circulation Super High Resolution Model). A continuacin sern detalladas sus propiedades numricas y computacionales, que incluyen detalles de la resolucin, mtodos y ecuaciones de clculo, al igual que las propiedades fsicas y dinmicas, donde se detallan los esquemas de parametrizacin y sub-modelos para la representacin de todas las esferas de la Tierra. Otras propiedades y ecuaciones del modelo pueden verse en el Anexo G

Dos versiones diferentes del modelo MRI-AGCM fueron utilizadas para la proyeccin de la precipitacin en Panam, la versin 3.1s y 3.2s. Todos los procedimientos presentados, fueron aplicados por igual a ambas versiones, obteniendo al final proyecciones de precipitacin de acuerdo ambas versiones.

MRI-AGCM 3.1s: versin desarrollada a partir de un modelo de prediccin de tiempo atmosfrico de tipo numrico.

MRI-AGCM 3.2s: versin mejorada creada a partir de la versin 3.1s, en la cual se incluyen varios nuevos esquemas de parametrizacin para una mejor simulacin del clima que la realiza en la versin anterior

57

Cuadro 4. Propiedades numricas y computacionales de ambas versiones del modelo MRI-AGCM Meteorological Research Institute Atmosphere General Circulation Model AGCM 3.1s 20 km, 1902 de longitud x 960 de latitud Armnicos esfricos (latitud), armnicos de Fourier (longitud) 60 capas, ltima capa a 0.1 hPa Diferencias finitas en coordenadas de presin sigma hbrida Esquema Semi-Lagrangiano 6 minutos 20 aos Meteorological Research Institute Atmosphere General Circulation Model AGCM 3.2s 20 km, 1902 de longitud x 960 de latitud Armnicos esfricos (latitud), armnicos de Fourier (longitud) 64 capas, ltima capa a 0.01 hPa Diferencias finitas en coordenadas de presin sigma hbrida Esquema Semi-Lagrangiano 10 minutos 20 aos

Nombre del modelo Resolucin horizontal Estructura horizontal *Resolucin vertical Estructura vertical Esquema de integracin de tiempo *Resolucin temporal Intervalo de estudio

58

Nakaegawa, Tosiyuki (2010) [Global Climate Change through Super Computer Model, presentacin de Powerpoint]

Cuadro 5. Propiedades fsicas y dinmicas del modelo MRI-AGCM 3.1s Ecuacin bsica Arrastre atmosfrico Ecuacin hidrosttica Origen orogrfico, Iwasaki et al (1989) delta-two-stream mtodo de ordenadas

*Radiacin de onda Aproximacin larga

discretas por Shibata y Uchiyama (1992)

*Radiacin de onda Modelo aleatorio multiparmetro de Shibata y Aoki (1989) corta *Conveccin *Nubes *Aerosoles Capa de Esquema de conveccin de cmulos,Arakawa-Schubert (1974) Smith (1990) Aerosoles sulfatados lmite Esquema de cierre de orden 2 de Mellor y Yamada (1974/1982)

planetario Hielo marino Mtodo de Deardorff (1978) determinacin de temperatura de hielo Mar Temperaturas de superficies de mar mltiples (Kitoh, 2009)

Procesos de Superficie Modelo mejorado de bisfera simple de Sellers (Hirai 2007) terrestre Escenario de Emisin Proceso precipitacin A1B del IPCC

de Esquema para la tasa de conversin de agua-nube a precipitacin por Sundqvist (1978).

Japan Meteorological Agency. Recuperado de:http://www.jamstec.go.jp/

59

Cuadro 6. Propiedades fsicas y dinmicas del modelo MRI-AGCM 3.2s Ecuacin bsica Arrastre atmosfrico Ecuacin hidrosttica Origen orogrfico, Iwasaki et al (1989)

*Radiacin de onda Japan Meteorological Agency (2007) larga *Radiacin de onda Japan Meteorological Agency (2007) corta *Conveccin Nubes *Aerosoles Capa de Yoshimura Tiedtke (1993) Cinco especies lmite Esquema de cierre de orden 2 de Mellor y Yamada (1974/1982)

planetario Hielo marino Mtodo de Deardorff (1978) determinacin de la temperatura de superficie de hielo Mar Temperaturas de superficies de mar mltiples (Kitoh, 2009)

Procesos de Superficie Modelo mejorado de bisfera simple de Sellers (Hirai et al, terrestre Escenario de Emisin Proceso precipitacin de 2007) A1B del IPCC Esquema para la tasa de conversin de agua-nube a precipitacin por Sundqvist (1978).

Japan Meteorological Agency. Recuperado de:http://www.jamstec.go.jp/

60

3.3 Procedimiento de anlisis 3.3.1 Manejo y seleccin de datos De forma general, para poder realizar una proyeccin de la variable precipitacin, el MRI-AGCM necesita dos tipos de datos: datos de campo y datos sintticos.

Datos de campo: informacin atmosfrica que consiste en registros horarios o diarios de la variable precipitacin, recopilada por perodos de 20 aos, por medio de las estaciones meteorolgicas de Aeropuerto de Bocas, Antn, Cerro Punta, Chico, David, Divisa, El Cobrizo, Garachin, Icacal, Los Santos, Nargan, Piria, Santiago y Tocumen, ubicadas en diferentes regiones de Panam.

Datos sintticos datos generados por el modelo en supercomputadoras, a partir de la resolucin de numerosas ecuaciones y la aplicacin de esquemas de parametrizacin, que simulan los procesos fsicos y qumicos que tienen lugar en la atmsfera, la corteza terrestre y los ocanos. Estos datos son desarrollados sobre los vrtices de los recuadros que forman la malla del modelo y su nmero depender de la resolucin espacial (horizontal y vertical) que ste tenga.

Los datos de campo slo deben cumplir con el requisito de haber sido registrados a intervalos horarios o diarios, por perodos de 20 aos mediante estaciones meteorolgicas (indistintamente del tipo de registro y el nmero de parmetros medidos), razn por lo cual no requieren de ningn tratamiento ms que verificar que esto se cumpla. (Ver
61

Cuadro 7). Por su parte los datos sintticos son generados en cada uno de los puntos interseccin de la malla o grilla del modelo, que cubre todo el territorio de Panam, como se muestra en la Figura 8, as que para poder realizar la proyeccin para los valores de precipitacin de cada una de las estaciones seleccionadas en esta investigacin, se deben seleccionar solamente aquellos puntos con datos sintticos, ms cercanos a dichas estaciones. El objetivo de esta seleccin es considerar a los puntos que correspondan geogrficamente a las observaciones de campo existentes y que por tanto, pueda representar con ms exactitud su valor futuro.

Figura 8. Puntos geogrficos de la malla del modelo donde se generaron datos sintticos datos sintticos

Imagen propia generada mediante una rutina ejecutada en el programa informtico Matlab 2011a.

62

Tres metodologas diferentes, ilustradas en la Figura 9, se emplearon en la seleccin de los puntos con datos sintticos con mejor representacin de los datos de campo:

Comparar el promedio de precipitacin del dato de campo, con el promedio de precipitacin del dato sinttico ms cercano a ste.

Comparar el promedio de precipitacin del dato de campo, con el promedio de precipitacin de los 5 puntos de los datos sintticos que lo rodean.

Comparar el promedio de precipitacin del dato de campo, con el promedio de precipitacin de los 9 puntos de los datos sintticos que lo rodean.

Figura 9. Representacin de los arreglos de puntos geogrficos sintticos para la representacin de datos de campo A B C

9A) Arreglo de un punto; 9B) Arreglo de 5 puntos; 9C) Arreglo de 9 puntos

La mejor alternativa para cada estacin, ser aquella con el menor error en la proyeccin del dato de campo Si el mismo arreglo no funciona para todas las estaciones, se tomar como metodologa global aquella que se repita el mayor nmero de veces.
63

Cuadro 7. Clasificacin de las estaciones meteorolgicas empleadas

Estacin Aeropuerto de Bocas Antn Cerro Punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen

N de parmetros medidos A A C A A B C B B A C C A A meteorolgicas

Tipo de registro Directo Directo Directo Automtico Directo Directo Directo Directo Directo Directo Directo Automtico Mixto Mixto activas Recuperado de

ETESA. Mapa de estaciones http://www.hidromet.com.pa/

64

3.3.2 Reproduccin de datos presentes y reduccin del sesgo estadstico Los datos sintticos correspondientes al arreglo de puntos elegidos como la mejor metodologa, representan la simulacin climtica presente del modelo, es decir la aproximacin sinttica de los registros de campo del perodo comprendido entre 1980 y 1999, que constituyen la base para el ajuste estadstico del modelo.

Dos mtodos diferentes fueron aplicados con el uso del programa informtico Matlab 2011A en la correccin del sesgo estadstico para las 14 estaciones: el mtodo basado en la distribucin Gaussiana y la funcin de densidad de acumulativa o funcin de probabilidad acumulativa. La eficiencia de estos mtodos en cada estacin, se puede verificar al comparar los datos sintticos modificados y sus correspondientes datos de campo. El mejor mtodo de ajuste ser:

Aquel en el que la diferencia entre datos sintticos corregidos y datos de campo para la variable intensidad de precipitacin, sea menor.

Aquel en el que los histogramas de los datos sintticos corregidos se aproximen de mejor forma a la distribucin en rangos de los registros de campo.

65

3.3.3 Proyeccin Una vez que el modelo ha sido ajustado por alguno de los mtodos de reduccin del sesgo estadstico, ste puede ser utilizado para la proyeccin del valor promedio de intensidad de precipitacin y el nmero de das hmedos por ao, para el perodo comprendido entre los aos 2080 y 2099, sobre las coordenadas geogrficas correspondientes a las estaciones meteorolgicas utilizadas en esta investigacin.

3.3.4 Estimacin del ndice Simple de Intensidad Diaria Para el clculo del ndice simple de intensidad diaria o SDII (simple daily intensity index) se utilizaron: la precipitacin anual promedio en das hmedos para 20 aos y el nmero total de das hmedos en un ao para el mismo perodo. Este ndice fue calculado para cada una de las 14 estaciones utilizadas en el estudio, tanto en los datos de campo como en los datos sintticos.

El ndice simple de intensidad diaria, adems de indicar la frecuencia con que ocurren eventos de precipitacin de alta intensidad, sirve como un parmetro adicional para verificar la duplicabilidad de los datos sintticos de ambas versiones del modelo MRIAGCM, al comparar sus resultados con los obtenidos con los datos de campo.

66

CAPTULO IV. RESULTADOS 4.1 Seleccin de puntos Al comparar las observaciones de campo con los datos obtenidos tras la aplicacin de las tres metodologas para la seleccin de los puntos en las versiones 3.1s y 3.2s se obtuvieron los siguientes resultados:

Cuadro 8. Error para cada metodologa de seleccin de puntos en la versin 3.1s Error (mm) Estacin Antn Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen 1 punto 5 puntos 9 puntos 5.88160E+04 7.43810E+03 3.54980E+04 4.64090E+04 4.00730E+04 1.49150E+04 2.07560E+05 2.14450E+05 2.26610E+05 5.50990E+04 9.73140E+03 6.35590E+04 3.59840E+04 1.33990E+04 Aeropuerto 1.02330E+05 6.62740E+04 6.17690E+03 6.21280E+03 3.82080E+04 4.29000E+04 4.87690E+04 3.74310E+04 1.51710E+04 1.44960E+04 2.17410E+05 2.14930E+05 1.83930E+05 2.18460E+05 2.28230E+05 2.27470E+05 3.96670E+04 5.24300E+04 1.69340E+04 1.14000E+04 4.92170E+04 6.24820E+04 2.95770E+04 3.37010E+04 1.78080E+04 1.49570E+04 Cerro punta 6.73940E+04 4.23460E+04

*Los campos resaltados muestran la metodologa con el menor error; es decir la mejor aproximacin al dato de campo.

67

Cuadro 9. Error para cada metodologa de seleccin de puntos en 3.2s

Error (mm) 1 punto 5 puntos 9 puntos Estacin Aeropuerto 5.26620E+05 3.37950E+05 2.99900E+05 8.87250E+04 4.55780E+04 4.53980E+04 Antn Cerro punta 3.38460E+04 3.76140E+04 3.84810E+04 5.90090E+04 3.18700E+04 2.32190E+04 Chico 1.82770E+05 1.56370E+05 1.51830E+05 David 1.98310E+05 8.28190E+04 7.41920E+04 Divisa El Cobrizo 1.86390E+05 2.02930E+05 1.85600E+05 Garachin 1.23410E+05 2.72500E+05 2.95860E+05 3.01510E+05 2.22480E+05 2.15570E+05 Icacal Los Santos 1.56860E+05 1.40660E+05 1.74720E+05 1.25160E+04 1.47800E+04 2.10770E+04 Nargan 1.31930E+05 1.33660E+05 1.34740E+05 Piria 1.21050E+05 7.54500E+04 6.11910E+04 Santiago 3.13670E+04 3.49500E+04 3.76680E+04 Tocumen *Los campos resaltados muestran la metodologa con el menor error; es decir la mejor aproximacin al dato de campo.

Cuadro 10. Frecuencia de repeticin de la mejor metodologa Nmero de estaciones Metodologa Versin 3.1s Versin 3.2s Total 1 punto 6 5 11 5 puntos 2 1 3 9 puntos 6 8 14

La metodologa que utiliza el promedio de precipitacin de los 9 puntos alrededor del punto de observacin, es la mejor metodologa y se aplica al resto de las estaciones.
68

4.2 Reproduccin de datos del presente Con las versiones 3.1s y 3.2s del modelo, se obtuvo el valor promedio de la precipitacin en das hmedos para el perodo comprendido entre 1980-1999, que es el mismo perodo para el cual se promediaron las mediciones de campo.

Cuadro 11. Precipitacin anual promedio en das hmedos (1980-1999) Estacin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen Precipitacin promedio (mm/ao) Datos de campo Datos sintticos_3.1s Datos sintticos_3.2s 3.21810E+03 2.76680E+03 1.50950E+03 1.60120E+03 1.26970E+03 1.44530E+03 2.04940E+03 1.58970E+03 2.11350E+03 2.36440E+03 1.47790E+03 1.81540E+03 2.54150E+03 2.15540E+03 2.80750E+03 1.73910E+03 1.20740E+03 1.60220E+03 3.02710E+03 1.76630E+03 1.52580E+03 1.16390E+03 1.52160E+03 1.59740E+03 3.56070E+03 2.03570E+03 2.10450E+03 1.02930E+03 1.00310E+03 1.26260E+03 1.66990E+03 8.19099E+02 8.14267E+02 2.21670E+03 1.68820E+03 2.16290E+03 2.35190E+03 1.62460E+03 2.22600E+03 1.88740E+03 1.32580E+03 1.47110E+03

Existe una ligera diferencia, (en promedio 583.52 y 425.90 mm/ao, para la versin 3.1s y 3.2s respectivamente) entre los datos de campo y los datos sintticos. En el Cuadro 12 se muestra la diferencia entre los registros de campo y ambas versiones, y se resaltan las estaciones en las que los datos sintticos subestiman el valor de la precipitacin.

69

Cuadro 12. Diferencia entre datos de campo y datos sintticos originales para ambas versiones del modelo Estacin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen Datos sintticos_ 3.1s 4.51300E+02 3.31500E+02 4.59700E+02 8.86500E+02 3.86100E+02 5.31700E+02 1.26080E+03 3.57700E+02 1.52500E+03 2.62000E+01 8.50801E+02 5.28500E+02 7.27300E+02 5.61600E+02 Datos sintticos_3.2s 1.70860E+03 1.55900E+02 6.41000E+01 5.49000E+02 2.66000E+02 1.36900E+02 1.50130E+03 4.33500E+02 1.45620E+03 2.33300E+02 8.55634E+02 5.38000E+01 1.25900E+02 4.16300E+02

En ambas versiones del modelo puede observarse la tendencia a subestimar la intensidad de precipitacin, y esto es as ya que, contraria a la distribucin en rangos de los registros de campo, un alto porcentaje de los datos se encuentra en los rangos inferiores de intensidad de precipitacin. De hecho, Nakayama et al (2011) observ que los eventos con precipitacin de intensidad < 1 mm/da se dan se dan en promedio 65 y 300 veces en los datos sintticos y en los datos de campo, respectivamente, lo cual reafirma la necesidad de aplicar mtodos de ajuste estadsticos (19).

70

4.3. Ajuste estadstico 4.3.1 Mtodo basado en la distribucin Gaussiana

Cuadro 13. Variables para la correccin basada en la distribucin Gaussiana para la versin 3.1s DATOS DE CAMPO (mm/da) DATOS SINTTICOS 3.1S (mm/da) Precipitacin promedio Precipitacin promedio Estacin Desviacin estndar Desviacin estndar por da hmedo por da hmedo 15.9705 22.1347 13.7310 8.2273 Aeropuerto 13.8930 17.2201 11.0167 4.8178 Antn 9.8504 12.1373 7.6409 3.2678 Cerro punta 16.0192 18.2266 10.0131 3.4454 Chico 18.0122 22.2745 15.2760 5.8222 David 16.4373 20.6053 11.4125 4.4964 Divisa 21.2132 22.7504 12.3775 3.7658 El Cobrizo 13.4243 17.9953 17.5502 9.4885 Garachin 18.0150 23.6105 10.2994 6.0026 Icacal 12.7315 15.8210 12.4070 4.8348 Los Santos 24.9431 22.4328 12.2345 6.1014 Nargan 16.3232 21.3769 12.4313 2.6769 Piria 16.6623 19.7850 11.5095 4.4940 Santiago 14.8383 18.1144 10.4228 4.4324 Tocumen

CC1 1.1631 1.2611 1.2892 1.5998 1.1791 1.4403 1.7138 0.7649 1.7491 1.0262 2.0388 1.3131 1.4477 1.4236

CC2 2.6904 3.5743 3.7142 5.2901 3.8258 4.5826 6.0414 1.8965 3.9334 3.2723 3.6767 7.9858 4.4026 4.0869

71

Cuadro 14. Variables para la correccin basada en la distribucin Gaussiana para la versin 3.2s DATOS DE CAMPO (mm/da) DATOS SINTTICOS 3.2S (mm/da) Precipitacin promedio Precipitacin promedio Estacin Desviacin estndar Desviacin estndar por da hmedo por da hmedo 15.9705 22.1347 7.4916 9.0706 Aeropuerto 13.8930 17.2201 12.5405 7.4404 Antn 9.8504 12.1373 10.1588 4.5078 Cerro punta 16.0192 18.2266 12.2995 5.1849 Chico 18.0122 22.2745 19.8969 16.5836 David 16.4373 20.6053 15.1437 9.9899 Divisa 21.2132 22.7504 12.0548 9.7953 El Cobrizo 13.4243 17.9953 18.4245 12.7204 Garachin 18.0150 23.6105 10.6475 5.0747 Icacal 12.7315 15.8210 15.6169 14.1499 Los Santos 24.9431 22.4328 12.1623 4.2474 Nargan 16.3232 21.3769 15.9274 15.4439 Piria 16.6623 19.7850 15.7704 9.704 Santiago 14.8383 18.1144 11.5654 5.4485 Tocumen

CC1 2.1318 1.1078 0.9696 1.3024 0.9053 1.0854 1.7597 0.7286 1.6919 0.8152 2.0509 1.0249 1.0566 1.2830

CC2 2.4403 2.3144 2.6925 3.5153 1.3432 2.0626 2.3226 1.4147 4.6526 1.1181 5.2815 1.3842 2.0389 3.3246

72

En los Cuadros 13 y 14 se muestran las variables utilizadas en el clculo de la intensidad de precipitacin corregida con las ecuaciones (1), (2) y (3) Estos datos corresponden al nmero de das en el ao en los que la precipitacin de 1mm (das hmedos).

Con la aplicacin del mtodo de correccin estadstico basado en la distribucin Gaussiana, se obtienen nuevos datos de precipitacin para cada una de las versiones del modelo (Vase cuadro 15)

Cuadro 15. Precipitacin promedio corregida por mtodo basado en la distribucin Gaussiana Precipitacin promedio por da hmedo corregida (mm/da) Estacin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen Datos sintticos_ 3.1s 15.9706 13.8936 9.8513 16.0179 18.0112 16.4379 21.2093 13.4240 18.0137 12.7333 24.9453 16.3259 16.6623 14.8367 Datos sintticos_ 3.2s 15.9707 13.8915 9.8492 16.0180 18.0128 16.4366 21.2123 13.4240 18.0127 12.7308 24.9461 16.3243 16.6637 14.8387

73

Cuadro 16. Diferencia entre datos de campo y datos sintticos corregidos por mtodo basado en distribucin Gaussiana Estacin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen Datos sintticos_3.1s 0.0001 0.0006 0.0009 0.0013 0.0010 0.0006 0.0039 0.0003 0.0013 0.0018 0.0022 0.0027 0.0000 0.0016 Datos sintticos_3.2s 0.0002 0.0015 0.0012 0.0012 0.0006 0.0007 0.0009 0.0003 0.0023 0.0007 0.0030 0.0011 0.0014 0.0004

Se puede observar que el ajuste que se realiza con el mtodo de la distribucin Gaussiana logra que los datos sintticos sean iguales o muy cercanos a las mediciones de campo, pero los histogramas generados tras la aplicacin de este mtodo, muestran que aunque la magnitud sea casi igual, los datos de campo no atienden a una distribucin Gaussiana.

74

Figura 10. Histogramas para estacin Aeropuerto de Bocas por mtodo basado en la distribucin Gaussiana
Datos de campo

n/N

mm/da n/N n/N

Datos sintticos originales_3.1s

Datos sintticos originales_3.2s

n/N

Datos sintticos corregidos_3.1s

mm/da

n/N

75
mm/da mm/da

Datos sintticos corregidos_3.2s

mm/da

Figura 11. Histogramas para estacin Antn por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N n/N

Datos sintticos originales_3.1s

Datos sintticos originales_3.2s

n/N

Datos sintticos corregidos_3.1s

n/N

76
mm/da mm/da

Datos sintticos corregidos_3.2s

mm/da

mm/da

Figura 12. Histogramas para estacin Cerro Punta por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

n/N

mm/da

Datos sintticos originales_3.1s

n/N

Datos sintticos originales_3.2s

n/N

Datos sintticos modificados_3.1s

n/N

77
mm/da mm/da

Datos sintticos modificados_3.2s

mm/da

mm/da

Figura 13. Histogramas para estacin Chico por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

78
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 14. Histogramas para estacin David por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N n/N

Datos sintticos originales 3.1s

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

79
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 15. Histogramas para estacin Divisa por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N n/N

Datos sintticos originales 3.1s

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

80
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 16. Histogramas para estacin El Cobrizo por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N n/N

Datos sintticos originales_3.1s

Datos sintticos originales_3.2s

n/N

Datos sintticos modificados_3.1s

n/N

81
mm/da mm/da

Datos sintticos modificados_3.2s

mm/da

mm/da

Figura 17. Histogramas para estacin Garachin por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

n/N

82
mm/da mm/da

Datos sintticos modificados 3.1s

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 18. Histogramas para estacin Icacal por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N n/N

Datos sintticos originales 3.1s

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

83
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 19. Histogramas para estacin Los Santos por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

n/N

mm/da

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

84
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 20.Histogramas para estacin Nargan por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

n/N

Datos sintticos originales 3.1s

n/N

mm/da

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

85
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 21. Histogramas para estacin Piria por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

n/N

86
mm/da mm/da

Datos sintticos modificados 3.1s

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 22.Histogramas para estacin Santiago por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

87
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 23.Histogramas para estacin Tocumen por mtodo basado en la distribucin Gaussiana
n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

88
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Los histogramas generados para cada una de las estaciones a partir de: sus datos de campo, datos sintticos originales y datos sintticos modificados, en ambas versiones del modelo, presentados en las Figuras 10 - 23, ofrecen una referencia grfica del ajuste que se lograr tras la aplicacin del mtodo de correccin estadstica basado en la distribucin Gaussiana. Estos histogramas representan el nmero de datos n, con relacin al total de datos N que porcentaje de los datos (ejes de las ordenadas) que se encuentran en un determinado rango de intensidad de precipitacin (eje de las abscisas).

De igual forma las Figuras 24 37, ofrecen una referencia grfica del ajuste que se lograr tras la aplicacin del mtodo de correccin estadstica basado en la funcin de densidad acumulativa.

89

4.3.2 Mtodo de ajuste por funcin de densidad acumulativa

Cuadro 17. Precipitacin promedio corregida por funcin de densidad acumulativa Estacin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen Datos de campo 3.21810E+03 1.60120E+03 2.04940E+03 2.36440E+03 2.54150E+03 1.73910E+03 3.02710E+03 1.16390E+03 3.56070E+03 1.02930E+03 1.66990E+03 2.21670E+03 2.35190E+03 1.88740E+03 Precipitacin promedio (mm/ao) Datos sintticos_3.1s Datos sintticos_3.2s 3.0976E+03 3.1537E+03 1.5384E+03 1.5846E+03 2.0015E+03 2.0217E+03 2.3221E+03 2.3187E+03 2.4514E+03 2.5800E+03 1.6815E+03 1.7428E+03 2.9639E+03 2.4515E+03 1.1274E+03 1.1663E+03 3.4512E+03 3.4260E+03 9.9958E+02 1.0647E+03 1.6412E+03 1.6245E+03 2.0872E+03 2.2372E+03 2.2918E+03 2.3494E+03 1.8377E+03 1.8443E+03

90

Cuadro 18. Diferencia entre datos originales y datos corregidos por funcin de densidad acumulativa Precipitacin promedio (mm/ao) Estacin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen Datos sintticos_3.1s Datos sintticos_3.2s 120.5000 62.8000 47.9000 42.3000 90.1000 57.6000 63.2000 36.5000 109.5000 29.7168 28.7000 129.5000 60.1000 49.7000 64.4000 16.6000 27.7000 45.7000 38.5000 3.7000 575.6000 2.4000 134.7000 35.4000 45.4000 20.5000 2.5000 43.1000

91

Figura 24. Histogramas para estacin Aeropuerto de Bocas por funcin de densidad acumulativa
n/N

Datos de campo

n/N

mm/da n/N

Datos sintticos originales_3.1s

Datos sintticos originales_3.2s

n/N

Datos sintticos modificados_3.1s

n/N

92
mm/da mm/da

Datos sintticos modificados_3.2s

mm/da

mm/da

Figura 25. Histogramas para estacin Antn por funcin de densidad acumulativa
n/N

Datos de campo

n/N

mm/da n/N

Datos sintticos originales_3.1s

Datos sintticos originales_3.2s

n/N

Datos sintticos modificados 3.1s

n/N

93
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 26. Histogramas para estacin Cerro Punta por funcin de densidad acumulativa
n/N

Datos de campo

n/N

mm/da

Datos sintticos originales_3.1s

n/N

Datos sintticos originales_3.2s

n/N

Datos sintticos modificados 3.1s

n/N

94
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 27. Histogramas para estacin Chico por funcin de densidad acumulativa
n/N

Datos de campo

n/N

mm/da

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

95
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 28. Histogramas para estacin David por funcin de densidad acumulativa
n/N

Datos de campo

n/N

n/N

mm/da

Datos sintticos originales 3.1s

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

96
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 29. Histogramas para estacin Divisa por funcin de densidad acumulativa
n/N

Datos de campo

n/N

mm/da n/N

Datos sintticos originales 3.1s

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

97
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 30. Histogramas para estacin El Cobrizo por funcin de densidad acumulativa
n/N

Datos de campo

n/N

mm/da n/N

Datos sintticos originales_3.1s

Datos sintticos originales_3.2s

n/N

Datos sintticos modificados_3.1s

n/N

98
mm/da mm/da

Datos sintticos modificados_3.2s

mm/da

mm/da

Figura 31. Histogramas para estacin Garachin por funcin de densidad acumulativa
n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

99
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 32. Histogramas para estacin Icacal por funcin de densidad acumulativa
n/N

Datos de campo

n/N

mm/da n/N

Datos sintticos originales 3.1s

Datos sintticos originales 3.2s

n/N

n/N

100
mm/da mm/da

Datos sintticos modificados 3.1s

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 33. Histogramas para estacin Los Santos por funcin de densidad acumulativa
n/N

Datos de campo

n/ N

mm/da

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

101
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 34.Histogramas para estacin Nargan por funcin de densidad acumulativa

n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

102
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 35. Histogramas para estacin Piria por funcin de densidad acumulativa
n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos Datossintticos sintticosmodificados modificados3.1s 3.1s

n/N

103
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 36.Histogramas para estacin Santiago por funcin de densidad acumulativa

n/N

Datos de campo

n/N

Datos sintticos originales 3.1s

n/N

mm/da

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

104
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

Figura 37.Histogramas para estacin Tocumen por funcin de densidad acumulativa

n/N

Datos de campo

mm/da n/N

Datos sintticos originales 3.1s

n/N

Datos sintticos originales 3.2s

n/N

Datos sintticos modificados 3.1s

n/N

105
mm/da mm/da

Datos sintticos modificados 3.2s

mm/da

mm/da

4.4 Proyeccin de intensidad de precipitacin

Una vez ajustado el modelo por ambos mtodos, se pueden realizar las proyecciones de la variable de precipitacin para las dos versiones del modelo MRI-AGCM. Cuadro 19. Proyeccin de precipitacin para la versin 3.1s con mtodo de distribucin Gaussiana Estacin Precipitacin sinttica corregida (mm/ao) Proyeccin (mm/ao) Porcentaje de cambio Resultado 3.2181E+03 4.8970E+03 52.1720% aumento Aeropuerto 1.6012E+03 2.7805E+03 73.6473% aumento Antn 2.0496E+03 2.9352E+03 43.2107% aumento Cerro punta 2.3642E+03 3.6746E+03 55.4239% aumento Chico 2.5414E+03 4.1269E+03 62.3884% aumento David 1.7391E+03 2.8856E+03 65.9224% aumento Divisa 3.0266E+03 3.5041E+03 15.7779% aumento El Cobrizo 1.1639E+03 1.7380E+03 49.3304% aumento Garachin 3.5604E+03 5.5068E+03 54.6673% aumento Icacal 1.0295E+03 1.9799E+03 92.3184% aumento Los Santos 1.6701E+03 2.8357E+03 69.7935% aumento Nargan 2.2171E+03 2.5745E+03 16.1223% aumento Piria 2.3519E+03 3.3148E+03 40.9422% aumento Santiago 1.8872E+03 3.0485E+03 61.5337% aumento Tocumen

106

Figura 38. Precipitacin actual y proyectada para la Regin Atlntica, Central y Pacfica segn el mtodo basado en la distribucin Gaussiana para la versin 3.1s
5.0000E+03 4.5000E+03 4.0000E+03 3.5000E+03 3.0000E+03 2.5000E+03 2.0000E+03 1.5000E+03 Precipitacin promedio (mm/ao) Proyeccin (mm/ao)

107

1.0000E+03 5.0000E+02 0.0000E+00 Atlntica Central Pacfica

Cuadro 20.Tabla de valores para grfico de precipitacin actual y proyectada en todas las regiones por distribucin Gaussiana_3.1s Regin Atlntica Central Pacfica Precipitacin promedio (mm/ao) 2.8162E+03 2.4019E+03 1.6604E+03 Proyeccin (mm/ao) 4.4132E+03 3.2006E+03 2.7599E+03 Porcentaje de cambio 56.7069% 33.2564% 66.2204%

Cuadro 21. Proyeccin de precipitacin para la versin 3.1s con mtodo de funcin de densidad de acumulativa Precipitacin sinttica corregida (mm/ao) Proyeccin (mm/ao) Porcentaje de cambio Resultado 3.0976E+03 4.6695E+03 50.7457% aumento Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen
108

Estacin

1.5384E+03 2.0015E+03 2.3221E+03 2.4514E+03 1.6815E+03 2.9639E+03 1.1274E+03 3.4512E+03 9.9958E+02 1.6412E+03 2.0872E+03 2.2918E+03 1.8377E+03

2.3502E+03 2.6124E+03 3.3084E+03 3.8193E+03 2.5541E+03 3.2730E+03 1.6232E+03 5.1982E+03 1.8357E+03 2.8563E+03 2.0249E+03 3.0525E+03 3.0485E+03

52.7691% 30.5221% 42.4745% 55.8008% 51.8941% 10.4288% 43.9773% 50.6201% 83.6465% 74.0373% 2.9849% 33.1923% 53.2840%

aumento aumento aumento aumento aumento aumento aumento aumento aumento aumento disminucin aumento aumento

Figura 39. Precipitacin actual y proyectada para la Regin Atlntica, Central y Pacfica segn la funcin de densidad acumulativa para la versin 3.1s
4.0000E+03 3.5000E+03 3.0000E+03 2.5000E+03 2.0000E+03 1.5000E+03 1.0000E+03 Precipitacin promedio (mm/ao) Proyeccin (mm/ao)

109

5.0000E+02 0.0000E+00 Atlntica Central Pacfica

Cuadro 22.Tabla de valores para grfico de precipitacin actual y proyectada en todas las regiones por funcin de densidad acumulativa_3.1s Regin Atlntica Central Pacfica Precipitacin promedio (mm/ao) 2.7300E+03 2.3333E+03 1.6060E+03 Proyeccin (mm/ao) 4.2413E+03 2.8542E+03 2.4999E+03 Porcentaje de cambio
55.3602% 22.3263% 55.6603%

Cuadro 23. Proyeccin de precipitacin para la versin 3.2s con el mtodo basado en la distribucin Gaussiana Precipitacin sinttica corregida (mm/ao) Proyeccin (mm/ao) Porcentaje de cambio Resultado 3.2181E+03 3.0491E+03 5.2515% disminucin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen
110

Estacin

1.6010E+03 2.0491E+03 2.3643E+03 2.5416E+03 1.7390E+03 3.0270E+03 1.1639E+03 3.5602E+03 1.0293E+03 1.6701E+03 2.2168E+03 2.3521E+03 1.8875E+03

1.8358E+03 2.3751E+03 2.4750E+03 3.4214E+03 1.9914E+03 2.4665E+03 1.7306E+03 4.9458E+03 1.2523E+03 2.4297E+03 1.6830E+03 2.7368E+03 2.3664E+03

14.6658% 15.9094% 4.6821% 34.6160% 14.5141% 18.5167% 48.6897% 38.9192% 21.6652% 45.4823% 24.0798% 16.3556% 25.3722%

aumento aumento aumento aumento aumento disminucin aumento disminucin aumento aumento disminucin aumento aumento

Figura 40. Precipitacin actual y proyectada para la Regin Atlntica, Central y Pacfica segn el mtodo basado en la distribucin Gaussiana para la versin 3.2s
4.0000E+03 3.5000E+03 3.0000E+03 2.5000E+03 2.0000E+03 1.5000E+03 1.0000E+03 5.0000E+02 0.0000E+00 Atlntica Central Pacfica Precipitacin promedio (mm/ao) Proyeccin (mm/ao)

111

Cuadro 24. Tabla de valores para grfico de precipitacin actual y proyectada en todas las regiones por distribucin Gaussiana_3.2s Regin Atlntica Central Pacfica Precipitacin promedio (mm/ao) 2.8161E+03 2.4019E+03 1.6604E+03 Proyeccin (mm/ao) 3.4749E+03 2.3473E+03 2.0997E+03 Porcentaje de cambio
23.3914% 2.2724% 26.4557%

Cuadro 25. Proyeccin de precipitacin para la versin 3.2s segn la funcin de densidad acumulativa Precipitacin sinttica corregida (mm/ao) Proyeccin (mm/ao) Porcentaje de cambio Resultado 3.1537E+03 3.0333E+03 3.8177% disminucin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen
112

Estacin

1.5846E+03 2.0217E+03 2.3187E+03 2.5800E+03 1.7428E+03 2.4515E+03 1.1663E+03 3.4260E+03 1.0647E+03 1.6245E+03 2.2372E+03 2.3494E+03 1.8443E+03

2.0091E+03 2.2189E+03 2.6004E+03 4.0981E+03 2.2868E+03 2.3186E+03 1.7456E+03 4.8485E+03 1.4516E+03 2.4061E+03 1.6816E+03 3.2188E+03 2.6144E+03

26.7891% 9.7542% 12.1490% 58.8411% 31.2141% 5.4212% 49.6699% 41.5207% 36.3389% 48.1133% 24.8346% 37.0052% 41.7557%

aumento aumento aumento aumento aumento disminucin aumento aumento aumento aumento disminucin aumento aumento

Figura 41. Precipitacin actual y proyectada para la Regin Atlntica, Central y Pacfica segn la funcin de densidad acumulativa para la versin 3.2s.
4.0000E+03 3.5000E+03 3.0000E+03 2.5000E+03 2.0000E+03 1.5000E+03 1.0000E+03 5.0000E+02 0.0000E+00 Atlntica Central Pacfica Precipitacin promedio (mm/ao) Proyeccin (mm/ao)

113

Cuadro 26.Tabla de valores para grfico de precipitacin actual y proyectada en todas las regiones por funcin de densidad acumulativa_3.2s Regin Atlntica Central Pacfica Precipitacin promedio (mm/ao) 2.7347E+03 2.2757E+03 1.6638E+03 Proyeccin (mm/ao) 3.4293E+03 2.4077E+03 2.3676E+03 Porcentaje de cambio
25.3980% 5.7987% 42.3022%

4.5 Proyeccin de nmero de das hmedos y SDII

De acuerdo a Ec.1, se calcul el SDII a partir del conteo de los das hmedos de datos histricos y sintticos proyectados para ambas versiones del modelo, de acuerdo a la rutina presentada en el Anexo F. Cuadro 27. Nmero de das hmedos por ao y SDII Datos de campo 201.5 115.25 208.05 147.6 141.1 105.8 142.7 86.7 197.65 80.85 66.95 135.8 141.15 127.2 Das hmedos/ao Proyectados_3.1s Proyectados_3.2s 216.2 132.45 212.2 165.05 159.1 119.75 136.9 109.75 208.7 101.45 96.8 112.3 147.4 146.6 202.2 116.5 205.55 142.45 172.85 112.95 99.2 115.25 211.35 90.35 86.4 96.95 145.75 134.8 Datos de campo 15.9705 13.893 9.8504 16.0192 18.0122 16.4373 21.2132 13.4243 18.015 12.7315 24.9431 16.3232 16.6623 14.8383 SDII Proyectado_3.1s 21.5983 17.7443 12.3109 20.0447 24.0056 21.3282 23.9083 14.7897 24.9075 18.0944 29.5071 18.0309 20.7092 19.2147 Proyectado_3.2s 15.0013 17.2453 10.7948 18.2549 23.7091 20.2464 23.3728 15.1464 22.9406 16.0669 27.8486 17.3445 22.0841 19.3947

Estacin Aeropuerto Antn Cerro punta Chico David Divisa El Cobrizo Garachin Icacal Los Santos Nargan Piria Santiago Tocumen
114

En el cuadro 27, se resaltan las disminuciones tanto en das hmedos como en la magnitud del SDII de las proyecciones para ambas versiones, con respecto a los registros histricos. La tendencia de aumento simultnea en das hmedos y en el SDII para la mayora de las estaciones, sugiere una mayor ocurrencia de eventos de precipitacin fuertes. Vase cuadro 28.

Cuadro 28. Diferencia entre das hmedos por ao para ambas versiones del modelo y registros de campo Versin_3.1s 14.7 17.2 4.15 17.45 18 13.95 -5.8 23.05 11.05 20.6 29.85 -23.5 6.25 19.4 Versin_3.2s 0.7 1.25 -2.5 -5.15 31.75 7.15 -43.5 28.55 13.7 9.5 19.45 -38.85 4.6 7.6

115

Figura 42. Comparacin entre SDII histrico y proyectado para ambas versiones del modelo en cada estacin
35 30 25 20 15 SDII histrico SDII proyectado 3.1s SDII proyectado 3.2s

116

10 5 0

CAPTULO V. CONCLUSIONES Y RECOMENDACIONES Conclusiones Los modelos de clima son una herramienta esencial para la proyeccin de variables atmosfricas, la valoracin de los impactos de la actividad humana sobre la Tierra y la creacin de medidas preventivas, de adaptacin y mitigacin para su manejo.

Los resultados obtenidos tras la aplicacin de un modelo de clima, son aproximaciones de cmo podran ser los patrones futuros de las variables climticas. A estos resultados no se les otorgan porcentajes de probabilidad de ocurrencia y no representan una respuesta inequvoca al clima del futuro.

Cualquier proyeccin sobre una ubicacin fsica y temporal especficas, no tiene significado. Las proyecciones de este trabajo, representan el valor promedio de intensidad de precipitacin en el perodo comprendido entre 2080 y 2099, en el rea circundante a cada observacin de campo (promedio espacial y temporal) y no la magnitud de intensidad de precipitacin en un da y coordenadas geogrficas especficas.

117

Este trabajo presenta las proyecciones obtenidas tras la aplicacin de las versiones 3.1s y 3.2 s del modelo MRI-AGCM. La replicabilidad y confiabilidad de estas proyecciones slo puede asegurarse haciendo una intercomparacin entre estos resultados, y los producidos por otros modelos de proyeccin climtica.

Un promedio de los resultados obtenidos tras la aplicacin de las dos diferentes tcnicas de correccin estadstica para las versiones 3.1s y 3.2s, muestran una marcada tendencia de incremento en los valores de precipitacin en futuras dcadas.

La proyeccin de intensidad de precipitacin en la Regin Atlntica, muestra un patrn de incremento promedio, igual al 56.71% y 55.36% del promedio histrico en la versin 3.1s y del 23.39% y 25.40% en la versin 3.2s, bajo la aplicacin del mtodo basado en la distribucin Gaussiana y la funcin de densidad acumulativa, respectivamente, para ambas versiones.

La proyeccin de intensidad de precipitacin en la Regin Central, muestra un patrn de incremento promedio, igual al 33.26% y 22.33% del promedio histrico en la versin 3.1s y del 2.27% y 5.80% en la versin 3.2s, bajo la aplicacin del mtodo basado en la distribucin Gaussiana y la funcin de densidad acumulativa, respectivamente, para ambas versiones.

118

La proyeccin de intensidad de precipitacin en la Regin Pacfica, muestra un patrn de incremento promedio, igual al 66.22% y 55.66% del promedio histrico en la versin 3.1s y del 26.46% y 42.30% en la versin 3.2s, bajo la aplicacin del mtodo basado en la distribucin Gaussiana y la funcin de densidad acumulativa, respectivamente, para ambas versiones.

Haciendo una comparacin de las proyecciones de las dos versiones del modelo, ajustadas por las dos diferentes metodologas, se observa el incremento ms alto en la Regin Pacfica, el ms bajo en la Regin Central y un incremento intermedio en la Regin Atlntica. Estos incrementos representan el valor promediado de las 3 estaciones de la Regin Atlntica, 5 de la Regin Central y 6 de la Regin Pacfica.

Recomendaciones

El desarrollo de dos versiones de un modelo, no es suficiente para comprobar la reproductibilidad de las proyecciones, por tal razn, se recomienda impulsar el desarrollo de ms modelos de clima global para la Repblica de Panam, con los cuales se puedan hacer proyectos de intercomparacin para aumentar la confiabilidad de los resultados obtenidos tras su aplicacin.

119

La importancia del clima y sus elementos y variaciones en nuestras vidas, resalta la importancia de estudiar y desarrollar la aplicacin de herramientas para la valoracin de los impactos del cambio climtico. Por tal razn se recomienda impulsar la divulgacin, a nivel nacional, de toda herramienta funcional en la creacin de medidas de adaptacin, compensacin y mitigacin para afrontar dichos impactos.

Se recomienda adems, contribuir en la aplicacin, divulgacin y ejecucin de todas las medidas y tecnologas que alienten el uso racional de los recursos naturales, la generacin energtica limpia y el ahorro energtico, la reduccin de la contaminacin del aire, agua y suelo; y cualquier otra iniciativa que promueva la conciencia ambiental.

120

BIBLIOGRAFA

(1) MAUNDER, W. J. (1989).The human Impact on climate uncertainty: Weather information, economic planning and business management. Gran Bretaa. Cap.1 The setting Pgina 4 (2) PANEL INTERGUBERNAMENTAL PARA EL CAMBIO CLIMTICO (2000). Informe Especial del IPCC Escenarios de Emisiones. Pgina 3. (3) PANEL INTERGUBERNAMENTAL PARA EL CAMBIO CLIMTICO (2010) Glosario de trminos. Recuperado de:

http://www.ipcc.ch/pdf/glossary/ipcc-glossary.pdf (4) CHOW, VEN T., MAIDMENT DAVID R., MAYS, LARRY W., (1988) Applied Hydrology. Mc Graw Hill. London. Captulo 3 Atmospheric Water Pag. 64 (5) BRUTSAERT, W. (2010). Hydrology. Cambridge University Press, United Kingdom. Captulo 3 Precipitation. Pgina 81. (6) CONVECCIN MARCO DE LAS NACIONES UNIDAS PARA EL CAMBIO CLIMATICO (1992) Art 1. Definiciones Nueva York, Estados Unidos. Recuperado de: http://unfccc.int/resource/docs/convkp/convsp.pdf (7) PANEL INTERGUBERNAMENTAL PARA EL CAMBIO CLIMTICO (2007): Informe de sntesis. Contribucin de los Grupos de trabajo I, II y III al Cuarto Informe de evaluacin del Grupo Intergubernamental de Expertos
121

sobre el Cambio Climtico [Equipo de redaccin principal: Pachauri, R.K. y Reisinger, A. (directores de la publicacin)]. IPCC, Ginebra, Suiza. (8) IPCC, (2007). Glosario de Trminos. (9) A. HENDERSON-SELLERS. (2005) A Climate Modelling Primer. Captulo 2. Pagna 47. Editorial Wiley. 3 Edicin. (10) (11) ETESA. Recuperado de http://www.hidromet.com.pa/viento.php IPCC (2010) Glosario de Trminos. Recuperado de:

http://www.ipcc.ch/pdf/glossary/tar-ipcc-terms-sp.pdf (12) (13) ETESA. Recuperado de http://www.hidromet.com.pa/viento.php MARSHALL, JOHN F. Diccionario de ingeniera financiera. Editorial

DEUSTO. Pgina 96. (14) (15) (16) NAKAEGAWA, TOSIYUKI (Presentacin de Powerpoint) ETESA. Recuperado de: http://www.hidromet.com.pa/clima_panama.php LAING, ALENE. (2011) Introduccin a la Meteorologa tropical The

COMET Program y el National Center for Atmospheric Research. Segunda edicin. Captulo 5 Descripcin general. (17) ENCYCLOPEDIA BRITANNICA (2012). Atmospheric Turbulence.

Recuperado: http://www.britannica.com/EBcheked/topic/41528/atmosphericturbulence
122

(18)

M. L. KAWAS, Z.-Q. CHEN & L. TAN. (1998) A regional-scale land

surface parameterization based on areally-averaged hydrological conservation equations. Department of Civil & Environmental Engineering, University of California, Estados Unidos. Pgina 612. (19) NAKAYAMA et al (2011). INCREASE IN SIMPLE PRECIPITATION

INTENSITY INDEX IN PANAMA (20) MUOZ, MILLN. (2010) Noticia Los cambios del uso del suelo

desencadenan fluctuaciones bruscas en el clima

123

ANEXOS Anexo A. Rutina para la seleccin y transformacin de los datos sintticos de todas las estaciones
clear all ; % VARS 1 % PRECIPI 0 99 Total Precipitation kg/m**2/s % ENDVARS %Values in grads.minutes_seconds for each of the 29 Latitude GCM outputs for Panama territory. yyy = [5.903 6.091 6.278 6.465 6.653 6.840 7.028 7.215 7.402 7.590 7.777 7.965 8.152 8.339 8.527 8.714 8.902 9.089 9.276 9.464 9.651 9.839 10.026 10.213 10.401 10.588 10.776 10.963 11.150] ; %Repeat from 1 to 29 with a unit increasing %For longitude -85.1250 represents de first point, then %-85.1250+(ii-1)*0.1875 generates the increasing. for jj=1:1:29 for ii=1:1:50 xx(ii,jj) = -85.1250+(ii-1)*0.1875 ; yy(ii,jj) = yyy(jj) ; end end xxaeropuerto = -82.25 ; yyaeropuerto = 9.33333333 ; xxerroraeropuerto = 1000 ; yyerroraeropuerto = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerroraeropuerto>abs(xx(ii,jj)-xxaeropuerto) ; iiaeropuerto = ii ; xxerroraeropuerto = abs(xx(ii,jj)-xxaeropuerto) ; end if yyerroraeropuerto>abs(yy(ii,jj)-yyaeropuerto) ; jjaeropuerto = jj ; yyerroraeropuerto = abs(yy(ii,jj)-yyaeropuerto) ; end end end xxanton = -80.26666667 ; yyanton = 8.383333333 ; xxerroranton = 1000 ; yyerroranton = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerroranton>abs(xx(ii,jj)-xxanton) ; iianton = ii ; xxerroranton = abs(xx(ii,jj)-xxanton) ; end if yyerroranton>abs(yy(ii,jj)-yyanton) ;

124

end xxcerropunta = -78.33333333 ; yycerropunta = 9.083333333 ; xxerrorcerropunta = 1000 ; yyerrorcerropunta = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrorcerropunta>abs(xx(ii,jj)-xxcerropunta) ; iicerropunta = ii ; xxerrorcerropunta = abs(xx(ii,jj)-xxcerropunta) ; end if yyerrorcerropunta>abs(yy(ii,jj)-yycerropunta) ; jjcerropunta = jj ; yyerrorcerropunta = abs(yy(ii,jj)-yycerropunta) ; end end end xxchico = -79.50972222 ; yychico = 9.263611111 ; xxerrorchico = 1000 ; yyerrorchico = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrorchico>abs(xx(ii,jj)-xxchico) ; iichico = ii ; xxerrorchico = abs(xx(ii,jj)-xxchico) ; end if yyerrorchico>abs(yy(ii,jj)-yychico) ; jjchico = jj ; yyerrorchico = abs(yy(ii,jj)-yychico) ; end end end xxdavid = -82.41666667 ; yydavid = 8.4 ; xxerrordavid = 1000 ; yyerrordavid = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrordavid>abs(xx(ii,jj)-xxdavid) ; iidavid = ii ; xxerrordavid = abs(xx(ii,jj)-xxdavid) ; end if yyerrordavid>abs(yy(ii,jj)-yydavid) ; jjdavid = jj ; yyerrordavid = abs(yy(ii,jj)-yydavid) ; end end end xxdivisa = -80.68333333 ; yydivisa = 8.1 ;

end

end

jjanton = jj ; yyerroranton = abs(yy(ii,jj)-yyanton) ;

125

xxerrordivisa = 1000 ; yyerrordivisa = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrordivisa>abs(xx(ii,jj)-xxdivisa) ; iidivisa = ii ; xxerrordivisa = abs(xx(ii,jj)-xxdivisa) ; end if yyerrordivisa>abs(yy(ii,jj)-yydivisa) ; jjdivisa = jj ; yyerrordivisa = abs(yy(ii,jj)-yydivisa) ; end end end xxelcobrizo = -81.38333333 ; yyelcobrizo = 8.450000000 ; xxerrorelcobrizo = 1000 ; yyerrorelcobrizo = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrorelcobrizo>abs(xx(ii,jj)-xxelcobrizo) ; iielcobrizo = ii ; xxerrorelcobrizo = abs(xx(ii,jj)-xxelcobrizo) ; end if yyerrorelcobrizo>abs(yy(ii,jj)-yyelcobrizo) ; jjelcobrizo = jj ; yyerrorelcobrizo = abs(yy(ii,jj)-yyelcobrizo) ; end end end xxgara = -78.36666667 ; yygara = 8.083333333 ; xxerrorgara = 1000 ; yyerrorgara = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrorgara>abs(xx(ii,jj)-xxgara) ; iigara = ii ; xxerrorgara = abs(xx(ii,jj)-xxgara) ; end if yyerrorgara>abs(yy(ii,jj)-yygara) ; jjgara = jj ; yyerrorgara = abs(yy(ii,jj)-yygara) ; end end end xxicacal = -80.15 ; yyicacal = 9.2 ; xxerroricacal = 1000 ; yyerroricacal = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerroricacal>abs(xx(ii,jj)-xxicacal) ; iiicacal = ii ; xxerroricacal = abs(xx(ii,jj)-xxicacal) ;

126

end end xxlossantos = -80.41666667 ; yylossantos = 7.95 ; xxerrorlossantos = 1000 ; yyerrorlossantos = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrorlossantos>abs(xx(ii,jj)-xxlossantos) ; iilossantos = ii ; xxerrorlossantos = abs(xx(ii,jj)-xxlossantos) ; end if yyerrorlossantos>abs(yy(ii,jj)-yylossantos) ; jjlossantos = jj ; yyerrorlossantos = abs(yy(ii,jj)-yylossantos) ; end end end xxnargana = -78.6 ; yynargana = 9.466666667 ; xxerrornargana = 1000 ; yyerrornargana = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrornargana>abs(xx(ii,jj)-xxnargana) ; iinargana = ii ; xxerrornargana = abs(xx(ii,jj)-xxnargana) ; end if yyerrornargana>abs(yy(ii,jj)-yynargana) ; jjnargana = jj ; yyerrornargana = abs(yy(ii,jj)-yynargana) ; end end end xxpiria = -82.58333333 ; yypiria = 8.866666666 ; xxerrorpiria = 1000 ; yyerrorpiria = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrorpiria>abs(xx(ii,jj)-xxpiria) ; iipiria = ii ; xxerrorpiria = abs(xx(ii,jj)-xxpiria) ; end if yyerrorpiria>abs(yy(ii,jj)-yypiria) ; jjpiria = jj ; yyerrorpiria = abs(yy(ii,jj)-yypiria) ; end end end

end if yyerroricacal>abs(yy(ii,jj)-yyicacal) ; jjicacal = jj ; yyerroricacal = abs(yy(ii,jj)-yyicacal) ; end

127

xxsantiago = -80.97777778 ; yysantiago = 8.086666667 ; xxerrorsantiago = 1000 ; yyerrorsantiago = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrorsantiago>abs(xx(ii,jj)-xxsantiago) ; iisantiago = ii ; xxerrorsantiago = abs(xx(ii,jj)-xxsantiago) ; end if yyerrorsantiago>abs(yy(ii,jj)-yysantiago) ; jjsantiago = jj ; yyerrorsantiago = abs(yy(ii,jj)-yysantiago) ; end end end xxtocumen = -79.39194444 ; yytocumen = 9.065555556 ; xxerrortocumen = 1000 ; yyerrortocumen = 1000 ; for jj=1:1:29 for ii=1:1:50 if xxerrortocumen>abs(xx(ii,jj)-xxtocumen) ; iitocumen = ii ; xxerrortocumen = abs(xx(ii,jj)-xxtocumen) ; end if yyerrortocumen>abs(yy(ii,jj)-yytocumen) ; jjtocumen = jj ; yyerrortocumen = abs(yy(ii,jj)-yytocumen) ; end end end fn='../MRI-GCM/panama/topo_panama.dr'; fi = fopen(fn,'r') ; for jj=1:1:29 for ii=1:1:50 dattopo(ii,jj) = fread(fi,1,'float32') ; end end fclose(fi) ; figure(1) ; clf ; contourf(xx,yy,dattopo) ; hold on ; plot(xx(iiaeropuerto,jjaeropuerto),yy(iiaeropuerto,jjaeropuerto),'k.') hold on ; plot(xx(iianton,jjanton),yy(iianton,jjanton),'k.') ; hold on ; plot(xx(iicerropunta,jjcerropunta),yy(iicerropunta,jjcerropunta),'k.') hold on ; plot(xx(iichico,jjchico),yy(iichico,jjchico),'k.') ; hold on ; plot(xx(iidavid,jjdavid),yy(iidavid,jjdavid),'k.') ; hold on ;

128

plot(xx(iidivisa,jjdivisa),yy(iidivisa,jjdivisa),'k.') ; hold on ; plot(xx(iielcobrizo,jjelcobrizo),yy(iielcobrizo,jjelcobrizo),'k.') ; hold on ; plot(xx(iigara,jjgara),yy(iigara,jjgara),'k.') ; hold on ; plot(xx(iiicacal,jjicacal),yy(iiicacal,jjicacal),'k.') ; hold on ; plot(xx(iilossantos,jjlossantos),yy(iilossantos,jjlossantos),'k.') ; hold on ; plot(xx(iinargana,jjnargana),yy(iinargana,jjnargana),'k.') ; hold on ; plot(xx(iipiria,jjpiria),yy(iipiria,jjpiria),'k.') ; hold on ; plot(xx(iisantiago,jjsantiago),yy(iisantiago,jjsantiago),'k.') ; hold on ; plot(xx(iitocumen,jjtocumen),yy(iitocumen,jjtocumen),'k.') ; hold off ; day1=[31 28 31 30 31 30 31 31 30 31 30 31]; % Please be noted that Panama data set does not have leap year! % day2=[31 29 31 30 31 30 31 31 30 31 30 31]; day2=[31 28 31 30 31 30 31 31 30 31 30 31]; fn='../panama/SP0A/OUT_197901010000/precipi_avr_1hr_ARG.dr'; for yr=1:1:20 n=0; fn(31-11:34-11)=num2str(1979+yr); for mon=1:1:12 mon fn(35-11)='0'+fix(mon/10); fn(36-11)='0'+mod(mon,10) fi=fopen(fn,'r'); mon for dy=1:1:day2(mon) for hr=1:1:24 n=n+1; for kk=1:1:1 for jj=1:1:29 for ii=1:1:50 dat(ii,jj,kk) = fread(fi,1,'float32') ; end end end iiijjj = 0 ; for jjj=jjaeropuerto-1:1:jjaeropuerto+1 for iii=iiaeropuerto-1:1:iiaeropuerto+1 iiijjj = iiijjj+1 ; rain_aeropuerto(n,iiijjj) = dat(iii,jjj,1)*3600 ; end end iiijjj = 0 ; for jjj=jjanton-1:1:jjanton+1 for iii=iianton-1:1:iianton+1 iiijjj = iiijjj+1 ; rain_anton(n,iiijjj) = dat(iii,jjj,1)*3600 ;

129

end end iiijjj = 0 ; for jjj=jjcerropunta-1:1:jjcerropunta+1 for iii=iicerropunta-1:1:iicerropunta+1 iiijjj = iiijjj+1 ; rain_cerropunta(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjchico-1:1:jjchico+1 for iii=iichico-1:1:iichico+1 iiijjj = iiijjj+1 ; rain_chico(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjdavid-1:1:jjdavid+1 for iii=iidavid-1:1:iidavid+1 iiijjj = iiijjj+1 ; rain_david(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjdivisa-1:1:jjdivisa+1 for iii=iidivisa-1:1:iidivisa+1 iiijjj = iiijjj+1 ; rain_divisa(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjelcobrizo-1:1:jjelcobrizo+1 for iii=iielcobrizo-1:1:iielcobrizo+1 iiijjj = iiijjj+1 ; rain_elcobrizo(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjgara-1:1:jjgara+1 for iii=iigara-1:1:iigara+1 iiijjj = iiijjj+1 ; rain_gara(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjicacal-1:1:jjicacal+1 for iii=iiicacal-1:1:iiicacal+1 iiijjj = iiijjj+1 ; rain_icacal(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjlossantos-1:1:jjlossantos+1 for iii=iilossantos-1:1:iilossantos+1 iiijjj = iiijjj+1 ;

130

end clear fno ; fno = './data_aeropuerto/rain1980_aeropuerto.dat' ; fno(25) = '8'+fix((yr-1)/10) ; fno(26) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_aeropuerto(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_aeropuerto(kk,9)) ; end

end end fclose(fi);

rain_lossantos(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjnargana-1:1:jjnargana+1 for iii=iinargana-1:1:iinargana+1 iiijjj = iiijjj+1 ; rain_nargana(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjpiria-1:1:jjpiria+1 for iii=iipiria-1:1:iipiria+1 iiijjj = iiijjj+1 ; rain_piria(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjsantiago-1:1:jjsantiago+1 for iii=iisantiago-1:1:iisantiago+1 iiijjj = iiijjj+1 ; rain_santiago(n,iiijjj) = dat(iii,jjj,1)*3600 end end iiijjj = 0 ; for jjj=jjtocumen-1:1:jjtocumen+1 for iii=iitocumen-1:1:iitocumen+1 iiijjj = iiijjj+1 ; rain_tocumen(n,iiijjj) = dat(iii,jjj,1)*3600 end end if dy==1 figure(10) ; clf ; axes('Position',[0.1 0.1 0.27*2 0.36*2*29/50]) contourf(xx,yy,dat) ; colorbar ; title(num2str(1979+yr+mon/100+dy/10000)) ; pause(0.1) ; end

131

fclose(fpo) ; clear fno ; fno = './data_anton/rain1980_anton.dat' ; fno(15+5) = '8'+fix((yr-1)/10) ; fno(16+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_anton(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_anton(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_cerropunta/rain1980_cerropunta.dat' ; fno(25) = '8'+fix((yr-1)/10) ; fno(26) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_cerropunta(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_cerropunta(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_chico/rain1980_chico.dat' ; fno(15+5) = '8'+fix((yr-1)/10) ; fno(16+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_chico(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_chico(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_david/rain1980_david.dat' ; fno(15+5) = '8'+fix((yr-1)/10) ; fno(16+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_david(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_david(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_divisa/rain1980_divisa.dat' ; fno(16+5) = '8'+fix((yr-1)/10) ; fno(17+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n

132

end fclose(fpo) ; clear fno ; fno = './data_elcobrizo/rain1980_elcobrizo.dat' ; fno(24) = '8'+fix((yr-1)/10) ; fno(25) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_elcobrizo(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_elcobrizo(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_gara/rain1980_gara.dat' ; fno(14+5) = '8'+fix((yr-1)/10) ; fno(15+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_gara(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_gara(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_icacal/rain1980_icacal.dat' ; fno(16+5) = '8'+fix((yr-1)/10) ; fno(17+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_icacal(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_icacal(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_lossantos/rain1980_lossantos.dat' ; fno(19+5) = '8'+fix((yr-1)/10) ; fno(20+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_lossantos(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_lossantos(kk,9)) ; end fclose(fpo) ; clear fno ;

for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_divisa(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_divisa(kk,9)) ;

133

end

fno = './data_nargana/rain1980_nargana.dat' ; fno(17+5) = '8'+fix((yr-1)/10) ; fno(18+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_nargana(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_nargana(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_piria/rain1980_piria.dat' ; fno(15+5) = '8'+fix((yr-1)/10) ; fno(16+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_piria(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_piria(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_santiago/rain1980_santiago.dat' ; fno(18+5) = '8'+fix((yr-1)/10) ; fno(19+5) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_santiago(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_santiago(kk,9)) ; end fclose(fpo) ; clear fno ; fno = './data_tocumen/rain1980_tocumen.dat' ; fno(20+2) = '8'+fix((yr-1)/10) ; fno(21+2) = '0'+mod(yr-1,10) ; fpo = fopen(fno,'w') ; for kk=1:1:n for iiijjj=1:1:8 fprintf(fpo,'%f ',rain_tocumen(kk,iiijjj)) ; end fprintf(fpo,'%f\n',rain_tocumen(kk,9)) ; end fclose(fpo) ;

134

Anexo B. Rutina para el ajuste por mtodo basado en la distribucin Gaussiana

clear all ; for yr=1:1:20 fni = '../rain1980_aeropuerto.dat' ; fni(10) = '8'+fix((yr-1)/10) ; fni(11) = '0'+mod(yr-1,10) fpi = fopen(fni,'r') ; datdummy = fscanf(fpi,'%f',[9 Inf]) ; fclose(fpi) ; nnn = size(datdummy,2) ; datgcm(1:9,1:nnn,yr) = datdummy(1:9,1:nnn) ; end kk = 0 ; for yr=1:1:20 for day=1:1:365 kk = kk+1 ; dat1(kk) = 0 ; for ii=1:1:9 dat1(kk) = dat1(kk)+sum(datgcm(ii,(day-1)*24+1:day*24,yr)) ; end dat1(kk) = dat1(kk)/9 ; end end % aeropuerto anton cerropunta chico david % divisa elcobrizo gara icacal lossantos % nargana piria santiago tocumen fr2='./fieldobservation_14stations.dat'; f2=fopen(fr2,'r'); dat2=fscanf(f2,'%f',[14 Inf]); fclose(f2); rimax = 300 ; tsv = 1.0 ; % threshold value for amd tsvgcm = 6.4258 ; % threshold value for gcm ngcm = 0 ; namd = 0 ; nx = 600 ; ny = 100 ; iposition = 1 ; for ii=1:1:size(dat2,2) if dat2(iposition,ii)<=rimax && dat2(iposition,ii)>=tsv namd = namd+1 ; amd(namd) = dat2(iposition,ii) ; end end for kkk=10000:-1:1000 ngcm = 0 ; for ii=1:1:size(dat1,2) if dat1(ii)<=rimax && dat1(ii)>=kkk/1000 ngcm = ngcm+1 ; end end if namd==ngcm tsvgcm = kkk/1000 kkk = 1000 ;

135

end end ngcm = 0 ; clear gcm ; for ii=1:1:size(dat1,2) if dat1(ii)<=rimax && dat1(ii)>=tsvgcm ngcm = ngcm+1 ; gcm(ngcm) = dat1(ii) ; end end % histogram sturgesn = round(1+3.32*log10(max(ngcm))) sturgesn = 15 for kk=1:1:sturgesn histgcm(kk) = 0 ; for ii=1:1:ngcm if gcm(ii)>=(kk-1)*rimax/sturgesn & gcm(ii)<kk*rimax/sturgesn histgcm(kk) = histgcm(kk)+1 ; end end histamd(kk) = 0 ; for ii=1:1:namd if amd(ii)>=(kk-1)*rimax/sturgesn & amd(ii)<kk*rimax/sturgesn histamd(kk) = histamd(kk)+1 ; end end end histgcm = histgcm/ngcm ; histamd = histamd/namd ; xm = ([1:1:sturgesn]-0.5)*rimax/sturgesn ;

% C. Coefficient amdmean = mean(amd) amdstd = std(amd) gcmmean = mean(gcm) gcmstd = std(gcm) amp1 = amdmean/gcmmean amp2 = amdstd/gcmstd for ii=1:1:ngcm gcm1(ii) = gcm(ii)*amp1 ; gcm2(ii) = amdmean+(gcm1(ii)-amdmean)*amp2/amp1 ; end gcm2mean = mean(gcm2) gcm2std = std(gcm2) for kk=1:1:sturgesn histgcm2(kk) = 0 ; for ii=1:1:ngcm if gcm2(ii)>=(kk-1)*rimax/sturgesn & gcm2(ii)<kk*rimax/sturgesn histgcm2(kk) = histgcm2(kk)+1 ; end

136

end end histgcm2 = histgcm2/ngcm ; % total rainfall sum(amd) sum(gcm) sum(gcm2) size(amd) size(gcm2) figure(1) ; clf ; axes('Position',[0.06 0.1 0.70 0.35]) ; bar(xm,histamd,1,'k') ; axis([0 rimax 0 1]) ; axes('Position',[0.06 0.5 0.70 0.35]) ; bar(xm,histgcm,1,'k') ; axis([0 rimax 0 1]) ; print('-djpeg','hist_aeropuerto_01') print('-deps','hist_aeropuerto_01') figure(2) ; clf ; axes('Position',[0.06 0.1 0.70 0.35]) ; %(left, bottom, widht, height) bar(xm,histamd,1,'k') ; axis([0 rimax 0 1]) ; axes('Position',[0.06 0.5 0.70 0.35]) ; bar(xm,histgcm2,1,'k') ; axis([0 rimax 0 1]) ; print('-djpeg','hist_aeropuerto_02') print('-deps','hist_aeropuerto_02')

137

Anexo C. Rutina para el ajuste por funcin de densidad acumulativa

clear all ; for yr=1:1:20 fni = '../rain1980_aeropuerto.dat' ; fni(10) = '8'+fix((yr-1)/10) ; fni(11) = '0'+mod(yr-1,10) fpi = fopen(fni,'r') ; datdummy = fscanf(fpi,'%f',[9 Inf]) ; fclose(fpi) ; nnn = size(datdummy,2) ; datgcm(1:9,1:nnn,yr) = datdummy(1:9,1:nnn) ; end kk = 0 ; for yr=1:1:20 for day=1:1:365 kk = kk+1 ; dat1(kk) = 0 ; for ii=1:1:9 dat1(kk) = dat1(kk)+sum(datgcm(ii,(day-1)*24+1:day*24,yr)) ; end dat1(kk) = dat1(kk)/9 ; end end % aeropuerto anton cerropunta chico david % divisa elcobrizo gara icacal lossantos % nargana piria santiago tocumen fr2='./fieldobservation_14stations.dat'; f2=fopen(fr2,'r'); dat2=fscanf(f2,'%f',[14 Inf]); fclose(f2); %fr3='./thv_cc1_cc2_meanfo.txt'; f3=fopen('./3.1S_thv_cc1_cc2_meanfo.txt','r'); dat3=fscanf(f3,'%f',[4 Inf]); fclose(f3); rimax = 300 ; tsv = 1.0 ; % threshold value for amd ngcm = 0 ; namd = 0 ; nx = 600 ; ny = 100 ; iposition = 1 ; tsvgcm = dat3(1,iposition) ; % threshold value for gcm for ii=1:1:size(dat1,2) if dat1(ii)<=rimax && dat1(ii)>=tsvgcm ngcm = ngcm+1 ; gcm(ngcm) = dat1(ii) ; ngcm = ii ; end end for ii=1:1:size(dat2,2) if dat2(iposition,ii)<=rimax && dat2(iposition,ii)>=tsv

138

end end for kk=1:1:nx histgcm(kk) = 0 ; histamd(kk) = 0 ; for ii=1:1:ngcm if gcm(ii)>=(kk-1)*rimax/nx & gcm(ii)<kk*rimax/nx histgcm(kk) = histgcm(kk)+1 ; end end for ii=1:1:namd if amd(ii)>=(kk-1)*rimax/nx & amd(ii)<kk*rimax/nx histamd(kk) = histamd(kk)+1 ; end end end histgcm = histgcm/ngcm ; histamd = histamd/namd ; cumgcm(1) = histgcm(1) ; cumamd(1) = histamd(1) ; for kk=2:1:nx cumgcm(kk) = cumgcm(kk-1)+histgcm(kk) ; cumamd(kk) = cumamd(kk-1)+histamd(kk) ; end matgcm = zeros([nx,ny]) ; kk1 = 1 ; for kk2=1:1:ny if kk2/ny<=fix(cumgcm(kk1)*100)/100+0.01+0.01*0.01 matgcm(kk1,kk2) = 1 ; kk2max = kk2 ; end end for kk1=2:1:nx if cumgcm(kk1)<=kk2max/ny | cumgcm(kk1)>=1 matgcm(kk1,kk2max) = 1 ; else for kk2=kk2max+1:1:ny if kk2/ny<=fix(cumgcm(kk1)*100)/100+0.01+0.01*0.01 matgcm(kk1,kk2) = 1 ; kk2max = kk2 ; end end end end matamd = zeros([nx,ny]) ; kk1 = 1 ; for kk2=1:1:ny if kk2/ny<=fix(cumamd(kk1)*100)/100+0.01+0.01*0.01 matamd(kk1,kk2) = 1 ; kk2max = kk2 ; end

namd = namd+1 ; amd(namd) = dat2(iposition,ii) ; namd = ii ;

139

end for kk1=2:1:nx if cumamd(kk1)<=kk2max/ny | cumamd(kk1)>=1 matamd(kk1,kk2max) = 1 ; else for kk2=kk2max+1:1:ny if kk2/ny<=fix(cumamd(kk1)*100)/100+0.01+0.01*0.01 matamd(kk1,kk2) = 1 ; kk2max = kk2 ; end end end end for kk2=1:1:ny kegcm(kk2) = 0 ; keamd(kk2) = 0 ; for kk1=1:1:nx kegcm(kk2) = kegcm(kk2)+matgcm(kk1,kk2)*(rimax/nx*kk1-0.5) ; keamd(kk2) = keamd(kk2)+matamd(kk1,kk2)*(rimax/nx*kk1-0.5) ; end kegcm(kk2) = kegcm(kk2)/sum(matgcm(1:nx,kk2)) ; keamd(kk2) = keamd(kk2)/sum(matamd(1:nx,kk2)) ; end for kk2=1:1:ny coe(kk2) = keamd(kk2)/kegcm(kk2) ; end interval = 0 ; dcoe = coe ; for kk2=ny+1:ny+interval coe(kk2) = coe(ny) ; end for kk2=1:1:ny if kk2<=interval intervalc = interval-1-(interval-kk2) ; else intervalc = interval ; end dcoe(kk2) = mean(coe(kk2-intervalc:kk2+intervalc)) ; end coe = dcoe ; % coe(1:3) = coe(4) ; % % coe(98:ny) = coe(97) ; % % coe(292:nx) = coe(291) ; % % --- apply coefficient --- % for kk1=1:1:nx dsc(kk1) = 0 ; nn = 0 ; for kk2=1:1:ny if matgcm(kk1,kk2)==1 dsc(kk1) = dsc(kk1)+coe(kk2) ;

140

end

end dsc(kk1) = dsc(kk1)/nn ;

end

nn = nn+1 ;

interval_dsc = 0 ; ddsc = dsc ; for kk1=nx+1:nx+interval_dsc dsc(kk1) = dsc(nx) ; end for kk1=1:1:nx if kk1<=interval_dsc interval_dscc = interval_dsc-1-(interval_dsc-kk1) ; else interval_dscc = interval_dsc ; end ddsc(kk1) = mean(dsc(kk1-interval_dscc:kk1+interval_dscc)) ; end dsc = ddsc ; for ii=1:1:ngcm kk1 = fix(gcm(ii)/rimax*nx)+1 ; if kk1>=nx kk1 = nx ; end modgcm(ii) = gcm(ii)*dsc(kk1) ; % modgcm(ii) = gcm(ii)*3 ; end % --- check applicability --- % nmdcgcm = 0 ; for ii=1:1:ngcm if modgcm(ii)<=rimax && modgcm(ii)>=tsv nmdcgcm = nmdcgcm+1 ; mdcgcm(ii) = modgcm(ii) ; end end sum(mdcgcm) for kk=1:1:nx histmdcgcm(kk) = 0 ; for ii=1:1:nmdcgcm if mdcgcm(ii)>=(kk-1)*rimax/nx & mdcgcm(ii)<kk*rimax/nx histmdcgcm(kk) = histmdcgcm(kk)+1 ; end end end histmdcgcm = histmdcgcm/nmdcgcm ; cummdcgcm(1) = histmdcgcm(1) ; for kk=2:1:nx cummdcgcm(kk) = cummdcgcm(kk-1)+histmdcgcm(kk) ; end

141

% % % % % %

fn_gcm_all_cdf = './result/20110521/mod_first_by_first_01.dat' ; fw_gcm_all_cdf = fopen(fn_gcm_all_cdf,'w') ; for ii = 1:1:size(modgcm,2) fprintf(fw_gcm_all_cdf,'%f\n',modgcm(ii)) ; end fclose(fw_gcm_all_cdf) ;

figure(1) ; clf ; xm = ([1:1:nx]-0.5)*rimax/nx ; ym = ([1:1:ny]-0.5)/ny ; plot(xm,cumgcm,'b-') ; hold on ; plot(xm,cumamd,'k-') ; hold on ; plot(xm,cummdcgcm,'r-') ; hold on ; plot(kegcm,ym,'b.') ; hold on ; plot(keamd,ym,'k.') ; hold off ; axis([0 200 0 1]) ; print('-djpeg','correcion_aeropuerto') figure(2) ; clf ; plot(coe,ym,'k-') ; figure(3) ; clf ; plot(xm,dsc,'k-') ; figure(11) ; clf ; axes('Position',[0.06 0.1 0.40 0.36]) ; bar(xm,histamd,'k') ; axis([0 300 0 0.1]) ; axes('Position',[0.06 0.6 0.40 0.36]) ; bar(xm,histgcm,'k') ; axis([0 300 0 0.1]) ; axes('Position',[0.56 0.6 0.40 0.36]) ; bar(xm,histmdcgcm,'k') ; hold on ; plot(xm,histmdcgcm,'k--') ; hold on ; plot(xm,histamd,'k-') ; hold off ; % fname = './result/20110521/fig/mod_first_by_first01' ; % fname(37) = '0'+fix(ii/10) ; % fname(38) = '0'+mod(ii,10) ;

142

axis([0 300 0 0.1]) ; % print('-depsc',fname) ; % print('-djpeg',fname) ; ngcm = 0 ; namd = 0 ; for ii=1:1:size(mdcgcm,2) if mdcgcm(ii)<=rimax && mdcgcm(ii)>=tsv ngcm = ngcm+1 ; gcm1(ngcm) = mdcgcm(ii) ; end end for ii=1:1:size(dat2,2) if dat2(iposition,ii)<=rimax && dat2(iposition,ii)>=tsv namd = namd+1 ; amd1(namd) = dat2(iposition,ii) ; end end sturgesn = round(1+3.32*log10(max(ngcm))) ; for ii=1:1:100 if mod(rimax,sturgesn)~=0 sturgesn = sturgesn+1 ; end end for kk=1:1:sturgesn histgcm1(kk) = 0 ; for ii=1:1:ngcm if gcm1(ii)>=(kk-1)*rimax/sturgesn & gcm1(ii)<kk*rimax/sturgesn histgcm1(kk) = histgcm1(kk)+1 ; end end histamd1(kk) = 0 ; for ii=1:1:namd if amd1(ii)>=(kk-1)*rimax/sturgesn & amd1(ii)<kk*rimax/sturgesn histamd1(kk) = histamd1(kk)+1 ; end end

end

histgcm1 = histgcm1/ngcm ; histamd1 = histamd1/namd ; xm = ([1:1:sturgesn]-0.5)*rimax/sturgesn ; figure(20) ; clf ; axes('Position',[0.06 0.1 0.70 0.35]) ; bar(xm,histamd1,1,'k') ; axis([0 rimax 0 1]) ; axes('Position',[0.06 0.5 0.70 0.35]) ; bar(xm,histgcm1,1,'k') ;

143

axis([0 rimax 0 1]) ; print('-djpeg','histograma_tocumen') size(amd) size(gcm) size(mdcgcm) sum(amd)/20 sum(gcm)/20 sum(mdcgcm)/20 % sum(mdcgcm)/sum(gcm) % sum(amd)/sum(gcm)*size(gcm)/size(amd) fo = fopen('./cdf_multiply_aeropuerto.txt','w') ; fprintf(fo,'%f %f %f\n',tsvgcm,rimax,nx) ; fprintf(fo,'%f\n',dsc) ; fclose(fo) ;

144

Anexo D. Rutina para la proyeccin mediante el mtodo basado en la distribucin Gaussiana

clear all ; %fr3='.3.1S_thv_cc1_cc2_meanfo.txt'; f3=fopen('./3.1S_thv_cc1_cc2_meanfo.txt','r'); dat3=fscanf(f3,'%f',[4 Inf]); fclose(f3); rimax = 300 ; nx = 15 ; tsv = 1.0 ; % threshold value for amd iposition = 1 ; tsvgcm = dat3(1,iposition) ; % threshold value for gcm cc1 = dat3(2,iposition) ; cc2 = dat3(3,iposition) ; rimean = dat3(4,iposition) ; for yr=1:1:20 fni = '../rain2080_aeropuerto.dat' ; fni(10) = '8'+fix((yr-1)/10) ; fni(11) = '0'+mod(yr-1,10) fpi = fopen(fni,'r') ; datdummy = fscanf(fpi,'%f',[9 Inf]) ; fclose(fpi) ; for iii=1+(yr-1)*365:1:yr*365 ii1 = 1+(iii-(yr-1)*365-1)*24 ; ii2 = ii1+23 ; % datgcm(iii) = sum(datdummy(5,ii1:ii2)) ; datgcm(iii) = 0 ; for ii=1:1:9 datgcm(iii) = datgcm(iii)+sum(datdummy(ii,ii1:ii2)) ; end datgcm(iii) = datgcm(iii)/9 ; end end ngcm = 0 ; for ii=1:1:size(datgcm,2) if datgcm(ii)<=rimax && datgcm(ii)>=tsvgcm ngcm = ngcm+1 ; gcm(ngcm) = datgcm(ii) ; end end for kk=1:1:nx histgcm(kk) = 0 ; for ii=1:1:ngcm if gcm(ii)>=(kk-1)*rimax/nx & gcm(ii)<kk*rimax/nx histgcm(kk) = histgcm(kk)+1 ; end end end

145

histgcm = histgcm/ngcm ; % --- apply coefficient --- % for ii=1:1:ngcm gcm1(ii) = gcm(ii)*cc1 ; modgcm(ii) = rimean+(gcm1(ii)-rimean)*cc2/cc1 ; end % --- projection --- % nmdcgcm = 0 ; for ii=1:1:ngcm if modgcm(ii)<=rimax && modgcm(ii)>=tsv nmdcgcm = nmdcgcm+1 ; mdcgcm(ii) = modgcm(ii) ; end end nmdcgcm sum(mdcgcm)/20 for kk=1:1:nx histmdcgcm(kk) = 0 ; for ii=1:1:nmdcgcm if mdcgcm(ii)>=(kk-1)*rimax/nx & mdcgcm(ii)<kk*rimax/nx histmdcgcm(kk) = histmdcgcm(kk)+1 ; end end end xm = ([1:1:nx]-0.5)*rimax/nx ; histmdcgcm = histmdcgcm/nmdcgcm ; figure(111) ; clf ; axes('Position',[0.06 0.6 0.40 0.36]) ; bar(xm,histgcm,'k') ; axis([0 300 0 0.1]) ; axes('Position',[0.56 0.6 0.40 0.36]) ; bar(xm,histmdcgcm,'k') ;

ngcm = 0 ; for ii=1:1:size(mdcgcm,2) if mdcgcm(ii)<=rimax && mdcgcm(ii)>=tsv ngcm = ngcm+1 ; gcm1(ngcm) = mdcgcm(ii) ; end end

146

sturgesn = round(1+3.32*log10(max(ngcm))) ; for ii=1:1:100 if mod(rimax,sturgesn)~=0 sturgesn = sturgesn+1 ; end end for kk=1:1:sturgesn histgcm1(kk) = 0 ; for ii=1:1:ngcm if gcm1(ii)>=(kk-1)*rimax/sturgesn & gcm1(ii)<kk*rimax/sturgesn histgcm1(kk) = histgcm1(kk)+1 ; end end end histgcm1 = histgcm1/ngcm ; xm = ([1:1:sturgesn]-0.5)*rimax/sturgesn ; figure(120) ; clf ; axes('Position',[0.06 0.6 0.40 0.25]) ; bar(xm,histgcm1,1,'k') ; axis([0 rimax 0 0.8]) ;

147

Anexo E. Rutina para la proyeccin por la funcin de densidad acumulativa

clear all ; fr = './cdf_multiply_aeropuerto.txt'; fi = fopen(fr,'r'); dwc = fscanf(fi,'%f',[3 1]); dsc = fscanf(fi,'%f',[1 Inf]); fclose(fi); for yr=1:1:20 fni = '../rain2080_aeropuerto.dat' ; fni(10) = '8'+fix((yr-1)/10) ; fni(11) = '0'+mod(yr-1,10) fpi = fopen(fni,'r') ; datdummy = fscanf(fpi,'%f',[9 Inf]) ; fclose(fpi) ; for iii=1+(yr-1)*365:1:yr*365 ii1 = 1+(iii-(yr-1)*365-1)*24 ; ii2 = ii1+23 ; % datgcm(iii) = sum(datdummy(5,ii1:ii2)) ; datgcm(iii) = 0 ; for ii=1:1:9 datgcm(iii) = datgcm(iii)+sum(datdummy(ii,ii1:ii2)) ; end datgcm(iii) = datgcm(iii)/9 ; end end tsv = 1.0 ; tsvgcm = dwc(1,1) rimax = dwc(2,1) nx = dwc(3,1) ; ngcm = 0 ; for ii=1:1:size(datgcm,2) if datgcm(ii)<=rimax && datgcm(ii)>=tsvgcm ngcm = ngcm+1 ; gcm(ngcm) = datgcm(ii) ; end end for kk=1:1:nx histgcm(kk) = 0 ; for ii=1:1:ngcm if gcm(ii)>=(kk-1)*rimax/nx & gcm(ii)<kk*rimax/nx histgcm(kk) = histgcm(kk)+1 ;

148

end

end

end

histgcm = histgcm/ngcm ; % --- apply coefficient --- % for ii=1:1:ngcm kk1 = fix(gcm(ii)/rimax*nx)+1 ; if kk1>=nx kk1 = nx ; end modgcm(ii) = gcm(ii)*dsc(kk1) ; end % --- projection --- % nmdcgcm = 0 ; for ii=1:1:ngcm if modgcm(ii)<=rimax && modgcm(ii)>=tsv nmdcgcm = nmdcgcm+1 ; mdcgcm(ii) = modgcm(ii) ; end end nmdcgcm sum(mdcgcm)/20 for kk=1:1:nx histmdcgcm(kk) = 0 ; for ii=1:1:nmdcgcm if mdcgcm(ii)>=(kk-1)*rimax/nx & mdcgcm(ii)<kk*rimax/nx histmdcgcm(kk) = histmdcgcm(kk)+1 ; end end end xm = ([1:1:nx]-0.5)*rimax/nx ; histmdcgcm = histmdcgcm/nmdcgcm ;

figure(111) ; clf ; axes('Position',[0.06 0.6 0.40 0.36]) ;

149

bar(xm,histgcm,'k') ; axis([0 300 0 0.1]) ; axes('Position',[0.56 0.6 0.40 0.36]) ; bar(xm,histmdcgcm,'k') ;

ngcm = 0 ; for ii=1:1:size(mdcgcm,2) if mdcgcm(ii)<=rimax && mdcgcm(ii)>=tsv ngcm = ngcm+1 ; gcm1(ngcm) = mdcgcm(ii) ; end end sturgesn = round(1+3.32*log10(max(ngcm))) ; for ii=1:1:100 if mod(rimax,sturgesn)~=0 sturgesn = sturgesn+1 ; end end for kk=1:1:sturgesn histgcm1(kk) = 0 ; for ii=1:1:ngcm if gcm1(ii)>=(kk-1)*rimax/sturgesn & gcm1(ii)<kk*rimax/sturgesn histgcm1(kk) = histgcm1(kk)+1 ; end end end histgcm1 = histgcm1/ngcm ; xm = ([1:1:sturgesn]-0.5)*rimax/sturgesn ; figure(120) ; clf ; axes('Position',[0.06 0.6 0.40 0.25]) ; bar(xm,histgcm1,1,'k') ; axis([0 rimax 0 0.8]) ;

150

Anexo F. Rutina para el clculo del SDII

clear all ; day1 = [31 28 31 30 31 30 31 31 30 31 30 31] ; day2(1) = 0 ; for mon=2:1:12 day2(mon) = day2(mon-1)+day1(mon-1) ; end iposition = 1 ; rimax = 300 ; % aeropuerto anton cerropunta chico david % divisa elcobrizo gara icacal lossantos % nargana piria santiago tocumen fr2='./fieldobservation_14stations.dat'; f2=fopen(fr2,'r'); dat2=fscanf(f2,'%f',[14 Inf]); fclose(f2); for ii=1:1:size(dat2,2) datfo(ii) = dat2(iposition,ii) ; if datfo(ii)>rimax datfo(ii) = 0 ; end end nmdcfo = 0 ; for ii=1:1:size(datfo,2) if datfo(ii)>=1.0 nmdcfo = nmdcfo+1 ; mdcfo(nmdcfo) = datfo(ii) ; end end fr = './cdf_multiply_aeropuerto.txt'; fi = fopen(fr,'r'); dwc = fscanf(fi,'%f',[3 1]); dsc = fscanf(fi,'%f',[1 Inf]); fclose(fi); for yr=1:1:20 fni = '../rain2080_aeropuerto.dat' ; fni(10) = '8'+fix((yr-1)/10) ; fni(11) = '0'+mod(yr-1,10) fpi = fopen(fni,'r') ; datdummy = fscanf(fpi,'%f',[9 Inf]) ; fclose(fpi) ;

151

end

for iii=1+(yr-1)*365:1:yr*365 ii1 = 1+(iii-(yr-1)*365-1)*24 ; ii2 = ii1+23 ; datgcm(iii) = 0 ; for ii=1:1:9 datgcm(iii) = datgcm(iii)+sum(datdummy(ii,ii1:ii2)) ; end datgcm(iii) = datgcm(iii)/9 ; end

tsv = 1.0 ; tsvgcm = dwc(1,1) rimax = dwc(2,1) nx = dwc(3,1) ; ngcm = 0 ; for ii=1:1:size(datgcm,2) if datgcm(ii)<=rimax && datgcm(ii)>=tsvgcm ngcm = ngcm+1 ; gcm(ngcm) = datgcm(ii) ; end end % --- apply coefficient --- % for ii=1:1:ngcm kk1 = fix(gcm(ii)/rimax*nx)+1 ; if kk1>=nx kk1 = nx ; end modgcm(ii) = gcm(ii)*dsc(kk1) ; end % --- projection --- % nmdcgcm = 0 ; for ii=1:1:ngcm if modgcm(ii)<=rimax && modgcm(ii)>=tsv nmdcgcm = nmdcgcm+1 ; mdcgcm(ii) = modgcm(ii) ; end end nmdcgcm sum(mdcgcm)/20 sum(mdcgcm)/nmdcgcm nmdcfo sum(mdcfo)/20 sum(mdcfo)/nmdcfo

152

Anexo G. Informacin de las ecuaciones del modelo por la Agencia Meteorolgica de Japn (JMA)