ManualJaziku 10 Espanol

Instituto Colombiano de Hidrologa, Meteorologa y
Estudios Ambientales IDEAM-Subdireccin de

Meteorologa
10 de diciembre de 2014
version- 0.10
El software de inferencia estadstica para el

anlisis de teleconexiones
(Manual de usuario)
3
Elaborado por: Ins Snchez R.
______________________________________
Revisado por : Franklyn Ruiz
Xavier Corredor
VoBo.______________________________________
Bogot D.C., Noviembre de 2014
Contents
Contents
1 Introduccin
I Manual operativo
2 Como usar Jaziku?

2.1. Runfile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Entrada de datos. . . . . . . . . . . . . . . . . . . . . . . . . .
8
9
19
3 Acerca de Jaziku y sus resultados
22
II Manual terico
33
4 Acerca de la informacin inicial

4.1. Variable Dependiente . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Variable Independiente . . . . . . . . . . . . . . . . . . . . . . .
4.3. Shapes para la construccin de mapas . . . . . . . . . . . . . .
34
34
36
59
5 Jaziku - EDA y HOMOGENEITY

5.1. Acerca del Anlisis exploratorio de datos . . . . . . . . . . . . .
5.2. Acerca del anlisis de homogeneidad . . . . . . . . . . . . . . .
5.2.1. Test t: Comprobacin de estabilidad de la media . . . .
5.2.2. Test MWW: Comprobacin de estabilidad en mediana.
5.2.3. Test de Levene : Cambio de tendencia . . . . . . . . . .
5.2.4. Curva de masas para precipitacin : Cambio de tendencia
5.3. Periodograma . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4. Wavelet analysis . . . . . . . . . . . . . . . . . . . . . . . . . .
60
60
64
65
65
66
67
67
68
6 Jaziku - Clima
6.1. Informacin calculada por Jaziku . . . . . . . . . . . . . . . . .
6.2. Anlisis compuesto y Tablas de contingencia . . . . . . . . . . .
6.3. Construccin e interpretacin de la Tabla de contingencia . . .
71
71
71
72
CONTENTS
6.3.1.
6.3.2.
6.3.3.
6.3.4.
6.3.5.
Correlacin lineal . . . . . . . . . . . . . .
Prueba de bondad de ajuste 2 . . . . . . .
Coeficiente V de Cramer . . . . . . . . . .
Ao anlogo . . . . . . . . . . . . . . . . .
Anlisis de riesgos . . . . . . . . . . . . . .
6.3.5.1. Distribucin hipergeomtrica . . .
6.3.5.2. Metodologa del anlisis de riesgos
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
74
74
75
76
77
77
79
7 Jaziku - Pronstico
7.1. Pronstico operativo mensual de prediccin climtica de los posibles escenarios de impacto, en la variable dependiente debido
a fases del fenmeno de la variable independiente . . . . . . . .
82
8 Jaziku - Mapas
8.1. Acerca de la interpolacin en Jaziku y la generacin de mapas .
8.2. Jaziku y el mtodo Kriging ordinario . . . . . . . . . . . . . . .
8.2.0.3. Elipse de bsqueda y vecinos de interpolacin
8.3. Acerca de los mapas con categoras por estacin . . . . . . . .
84
84
85
86
86
9 Reconocimientos y licencias de uso
87
IIIApndices
88
10 Apndices
10.1. Acerca de las resoluciones posibles de anlisis en Jaziku
10.2. Acerca del contenido de las carpetas maps generadas
software . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.3. Script: sisdhim2jaziku . . . . . . . . . . . . . . . . . . .
10.4. Ejemplo de aplicacin . . . . . . . . . . . . . . . . . . .
Bibliografa
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . .
por el
. . . .
. . . .
. . . .
82
89
89
91
93
93
97
Captulo 1
Introduccin
De acuerdo con el compromiso IDEAM por promover y orientar la investigacin cientfica sobre el pronstico del tiempo y el clima "Jaziku" es un
programa diseado para evaluar las teleconexiones entre las variables meteorolgicas con los principales ndices de la variabilidad climtica que afectan el
clima en Colombia.
Jaziku, sigue la metodologa de anlisis de compuesto propuesto por la
Universidad - Corporacin para la Investigacin Atmosfrica (UCAR)), Administracin Nacional Ocenica y Atmosfrica (NOAA) y EE.UU. Departamento
de Comercio (DOC) [3][3, 8][3, 8, 47][3, 8, 47] y puede producir escenarios de
probabilidad bajo los cuales se espera que la precipitacin o cualquier otra
variable en los sitios de mayor afectacin o reas especficas interpoladas se
comporten, en funcin de los valores de probabilidad estimados para cada uno
de los fenmenos de variabilidad del clima y de la historia climatolgica en relacin al valor promedio (o acumulado) mensual, bimensual,trimestral, decadal,
quincenal o quinquenal. Tales escenarios se han convertido en una herramienta
poderosa para la toma de decisiones del servicio meteorolgico nacional.
Parte I
Manual operativo
Captulo 2
Como usar Jaziku?

Una vez Jaziku ha sido instalado correctamente en el sistema operativo,
existen varias opciones de corrida que se corresponden directamente con los
clculos que pueden ser elaborados por el programa (ver seccin 3). Jaziku es
un programa que corre en la consola tambin llamada Shell o terminal, por
el momento no se tiene pensado en crear una interfaz grfica. Ejecutarlo bajo
la consola da mayor robustez, simplicidad y se puede automatizar fcilmente,
adems que realmente no es difcil usar la consola, si el usuario no ha usado
la terminal no debe preocuparse puesto que su uso solo necesita de algunos
comandos 1 .
Cuando se instala adecuadamente Jaziku automticamente queda ubicado
en el sistema, es decir, se puede ejecutar en cualquier parte o estar situado en
cualquier directorio dentro de la consola. Ahora bien, si se quiere usar la ruta
relativa de los archivos que enlazamos en Jaziku (esto es, solo poniendo los
nombres de los archivos sin la ruta completa donde estn almacenados -ruta
absoluta) abrimos la consola y entramos (con el comando cd) en la carpeta
donde estn los archivos a procesar, y solo una vez se ha ubicado donde estn
los archivos a procesar se puede correr Jaziku (el usuario puede verificar con
el comando ls) . A continuacin se presenta el comando para correr Jaziku y
sus opciones
jaziku runfile.csv [-h] [-f] [-o dirOutput]
jaziku es el cdigo fuente del programa. La palabra runfle.csv indica
cual es el archivo bsico de corrida que debe darse en formato .csv e incluir la
informacin bsica de corrida (ver seccin 2.2)2 .
Las opciones de corrida son
[-h] para ayuda de comandos de corrida
[-f] para forzar la corrida y correr con las opciones por defecto sin preguntar
1 Para aprender a usar bien la consola visite: http://linuxcommand.org/tlcl.php corto.
Libro recomendado claro, rpido y sencillo.
2 Phyton es el compilador y lenguaje bajo el cual el programa ha sido elaborado.Mayor
informacin en www.python.org/
CAPTULO 2. COMO USAR JAZIKU?
[-o dirOutput] es la ruta absoluta (personalizada) donde se quiere guardar

los resultados hechos de la corrida, si no es definido se guardarn los resultados
en la misma ubicacin del runfile
2.1.
Runfile
El runfile.csv es un archivo en formato de texto plano (.csv) cuyas separaciones se dan por punto y coma ; y las separaciones decimales se dan por
punto . . Este archivo de corrida y es indispensable y proporciona las opciones
de corrida y la informacin a utilizar para toda la corrida del software. Est
dividido as:
data_analysis; <enable, disable> [Habilita o deshabilita la corrida del modulo de anlisis exploratorio de datos (ver 5)]
climate_process; <enable, disable> [Puede ser deshabilitado para correr
unicamente el modulo de Anlisis de Datos. Siempre obligatorio para
correr Forecasting, habilita el proceso de Corrida del mdulo clima (ver
3.4)]
forecast_proces; <enable,disable> [Habilita o deshabilita el proceso de generacin pronstico (ver 7)]
## GENERAL OPTIONS
analysis_interval; <5days, 10days, 15days, monthly, bimonthly,trimonthly>
[Resolucin temporal de anlisis, note que los resultados posibles depende
de la resolucin de las series ingresadas, ver Fig.2.1 ]
*) Anlisis de tipo mensual-mensual: para cuando variable independiente y dependiente son mensuales, de esta manera Jaziku arroja resultados iguales
a los de su versin 0.1 (por trimestres, nica opcin valida para las variables independientes ONI1, ONI2 y CAR).
*) Anlisis de tipo mensual diario: para cuando la serie de la variable independiente es mensual, pero la serie de la variable dependiente es dada en
valores diarios. En este tipo de corrida el usuario puede obtener resultados cada 5 das (10 15 das) de afectacin de la variable meteorolgica
analizada, en funcin del comportamiento promedio de la variable independiente (para el mes), que en realidad se espera o no sea un ndice
del fenmeno de variabilidad climtica. Esta es una opcin de corrida
bastante til, sobre todo porque muchos de los ndices aceptados por el
software no son actualizados si no cada mes.
*) Anlisis de tipo diario-diario: para cuando las series de variable dependiente
e independiente son ambas dadas en la escala diaria. En este caso, la
metodologa de anlisis compuesto arroja resultados ms precisos de la
afectacin de la variable dependiente, puesto que se tendr en cuenta a
10
Figura 2.1: Tipos de procesos de datos y posibles resultados.

una resolucin de hasta 5 das (10 15 das), la inestabilidad asociada
al fenmeno de variabilidad climtica y ello permitir hacer asociaciones
con el comportamiento sinptico.
*) Anlisis de tipo diario-mensual: Para cuando la variable dependiente es
dada a una escala mensual y la independiente a una escala diaria. En
este caso, no se podra explorar la afectacin de la variable dependiente
a una escala inferior a la de la variable independiente, entonces Jaziku
detecta esta inconsistencia y transforma los datos diarios en mensuales
(respetando el concepto de media y promedio) y realiza todo el proceso
para el anlisis por trimestres]
class_category_analysis; <3,7>[Numero de categoras para el anlisis compuesto.Para un valor 3, Jaziku realiza en todos sus mdulos un anlisis
basado en tres categoras de la variable independiente y de la dependiente,
para 7 utiliza entonces una mayor subdivisin y detalle]
11
process_period ;<common,yyyy;yyyy> [Intervalo de aos para el que se

desea se haga el anlisis. La opcin common utiliza el periodo mximo
global comn posible, de todas las series (incluso la independiente). Si
este es vaco se muestra mensaje de error. Cuando el usuario ingresa un
periodo particular, Jaziku verifica si se esta incluido en el mximo global
posible. En cualquier caso el periodo corresponde a un ao superior al
lmite inferior y un ao menor al lmite superior del periodo. Ejemplo:
process_period; 1988- 2000 -{en este caso el periodo a procesar es 19882000, como mnimo el periodo comn entre las series de VarIndp y VarDep
es 1987-2001}]
analog_year; <disable, yyyy> [Habilita la opcin de corrida para ao anlogo. Ejemplo: analog_year;2000 -{en este caso se utiliza el 2000 como ao
anlogo (ver 6.3.4)}]
lags; <default, ##> [Establece los rezagos de anlisis, la opcin por defecto
habilita las corridas para los rezagos 0,1 y 2. Ejemplo : lags; 0,2 -{en este
caso se corrern los rezagos 0 y 2 nicamente}]
language; <autodetect,en,es> [Determina el lenguaje global de corridas (avisos en consola , ttulos de grficas, tabla de contingencia y ttulos de
mapas ) , utilice es para espaol, en para ingles y autodetect para
que Jaziku tome el idioma por defecto del sistema operativo (en caso de
que el idioma no sea reconocido, Jaziku utilizara ingles)]
## CHECK OPTIONS; [Opciones de verificacin de la informacin
de las series de tiempo]
consistent_data; <default, disable, %> [Habilita o deshabilita la revisin
del lmite mximo de datos perdidos,mximo 15 % para la opcin por
defecto, un % establecido por el usuario para la opcin % y deshabilitado
para cuando no se desea ningn tipo de revisin. Tambin informa la
cantidad de datos perdidos]
risk_analysis; <enable, disable> [Habilita o deshabilita la opcin de anlisis
de riesgos para la elaboracin de pronsticos]
## OUTPUT OPTIONS;[Opciones de salida de los resultados de
Jaziku]
graphics; <enable, disable> [Habilita o deshabilita las grficas de los resultados del anlisis compuesto, permite una corrida ms rpida . Cuando
esta deshabilitado ignora los siguientes tres atributos]
categories_labels_var_I; <default, 3 o 7 Etiquetas> [Labels para las categoras por debajo dentro y por encima de lo normal de la variable independiente (o para las 7 categoras en orden comenzando de menor a mayor, para cuando se selecciona un anlisis para 7 categoras). Por defecto
utiliza below;normal;above No utilice espacios ni caracteres especiales
12
(_,/,, ,). Aplica para ttulos de grficas, tabla de contingencia y ttulos de mapas . Ejemplo: categories_labels_var_I;LaNina;Neutro;ElNino
-{en este caso la condicin por debajo de lo normal de la VarIndp ser
etiquetada con el nombre LaNina, dentro de lo normal con el nombre
Neutro y por encima de lo normal ElNino}]
relevant_climate_categories_var_I; <all,Onecategory,Twocategory> [Label de la categora de anlisis de preferencia de de la variable dependiente
y de acuerdo a la seleccin de anlisis entre 3 y 7 categoras]
## VAR D OPTIONS; [Opciones generales para las series de la
variable dependiente]
type_var_D; [En maysculas, convencin de la variable dependiente (ver
2.2), Ejemplo: Runoff (m3/s)]
mode_calculation_series_D; <default,accumulate,mean> [Manera para
calcular las series de tiempo de las variables dependientes para la generacin de los productos de todos los mdulos del software. En la opcin por
defecto se utilizan las opciones indicadas en la Tabla. 4.1 y ver Seccin
4.1 ]
limit_var_D; [Limites inferior y superior para la verificacin de la variable
dependiente]
*) ;<none> [Hace que no verifique los valores posibles para la variable dependiente (no recomendado)]
*) ;<default> [El programa verifica los valores posibles para la variable dependiente utilizando las reglas de la Tabla 4.1]
*) ;<##> [Para cuando se desea dar un valor particular o se usa una variable
no pre-definida en el programa (ver 2.2)]
threshold_below_var_D ;[Umbrales de la variable dependiente, que da
lugar a la categora por debajo de lo normal y por encima de lo normal]
*) ;<default> [Para una corrida a 3 categoras, hace que el programa utilice los
percentiles 33 y 66 de las series en el periodo procesado o los respectivos
para el ao anlogo cuando se ha habilitado la opcin analog_year . Si
se trata de una corrida a 7 categoras utiliza los percentiles 11, 22, 33,
66, 77 y 88 de igual manera]
*) ;<P##> [Hace que el programa utilice los percentiles seleccionados, por
ejemplo al colocar P25;P75, es utilizado el percentil 25 para categorizar
los valores por debajo de lo normal y el percentil 75 para los valores por
encima de lo normal]
*) ;<sdn> [Hace que el programa utilice n veces (de uno hasta 3) la desviacin
estndar de la serie]
13
*) ;<##> [Valores numricos, enteros o decimales (separados por ;)ingresados

por el usuario bajo sus propios criterios] threshold_above_var_D; [Umbral de la variable dependiente, que da lugar a la categora por encima
de lo normal. Se maneja igual que## THRESHOLD VAR D BELOW]
*) ;<# %> [Valores en porcentaje (separados por ;)ingresados por el usuario
bajo sus propios criterios,este nuevo umbral es calculado con base al 100 %
de la medida de los valores en la resolucin de la variable dependiente]
*) ;<p50##> [Hace que el programa utilice valores sumados/restados respecto al percentil 50 de la serie de tiempo calculada por Jaziku para el
anlisis compuesto(separados por ;). Esto valores son ingresados por el
usuario bajo sus propios criterios.Ejemplo: p50+8;p50-8]
## VAR I OPTIONS; [Opciones generales para las series de la variable dependiente]
type_var_I; [En maysculas, convencin de la variable independiente (ver
2.2) ]
mode_calculation_series_I; <default, accumulate, mean> [Manera para calcular las series de tiempo de las variables independientes para la
aplicacin del anlisis compuesto. En la opcin por defecto siempre se
utilizan los promedios en la generacion de series de tiempo, las opciones
mean y accumulate son unicamente validas para variables independientes
externas (ver 4.2)]
path_to_file_var_I; <"internal","/path"> [ Ubicacin absoluta del archivo asociado a la serie de tiempo de la variable independiente. Ejemplo:
/home/Usuario/Documentos /Climatologia /2011/series/indice tsm/ TSM
34. txt . Cuando se ha optado por tomar una variable interna de las disponibles en Jaziku, (ver 2.2)]
limits_var_I; [Limites inferior y superior para la verificacin de la variable
independiente]
*) ;<none> [Hace que no verifique los valores posibles para la variable independiente (no recomendado)]
*) ;<default> [El programa verifica los valores posibles para la variable independiente utilizando las reglas de la Tabla 4.2]
*) ;<##> [Para cuando se desea dar un valor particular o se usa una variable
no pre-definida en el programa (ver 2.2)]
threshold_var_I; [Umbrales de la variable independiente, que da lugar a la
categora por debajo y por encima de lo normal]
14
*) ;<default> [Hace que el programa utilice para nombrar las categoras, las
reglas de la Tabla 4.3. Si la variable es externa utiliza por defecto los
umbrales referidos a los percentiles 33 y 66 en una corrida a 3 categoras y los percentiles11,22,33,66,77 y 88 de la serie para una corrida a 7
categoras]
*) ;<P##> [Hace que el programa utilice los percentiles seleccionados, por
ejemplo al colocar P25;P75, es utilizado el percentil 25 para categorizar
los valores por debajo de lo normal y el percentil 75 para los valores por
encima de lo normal]
*) ;<sdn> [Hace que el programa utilice n veces (de 1 hasta 3) la desviacin
estndar de la serie]
*) ;<##> [Valores numricos, enteros o decimales (separados por;)ingresados
por el usuario bajo sus propios criterios]
*) ;<# %> [Valores en porcentaje (separados por ;)ingresados por el usuario
bajo sus propios criterios,este nuevo umbral es calculado con base al 100 %
de la medida de los valores en la resolucin de la variable independiente]
*) ;<p50##> [Hace que el programa utilice valores sumados/restados respecto al percentil 50 de la serie de tiempo calculada por Jaziku para el
anlisis compuesto(separados por ;). Esto valores son ingresados por el
usuario bajo sus propios criterios.Ejemplo: p50+8;p50-8]
## FORECAST OPTIONS; [Opciones generales para la generacin
del pronostico asociado]
forecast_date; <##, trimester> [Fecha de pronstico, si el anlisis se hace
a nivel mensual (monthly) utilice nmeros de 1 a 12, Ej: para el mes de
Marzo 3. Si el anlisis se hace a nivel bimensual (bimonthly) utilice las
iniciales del bimestre, Ej: para el bimestre Julio-Agosto JA. Si el anlisis
se hace a nivel trimestral (trimonthly) utilice las iniciales de los tres meses
Ej: para Enero-Febrero-Marzo EFM. Si el anlisis se hace a nivel diario
(15 days 10 days 5days ) utilice las referencias del apndice 9.1 (utilice
caracteres numricos)]
# (3 categories)
# (7 categories)
forecast_var_I_lag_#; <;;##;##;##;;> <##;##;##;##;##;##;##>[Existen tres opciones de pronostico, uno basado en un anlisis compuesto para
3 categoras y con probabilidades de ocurrencia de alguna de las fases del
fenmeno para tres categoras, este es denominado 3x3, para esto ubique
los valores tal cual como se indica en la primera opcin. Para un pronostico 7x7, esto es utilizando los resultados del anlisis compuesto a 7
categoras y con la probabilidad de ocurrencia de las 7 categoras de las
15
fases de la variable independiente, utilice la segunda opcin indicada. En

cambio cuando se desea hacer un pronostico utilizando el anlisis compuesto a 7 categoras pero solo se tiene la probabilidad de ocurrencia de
una categora especifica por encima y otra por debajo (esto es solo 3 valores de probabilidad para la variable independiente, pero seleccionando
en especifico una de las 3 dbil, moderado o fuerte) lo que en efecto se
llama pronostico 7x3, utilice la primera opcin indicada pero respetando
las columnas para 7x7 (ver 7.1, ver Fig.2.2) ]
#################### MAPS
## MAPS OPTIONS; [Opciones para la elaboracin de mapas]
maps; <all, climate, forecasting, correlation> [Habilita o deshabilita la generacin de mapas.Con la opcin all pueden obtenerse los mapas de los
mdulos climate y forecasting, pero adems y separados por comas se
pueden obtener combinaciones. Ejemplo: maps; forecasting, correlation
en este caso se obtendrn los mapas del modulo forecasting y de las correlaciones y no los del modulo clima}]
marks_stations; <enable,disable> [Habilita o deshabilita las marcas de la
ubicacin de las estaciones en lo mapas generados por Jaziku]
overlapping ;<default, average, minimum,maximum,neither> [Establece la
manera de operar de Jazik cuando dos o ms puntos comparten el mismo
espacio basado en el tamao de rejilla 3 .En este caso el software por
defecto saca el promedio de los dos valores, tambin se le pueden dar las
opciones del mximo o el mnimo entre los dos y con neither eliminar los
dos (o ms) puntos]
shape_boundary; <default, disable, enable> [Con enable elimina las interpolaciones fuera de limite del mapa , con las opciones por defecto y
disable no realiza tal recorte. La calidad del recorte depende del valor de
grid_resolution, a menor resolucin de rejilla mejor calidad pero mayor
tiempo computacional 3 ]
####################;GRIDS LIST;[Opciones para
la generacin de la rejilla para la interpolacin]
grid; <Nombre regin, Nombre pas> [Nombre de mapas. Para cuando
el usuario decide utilizar una rejilla interna, hay dos opciones: solo el
3
1. El tiempo de corrida para la opcin mas es directamente proporcional al cuadrado, del

tiempo que se gasta una corrida con la opcin default, ademas depende directamente
de la resolucin de la rejilla de interpolacin (ver:grid_resolution)
16
Figura 2.2: Ejemplos de inclusin de valores de probabilidad pronosticada para

la variable independiente en el runfile.
17
Cuadro 2.1: Nombres de shapes internos en Jaziku

Departamento
Departamento
Departamento
Amazonas
Colombia
Quindio
Antioquia
Cordoba
Risaralda
Arauca
Cundinamarca
San_Andres
Atlantico
Guainia
Santander
Bolivar
Guaviare
Sucre
Boyaca
Huila
Tolima
Caldas
La_Guajira
Valle_del_Cauca
Caqueta
Magdalena
Vaupes
Casanare
Meta
Vichada
Cauca
Narino
Putumayo
Providencia
Narino
Putumayo
pas (Ejemplo: grid; Colombia -{en este caso se utiliza la rejilla para
toda Colombia}) o un departamento interno de Colombia, se deben utilizar los nombres tal cual de la lista mostrada en la Tabla 2.1(Ejemplo:
grid;Cundinamarca; Colombia -{en este caso se utiliza la rejilla interna
para Cundinamarca}].
<Nombre rea> [Para cuando el usuario decide utilizar una rejilla externa,
el nombre de la regin o rea particular debe coincidir con el nombre
de los archivos .shp y extensiones (.dbf ,.prj,.sbn,.sbx,.shx) dentro de la
carpeta especificada en el shape_path, Ejemplo: grid; CuencaPrincipal
-{aqu se utiliza la rejilla externa para el shape CuencaPrincipal.shp}]
shape_path; [Para casos de shape externo, aqu debe indicarse la direccin

absoluta o relativa de la carpeta que guarda el archivo .shp del shape (en esta misma direccin el programa espera encontrar las cinco extensiones -.dbf ,.prj,.sbn,.sbx,.shx- archivos adicionales al .shp)Ejemplo:
shape_path;/home/shapes/ CuencaPrincipal.shp -{en este se utiliza el
shape CuencaPrincipal.shp guardado en el directorio /home/shapes/}]
latitude; <-##,#> [Si el usuario ha preferido utilizar un shape interno, puede o no completar este atributo ; al ser incluidos valores adicionales el
mapa utilizara los limites preferidos por el usuario. Cuando el usuario
18
desea utilizar un shape externo debe incluir de manera obligatoria las

coordenadas de las esquinas (ver Fig.2.1). Aqu son incluidos separados
por ; los valores menor y mayor de la latitud]
longitude;<-##,#> [Si el usuario ha preferido utilizar un shape interno,
puede o no completar este atributo ; al ser incluidos valores adicionales
el mapa utilizara los limites preferidos por el usuario. Cuando el usuario
desea utilizar un shape externo debe incluir de manera obligatoria las
coordenadas de las esquinas (ver Fig.2.1). Aqu son incluidos separados
por ; los valores menor y mayor de la longitud]
grid_resolution; <#.##, default> [Resolucin para la interpolacin, mnimo tamao de rejilla, no existe lmite inferior, pero a mayor resolucin
mayor tiempo computacional . Cuando la opcin se da por defecto, se utiliza el resultado de la divisin entre el valor ms pequeo de la longitud
total y la latitud total, dividido por 70]
semivariogram_type; <default, spherical, exponential, gaussian> [Tipo de
semivariograma para la interpolacin. Cuando se utiliza la opcin default,
se trata de un semivariograma esfrico]
radiuses; <default, ##;## > [Radios del elipse de bsqueda para interpolacin. Se permite la opcin por defecto, en tal caso Jazik toma el triple
del mximo valor entre el largo y el ancho de la rejilla seleccionada para
la interpolacin (distancia en dcimas de grado). Tambin son permitidos
valores definidos por el usuario Ejemplo: 20;20]
max_neighbours; <default, ##> [Mximo nmero de vecinos seleccionados para la interpolacin, por defecto se toma el nmero de puntos a
interpolar (nmero total de estaciones). Se acepta carcter numrico entero. Ejemplo: 20]
####################;STATIONS LIST;[ Indica la

informacin de los archivos con la series de tiempo, a ser utilizadas en el anlisis compuesto. En columnas]
## CODE STATION; <#######> [Lista de cdigos de las estaciones
de las estaciones de las cuales fueron extradas las series de tiempo de la
## NAME STATION ; <Name> [Lista de nombres de las estaciones de
las estaciones de las cuales fueron extradas las series de tiempo de la
## LAT; <-##,#> [Coordenadas latitud de las estaciones de las cuales
fueron extradas las series de tiempo de la variable dependiente, en grados
decimales]
19
Figura 2.3: Esquema para indicar esquinas para la generacin de malla de

interpolacin en Jaziku
## LON; <-##,#> [Coordenadas longitud de las estaciones de las cuales
fueron extradas las series de tiempo de la variable dependiente, en grados
decimales]
## ALT; <-####,#> [Altitud en metros sobre el nivel de mar, de las
estaciones de las cuales fueron extradas las series de tiempo de la variable
dependiente ]
## PATH TO FILE VAR D; [Ubicacin absoluta del archivo asociado
a cada una de las estaciones de las cuales fueron extradas las series de
tiempo de la variable dependiente. Ejemplo: /home /Documentos /Climatologia /2011 /series/precipitacion/3506006_ppt.txt.]
2.2.
Entrada de datos.
Jaziku ha sido diseado para que el usuario incluya en dos archivos los
datos correspondientes a las series de tiempo de valores diarios, mensuales, bimensuales y trimestrales de la variable independiente y dependiente. Dichos
archivos corresponden a extensiones .txt (plain text document), la Fig.2.4 presenta dos ejemplos de series, no olvide que el valor estndar para datos perdidos
20
Figura 2.4: Ejemplo de formato de datos de entrada, debe ser en formato txt.
(Izq) Mensual, (der) Diario.
o no medidos es NAN (99999 y -99999), que la entrada se puede dar en valores mensuales o diarios y que Jaziku acepta como delimitadores de espacio
los siguientes caracteres: comillas (), tabulacin ("\ t ) o punto y coma (";
"). El software es capaz de aceptar series incompletas en el ltimo y primer
ao, pero recibe las series y las rellena con valores nulos, si al menos cuenta
los valores correspondientes los meses de diciembre,noviembre, enero y febrero,
respectivamente.
Para correr Jaziku existen convenciones asociadas a las series de las variables
dependientes e independientes.
Para la variable dependiente son:
PPT(Precipitacin)
NDPPT (Nmero de das con lluvia)
TMIN (Temperatura mnima)
TMAX (Temperatura mxima)
TEMP (Temperatura media)
PATM (Presin atmosfrica)
RUNOFF (Escorrenta, caudal)
HR (Humedad relativa)
Para la variable independiente son:
21
1. SOI1(ndice de la Oscilacin del sur)

2. SOI_TROUP (ndice de la Oscilacin del sur)
3. ONI1(ndice Ocenico del Nio)
4. ONI2(ndice Ocenico del Nio correccin de 2012)
5. MEI (ndice Multivariado del fenmeno del Nio)
6. SST12, SST3, SST34 y SST4, respectivamente (La temperatura superficial del mar en la regiones 1+2,3,3.4 y 4)
7. ASST12, ASST3, ASST34 y ASST4, respectivamente (Anomala de
la temperatura superficial del mar en las regiones 1+2,3,3.4 y 4)
8. W200 (Anomala de Vientos de la Alta troposfera tropical 200 mb )
9. W850w (Anomala de Vientos de la baja troposfera tropical 850 mb
Pacifico oeste)
10. W850e(Anomala de Vientos de la baja troposfera tropical 850 mb
Pacifico este)
11. W850c (Anomala de Vientos de la baja troposfera tropical 850 mb
Pacifico central)
12. NAO (Oscilacin del Atlntico Norte 1. ndice de la oscilacin del
atlntico norte)
13. QBO (ndice de la Oscilacin Cuasibienal)
14. OLR(Valor de la radiacin de onda larga saliente)
15. CAR(Carribbean Index)
16. WHWP (Monthly anomaly of the ocean surface area Ocean region
>28.5C)
17. ARH (Indice del dipolo del Amazonas)
(Para ms informacin de las variables y sus rangos por favor consultar el capitulo 4 en la pgina 34).
Dado que Jaziku evala las consistencia de las series de tiempo al inicio de su
ejecucin (ver seccin4), es posible que se encuentren errores que no permitan
su inicio, utilice el la consola el comando jaziku -h .
En versiones anteriores Jaziku era capaz de analizar mas de una variable
dependiente en funcin de mas de una variable independiente, esto es, mltiples
archivos de estacin en funcin de mltiples archivos de ndices de variabilidad
climtica. Sin embargo para la versin 0.5.2 se ha colocado una restriccin a
un nico archivo (serie) de la variable independiente (ver descripcin STATION_LIST del archivo runfle).
Captulo 3
Acerca de Jaziku y sus resultados

El software Jaziku ha sido diseado para encontrar teleconxiones entre los
valores de las series de tiempo de las variables dependientes con las series de
tiempo de las variables independientes. Jaziku tiene 4 divisiones fundamentales
en su proceso de datos. Inicia con un archivo que le da a conocer el listado de
las estaciones en anlisis con su respectiva ubicacin geogrfica as como informacin correspondiente a la variable dependiente e independiente, adicional
solicita al usuario los valores de probabilidad de comportamiento de la variable
independiente (Fig.3.1,tambin ver seccin2.2).
Se espera que en las tres fases siguientes Jaziku genere cuatro carpetas,
una asociada al modulo de anlisis inicial de datos Jaziku - Data AnalysisHomogeneity, otra para el modulo Jaziku - clima y finalmente una asociada
al esquema Jaziku - pronstico , que son guardadas en el mismo directorio
de donde se corre el programa y en donde se espera se encuentre ubicado el
archivo de inicio runfile (ver Fig.3.5).
En el anlisis inicial de datos, de acuerdo al modo de clculo seleccionado por el usuario (acumulado o media, ver seccin Runfile) Jaziku evala:
la tendencia de las series,los datos atpicos, se elabora la climatologa multianual de la variable y se presentan los resultados de pruebas parametricas de anlisis de homogeneidad. De esta manera es creada la carpeta Jaziku_Data_Analysis_Homogeneity, all a su vez se ubican dos subdirectorios EDA- y Homogeneity, que por un lado guarda las carpetas Descriptive_Statistic, Distribution_Test, Outliers, Anomaly,Climatology y Correlation con los resultados asociados al anlisis inicial de las series de tiempo,
as como los resultados de Homogeneity que involucran el test MWW (MannWitney-Wilconxon), test-L, test -t y las curvas de masas (para la variable precipitacin )
22
CAPTULO 3. ACERCA DE JAZIKU Y SUS RESULTADOS
23
Figura 3.1: Esquema general del software Jaziku

En la carpeta Descriptive_Statistic, se presentan los grficos simples de
las series de tiempo de la variable dependiente e independiente, as como tablas
en formato .csv para la variable dependiente e independiente los resultados de
los estadsticos : Tamao de la muestra, mximo de la serie, mnimo de la serie,
media, mediana, desviacin estndar, curtosis, coeficiente de variacin y varianza; en este mismo directorio se ubica en la carpeta Graph_for_VarDep, las
grficas de estos estadsticos en funcin de la altura para un conjunto superior
a 2 (con conjuntos inferiores de estaciones o cuando se deshabilita la opcin de
salidas de grficas, estas grficas no son generadas, ver 2) y grficas y tablas de
la serie de tiempo y su climatologa. Por su parte en el directorio Correlation,
guarda los resultados de los autocorrelogramas (de la variable dependiente) y
correlogramas cruzados (de la serie dependiente vs la independiente) y las tablas con las cuales fueron graficados . En el directorio Anomaly, Jaziku coloca
los resultados de las series de tiempo de anomalas (de la variable dependiente),
calculadas como la resta de cada valor de cada serie, menos su valor climatolgicamente esperado para el periodo de proceso (valor promedio climatolgico)
de acuerdo a la resolucin de corrida seleccionada por el usuario (Runfile), y un
24
Figura 3.2: Esquema de los resultados del modulo EDA

histograma de frecuencia de estas series, que permite observar la distribucin
de estas anomalas .
En la carpeta Distribution_Test se presentan los diagramas de dispersin de las series (solo posible para un numero superior a 5 y no mayor a
15 series de tiempo), los resultados del test de shapiro-wilks y los histogramas de frecuencia de cada serie de la variable dependiente.En el directorio
Graphs_Inspection_of_Series, el usuario puede encontrar grficas y tablas
.csv de la climatologa promedio mensual multianual y la climatologa promedio multianual de la series de acuerdo a la resolucin de anlisis seleccionada
por el usuario siempre con valores de variacin de acuerdo a su valor mximo
y mnimo.
Finalmente en la carpeta Outliers, Jaziku arroja los diagramas de cajas
y bigotes para las series de la variable dependiente y la lista de datos atpicos
en funcin de las categoras de la variable independiente1 y de la resolucin
general de corrida (ver2.1 ). Esta categorizacion de de los atpicos, se hace de
manera independiente para cada valor atpico encontrado, primero se calcula la
1 Aqu
se tiene en cuenta si se trata de una corrida de 7 o 3 categoras
25
Figura 3.3: Esquema de los resultados de la tabla de atipicos

categora del fenmeno representado por la variable independiente de acuerdo
a la resolucin de la anlisis y los humbrales definidos y luego se identifica la
categora del fenmeno para la misma fecha del valor atpico .
es importante aclarar que cuando se trata con los indices ONI1 y ONI2, no se
aplica de manera estricta la definicin de la categora para el fenmeno ENOS,
esto es Jaziku detecta las anomalas +/- 0,5 y con ello ubica los umbrales por
26
debajo y por encima de lo normal para establecer las categoras.

La Fig. 3.3presenta un esquema de la tabla de datos atpicos, una descripcin de las columnas que han sido agrupadas por letras es:
A y B: cdigo y nombre de la estacin incluido en el runfile
C,D y E: latitud, longitud y altitud de la estacin incluido en el runfile
F: periodo procesado
G y H: limites superior e inferior para la deteccin de atpicos, basado en
los bigotes del diagrama de cajas y bigotes
I: cantidad de atpicos
J:fecha de dato atpico
K:valor del dato atpico
L:categora del fenmeno para la fecha del valor atpico. Aqu se tiene en
cuenta si se trata de 7 o 3 categoras
...:repeticin sucesiva tantas, como cuantos valores atpicos se tenga, de
las columnas J,K y L
El usuario debe tener en cuenta que de acuerdo al modo de calculo seleccionado
para la variable dependiente (ver seccin 2.1 2.1) los resultados producidos por
el modulo Jaziku - Data Analysis-Homogeneity pueden variar, en las Tablas
3.1 y 3.2 , se da a conocer el modo de calculo de acuerdo a cada caso.
En la tercera fase (esquema Jaziku - clima), Jaziku elabora la climatologa

de las series de la variable dependiente bajo las fases asociadas al fenmeno representado por la variable independiente, que pueden ser Por encima (Above)
Normal (Normal) y Por debajo (Below), si se trata de una corrida de 3 categoras o Fuertemente por encima (Strong Above), Moderadamente por encima
(Moderate Above), Dbilmente por encima (Weak Above), Normal, Fuertemente por debajo (Strong Below), Moderadamente por debajo (Moderate Below),
Dbilmente por debajo (Weak Below) para una corrida de 7 categoras . En
esta etapa Jaziku inicialmente genera las series de valores promedio de acuerdo
a cada resolucin de corrida (5 das, 10 das, 15 das y trimestral) tanto de la
variable independiente como la dependiente, cuando la variable independiente
es interna y corresponde con los indices CAR u ONI1 y ONI2, no se realiza tal
promedio trimestral ya que estos indices por defecto son clculos trimestrales.
Estas series son la materia prima para el desarrollo de la tcnica de anlisis
compuesto, cuyo principal resultado es la tabla de contingencia; esta tabla de
contingencia es evaluada mediante el procedimiento de anlisis de riesgos (ver
Fig.3.1) .
Distribution_Test
Anomaly
Correlation
dependiente e independiente
con el test de distribucin de las series tal cual como fueron

ingresadas por el usuario para el periodo a procesar seleccionado
shapiro-wilks e histogramas de
frecuencia
del modo de clculo de la variable dependiente(ver 2.1) .
(ver 2.1). Es independiente de la resolucin de anlisis escogida y
Referido a los valores de la serie de acuerdo a su resolucin de

entrada (diaria,mensual,bimensual o trimestral) , se corresponde
Diagramas de dispersin de las

series, los resultados del test de
procesar
(promedio) en la misma resolucin de anlisis y en el periodo a
cada intervalo de tiempo y el valor climatolgicamente esperado
de tiempo ingresadas por el usuario como una resta, del valor en
a las series de tiempo generadas por Jaziku a partir de las series
modo de clculo de la variable dependiente y el periodo a

procesar seleccionado por el usuario(ver 2.1). Se calcula con base
histograma de frecuencia
independiente)
(de la variable dependiente) e
series de tiempo ingresadas por el usuario
serie dependiente vs la
Calculadas con base en la resolucin de anlisis escogida, el
base a las series de tiempo generadas por Jaziku a partir de las
Correlogramas cruzados (de la
Series de tiempo de anomalas
modo de clculo de la variable dependiente y el periodo a

procesar seleccionado por el usuario (ver 2.1). Se calcula con
variable dependiente) y
Calculados con base en la resolucin de anlisis escogida, el
de anlisis escogida y del modo de clculo (ver 2.1).
las series de la variable
Autocorrelogramas (de la
Tambin son grficos simples de las series de la variable

dependiente e independiente. Es independiente de la resolucin
variacin y varianza. Grficos de
con la estadstica descriptiva de las series tal cual como fueron

ingresadas por el usuario para el periodo a procesar seleccionado.
media, mediana, desviacin
de la serie, mnimo de la serie,
estndar, curtosis, coeficiente de
Referida a los valores de la serie de acuerdo a su resolucin de

entrada (diaria,mensual,bimensual o trimestral) , se corresponde
Tamao de la muestra, mximo
Descriptive_Statistic y Graph_for_VarDep
Modo de calculo
Productos
Directorio

27
Cuadro 3.1: Modo de calculo de los productos del modulo EDA-Homogeneity
Homogeneity
Outliers
Modo de calculo
diarios y se pasan a mensuales), Jaziku admite como mnimo 60 % de
anlisis seleccionada por el

usuario
ingresadas por el usuario, para el periodo a procesar seleccionado. Es

independiente de la resolucin de anlisis escogida y del modo de clculo
masas (para la variable

precipitacin ))
de la variable dependiente.
(diaria,mensual,bimensual o trimestral) , se corresponden con los

resultados de los test de homogeneidad de las series tal cual como fueron
(Mann-Witney-Wilconxon),
Referidos a los valores de la serie de acuerdo a su resolucin de entrada
la resolucin de anlisis.
conforme a las categoras de la variable independiente y tiene en cuenta
test-L, test -t y las curvas de
Ttest MWW
periodo a procesar seleccionado (ver 2.1). Es independiente de la

resolucin de anlisis escogida y del modo de clculo de la variable
de la variable independiente
dependiente (ver 2.1). La categorizacion de los valores atpicos se realiza
de las series tal cual como fueron ingresadas por el usuario, para el
dependiente y la lista de datos
para las series de la variable
atpicos en funcin de las fases
Referidos a los valores de la serie de acuerdo a su resolucin de entrada

(diaria,mensual,bimensual o trimestral) , se corresponden con los atpicos
Diagramas de cajas y bigotes
resolucin de anlisis.
climatologa promedio mensual multianual, pero de acuerdo a la
acuerdo a su resolucin de anlisis, se hace del mismo modo que la
acumulados. La climatologa promedio multianual de las series de
acumulado, debe estar seguro que los datos mensuales son a su vez
incluya una serie mensual y haya elegido el modo de clculo como
dependiente (promedio o acumulado, ver 2.1) en caso de que el usuario
las series mensuales se hace conforme el modo de clculo de la variable
datos (en el mes), de lo contrario le asigna el valor NAN. El clculo de
mensuales de las series de la variable dependiente. Cuando Jaziku

convierte de una resolucin a otra (por ejemplo los datos de entrada son
de acuerdo a la resolucin de
La climatologa promedio mensual multianual es calculada por Jaziku a

partir de los valores promedio (sin incluir datos perdidos) de los valores
multianual, climatologa
Todos los resultados estn referidos siempre para el periodo a procesar.
promedio multianual de la series
Productos
Climatologa promedio mensual
Directorio
Climatology

28
Cuadro 3.2: Modo de calculo de los productos del modulo EDA-Homogeneity
29
Figura 3.4: Esquema de los resultados del modulo clima
Otros estadsticos de inters son calculados por Jaziku en esta etapa, como
la correlacin lineal de las series por trimestres (quinquena, dcadas quincenas), la correlacin y el test chi cuadrado de la tabla de contingencia. Finalmente y por medio de la distribucin hipergeomtrica, un anlisis de riesgos es
elaborado.
Posterior al desarrollo de los escenarios mas probables de afectacin (climatologa), Jaziku utiliza los valores de probabilidad del fenmeno representado
por la variable independiente y por medio de una combinacin lineal de los
valores de la tabla de contingencia, genera un pronstico de afectacin de la
variable dependiente, en funcin de los valores pronosticados por la variable
independiente
Como ya se dijo, los resultados arrojados por el software, son guardados en
una carpeta con el mismo nombre del archivo runfile (ver 2). Los resultados
del modulo clima, se incluyen en una carpeta llamada Jaziku-climate, esta
carpeta guarda a su vez una carpeta llamada maps y la carpeta stations
que incluye otras carpetas cuyo nombre coincide con el de las estaciones incluidas en la lista de estaciones (ver 2). La carpeta maps, por rezagos guarda los
archivos .csv, que son utilizados para la generacin de mapas deterministicos
(solo para corridas a 7 categorias) y probabilisticos interpolados en funcin de
las categoras: por encima, por debajo y dentro de lo normal (o sus correspondiente para 7 categoras) de la variable independiente (ver Fig.10.2). Cada una
de las carpetas asociadas a cada estacin guarda a su vez las series de tiempo
construidas por trimestres (mes, bimestre, quinquena, dcadas quincenas) para los valores promedio de la variable dependiente e independiente,las grficas
asociadas a estas tablas de contingencia en la carpeta graphics; estas grficas
son diagramas de barras en mosaico por rezagos o de manera independiente
por trimestre (mes, bimestre, quinquina, dcadas quincenas,ver Fig.3.5).
Sin lugar a dudas el resultado mas importante que arroja el software son las
tablas de resultados. En estas tablas se presentan por rezagos los valores de los
estadsticos calculados por el software, as como la tabla de contingencia. Esta
tabla se considera de gran utilidad porque en una sola fila es posible encontrar
30
la respuesta climtica de la estacin a los cambios de la variable independiente

bajo la tcnica de anlisis compuesto. La salida de esta tabla se da en formato
.csv , que es de fcil lectura bajo cualquier editor de texto
Figura 3.5: Esquema de la tabla general de resultados de Jaziku - clima
La Fig. 3.5presenta un esquema de la tabla. Ntese que las columnas han

sido agrupadas por letras as:
A y B : columnas de los trimestres (quinquina, dcadas quincenas)
asociados a las variables dependiente e independiente
C,D y E: correlacin de Pearson, significancia de la correlacin mediante
la prueba t y seleccin de los valores significativos con un 95 % de confianza (yes para correlaciones significativas, no para las no significativas)
31
F y G: Umbrales usados para calcular las tablas de contingencia de acuerdo a las categoras por encima, por debajo y dentro de lo normal, de la
variable dependiente.
H y I:Umbrales usados para calcular las tablas de contingencia de acuerdo
a las categoras por encima, por debajo y dentro de lo normal, de la
variable independiente.
J: Valores de la tabla de contingencia en frecuencias empricas, para cuando se analiza la categora por debajo de lo normal de la variable independiente. El primer valor corresponde a la categora por debajo de lo
normal de la variable dependiente, el segundo a la categora dentro de
lo normal de la variable dependiente y el tercero para la categora por
encima de lo normal.
K: Valores de la tabla de contingencia en frecuencias empricas, para
cuando se analiza la categora por dentro de lo normal de la variable
independiente. El primer valor corresponde a la categora por debajo de
lo normal de la variable dependiente, el segundo a la categora dentro de
L: Valores de la tabla de contingencia en frecuencias empricas, para cuando se analiza la categora por encima de lo normal de la variable independiente. El primer valor corresponde a la categora por debajo de lo
normal de la variable dependiente, el segundo a la categora dentro de
M,N y P: los mismos valores de las columnas agrupadas en J,K, y L, pero
en valores de porcentaje.
Q,R y S: Anlisis de riesgos para cada uno de los 9 valores de la tabla de
contingencia.
P,Q y R: Valor del estadstico Chi cuadrado,valor critico contra el cual
es evaluado a un 95 % de confianza y seleccin de valores significativos
en funcin del contraste de los dos valores anteriores (yes significativo,
no no significativas)
T: Correlacin de la tabla de contingencia, calculada con el estadstico V
de Cramer.
Los resultados asociados al esquema Jaziku - pronstico, son guardados en

la carpeta Jaziku-forecast. Esta carpeta a su vez guarda una carpeta denominada maps (al igual que en el modulo clima, con subcarpetas para mapas
deterministicos y proabilisticos si se trata de una corrida a 7 categoras) en la
32
Figura 3.6: Esquema de la tabla general de resultados de Jaziku - pronstico

que en archivos por rezagos son guardados los valores de pronstico de todas
las estaciones incluidas en el anlisis, en funcin de su ubicacin geogrfica (ver
Fig.3.6, para comprender los archivos all presentados ver apndice 10.1). Las
otras carpetas, una por cada estacin corresponden a los valores de pronstico
presentados en esquemas redondos (tipo pie) de manera individual para cada
rezago y de manera conjunta para la estacin.
Parte II
Manual terico
33
Captulo 4
Acerca de la informacin inicial

Con el fin de automatizar el proceso de uso de la metodologa de anlisis de
compuesto, es necesario seleccionar las variables dependientes e independientes.
Son variables dependientes, todas las variables meteorolgicas que deben estar
relacionadas con los principales ndices de la variabilidad climtica, que mas
adelante se describen (variable independiente interna).
4.1.
Variable Dependiente
Se trata de utilizar las variables de mayor inters en el territorio nacional,

la Tabla 4.1 muestra las variables pre-definidas para el software, los valores
para los cuales se estima es el rango de validez y las unidades tpicas en las que
deben ser incluidas las series de tiempo en Jaziku. En esta etapa el programa
efecta varias verificaciones a fin de tener la seguridad de que los valores son
razonables de acuerdo con el comportamiento de las variables meteorolgicas,
de lo contrario se rechazan los datos [37].
Este tipo de verificacin para las variables presin, humedad relativa y temperatura se corresponde con la sugerida por Len (2007, [37]) en el documento:
Control de Calidad Automtico de datos Meteorolgicos, la cual restringe las
observaciones para que estn dentro de un conjunto de lmites de tolerancia
(limites blandos), que fueron seleccionados para el rea comprendida entre los
30N y -20N, de acuerdo con las especificaciones fsicas de la variable que
determinan en algunos casos limites fijos, por ejemplo la humedad relativa es
una variable acotada entre 0 y 100 %, o que bien se pueden referir a limites climatolgicos determinados estadsticamente, que pueden variar geogrfica y/o
temporalmente (tomado de [37]). En el caso de las variables nmero de das con
lluvia y de la variable precipitacin se analizaron las condiciones mas usuales
de la climatologa para todo el pas, de acuerdo al Atlas Climatolgico Nacional
del IDEAM[45].
34
Abreviacin
PPT
NDPPT
TEMP,
TMIN,
TMAX
PATM
AHR
RUNOFF
Variable
Precipitacin
Numero de
das con
lluvia
Temperatura
del aire
(media,
Mxima y
Mnima
Diaria))
Presin
% HR
Caudal
m3/s
mb
mm
Unidades
0<=Runoff<=3000
0 %<=AHR<=100 %
400 mb <=PATM<=1100 mb
15C<=TEMP,TMIN,TMAX<=50C
para Noviembre,a 31 para Diciembre
29 para Febrero (dependiendo de si el

ao es bisiesto o no), a 31 para
Marzo,a 30 para Abril, a 31 para para
Mayo,a 30 para Junio ,a 31 para
Julio, a 31 para Agosto, a 30 para
Septiembre ,a 31 para Octubre,a 30
Numero de das que sea valido para el

mes y ao correspondiente, es decir,
varia entre 0 a 31 para enero, a 28 o
0 mm<=PPT<=3500mm
Rango de variacin
Promedio
sin nulos
Promedio
sin nulos
Promedio
sin nulos
Promedio
sin nulos
Promedio
sin nulos
Promedio
sin nulos
Modo de
Calculo
P33-P66
P33-P66
P33-P66
-1C y 1C
P33-P66
90 % y 110 %
Umbrales por
defecto para 3
categoras
No aplica
No aplica
No aplica
Sb: -5 C<T <=-2 C
Sa: 2.0 C<=T<5.0 C

Ma:1.5 C<=T<2.0 C
Wa:1 C<=T<1.5 C
Normal:-1 C<T<1 C
Wb:-1.5 C<T<=-1 C
Mb: -2 C<T<=-1.5 C
No aplica
Sb: 0 %<PPT <=30 %
Sa: PPT >= 170 %

Ma:140 %<=PPT<170 %
Wa:110 %<=PPT<140 %
Normal: 90 %<PPT<110 %
Wb:60 %<PPT<=90 %
Mb: 30 %<PPT<=60 %
Umbrales por defecto para

7 categoras
CAPTULO 4. ACERCA DE LA INFORMACIN INICIAL

35
Cuadro 4.1: Tipo de calculo, rango de validez y unidades tpicas en las cuales
la variable dependiente debe ser incluida en Jaziku
36
De igual manera la variable dependiente puede se externa, en tal caso el

usuario debe definir en el runfile limites de validez, etiquetas para cada una de
las fases que representan las categoras y umbrales para el anlisis compuesto,
as como su nombre en abreviacin(ejemplo: ValorDolar=USD) (ver 2).
4.2.
Variable Independiente
El clima usualmente es entendido como el conjunto de condiciones medias

del tiempo atmosfrico, agrupadas por pocas del ao, no obstante no es usual
que los valores promedios mensuales de las variables meteorolgicas que lo
definen sean siempre estticos, distintos fenmenos pueden influir en su variabilidad en alteraciones reflejadas a travs de las anomalas climatolgicas.
Importantes estudios ya han sido realizados con el objetivo de identificar dichas
afectaciones, no obstante un esquema muy completo de las teleconexiones mas
importantes para la precipitacin del pas es el presentado por Montealegre
(2009,[46]), quien seleccion del ocano y de la atmsfera los componentes del
sistema climtico que mayormente inciden en la variabilidad interanual de la
precipitacin del pas y quien igualmente acepto como hiptesis: que los procesos ocenicos y atmosfricos de meso y gran escala, as como la variabilidad
interanual de los ocanos Pacfico Tropical y Atlntico Norte y Sur tienen una
significativa relacin con el comportamiento de la precipitacin en Colombia,
as como adems examino la sensibilidad de los ndices que sintetizan estos
procesos, de manera tan cuidadosa como para poder seleccionar los de mayor
conveniencia para la detectar dicha asociacin.
Montealegre (2009,[46]) analiz cerca de cincuenta de las variables que presentan los centros mundiales especializados, las que clasific en 7 grandes grupos
1
, as como algunas otras producto del anlisis de la correlacin espacial; dado
que encontr que es posible que algunos de estos ndices caractericen el mismo
proceso desde ngulos diferentes, en su estudio evit tal redundancia mediante
un cuidadoso proceso de seleccin que le permiti concluir que los fenmenos
de mayor afectacin y sus respectivos indices mas relevantes, para analizar de
teleconexiones son:
Fenmeno ENOS
1. ndice de la Oscilacin del sur (SOI1)
2. ndice de la Oscilacin del sur (SOI_TROUP)
3. ndice Ocenico del Nio (ONI1) ,unicamente valido para resoluciones de
anlisis de tipo trimestrales
4. ndice Multivariado del fenmeno del Nio (MEI)
5. ndice Ocenico del Nio correccin de 2012 (ONI2) ,unicamente valido
para resoluciones de anlisis de tipo trimestrales
1 (Atmosfricas, Precipitacin, ENOS, Temperatura superficial del mar (TSM) en el Pacifico, TSM en el Atlntico y De otra ndole )
37
6. La temperatura superficial del mar en la regiones 1+2,3,3.4 y 4 (SST12,

SST3, SST34 y SST4, respectivamente)
7. Anomala de la temperatura superficial del mar en las regiones 1+2,3,3.4
y 4 (ASST12, ASST3, ASST34 y ASST4, respectivamente)
8. Anomala de Vientos de la Alta troposfera tropical 200 mb (W200)
9. Anomala de Vientos de la baja troposfera tropical 850 mb Pacifico oeste
(W850w)
10. Anomala de Vientos de la baja troposfera tropical 850 mb Pacifico este
(W850e)
11. Anomala de Vientos de la baja troposfera tropical 850 mb Pacifico central
(W850c)
Oscilacin del Atlntico Norte
1. ndice de la oscilacin del atlntico norte (NAO)
Oscilacin Cuasibienal
1. ndice de la Oscilacin Cuasibienal (QBO) , velocidad del viento a 30mb
OLR Radiacin de onda larga saliente
1. Valor de la radiacin de onda larga saliente (OLR)
Temperatura del mar Caribe
1. Carribbean Index (CAR),unicamente valido para resoluciones de anlisis
de tipo trimestrales
Piscina Clida del mar Caribe y del hemisferio norte
1. Monthly anomaly of the ocean surface area Ocean region >28.5C (WHWP)
Indice del dipolo del Amazonas
1. Humedad atmosfrica del dipolo del Amazonas (ARH)
Del estudio de Montealegre (2009,[46]) , son tomados como sobresalientes e
incluidos como variables independientes predefinidas dentro de Jaziku todas
excepto la ZCIT, por no poseer ndice numrico para su evaluacin. A continuacin se presenta un breve descripcin de cada ndice y las Tablas 4.2 a 4.5,
informa al usuario los rangos para los cuales el software acepta su ingreso tanto para 3 como para 7 categoras, as como los umbrales utilizados por defecto
para el anlisis compuesto (ver 6.2).
Anomala
[Anom-C]
Anomala
estandarizada [Std
ONI2
SOI
Anomala
[Anom-m/s]
Anomala
[Anom-m/s]
Anomala
[Anom-m/s]
[C]
W850c
W850e
SST3
Anom]
Anomala
Estandarizada [Std
W850w
W200
Anom]
Anomala
Estandarizada [Std
Anom]
Anomala
[Anom-C]
ONI1
SOI_TROUP
Unidades
ndice
trimestrales (ndices CAR y ONI, por ejemplo), se hace en Marzo-Abril de cada ao

-60<=SST3
<=60
-15.1<=W850e
<=15.1
-21<=W850c
<=21
-7.5<=W850w
<=7.5
-7.5<=W200
<=7.5
-35<=ONI
<=35[7]
-7<=SOI <=7
-5<=ONI <=5
-5<=ONI <=5
Rango de
variacin
Criterio:2 veces el mximo y mnimo de la serie

*Ver descripcin del ndice
Nota: Estos ndices son actualizados a enero de cada ao y para cuando se trata de valores
data/indices/sstoi.indices
http://www.cpc.ncep.noaa.gov/
data/indices/wpac850
data/indices/zwnd200
climate/current/soihtm1.shtml
http://www.bom.gov.au/
data/indices/soi
ensostuff/ensoyears.shtml
products/analysis_monitoring/
1971-2000_climo.shtml
ensostuff/ensoyears_
products/analysis_monitoring/
Fuente
La Nia: Cuando
es menor o igual a
p33
El Nio: cuando es
menor p33
El Nio: cuando es
menor p33
El Nio: cuando es
menor al p33
El Nio: Cuando
es menor al p33*
El Nio: cuando es
menor a -8 [7]
El nio: Cuando es
mayor o igual a
p66
La Nia: cuando
es mayor p66
La Nia: cuando
es mayor p66
La Nia: cuando
es mayor al p66
La Nia: Cuando
es mayor al p66*
La Nia: cuando
es mayor a 8 [7]
La Nia: cuando
es mayor a 0.9*
[56]
-0.5 [56]
El Nio: cuando es
menor a -0.9*
El Nio: cuando es
mayor o igual a 0.5
El Nio: cuando es
mayor o igual a
0.5[46]
Condicin por
debajo de lo
normal
La Nia: cuando
es menor o igual a
La Nia: cuando
es menor o igual a
-0.5[46]
Condicin por
encima de lo
normal

38
Cuadro 4.2: Rango de validez en el cual la variable independiente debe ser

incluida en Jaziku
Unidades
[C]
[C]
Anomala
[Anom-C]
Anomala
Anomala
[Anom-C]
Anomala
[Anom-C]
Anomala
Estandarizada [Std
Anom]
Anomala
estandarizada [Std
Anom]
ndice
SST4
SST12
ASST3
ASST3.4
ASST4
ASST12
OLR

NAO
-11.9<=NAO
<=11.9
-5.2<=OLR
<=5.2
-10<=ASST12
<=10
-3<=ASST4
<=3
-5.6<=ASST3.4
<=5.6
-7<=ASST3
<=7
-60<=SST12
<=60
-60<=SST4
<=60
variacin
Rango de
http:
//www.cpc.ncep.noaa.
gov/data/indices/
sstoi.indices
http:
gov/data/indices/
sstoi.indices
http:
gov/data/indices/
sstoi.indices
http:
gov/data/indices/
sstoi.indices
http:
gov/data/indices/
sstoi.indices
http:
gov/data/indices/
sstoi.indices
http:
gov/data/indices/olr
https:
//climatedataguide.
ucar.edu/sites/
default/files/
climate_index_files/
nao_station_monthly.
txt
Fuente
Cuando es menor
a -1*
El Nio cuando es
menor a -0.1*
Cuando es mayor a
1*
La Nia cuando es
mayor a 0.2*
El nio: Cuando es
mayor a 0.4 la
desviacin
estndar (sd)[46]
la desviacin
estndar (sd)[46]
-0.4 la desviacin
estndar (sd)[46]
La Nia: Cuando
es menor a -0.4 la
desviacin
estndar (sd)[46]
El nio: Cuando es
mayor o igual a 0.4
estndar (sd)[46]
estndar (sd)[46]
La Nia: Cuando
es menor o igual a
El nio: Cuando es
mayor a 0.4 la
desviacin
El nio: Cuando es
mayor a 0.4 la
desviacin
estndar (sd)[46]
El nio: Cuando es
mayor o igual a
p66[46]
El nio: Cuando es
mayor o igual a
p66[46]
debajo de lo
normal
Condicin por
La Nia: Cuando
es menor a -0.4 la
desviacin
La Nia: Cuando
es menor a -0.4 la
desviacin
estndar (sd)[46]
La Nia: Cuando
es menor o igual a
p33[46]
La Nia: Cuando
es menor o igual a
p33[46]
encima de lo
normal
Condicin por

39

incluida en Jaziku
30 mb Wind Shear
[m/s]
Anomaly
[Anom-C]
QBO
CAR
[ %]
MEI
ARH
AREA_WHWP Area anomaly

scaled by 10e6
km**2
Unidades
ndice
Fuente
-100<=ARH
<=100
Tomado de Montealegre
(2009,[46])
http:
gov/data/indices/
qbo.u30.index
-1.3 <=CAR<=
http://www.esrl.
1.3
noaa.gov/psd/data/
correlation/CAR.data
13<=AREA_WHWP
http://www.esrl.
<=14
noaa.gov/psd/data/
correlation/whwp.
data
-4<=MEI <=4
http://www.esrl.
noaa.gov/psd/enso/
mei/table.html
-40<=QBO <=40
Rango de
variacin
Cuando es menor
al p33
El Nio: cuando es
mayor al p66
Cuando es menor
al p33
Cuando es menor
a p33[46]
Cuando es menor
a -4*
Condicin por
encima de lo
normal
Cuando es mayor
al p66
La Nia: cuando
es menor al p33
Cuando es mayor
al p66
Cuando es mayor a
p66[46]
Cuando es mayor a
4*
Condicin por
debajo de lo
normal
40

incluida en Jaziku

Anomala
[Anom-C]
Anomala
ONI2
SOI
SOI_TROUP
Anomala
[Anom-C]
ONI1
Anomala
Estandarizada [Std
Anom]
estandarizada [Std
Anom]
Unidades
ndice
-35<=ONI
<=35[7]
-7<=SOI <=7
-5<=ONI <=5
-5<=ONI <=5
Rango de
variacin
climate/current/soihtm1.shtml
http://www.bom.gov.au/
data/indices/soi
http://www.cpc.ncep.
noaa.gov/products/
analysis_monitoring/
ensostuff/ensoyears_
1971-2000_climo.
shtml
http://www.cpc.ncep.
noaa.gov/products/
analysis_monitoring/
ensostuff/ensoyears.
shtml
Fuente
Sa: SOI Troup=> 23

Ma:23>SOI Troup=>13 Wa:13>SOI
Troup =>8 Normal:8>SOI Troup>-8
Wb:-8=>SOI Troup>-13
Mb:-13=>SOI Troup>-23
Sb:SOI Troup<=-23
Wa:1.62>SOI =>1
Normal:*1>SOI>*-1
Wb:-1=>SOI>1.62
Mb:-1.62=>SOI>-2.86
Sb:SOI<=-2.86
Sa: SOI=> 2.86 Ma:2,86>SOI=>1.62
Sa: ONI >= 1.5

Ma:1<=ONI<1.5
Wa:0.5<=ONI<1
Normal: -0.5<ONI<0.5
Wb:-1<ONI<=-0.5
Mb: -1.5<ONI<=-1
Sb: ONI <=-1.5
Sa: ONI >= 1.5

Ma:1<=ONI<1.5
Wa:0.5<=ONI<1
Normal: -0.5<ONI<0.5
Wb:-1<ONI<=-0.5
Mb: -1.5<ONI<=-1
Sb: ONI <=-1.5
Categoras

41

incluida en Jaziku

Sa: Strong above; Ma: Moderate above; Wa: Weak above;Normal; Wb:Weak below; Mb:
Moderate below; Sb: Strong below
42
Principales indices de variabilidad climtica que pueden ser utilizados:

El ndice Ocenico El Nio (ONI): Criterio del Centro de Prediccin
Climtica, (NCEP, por sus siglas en ingles) de NOAA (National Oceanic
and Atmospheric Administration, por sus siglas en ingles), es conocido
corrientemente como El Nio ocenico. El ONI (Oceanic Nio Index) se
obtiene mediante el promedio mvil de la anomala de la temperatura de
la superficie del mar, en relacin con el perodo de referencia 1971-2000,
con tres meses sucesivos: la anomala del mes, la anomala del mes que le
antecede y la del mes que le sigue, en la regin Nio 3.4 (5 N a 5 S y
120W a 170W)[24]. La formula mas general del ONI es:
ON I = (Ai 1 + Ai + Ai + 1)/3
(4.1)
Donde, Ai, es la anomala de la Temperatura Superficial del Mar del mes

Ai-1, y Ai+1, anomala de la Temperatura Superficial del Mar de los meses
precedentes y siguientes al mes dado. Un ONI es el promedio mvil de las
anomalas de la superficie del mar de tres meses consecutivos, siendo el ONI
de enero, por ejemplo, el constituido por la anomala de enero, febrero, y la
anomala de diciembre del ao anterior (DEF); el segundo ONI de tres meses,
EFM, y as sucesivamente hasta el ltimo ONI del ao, con los datos de los
meses noviembre, diciembre, y enero del ao siguiente, (NDE).
Aplicando el concepto del ndice ONI de la NOAA, la definicin cuantitativa
de El Nio, La Nia y El ENSO quedan simplificadas de la manera siguiente:
Un Nio o evento Nio, (para la regin Nio 3.4 del Ocano Pacifico ecuatorial)
como una secuencia de al menos 5 ONI, cada uno con magnitud mayor o igual
que 0,5 C. Una Nia o evento La Nia, tambin para la regin Nio 3.4 como
la secuencia de al menos 5 ONI, cada uno con magnitud igual o menor que
-0,5C. Un ENSO o evento ENSO es la secuencia en la regin Nio 3.4, en el
Ocano Pacifico ecuatorial de al menos 5 ONI consecutivos, cada uno con valor
mayor o igual que 0,5C (un Nio) o igual o menor que -0,5C(una Nia), es
decir, que para cumplir con el criterio se requiere informacin de las anomalas
de la temperatura del mar durante siete meses consecutivos [24].
Desde diciembre de 2008 el ONI es calculado usando la versin 3b de la
reconstruccin de la serie extendida de la temperatura superficial del mar (por
sus siglas en ingles extended reconstructed sea surface temperature, ERSST).
Una mayor informacin de este nuevo conjunto de datos es dada en
(http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ensoyears.shtml)
Anomala
Anomala
[Anom-C]
Anomala
[Anom-C]
ASST4
ASST12
-10<=ASST12
<=10
-3<=ASST4
<=3
-5.6<=ASST3.4
<=5.6
<=7
ASST3.4
-7<=ASST3
Anomala
[Anom-C]
ASST3
Rango de
variacin
Unidades
ndice
http:
gov/data/indices/
sstoi.indices
http:
gov/data/indices/
sstoi.indices
http:
gov/data/indices/
sstoi.indices
http:
gov/data/indices/
sstoi.indices
Fuente
Sa: ASST > 1sd

Ma:0.6sd<ASST<=1sd
Wa:0.4sd<ASST<=0.6sd
Normal:-0.4sd<=ASST<=0.4sd
Wb:-0.6sd<=ASST<-0.4sd
Mb: -1sd<=ASST<-0.6sd
Sb: ASST <-1sd
Sa: ASST > 1sd

Ma:0.6sd<ASST<=1sd
Sb: ASST <-1sd
Sb: ASST <-1sd
Sa: ASST > 1sd

Ma:0.6sd<ASST<=1sd
Sa: ASST > 1sd

Ma:0.6sd<ASST<=1sd
Sb: ASST <-1sd
Categoras

43

incluida en Jaziku

Sa: Strong above; Ma: Moderate above; Wa: Weak above;Normal; Wb:Weak below; Mb:
Moderate below; Sb: Strong below
44
ndice Ocenico del Nio versin corregida de 2012: (Tomado de [11], la

traduccin es propia) Debido a la tendencia al calentamiento significativo
en la regin del Nio-3.4 desde el ao 1950, El Nio y La Nia, que se
definen por un solo perodo fijo de base de 30 aos (por ejemplo, 19712000) est incorporando cada vez tendencias a largo plazo que no reflejan
variabilidad interanual del ENOS. Con el fin de eliminar esta tendencia al
calentamiento el CPC adopt una nueva estrategia para la actualizacin
del perodo base. Habr mltiples perodos de base centrados de 30 aos
que se utilizaran para definir el ONI (como una desviacin del promedio
o "anomala"). Estos perodos de base de 30 aos se utilizan para calcular
las anomalas de los sucesivos perodos de 5 aos en el registro histrico.
Entonces los valores del ONI durante 1950-1955 se basan en el perodo
de base 1936-1965, los valores del ONI durante 1956-1960 se basan en el
perodo de base de 1941-1970, y as sucesivamente. Esta nueva estrategia
tiene dos ventajas claras:
1. La clasificacin de los episodios de El Nio y La Nia se mantendr fija
durante la mayor parte del registro histrico. Por lo tanto, los ajustes
futuros al perodo base no modificar la clasificacin de los episodios
anteriores.
2. Un perodo base centrado de 30 aos significa que El Nio y La Nia
se definen por su climatologa contempornea. Por ejemplo, el episodio
de La Nia que se produjo a mediados de los aos 1950 tendrn valores
negativos ONI que son representativos de la climatologa en ese momento
y no una climatologa futura.
En Jaziku el ndice ONI2 (versin con la correccin de 2012) se corresponde
con los episodios de al menos 5 trimestres consecutivos con valores del ndice
calculados por encima de (o debajo) 0,5 C. La formula es la misma que la del
ONI1, referida a la anomala de la TSM de los datos del ERSST.v3b (Extended
Reconstructed Sea Surface Temperature [62],[70],[51] ) en la regin El Nio 3.4
(5 N-5S , 120-170W)] pero como ya se dijo con periodos base centrados a
30 aos actualizados cada 5 aos.
(http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ensoyears.shtml)
ndice de la Oscilacin del Sur: Los patrones de calentamiento y enfriamiento cclicos de la atmsfera, que se desarrollan en las zonas del centro
y del este del Pacfico, coexisten con un cambio significativo de la presin
atmosfrica a nivel del mar. Esta diferencia de presin corresponde a la
denominada Oscilacin del Sur (OS).
Cuando la presin atmosfrica aumenta en el lado este del Pacfico (y desciende
en el lado oeste), se dice que la OS est en su fase positiva (La Nia). Por
el contrario, cuando la variacin de la presin atmosfrica cambia de sentido
hacia la fase negativa (El Nio), la presin se eleva en el oeste y disminuye en
el este. Esta alternancia entre las fases positiva y negativa del SOI, contribuye
45
a cambiar la intensidad de la circulacin de los vientos descritos anteriormente,

debido a que un aumento/ disminucin de esta diferencia de presin causa
que el aire superficial, que normalmente sopla hacia el oeste, se intensifique/
debilite dependiendo del signo del SOI imperante.
El ndice de Oscilacin del Sur (SOI, por sus siglas en ingles), utiliza
los registros de presin atmosfrica de las estaciones meteorolgicas de DarwinAustralia (lado oeste del Pacfico) y Papeete Tahit (lado este del Pacfico). El SOI es negativo cuando los valores de presin atmosfrica son relativamente ms altos que la media normalizada sobre Indonesia y Australia
(estacin meteorolgica de Darwin), y ms bajos que la media normalizada
sobre la Polinesia Francesa (estacin meteorolgica de Papeete). Si al mismo
tiempo, se observan TSM ms clidas que lo normal sobre el Pacfico ecuatorial
central y oriental, y ambas condiciones se mantienen por unos meses, podemos
decir que nos encontramos en presencia de un evento El Nio en pleno desarrollo (tomado de [24]). Las anomalas de este ndice son basadas respecto al
periodo 1981-2010 y el SOI es calculado de la siguiente manera [13]:
StandardDeviationT ahiti = SQRT (SU M M AT ION (1)/N )
(4.2)
Donde SUMMATION(1) es la suma de todos los ((TA) ** 2), N es el numero

de meses y TA es la anomala en Tahit, calculada como:
(actual(SLP ) mean(SLP ))
(4.3)
Donde SLP es el la presin a nivel de superficie. Luego el valor de estandarizado de la anomala en Tahit SLP y la desviacin estndar en Darwin
(Standard Deviation Darwin) son dados como:
StandardizedT ahiti = (ActualT ahiti(SLP ) M eanT ahiti(SLP ))
StandardDeviationDarwin = SQRT (SU M M AT ION (1)/N )
(4.4)
(4.5)
Donde de nuevo SUMMATION(1) es la suma de todos los ((DA) ** 2), N

es el numero de meses y DA es la anomala en Darwin, calculada como:
Darwinanomaly = (actual(SLP ) mean(SLP ))
(4.6)
El valor de estandarizado de la anomala en Darwin SLP y la desviacin

estndar en Darwin) son dados como:
StandardizedDarwin = (ActualDarwin(SLP ) M eanDarwin(SLP ))
(4.7)
Por lo tanto para calcular la desviacin estndar media se usa:
M onthlyStandardDeviation(M SD) = SQRT (SU M M AT ION (3)/N )
(4.8)
46
Figura 4.1: ndice de oscilacin del sur, formulas SOI-Troup y SOI, note que
la variabilidad es muy similar. Bandas de +/-8 que determinan las fases El
Nio/La Nia del ndice SOI-Troup.
En esta ultima expresin SUMMATION(3) es la suma de ((Standardized
Tahit - Standardized Darwin) ** 2), para que finalmente la ecuacin del ndice
SOI sea:
SOI = (StandardizedT ahiti StandardizedDarwin)/M SD
(4.9)
Para determinar los umbrales que definen las categoras El Nio/La Nia,
en la Fig.4.1, se muestra la serie de los ndices SOI y SOI-Troup. Para este
ltimo es conocido que valores de +/-8 son los adecuados para determinar las
categoras. Puede verse que la variabilidad de los ndices prcticamente idntica,
cambiando como es de esperarse por el orden de magnitud. De acuerdo a esto
se infiere a partir del rango de variacin del ndice SOI-Troup (-35,35) y el
del ndice SOI (-3.6 ,3.6), los valores de los umbrales utilizados por defecto en
Jaziku deben ser -0.9 y 0.9 respectivamente.
ndice de la oscilacin del sur - SOI Troup: En Jaziku la versin del ndice
SOITroup, se corresponde con la utilizada por la Oficina de Meteorologa del Gobierno Australiano [7], es calculado utilizando las diferencias
de presin entre Tahit y Darwin, de tal manera que valores negativos
inferiores a -8 a menudo indican episodios de El Nio (y lo contrario para
La Nia), los que suelen ir acompaados de calentamiento sostenido de
la parte central y oriental del Pacfico tropical y una disminucin en la
intensidad de los vientos alisios del Pacfico [7]. El ndice SOITroup es la
anomala estandarizada de la diferencia de presin media al nivel del mar
entre Tahit y Darwin, sigue la siguiente frmula:
SOI = 10
[P dif f P dif f av]

SD(P dif f )
(4.10)
47
Donde Pdiff = (Presin media al nivel del mar en Tahit para el mes) (Presin media a nivel del mar para el mes en Darwin) Pdiffav = Promedio de
largo plazo de pdiff para el mes en cuestin SD (pdiff) = Desviacin estndar
a largo plazo de Pdiff para el mes en cuestin.
Aqu los valores promedio mensual multianual y los valores de las desviaciones estndar son calculadas referidos al perodo 1933 a 1992. La multiplicacin
por 10 es una convencin [7], sin embargo con esta operacin matemtica el
SOI flucta entre -35 a aproximadamente 35 y permite adems que el valor del
ndice pueda ser citado como un nmero entero.
El clculo del IOS es de resolucin mensual, sus valores diarios o semanales
no transmiten mucha informacin til sobre el estado actual del clima [7] y
en particular pueden variar marcadamente debido a los patrones diarios del
tiempo, por lo que en consecuencia no son aconsejables para estudios con fines
climatolgicos [7].
ndice Multivariado del ENSO(MEI): Es un complejo ndice diseado
por KlausWolter (1987[69]) de NOAA-CIRES Climate Diagnostics Center (CDC), para reconocer el fenmeno de El Nio- Oscilacin del Sur,
ENSO. Este ndice emplea como componentes principales las seis variables: temperatura de la superficie del mar, temperatura del aire, presin
atmosfrica al nivel del mar, nubosidad, componente zonal del viento y
componente meridional del viento.
Los datos de estas variables son publicadas en ICOADS (Internacional comprehensive Ocean Atmosphere Data Set, (anteriormente, COAD). Los sitios de
ubicacin de donde provienen los datos de las variables utilizadas en el MEI son
sealados por Wolter y Timlin (1998[69]) en la Fig.4.2 . Segn Wolter (1987[69])
y Wolter & Timlin (1993[1]) el ndice MEI sera un promedio ponderado de los
rasgos del ENSO de las variables empleadas en su clculo, y es obtenido mensualmente para los dos meses precedentes. Por la metodologa empleada, el MEI
es el primer componente principal no rotado, de las seis variables utilizadas.
Mediante la normalizacin con el perodo de referencia 1950-93, el ndice MEI
se hace comparable con otros ndices ENSO. El MEI es una media mvil de dos
meses: as, el primer valor del ao es el promedio de diciembre del ao anterior
y enero; el segundo, de enero y febrero,...,hasta noviembre y diciembre del ao
siguiente. En este caso ndices con signos positivos representan la fase caliente
del ENSO (El Nio) y los negativos del MEI, la fase fra (La Nia) (Tomado
de [24]).
En la Fig.4.2 :
P+ y P-, representan la diferencia entre la presin al nivel del mar en los
sitios ms occidental y oriental del Pacifico ecuatorial, respectivamente.
U, la anomala de la componente zonal del viento.
V+ y V-, la anomala de la componente meridional del viento (viento del
sur, positivo, viento del norte, negativo).
48
Figura 4.2: Sitios de observacin del MEI

SA, ubicacin de la temperatura media de la superficie del mar .
C, la anomala de la nubosidad, en la regin Nio 4.
T, Tait y D, Darwin.
1; 2; 3; 4, las regiones El Nio 1+2; 3, y 4, respectivamente.
Para incluir la serie de tiempo del ndice MEI, se aconseja al usuario
utilizar las series de rangos del MEI disponible desde enero de 2001 en :
http://www.esrl.noaa.gov/psd/enso/mei.ext/rank.ext.html. Para interpretar esta nueva forma del ndice se pueden utilizar los terciles o los quintiles, en este
caso son usados los terciles, marcando positivo (fase El Nio) a los valores por
encima del percentil 66, siendo negativo (fase La Nia) para valores por debajo
del percentil 33 [17].
ndice de la anomala de Radiacin de Onda Larga saliente: Las estimaciones del flujo radiativo en el tope de la atmosfera, adems de ser
muy tiles en los estudios de balance radiativo , para lo que originalmente fueron destinadas [49], tambin son de utilidad para la compresin y
monitoreo de los cambios en la circulacin tropicalmente, especialmente
cuando estos cambios estn asociados al fenomeno ENOS. En los trpicos
los valores de la OLR estn fuertemente influenciados por la nubosidad
y varan de acuerdo a la temperatura al tope de la atmosfera, de manera
que en las zonas de intensa o frecuente conveccin (como zonas de monzones o de la ZCIT), son esperados valores bajos de la OLR, mientras
que en zonas de escasa nubosidad (como de vientos alisios o en el este
pacifico tropical), son esperados valores relativamente altos de la OLR.
Estas propiedades de la OLR hacen que sean usadas para la estimacin de
la intensidad de la actividad convectiva y desde luego de la precipitacin
convectiva [49].
En Jaziku esta variable se refiere a la radiacin emitida de onda larga por

el tope de las nubes en el ocano Pacfico tropical, de acuerdo a lo anterior es
49
Figura 4.3: Series de tiempo del ndice ONI y de la anomala de la OLR, en

contraste con los intervalos de percentiles y desviaciones estndar de la serie
de la anomala de OLR, para fases El Nio /La Nia
50
una medida de la temperatura de ese tope nuboso y la actividad convectiva.

Donde la OLR es negativa el tope de la nube es alto, indicando la presencia
de conveccin y potencialmente, zonas ms lluviosas, lo que en efecto est
relacionado con la cobertura de nubes tpica de una fase El Nio; Mientras
que si la OLR es positiva, son restringidas las convecciones, la nubosidad y las
posibilidades de precipitacin [24], lo cual est asociado a condiciones La Nia.
Esta relacin se explica porque ms (menos) actividad convectiva en la zona
central y oriental del Pacfico ecuatorial implica un mayor (menor) enfriamiento
(calentamiento) en el tope de las nubes, las cuales emiten mucho menos (ms)
radiacin infrarroja hacia el espacio [4].
Estos datos son tomados por el sistema AVHRR (Advanced Very High
Resolution Radiometer, por sus siglas en ingles) del satlite de rbita polar de
la NOAA17 y NOAA18 [4], en el rea centrada a travs del pacifico ecuatorial
entre los 160E a los 160W de longitud. Los datos son convertidos en anomala
estandarizada [4], referida al periodo 1979-1995 [4]. A fin de determinar los
umbrales que permiten establecer la categoras por encima de lo normal (La
Nia) y por debajo de lo normal (El Nio), en la Fig.4.3, es mostrada la serie
en contrastacin con el ndice ONI y los valores de su desviacin estndar y
los percentiles 33 y 66 (p33 y p66, respectivamente). Ntese que en general la
respuesta del ndice se da de manera ms inmediata para condiciones El Nio,
puesto que para condiciones La Nia, incluso hay un rezago de algunos das a
semanas, en la respuesta de la variable.
Tambin se puede resaltar que la desviacin estndar resulta ser un umbral
demasiado alto y solo sera aplicable para eventos extremos. Finalmente en
Jaziku son tomados por defecto los valores -0.1 y 0.2, por ser los valores positivo
y negativo ms pequeos y diferentes de cero, en los que se marco una anomala
de la OLR coincidente con la fase El Nio y La Nia, respectivamente, los
percentiles 33 y 66 (-0.3 y 0.5, respectivamente), pueden ser tambin una buena
opcin, no obstante algunas fases moderadas del fenmeno no sera tenidas en
cuenta.
Temperatura superficial del mar en las regiones El Nio 1+2,3 y 4: Valioso indicador de la estructura trmica de la capa superior de los ocanos.
En consecuencia, se utiliza la TSM como variable explicativa de esta
dinmica tomando en consideracin tambin que esta variable est estrechamente relacionada con los procesos convectivos que se generan en la
atmsfera que se yace sobre ella. Para la vigilancia de la variabilidad de
la TSM en la franja tropical del Pacifico, se han establecido cuatro regiones muy bien definidas a saber (ver Fig. 4.4): Occidental (regin Nio 4),
Central (regin Nio 3), Centro-occidental: (regin Nio 3-4) y Oriental:
(regin Nio 1+2). En cada una de estas regiones se mide la temperatura
de la superficie del mar en grados Celsius [46].
Analizadas las estadsticas descriptivas de las variables explicativas y de

sus relaciones de asociacin, los ciclos y frecuencias comunes, la complejidad
51
Figura 4.4: Regiones el Nio (Graphical depiction of the four Nio regions). Tomado de: http://www.cpc.ncep.noaa.gov /products/ analysis_monitoring /ensostuff/nino_ regions. shtml
del proceso fsico involucrado, el grado de asociacin con las precipitaciones,

su variabilidad y algunos otros aspectos clasificatorios, Montealegre 2009 [46]
encontr que para el desarrollo del anlisis Compuesto la TSM del Pacifico
tropical centro occidental, (El Nio - regin N-34) es uno de los ndices ms
adecuados.
En Jaziku las series de temperatura superficial del mar utilizadas , se corresponden con la deducidas por el proyecto OISSTv2 (NOAA Optimum Interpolation (OI) Sea Surface Temperature (SST) V2, por sus siglas en ingles),
con datos que comienzan en enero de 1982 y van hasta la actualidad [12], de
resolucin mensual y actualizadas mes a mes por la NOAA 2 . En los clculos
de los resultados del proyecto OISSTv2 se utilizan mediciones de la TSM in
situ y por satlite, adems de datos de TSM simulados por cobertura de hielo
marino [18]. Antes de llevar a cabo la interpolacin, los datos de satlite son
ajustados utilizando el mtodo de Reynolds (1988, [57]) y Reynolds y Marsico
(1993,[58]), una descripcin ms completa de la interpolacin optima es dada
en Reynolds y Smith (1994,[59]) y Reynolds, et al (2002,[56]).
En Jaziku por defecto la categora por encima de lo normal asociada a una
fase El Nio o por debajo de lo normal a la fase La Nia, son definidas por
los percentiles 66 y 33 respectivamente, lo que en efecto es muy apropiado
para anlisis de teleconexiones por cambios en la estructura trmica de la capa
superior del ocano Pacifico tropical, para casos de estudio ms especficos es
recomendado el uso del ndice ONI2.
Anomala de la Temperatura superficial del mar en las regiones El Nio
1+2,3 y 4: Adicional a las mediciones de TSM calculadas por OISSTv2,
son determinadas sus anomalas, evaluadas como la diferencia entre un
valor mensual cualquiera y su promedio climatolgico o valor normal en
el periodo 1982-2010. Como El Nio y La Nia son fenmenos de carcter
2 Segn el CPC [12], si se est interesado en valores histricos anteriores a enero de 1982,
debe ser consultada la base de datos mensual del proyecto ERSST.V3B que tambin es
actualizada a nivel mensual, pero que no es incluida en Jaziku, sin embargo el ONI versin
de 2012 puede ser una opcin para anlisis que incluyen este periodo
52
ocenico, la comunidad cientfica ha desarrollado una gran cantidad de

ndices para caracterizar estos fenmenos. Probablemente los ms utilizados en la actualidad son las anomalas de TSM en las regiones Nio
3 y Nio 3-4 [46]. Las categoras por debajo y encima de lo normal por
defecto, son definidas por los percentiles 66 y 33 de la misma manera que
para las variables SST12,SST34 . . . (etc).
ndice de la anomala del viento a 200 hPa : Permite apreciar el patrn
del viento zonal en la alta troposfera (200 hPa) en comparacin con el
flujo al nivel isobrico de 850 hPa, a razn de anomalas opuestas. El
mayor inters por este flujo de viento del oeste en altura sobre los trpicos, expresado por su anomala se explica por la relacin encontrada
con la circulacin en las zonas extratropicales. (Tomado de [24]). Segn
Wang (2000,[68]) Las anomalas del viento zonal tambin muestran una
fuerte seal ENSO en la troposfera superior del ocano Pacfico ecuatorial oriental , en general un calentamiento (enfriamiento) de la TSM en el
Pacfico ecuatorial oriental se asocia con anomalas en los vientos del este
(oeste) en la troposfera superior del ocano Pacfico ecuatorial oriental
, lo mismo que condiciones anmalamente negativas(positivas) de la Oscilacin del Sur (OS), que estn relacionadas con una fase El Nio (La
Nia) y consecuentemente con anomalas positivas (negativas) de la TSM
en el Pacifico tropical, estn fuertemente relacionadas con circulaciones
anticiclnicas (ciclnicas) anmalas cerca al Ecuador en 200 mb (Arkin
1979 ,[5]).
En Jaziku los datos de esta variable interna, se corresponden con los tomados
del CPC y son el resultado del promedio, de los promedios diarios de la anomala del viento zonal en el rea comprendida por 5N-5S y 165W-110W y
referida al periodo 1979-1995, para los que un valor positivo del ndice de viento
zonal a 200mb implica una anomala oeste. Con intervalos de 7 a 15 das, este
ndices es pronosticado por la NOAA , atreves del modelo GFS(Global Forecast
System), cuyos resultados son mostrados en la paginas http://www.cpc.ncep.
noaa.gov/products/ precip/CWlink/ daily_ao_index/zw/mrf.200.shtml
Segn Arkin (1982, [5]), valores positivos de la anomala estn asociados
a condiciones La Nia, mientras que negativos con condiciones El Nio, a fin
de establecer los umbrales para la seleccin de las categoras por encima y por
debajo de lo normal, en las Figs. 4.5, es mostrada la serie de la anomala en
funcin de los ndices ONI e IOS (y los umbrales +/- 0.5 y +/-8, para cada
indice), as como la serie misma, pero indicando en rojo una vez (y menos una
veces) la desviacin estndar de la serie y en verde los percentiles 33 y 66 (p33
y p66, respectivamente). El anlisis de las graficas permite concluir que para
valores de +/- 0.5 del ndice ONI y +/-8 del ndice IOS, siempre la anomala
del viento en altura estuvo por encima de 0.1 (o por debajo de -0.1), as como
que para condiciones El Nio, siempre hay un retraso de algunos das,mientras
que para condiciones La Nia se da manera inmediata3 , por lo que se considero
3 Atendiendo
a +/- 8 como limites del ndice IOS para determinar una fase El Nio/La
53
utilizar los percentiles 33 y 66 de la serie, ratificando que para condiciones claras

y establecidas de El Nio (o La Nia), la anomala siempre estuvo por debajo de
-0.4 (o encima de 0.4, respectivamente) y descartando algunos de los mltiplos
de la desviacin estndar, por ser un umbral demasiado alto. Cabe aclarar que
la amplia variabilidad del ndice hace que en meses (hasta trimestres) aislados
y no relacionados con fases El Nio/La Nia segn el ONI, se den condiciones
por encima o por debajo de lo normal, para ello es recomendable que anlisis
asociadas al fenmeno ENOS se realicen de manera separada o en funcin del
ndice IOS nicamente.
Anomala de velocidad zonal del viento en 850 mb: Entre los ndices que
representan la anomala de la circulacin de Walker producida por el fenmeno ENOS (Bjerknes, 1969 [9]), esta la anomala en 850-mb de los
vientos alisios que representa el comportamiento cerca de la superficie, a
diferencia de la anomala zonal de los vientos a 200-mb en el Ecuador, que
representa el comportamiento de la alta troposfera4 , encontr que anomalas del viento a 850 mb en la regin comprendida por las coordenadas
5 S5 N, 120170 E del pacifico oeste, inducen anomalas de la TSM
en la region El Nio 3 por hasta cuatro meses de rezago, mientras que
mientras que las mximas correlaciones entre las anomalas del viento zonal del Pacfico oriental (region entre 5S5N, 150100W) y las anomalas
de la TSM en la region el Nio3 se da para cero meses de rezago, con lo
que el autor pudo concluir que la relacin principal entre las anomalas
en los vientos del oeste del Pacfico y las anomalas de TSM Nino-3 indica
que el Pacfico occidental es una regin importante para la inicializacin
de el fenmeno de El Nio [68].
Con el objetivo de que el usuario pueda tener la posibilidad de utilizar el
software para explorar la relacin entre la anomala zonal del viento en cualquier
regin del Pacifico tropical en Jaziku son incluidas las series de la anomala del
viento a 850mb de las tres zonas 5 , listadas a continuacin y referidas a la
climatologa entre 1979-1995 [13]:
Pacifico oeste (135E-180W) 5N-5S
Pacifico central (175W-140W) 5N-5S
Pacifico este (135W-120W) 5N-5S
Las categoras por debajo y por encima de lo normal de esta variable, por
defecto son definidas por los percentiles 33 y 66 de la serie (respectivamente).
Para estudios de caso ms especficos, se recomienda al usuario utilizar el ndice
Nia). No obstante, no siempre que la anomala est por encima de 0.1 (o por debajo de
-0.1), se dio una fase La Nia (o El Nio, respectivamente
4
Se ha demostrado que tales anomalas en los trpicos tienen efecto globales, ver Arkin
1979,[5])). En particular Wang (2002,[68]
5 Que
son congruentes con las zonas mostradas por Wang 2002[68]
54
Figura 4.5: Series de tiempo del ndice ONI y de la anomala del viento a
200 mb (W200), en contraste con los intervalos de percentiles y desviaciones
estndar de la serie de W200, para fases El Nio /La Nia
55
ONI y su definicin para las categoras El Nio / La Nia y determinar los

umbrales ms apropiados para capturar el cambio de la variable en funcin de
las fases del fenmeno (ver 4.2,2.2).
ndice de la Oscilacin del Atlntico Norte: este fenmeno es un sub y
baja a gran escala en la presin baromtrica de las masas de aire atmosfrico, situadas entre dos celdas, la de la alta presin subtropical del
Atlntico (Azores), ubicada a los 38 de latitud y la baja presin polar del
rtico (Islandia) a los 60 de latitud. Esta oscilacin tiene dos fases que
se expresan mayoritariamente en invierno. La fase positiva sucede cuando
las presiones baromtricas del anticicln de las Azores son ms altas con
respecto al valor promedio, mientras que las presiones en Islandia son an
ms bajas de lo normal. sta marcada diferencia de presin intensifica
los vientos del Oeste entre los 50 y 60 de latitud Norte produciendo
tormentas que cruzan el Atlntico en direccin Nordeste [50]; Durante la
fase negativa, las diferencias de presin entre las Azores e Islandia son
menores. El "anticicln" de las Azores est dbil y la celda ciclnica de
Islandia se encuentra poco activa; ambas se sitan en latitudes ms al
Sur y, en consecuencia, los vientos del Oeste son ms tenues y aportan
menos humedad y calor sobre el Norte de Europa. La NAO fue identificada por primera vez en a principios del siglo XX por Sir Gilbert Walker
(1924), ssegn Hurrell & Deser (2009), no hay forma nica para definir
la estructura espacial de la NAO, segn los autores no hay ningn ndice
universalmente aceptado para describir la evolucin temporal del fenmeno. Hurrell y Deser, resaltan que entre los ndices ms modernos de la
NAO se encuentran los que son derivados de la diferencia en superficie
de las anomalas de presin entre algunas ubicaciones del norte y del sur
del Atlntico norte (Stykkisholmur (Islandia) y Ponta Delgada (Azores),
o Reykjavik [31]) y otros como los que utilizan la componente principal de la serie de tiempo de presin a nivel del mar [26]. Reconociendo
las desventajas de utilizar ndices deducidos de datos en superficie como
la influencia de la escala sinptica, en Jaziku es utilizado por defecto el
ndice de la NAO, deducido por Hurrell (1995, [27])6
(http://climatedataguide. ucar.edu/ sites/default/files/ cas_data_files /asphilli/ nao_station_ monthly_2. txt)
Este ndice es la diferencia de presin normalizada a nivel del mar (SLP)
entre Lisboa, Portugal y Stykkisholmur / Reykjavik, Islandia desde 18647 . Los
6
otro ndice de inters puede ser el basado en la componente principal y anlisis de las
Funciones Ortogonales Empricas sobre el sector 20 -80 N, 90 W-40 E [26]
7 En abril de 2003, la estacin de Ponta Delgada dejo de operar, por ello a partir de tal
fecha son utilizados los resultados del reanlisis del NCEP / NCAR para la rejilla , puesto
que la correlacin entre las series de datos observacionales de Ponta Delgada y aquellos
construidos con NCEP / NCAR - reanlisis es de ~ 0,99 en el periodo 1948-2003 [65]
56
valores positivos del ndice NAO son tpicamente asociados con valores por encima del promedio al oeste en las latitudes medias, con sistemas meteorolgicos
ms intensos en el Atlntico Norte y buen tiempo sobre el oeste de Europa [65].
Con el objetivo de evitar que la serie este dominada por la una mayor variabilidad cada presin media mensual fue dividida por el promedio a largo plazo
de la desviacin estndar en el periodo 1865-1984 y los umbrales seleccionados
para las categoras por debajo y encima de lo normal son 1 y -1, de acuerdo al
uso que le dio Hurrell(2000, [25]) en el 12th Annual Symposium de National
Academy of Sciences (Irvine), para distinguir las fases positiva y negativa, no
obstante el usuario puede utilizar otros de su mayor preferencia.
ndice de la Oscilacin Cuasibienal: la QBO es una oscilacin de largo
plazo en el viento zonal de la baja y media estratosfera ecuatorial, con un
perodo irregular que vara entre un poco menos de dos aos (22 meses)
y hasta casi tres aos (34 meses), con una duracin media de 28 meses
[40]. Consiste en la alternancia de vientos del Este, dominantes durante
una parte del perodo, con vientos del Oeste en el resto del perodo .
La Oscilacin es detectable en casi todas las capas de la alta troposfera. Segn Camargo y Sobel (2010,[34] ), quienes utilizando el ndice de la anomala del viento a 30 mb desarrollado por The University of Berlin y disponible en : http://www. geo.fu-berlin.de/en/ met/ag/strat/ produkte/qbo/ index.html), que es un conjunto de datos construido a partir de observaciones
de radiosonda de algunas estaciones en la franja ecuatorial (Canton Island,
Gan/Maldive Islands, y Singapore), el ndice del National Oceanic and Atmospheric Administration/Climate Prediction Center (NOAA/CPC) QBO index
(disponible en http://gcmd.nasa.gov /records/GCMD_NOAA _NWS_CPC
_QBO.html) as como composiciones desde 10S a 10N de los reanlisis del
NCEP-NCAR (National Centers for Environmental PredictionNational Center for Atmospheric Research) y del European Centre for Medium-Range Weather Forecasts (ECMWF) ERA40 , en sus periodos disponibles y para las capas
de 70, 50, 30, 20, and 10 hPa, establecen que el uso de la velocidad del viento
zonal a 30hpa es apropiado para definir las fases de la QBO (tal cual como lo
dice Gray (1984a,b)), puesto que el uso de otros niveles en su estudio si bien
puede generar cambios importantes en los resultados no hay relacin estadsticamente significativa entre la actividad ciclnica y los valores del viento zonal a
otros niveles de presin. Teniendo en cuenta esto en Jaziku por defecto es usada
esta variable como independiente para la defincion de la QBO. Estos datos se
corresponden con los derivados del CDAS (Climate Data Assimilation System)
y colcados a disposicin por el NCEP/NCAR, aunque se resaltan otros estudios
de inters en los que en vez de utilizar la velocidad zonal del viento en altura, es
utilizada cizalladora del viento como lo hace Huesmann & Hitchmann (2001,[6])
quienes reportan las ventajas de utilizar un ndice espacializado, respecto a uno
de una estacin puntual. Teniendo en cuenta que la amplitud de la QBO es de
20 m/ s desde 5 hpa hasta 40 hPa pero decreciendo rpidamente a presiones
por encima 50 hPa, detectables nicamente con radiosonda a por encima de 10
57
hPa e incluso llegando a ser de 5 m/s2 en 1 hPa cerca a la estratosfera [40], los
umbrales que sirven para establecer las categoras por debajo y por encima de
lo normal de esta variable en Jaziku son de 4 m/s, que equivalen a 1/5 de la
mxima amplitud y es muy cercana a la amplitud mnima para la deteccin de
la oscilacin en la capa ms alta de la atmsfera.
Temperatura del Mar Caribe:El ndice CAR es el nico que no hace referencia a una regin extra-tropical del mar Caribe y que se representa
directamente la variacin de una variable de la superficie del mar. Este
ndice corresponde a las series de tiempo de las anomalas de la temperatura superficial del mar Caribe en la regin mostrada en la Fig.4.6.
Los datos son obtenidos del conjunto de datos del COADS entre 1951 y
1991, y de 1991-1951 del NCEP (disponible en http://www.esrl.noaa.gov/
psd/data/climateindices /list/#CAR). El ndice se construye de la media
suavizada por tres meses. Para efectos prcticos, se ha encontrado que
este ndice es pronosticado cada mes mediante un modelo inverso lineal
8
(ver http://www.esrl. noaa.gov/psd /forecasts/sstlim /forcar.html) con
resultados aceptables cada 3 meses (ver Fig.4.6)
Piscina clida del mar Caribe y del hemisferio norte: El ndice de la

anomala de la isoterma de 28.5, lo que es reconocido como la piscina
clida del Atlntico (AWP) ocupa el Golfo de Mxico, el Mar Caribe y
el oeste del mar en la zona tropical del Atlntico Norte (TNA), su ciclo
anual alcanza el mximo a fines del verano boreal. Teniendo en cuenta los
efectos dominantes de El Nio y la variabilidad del gradiente Atlntico
tropical meridional sobre la lluvia en el invierno y la primavera boreal,
no es de extraar la AWP juegue algunos roles en la distribuciones de las
precipitaciones de verano en sus regiones circundantes. La AWP tambin
es conocida como la piscina clida del Hemisferio Occidental (WHWP) y
comprende la regin cubierta por el agua ms caliente que 28,5 C, se ha
encontrado que sufre grandes variaciones anuales e interanuales en su rea
(Wang y Enfield 2001, 2003). El umbral de 28.5 C fue escogido porque a
escala troposfrica facilita la conveccin profunda as como porque, a la
profundidad de la isoterma de 28,5 C en esta regin se est muy cerca
a la profundidad de la capa de mezcla.
A diferencia de la piscina clida del Indo-Pacfico ( Webster y Lukas, 1992), que
se extiende a ambos lados del ecuador, la WHWP se encuentra en su totalidad
8 Penland, C and Ludmila Matrosova (1997), On the prediction of tropical Atlantic sea
surface temperatures, Proc. 21st Climate Diagnostics Workshop, Huntsville AL, 28 Oct. - 1
Nov, 1996
Penland, C., and L. Matrosova (1998), Prediction of tropical Atlantic sea surface temperatures using Linear Inverse Modeling, J. Climate, 483-496, March 1998
Penland, C., and L. Matrosova (2001), Expected and Actual Errors of Linear Inverse
Modeling Forecasts, Monthly Weather Review, 129, 1740-1745
58
Figura 4.6: Ubicacin de la zona tomada para la deduccin del ndice CAR
(izq) y evaluacin de los pronsticos de este ndice (der) . Tomados de http://
www.esrl.noaa.gov/ psd/data/ climateindices/ list/#CAR
59
al norte del ecuador. Intercalado entre Norte y Sur Amrica y entre la zona
tropical del Pacfico Norte y el Ocano Atlntico. Segn (Wang & Enfield,2006
) la WHWP es el segundo cuerpo ms grande de agua ms caliente en la tierra
y alberga el segundo centro mas importante de calentamiento adiabtico de
los trpicos durante el verano boreal (Wang y Enfield 2003) . Wang y Enfield
2003 propusieron varios ndices, para determinar la variabilidad de la WHWP
como anomalas de la temperatura superficial del mar, no obstante con base en
un anlisis de las componentes del mar Nor-Pacifico este (ENP) y del mas de
las Intra-americas (IAS), as como que en el largo plazo las fluctuaciones del
ciclo estacional de su rea son comparables con la variacin anual , definieron
que el ndice seria calculado como la anomala del rea dividida por el rea
climatolgica.
Este ndice no es pronosticado, pero su actualizacin se encuentra disponible
en: http://www.esrl.noaa.gov/psd/data/climateindices/list/.
Dipolo Amaznico:ndice de meso-escala creado por Montealegre (2009
[46])con base en el contraste de humedad observado en dos puntos de la
selva Amaznica al nivel de la media Troposfera (dipolo del Amazonas),
se trata del promedio de humedad en el Amazonas a 500hPa, regin 2
N 73 W y 6 S 68 W, provenientes del reanlisis NCEP/NCAR
versin 1.
4.3.
Shapes para la construccin de mapas
En Jaziku el usuario puede utilizar los shapes pre-determinados para la generacin de mapas. Estos shapes estn divididos en departamentos y la plantilla
para toda Colombia. Cuando se desee utilizar los shapes de departamentos, el
usuario debe incluir en el comando grids (ver 2), del archivo de corrida la
palabra correspondiente al departamento de la lista de la Tabla 2.1, para la
plantilla pre-determinada para todo Colombia, el software espera la palabra
colombia. En caso de que el usuario desee otro shape diferente a los ya incluidos en el software debe tener en cuenta las indicaciones para la ubicacin de
los archivos (ver 2), as como debe asegurarse que su proyeccin sea geogrficaWGS84.
Captulo 5
Jaziku - EDA y HOMOGENEITY

5.1.
Acerca del Anlisis exploratorio de datos
John Wilder Tukey fue qumico, topologo , educador, investigador, analista

de datos y estadstico, naci en New Bedford, Massachusets el 16 de junio de
1915 y muri a inicios de este milenio (en el ao 2000), segn David R. Brillinger, se caracteriz por su polifactica vida profesional en la que se resaltan los
aportes realizados en el anlisis exploratorio de datos , de ello hay evidencia
en dos de sus obras ms importantes y en las que da a conocer la metodologa
necesaria para ahondar en el anlisis de la consistencia de la series de tiempo
antes de la aplicacin en distintas metodologas.
El anlisis exploratorio de datos (EDA por sus siglas en ingles), consiste en
un conjunto de tcnicas grficas para el anlisis de datos, lo que en si mismo
constituye un proceso iterativo y que puede ser usado ms de una vez en el
proceso de manejo de la informacin. En el anlisis exploratorio de datos se
pueden identificar distintos aspectos interesantes de los datos, tales como la
estacionalidad, as como puede ayudar a chequear los supuestos de la investigacin, lo que en efecto maximiza y fortalece los estudios y las conclusiones
deducidas [71]
El anlisis exploratorio de datos es necesario siempre que los datos estn
siendo examinados, o un anlisis estadstico se lleve a cabo, como es el caso del
anlisis compuesto; de hecho segn Zbigniew et al (2000,[71]), un estudio en
el cual la estacionariedad no es importante en el que no se incluya un EDA,
tanto resultados como datos no serian completamente comparables, sobre todo
si se trata de pruebas estadsticas de hiptesis. Segn Wilks (2006, [14]) los
resultados de un adecuado EDA permiten obtener robustez y resistencia de los
datos previo al trabajo, lo cual permite adems caracterizar la naturaleza de
los datos.
El EDA fue propuesto por Tukey en (1977) y actualmente involucra los
siguientes procedimientos [43]:
Estadstica descriptiva, que involucra el examen de la estadstica univariada para cada variable.
60
CAPTULO 5. JAZIKU - EDA Y HOMOGENEITY
61
Examen de la distribucin de cada variable (para todos los tipos de variable) y verificacin de las condiciones de normalidad (nicamente para
variables continuas).
Calculo de los coeficientes de correlacin entre las variables
Deteccin de valores atpicos
Exploracin de relaciones de no-linealidad entre las diferentes variables,
mediante el uso de diagramas de dispersin
Conteo de los valores perdidos de cada variable y examen del efecto que
tiene el sesgo introducido por los sistemas de sustitucin simples, tales
como la sustitucin por media o por mediana. Pruebas de hiptesis de
algunas muestras realizadas de la misma poblacin.
As como otras que involucran el uso de mtodos multivariantes, como el anlisis factorial y el anlisis de componentes principales, para la deteccin de
estructuras lineales en los datos [14]
Para generar una metodologa que permita al usuario reconocer las caractersticas de las series trabajadas, en los resultados del modulo de Anlisis de
datos se presentan en primera instancia la estadstica primaria de cada una,
en tablas y en grficos de variacin en funcin del nmero de estaciones. Las
formulas implementadas de estos estadsticos son mostradas en la Tabla 5.1 1 :
Para examinar la distribucin de la variable se calculan los histogramas

de frecuencia con el nmero de bins seleccionados por defecto con base en
el mtodo de Sturges [14]. El examen de la distribucin se presenta por los
diagramas de dispersin entre todas las series (con un mximo de 15, por
encima de este numero es sugerida una regionalizacin) y para comprobar la
similitud con una distribucin normal, se utiliza el test de Shapiro-Wilks . Este
test fue propuesto en 1965 y calcula el estadstico W a partir de datos de una
muestra de n elementos que se presume provienen de una distribucin normal,
pequeos valores de W son evidencia de esto 2 , la frmula utilizada es [2]:
Pn
2
( i=1 ai xi )
W = Pn
2
( i=1 xi x)
(5.8)
Donde xi son los valores ordenados de la variables (siendo x1 el mas pequeo), los valores de ai son constantes generadas a partir de las medias, varianzas
y covarianzas de una muestra de tamao n con distribucin normal. En este
test la hiptesis nula es que los datos no provienen de una distribucin normal,
1 http://docs.scipy.org/doc/scipy/reference/stats.html
2 La frmula utilizada corresponde a la aproximacin de Monte Carlo, de Pearson y

Hartley (1972), recomendada para muestras de tamaos superiores
62
Cuadro 5.1: Tabla de formulas de estadsticos primarios implementados en Jaziku

Estadstico
Media [14]
Formula
n
x=
Mediana [15]
1X
xi
n i=1
(5.1)
Sin incluir valores perdidos Donde xi es

el dato de la serie de tiempo y n el
tamao de la muestra
P050 = x(n+1) /2(odd)
(5.2)
1
x(n+2) + x(n+2)+1 /2(even)
2
(5.3)
Sin incluir valores perdidos Donde
P(050) el percentil 50, xi es el dato de
la serie de tiempo y n el tamao de la
muestra
P050 =
Varianza [15]
s2 =
2
n
X
(xi x)
n1
i=1
Desviacin estndar
[15]
Tamao de muestra
Coeficiente de
variacin
Sesgo[14]
(5.4)
Donde xi es el dato de la serie de

tiempo; x el promedio y n el tamao de
la muestra
s=
s2
(5.5)
Donde s es la varianza de la muestra

Cantidad total de datos, sin contar
valores perdidos
Cv =
s
x
(5.6)
Donde S es la desviacin estndar y x

el promedio aritmtico
1
n1
Pn
i=1 (xi
s3
x)3
(5.7)
Donde S es la desviacin estndar y n

el tamao de la muestra
63
Figura 5.1: Esquema de diagrama de cajas y bigotes, para un ejemplo especifico

con la temperatura, Tomado de [14]
mientras que la alternativa es que en efecto si lo son. La prueba se rechaza si

la diferencia p-value es inferior a 0.05.
La deteccin y evaluacin de valores atpicos, se corresponde con mediciones
grficas y de inter-comparacin con los atpicos del conjunto total de series. El
diagrama de cajas y bigotes es utilizado como uno de los mtodos grficos 3 , fue
presentado por primera vez en 1977 por Tukey, se basa en los tres principales
cuantiles de la muestra (ver Fig 5.1), el mas alto (q0.75), mediana (q0.50), ms
bajo (q0.25) y el valor mnimo de los bigotes, como q0.25 menos 1.5 veces el
rango intercuartilico4
Una manera de determinar si un dato atpico debe ser removido o no y

teniendo en cuenta el anlisis compuesto, se fundamenta en la idea de que estos
atpicos pueden ser producidos por fases extremas del fenmeno que representa
la variable independiente. De tal manera que, si por ejemplo se encontrara
que en funcin del fenmeno ENOS, un valor atpico se presenta en una fase
bien sea Nio o Nia, no debera pensarse en retirarlo puesto que esta es una
caracterstica buscada con este tipo de anlisis. Para que el usuario pueda
observar este comportamiento con facilidad, Jaziku en los resultados del modulo
EDA entrega una la lista cruzada de datos atpicos en funcin de las fases del
fenmeno que representa la variable independiente, dichas fases son calculadas
por las categoras por encima y por debajo de los normal, de acuerdo a los
umbrales de la Tabla 4.3 o los propuestos por el usuario (ver 2) y su resolucin
de anlisis. Para categorizar los atpicos de acuerdo a las fases del fenmeno,
Jaziku evala atpico por atpico haciendo lo siguiente:
1.Primero evala en que rango de intervalo de anlisis se encuentra el atpico, ejemplo: si el atpico es de la fecha 17 del mes (M) y el intervalo de anlisis
es de 5 das, subsecuentemente se encuentra en el rango de intervalo de anlisis
de 16-21 das
3 Se espera que en versiones futuras se incluyan al menos otra grfica para deteccin de
atpicos
4 Resta entre q075 y q025, del mismo modo para el mximo, pero con q075
64
2.Luego obtiene todos los valores de la variable independiente para todos

los aos del periodo a procesar dentro del intervalo de anlisis encontrado del
mes (M) del atpico
3.Calcula la media de los valores del punto (2)
4.Calcula los umbrales de la variable independiente para todos los aos del
periodo a procesar para el analisis del periodo (1) del atpico
5. Ubica el valor medio calculado (3) dentro (por debajo, normal, por encima) de los dos umbrales calculados (4)
6. Finalmente categoriza el atpico segn (5)
Aqu es muy importante tener en cuenta que:
* Cuando la variable dependiente es mensual y la independiente diaria, la
variable independiente es convertida a mensual antes de evaluar las fases del
fenmeno de los atpicos
* Si la variable dependiente es diaria y la independiente mensual, la variable
dependiente se convierte a mensual si el intervalo de anlisis es trimestral antes
de evaluar las fases del fenmeno de los atpicos
* Si las dos variables son diarias y el intervalo de anlisis es trimestral,
ambas variables son convertidas a mensuales antes de evaluar las fases del
fenmeno de los atpicos
Finalmente en el modulo EDA se entregan los diagramas y tablas de Autocorrelacin y correlacin cruzada que son calculados para cada serie de tiempo
y de estas en funcin del indice que representa la variable independiente, ambos diagramas son basados en la formula de correlacin lineal mostrada en la
Tabla 5.1, con mximo 24 rezagos. Tambin en el modulo EDA - Homogeneity
, Jaziku entrega los resultados de la correlacin lineal entre todo el grupo de
series de la variable dependiente, en una matriz a 0 rezagos (con un mximo
de 15, por encima de este numero es sugerida una regionalizacin) utilizando
la formula de la Tabla 5.1.
5.2.
Acerca del anlisis de homogeneidad
Castro y Carvajal (2010, [38]), en el articulo Anlisis de Tendencia y Homogeneidad de Series Climatolgicas, presentan algunas de las pruebas paramtricas y no paramtricas ms utilizadas de anlisis cuantitativo para comprobar
la homogeneidad (o estacionariedad) de series en climatologa, as como para
detectar cambios en la varianza y en la media. Tomando como referente este
trabajo a continuacin se presenta el marco terico que siguen los resultados
arrojados por Jaziku del anlisis de homogeneidad de las series de tiempo de
la variable dependiente.
Es importante resaltar que para determinar si la serie hidro-climatolgica
es homognea en media, mediana y varianza, el procedimiento general propone
la comparacin de subconjuntos de la informacin [38], en la mayora de los
casos se recomienda dividir la serie original en dos partes iguales de tal forma
que se puedan aplicar los test estadsticos de comparacin para determinar si
vienen de la misma poblacin (Maidment, 1993 [42]). En Jaziku esta divisin
65
por la mitad es por defecto y es realizada para la serie de tiempo tal cual como
es ingresada (sea en resolucin mensual o diaria) en el periodo comn con la
variable independiente.
5.2.1.
Test t: Comprobacin de estabilidad de la media5
Para determinar si el valor de la media de las dos poblaciones de la serie

ha cambiado, es implementado el Test t. Esta es una prueba paramtrica que
involucra el clculo y la comparacin de las medias de dos subconjuntos de la
serie cronolgica. La hiptesis nula es Ho : X1 = X2 , mientras que la hiptesis
alternativa es que Ha : X1 <> X2 . El estadstico se calcula con la siguiente
expresin:
tt = h
X1 X2

n11 +
(n1 1)s21 +(n2 1)s22

n1 +n2 2
1
n2
i1/2
(5.9)
Donde n1 y n2 es la cantidad de datos en los dos subconjuntos, X representa

la media de cada subconjunto y s22 su varianza . En general se espera que las
varianzas no sean significativamente diferentes 6 . La prueba tt se rechaza si cae
dentro de la siguiente regin de rechazo para un nivel de significancia del 95 %
:
{, t((n1 1) + (n2 1), /2} U {t((n1 1) + (n2 1), /1 /2, +}
(5.10)
Donde (n1-1)+(n2-1) son los grados de libertad de la distribucin.
5.2.2.
Test MWW: Comprobacin de estabilidad en mediana.
Para comprobar que una serie es estable en media es de uso comn el uso
de la prueba de hiptesis de Mann, Witney y Wilconxon (1945 y 1947 [14]),
esta popularidad se debe a que tiene propiedades estadsticas deseables, como
por ejemplo que sea basada en un estadstico de prueba de distribucin libre
y asintticamente normal [54]. Segn Castro y Carvajal (2010, [10]), es una de
las pruebas no paramtricas ms poderosas y constituye la alternativa ms til
ante e Test t, cuando la medicin en la investigacin es ms vaga que la escala
de intervalo. Sus caractersticas generales son:
Sean dos series de datos X1 , X2 , ......, Xn y Y1 , Y2 , ......, Yn , que se suponen
independientes y con distribuciones continuas Fx y Gx , respectivamente, la
hiptesis a contrastar es:
[Ho : Gy (x) = Fx (x)] vs. [Ha : Gy (x) = Fx (x 4)] ;
5 Adaptado
6 Lo
Donde4 =
6 0, 4 > 0, 4 < 0
(5.11)
y tomado de Castro y Carvajal (2010, [38])

que en efecto va de la mano de anlisis de estabilidad en varianza
66
El estadstico de prueba es dado por

W =
n
X
Rj
(5.12)
j=1
Donde Rj es el rango de Yj dentro de la muestra combinada de las series

Xj ; Yj .
En el caso de que la hiptesis alternativa sea [Ha : Gy (x) = Fx (x 4)] ; Donde4 >
0, la prueba de hiptesis rechaza la Ho a favor de la Ha , si se cumple que
W wN
(5.13)
DondewN es el percentil de nivel N de la distribucin exacta del estadstico de prueba W bajo Ho la dada (Randles y Wolfe, 1979 [13]). Bajo los cuatro
supuestos anteriores la prueba de hiptesis de Mann, Witney y Wilconxon tiene
un nivel de significancia exactamente igual a N = 0,5, independientemente
de la forma de la distribucin de Fx [66].
5.2.3.
Test de Levene : Cambio de tendencia
Prueba de Levene se utiliza para probar si k muestras tienen varianzas iguales. Si se demuestra que las varianzas son igualesse denomina homogeneidad de
varianza. Algunas pruebas estadsticas, por ejemplo, el anlisis de la varianza,
se supone que las varianzas son iguales en todos los grupos o muestras, por
ello la prueba de Levene se puede utilizar para verificar esa suposicin. El test
de Levene es una alternativa a la prueba de Bartlett y el test F, porque es
menos sensible a desviaciones de la normalidad. Es utilizada en casos donde se
sospecha que los datos no proceden en realidad de una distribucin normal[2].
Este test se define como:

Ho : s21 = s22 = ..... = s2k vs. Ha : s21 6= s22 6= ..... 6= s2k
(5.14)
Para todas las parejas i,j.

Dada una variable Y con una muestra de tamao N dividida en k subgrupos
(en Jaziku k=2, con subgrupos por divididos por la mitad de la serie de tiempo
de la variable dependiente), don Ni es el tamao del ith subgrupo. El estadstico
del test se define como [2] :
Pk
2
(N k)
i=1 Ni (Zi ....Z)
W =
Pk PNi
2
(k 1)
i=1
j=1 (Zij ....Zi )
(5.15)
Donde Z ij puede tener distintas definiciones (media, mediana y trimedia

del subgrupo), en Jaziku es tomada por defecto como la mediana , as:Z ij =|
Y ij Y v
i |, el test rechaza la hiptesis de las varianzas son iguales si W >
F ,k1,N k , donde F ,k1,N k es el valor critico superior de la distribucin F
que tiene k-1 y N-k grados de libertad[2] y un nivel de significacin , que en
Jaziku por defecto es 0.05.
5.2.4.
67
Curva de masas para precipitacin : Cambio de

tendencia
En Jaziku, la curva de masas es el resultado de los valores acumulados de

precipitacin (unicamente habilitado para esta variable) en la resolucin de
corrida y en el periodo comn. La diferencia entre dos valores de precipitacin
dividido por los respectivos tiempo de ocurrencia, indican al usuario el valor
de la intensidad
5.3.
Periodograma
El anlisis de las series temporales ha pasado alternativamente del dominio

del tiempo al dominio de la frecuencia, debido principalmente a la equivalencia
entre la funcin de covarianza (definida en el dominio del tiempo) y el espectro
o funcin de densidad espectral (definida en el dominio de la frecuencia)[30].
Al estudio en el espacio de las frecuencias de las series de tiempo, se le denomina anlisis espectral (AS) en el cual se descompone la serie de tiempo en un
conjunto de datos de sus componentes cclicos o repetitivos [23] , esto significa
que se analiza de manera individualizada los componentes armnicos en las
diferentes bandas de frecuencia para medir la contribucin de cada banda a la
varianza total del proceso [30]. En climatologa el AS puede ser utilizado, ya
sea para encontrar patrones de comportamiento en una misma serie o entre
dos series. A fin de obtener representaciones adecuadas del AS, en Jaziku se
recomienda que se utilicen ms de 100 observaciones, debido a que el AS no
utiliza la muestra en forma eficiente [23], no obstante el usuario debe tener en
cuenta que de acuerdo a la resolucin de anlisis escogida (analysis_interval,
ver 2.1), el software agregara la serie y generar el periodograma con esta nueva
serie, lo que en efecto no reduce el tamao de la muestra, ya que en el caso de
los trimestres y bimestres estos son solapados; en cambio lo que si ocurre es un
suavizamiento.
Respecto a los aspectos tericos del periodograma, es importante recordar
que tanto los procesos determnisticos como los procesos estocsticos, pueden
en principio ser caracterizados por una funcin de frecuencia. Esta funcin S(f)
es tambin llamada espectro de potencia o densidad espectral; desde 1950 es
utilizada la transformada rpida de Fourier (FFT) para obtener rpidamente
los estimadores espectrales, que posteriormente se extenderan a las funciones
de la covarianza lo cual permiti que las series temporales se estudiaran tambin en el dominio del tiempo [30]. As pues un movimiento muy irregular posee
un espectro suavizado y continuo, lo que indica que todas las frecuencias en una
banda son excitadas por tal proceso, por otro lado un movimiento puramente
peridico o quasi - peridico es descrito por una lnea simple en el dominio
de las frecuencias [20]. Una transformada de Fourier rpida para estimar el
espectro de la serie de tiempo X(t):1...n, puede conducir a su periodograma,
el cual es una transformada de Fourier ajusta [20] para estimar el esperiodograma, el cual es una transformada de Fourier ajustada. Particularmente el
periodograma, es de utilidad porque permite identificar los periodos relevantes
68
de cambios en la varianza de la serie, que se explican adems de la estacionalidad por las perturbaciones producidas por los fenmenos de variabilidad
climtica estudiados y representados por la variable independiente.
El estimador de la funcin de densidad espectral es el propuesto por Blackman y Tukey (1958), que sigue la expresin:
S =
m1
X
Wm (k)x (k)e2if k
(5.16)
k=(m1)
Donde m es llamado punto de truncamiento o ancho de la ventana, Wm

es la ventana da suavizamiento,la
funcin de autocorrelacin. En Jaziku la
ventada de suavizamiento utilizada por defecto es la de Barlett, que tiene la
siguiente expresin
Wm (k) = 1
|k|
m
(5.17)
**Nota: Para las grficas de los periodogramas m corresponde a la longitud total

de la serie el periodo de anlisis y para la representacion del periodograma bajo las
frecuencias en el eje X , se presenta adicionalemente un suavizamiento del periodograma con mo = 1/5m
En general para obtener el periodograma de una serie de tiempo esta no

debe poseer datos perdidos [63], lo que en efecto es un inconveniente constante
en series de tiempo para el anlisis climatolgico; son mltiples las metodologas que se pueden utilizar para el relleno de datos y aunque de acuerdo a M.A.
Ghazal & A. Elhassenein (2006,[63]) existe una modificacin del anlisis espectral para el calculo del periodograma en series de tiempo con datos perdidos, en
Jaziku la serie de tiempo de la variable dependiente primero es rellenada (en su
resolucin inicial) con el valor promedio multianual (que puede ser diario, mensual, bimensual y trimestral, ver 2.2) para luego ser agregada a la resolucin
de anlisis (analysis_interval, ver 2.1) y con esta serie rellenada y agregada,
Jaziku calcula su periodograma. Se espera que en el futuro sean implementadas
metodologas mas robustas para la complementacin de las series.
5.4.
Wavelet analysis
El anlisis Wavelet ("de Onditas", por su traduccin al espaol), se ha convertido en una herramienta comn para analizar las variaciones de la potencia
espectral de series de tiempo [64], de acuerdo a Liu et al.(2007,[39]) el Anlisis
Wavelet exhibe mayores ventajas que el anlisis de Fourier clsico (mostrado
en las salidas de periodograma de Jaziku), porque este no solo representa el
anlisis de frecuencias de una serie de tiempo , sino tambin sus cambios en el
tiempo, que es especialmente til cuando la seal es no estacionaria7 , lo cual
es mas tpico cuando se trabaja con series de tiempo climatolgicas [35].
7 Esto significa que estn compuestas por una variedad de regmenes frecuencias que
pueden ser localizados en el tiempo [35].
69
Segn Torrence & Compo (1998,[64]) mediante una descompocisin de las

series de tiempo en el espacio de tiempo-frecuencia, permite determinar los modos dominantes de variabilidad en ambos (tiempo y frecuencia) y como varan
estos en el tiempo. Para ello en el anlisis Wavelet se utilizan funciones locales
(wavelets u onditas) que pueden ser ajustadas y trasladadas con una resolucin
flexible tanto en frecuencia, como en el tiempo; es as, que estas ventanas son
flexibles en el dominio de la frecuencia (dominio wavelet)[35].Matematicamente
un transformada Wavelet se descompone de una seal s(t) en trminos de algunas funciones elementales b,a (t) derivadas de una Onda Madre (Wavelet
mother) (t) mediante dilatacin y translacin, as [35]:

tb
1
(5.18)
b,a (t) =
a
(a)1/2
Donde b denota la posicin (traslacin) y a(> 0) la escala (dilatacin) de la
ondita (wavelet); al conjunto de b,a (t) se les denomina Onditas hijas (Daughter wavelets) o simplemente Wavelets. Un factor de normalizacion de la energa (a)1/2 mantiene la energa de las wavelets a la misma energa que la
Wavelet mother[35]. La trasformacin de la seal real s(t) con respecto a la
wavelet analizada (t), puede ser definida como una integral de convolucin

tb
1
s(t)dt
(5.19)
W (b, a) =
a
(a)1/2
Donde es el complejo conjugado de [35]. La funcin s(t) puede ser formalmente reconstruida de los coeficientes de las onditas, mediante la formula:

1
1
da
tb
db
s(t) =
Wb,a
(5.20)
C
a2
a
(a)1/2
Donde
+
|()|2
C =
d < +
(5.21)
0
y es la transformada de Fourier de [35].
Existen mltiples alternativas para la seleccin de la funcin de onda base,
en el caso de Jaziku por defecto se utiliza la funcin de Morlet (la mas popular
para datos geofsicos [39][35], ver Fig.5.2), la cual consiste en una onda plana
modificada por una funcin gausiana, as[61]:
() = 1/4 ei0 e
/2
(5.22)
Donde es un parmetro nodimensional que depende del tiempo.

Gracias a la naturaleza ortogonal de la funcin de Morlet 8 , el calculo de las
escalas s no puede ser arbitrareo, en cambio son calculadas acorde a Torrence
8 Una transformacin wavelet ortogonal se puede interpretar como la descomposicin de
la seal en aproximaciones de la seal a escalas ms gruesas y ms gruesas http://www.l3m.
univ-mrs.fr/site/d1_6_wavelets.pdf
70
Figura 5.2: Funcin de Morlet. Tomado de:[35]
y Compo (1998,[64]). Gracias a que las series de tiempo en climatologa son de

longitud finita, cuando se calcula el espectro de potencia wavelet son esperados
errores al comienzo y al final del espectro, puesto que se supone que tienen
un comportamiento cclico; una solucin tpica, consiste en rellenar el final de
la serie de tiempo con ceros antes de hacer la transformada wavelet y luego
eliminarlos [61][64]. Este procedimiento posee importantes desventajas, puesto
que este relleno exhibe discontinuidades en los criterios de valoracin y teniendo
en cuenta que la transformada Wavelet examina la amplitud cerca de los bordes,
cada vez que se cambia a escalas mayores ms ceros entran en el anlisis. Una
estrategia tpica para visualizar las regiones significativas de las que no, es el
cono de influencia (COI, por sus siglas en ingles), que es una regin del espectro
wavelet en la que los efectos de borde se vuelven importantes[64]; el calculo del
COI se basa en la seleccin de la funcin de onda wavelet, para el caso de la
seleccionada para Jaziku (Morlet), se calcula como :
s =
2s
(5.23)
Donde s, representan las escalas y s el tiempo e-folding. En las grficas

resultado de Jaziku el COI se visualiza como una regin sombreada.
Captulo 6
Jaziku - Clima
6.1.
Informacin calculada por Jaziku
6.2.
Anlisis compuesto y Tablas de contingencia
En estadstica las tablas de contingencia se emplean para registrar y analizar la relacin entre dos o ms variables, la asociacin entre dos variables
continuas est determinada por la distribucin de probabilidad conjunta. En
general esta distribucin es desconocida, y en su defecto, se sustituye por la
tabla de contingencia. Para construir esta tabla las variables continuas se dividen en categoras, la variable independiente X en M categoras y variable
dependiente Y, en N categoras.
Cada pareja de valores (xi, yi) pertenece a una y slo una de las M x N
categoras conjuntas. Luego se calculan las frecuencias empricas fij que son el
nmero de parejas que pertenecen a la categora ij. Si la asociacin entre las
dos variables es muy dbil, la poblacin de la M x N categoras conjuntas es
similar (ver Fig.6.1) En un grfico de tres dimensiones la superficie aparece
plana porque los valores de X dentro de la categora i pueden estar asociados
indistintamente con valores que pertenecen a cualquiera de las N categoras de
Y.
Si la asociacin es fuerte (correlacin ), la superficie alcanza valores grandes

a lo largo de una de las diagonales y valores bajos en las esquinas que no
pertenecen a la diagonal y los valores altos se dan a lo largo de la diagonal
mayor y en el caso de asociacin negativa (correlacin inversa), a lo largo de la
diagonal menor (ver Fig.6.2).
71
CAPTULO 6. JAZIKU - CLIMA
72
Figura 6.1: Ejemplo de variables no correlacionadas. Tomado de: [19]
Figura 6.2: Ejemplo de variables correlacionadas. Tomado de: [19]
6.3.
Construccin e interpretacin de la Tabla de

contingencia
Para construir una Tabla de contingencia que permita interpretar grficos

como los presentados en las Figs. 6.1y6.2, debe dividirse el conjunto de datos
de la variable dependiente , en conjuntos seleccionados, por ejemplo los terciles por lo que se obtienen 3 categoras conjuntas que permiten cierto grado
de resolucin y un nmero manejable de posibilidades (igual para un numero
seleccionado por el usuario o mltiplos de la desviacin estndar). Del mismo
modo la variable independiente es categorizada en 3 conjuntos que tambin
permiten hacer una seleccin de 3 x 3 que frecuentemente es buscada para categorizaciones tales como: normal, arriba de lo normal y abajo de lo normal.
Cuando se trata de un analisis con 7 categorias (7x7) se utilizan las subcategorias Fuerte, Moderado y Debil, de las categorias Arriba de lo normal y Debajo
de lo normal.
Se trata entonces de encontrar las probabilidades empricas a partir de
73

Cuadro 6.1: Ejemplo de Tabla de contingencia
categoras Vardep/VarIndp
No. De dato debajo del primer tercil
No.de datos entre los dos terciles
No. De dato encima del primer tercil
Ind. Bajo
OB-PA
ON-PA
OA-PA
Ind. Normal
OB-PA
ON-PA
OA-PA
Ind. Alto
OB-PA
ON-PA
OA-PA
la divisin de las frecuencias empricas y el nmero total de parejas que se

obtienen de ello. Es decir pij = fij /n, es la probabilidad emprica que una
pareja de valores pertenezca a la categora conjunta ij.
Entonces si se quiere hacer una validacin cruzada entre un conjunto de
observaciones como la variable independiente, o predictora y un conjunto de
valores cuya proyeccin a futuro se desea pronosticar como variable dependiente, predictante. Las observaciones son divididas en terciles (o de acuerdo a los
umbrales seleccionados por el usuario), dentro de las categoras de la variable explicativa como los valores bajos (Obs. Bajo), los valores normales (Obs.
Normal) y valores altos (Obs. Alto), de manera que cada observacin o valor
tiene que pertenecer a una sola categora y estas son excluyentes a su vez, lo
que garantiza que las tres categoras agotan todas las posibilidades dentro de
la muestra o conjunto de observaciones o valores tomados, para la categora
dentro de lo normal (valores normales) con tipos de variables independientes
como la ONI, SST y ASST es excluyente e incluyente para los dems tipos
incluso variables externas.
Cuando las categoras son terciles, cada categora es un tercio del rea
total. Al considerar las parejas de (valor observado, valor pronosticado) son
identificables nueve categoras excluyentes y exhaustivas, por ejemplo, un valor
bajo de la observacin puede estar asociado con un valor bajo (OB-PB), uno
normal (OB-PN) o uno alto (OB-PA) del valor pronosticado, de ah que en el
caso trivial a cada categora le corresponde un tercio del rea total. Entonces
si la variable explicativa es un ndice cualquiera divisible en categoras alto,
normal y bajo; y la explicada una variable meteorolgica, es posible construir
una Tabla de la frecuencia relativa de la variable explicada por debajo del
primer tercil, por encima de este, o entre estos dos (que con frecuencia es
llamado en lo normal ON), si es dado un ndice alto, bajo o normal (ver
Tabla 6.1) .
Generalmente, los valores individuales de pij o fij de la Tabla 6.1(los valores
OB-PA, OB-PN, OB-PB. . . , OA-PB) pueden ser expresados en trminos de
porcentajes, segn la Ec.6.2
fij
Pij = PN
j=1
fij
(6.1)
Debe notarse que para eventos independientes, la probabilidad que ocurra

simultneamente es multiplicativa. Por lo tanto, la probabilidad de que una
pareja (observacin, pronstico) corresponda a este caso es dada por la Ec.6.2
Pr {Q2 P3 } = Pr {Q2 } Pr {P3 } = 1/3 1/3 = 1/9
6.3.1.
74
(6.2)
Correlacin lineal
De especial inters para el uso de la metodologa del anlisis compuesto, se

encuentra el calculo del coeficiente de correlacin, este permite cuantificar el
grado de asociacin de las dos variables sin considerar a una como dependiente
y a la otra independiente, puesto que se asume que las dos tienen el mismo
estatus[48]. Este coeficiente de correlacin r, tambin denominado de Pearson,
se define como:
Pn
i=1 (Xi X)(Yi Y )
(6.3)
r = qP
Pn
n (X X)2
Y
)2
(Y
i
i=1
i=1 i
Donde X e Y pueden intercambiar su lugar y el resultado no varia, el coeficiente
de correlacin puede arrojar valores dentro del rango 1 r 1 , donde el
signo indica el sentido de la asociacin (directa o inversa, siempre lineal); las
asociaciones ms fuertes son 1 y 1, para r = 0 se habla de falta de asociacin.
Una conclusin acerca de este resultado, se puede basar en el clculo de la
significancia estadstica de la correlacin, si se asume una distribucin normal
esta prueba de hiptesis se hace con el estadstico t para un r dado, segn[32]:
p
r (n 2)
t=
(6.4)
1 r2
Donde el numero de grados de libertad se da por n-2. En esta prueba la hiptesis
nula es que r = 0, por lo tanto la alternativa es que las variables de hecho estn
correlacionadas[32].Tpicamente esta formula es usada para evaluar la significancia tanto del coeficiente de correlacin de Pearson, como el de Sperman[16]
(Glasser & Winter, 1961[22]; Kendall, Kendall, & Smith, 1939[36]). El usuario
de Jaziku, tendr a su disposicin el valor del estadstico r y de la diferencia pvalu, para que los contraste a cualquier margen de incertidumbre, se aconseja
0.05 (95 % de confianza)
6.3.2.
Prueba de bondad de ajuste 2
El primer enfoque inferencial aplicado a datos categricos se desarrollo a

principios de siglo y trataba de determinar si un conjunto de probabilidades
de una tabla de contingencia eran iguales a ciertas cantidades prefijadas[44].
Este es el clsico problema de bondad de ajuste. El proceso analtico se propone
evaluar la discrepancia existente entre las frecuencias observadas (nij ).Freeman
(1987[21]) distingue tres pruebas estadsticas de bondad de ajuste basadas en
la distribucin 2 , se presentan dos:
La mas conocida es la clsica prueba 2 , introducida por K.Pearson
(1900[52]), que se define como [44]:
75
2 = N
2 =
a X
b
X
(pij ij )2
ij
i=1 i=1
a X
b
X
(n mij )2
i=1 i=1
mij
2(a1)(b1)
(6.5)
(6.6)
La primera formulacin en trminos de probabilidades empricas y esperadas y la segunda en trminos de valores observados y esperados[44].
Pearson plante la utilizacin del estadstico 2 para analizar la independencia.La hiptesis nula a contrastar (Ho) ser la de independencia entre los
factores, siendo la hiptesis alternativa (Ha) la de dependencia entre ellos [33].
El valor calculado de 2 se compara con el valor generado por Jaziku de una
distribucin 2 para un nivel de confianza del 95 % y N-1 grados de libertad
(siendo N el numero total de trimestres (qinquenas, dcadas o quincenas) de
las series de la variable dependiente e independiente). Si el valor calculado es
mayor que el valor generado de la distribucin 2 (de Jaziku) , se rechaza la
hiptesis nula, con lo cual podemos concluir que si existe una relacin entre las
variables; por el contrario si el valor calculado es menor no se rechaza la hiptesis nula aceptando que no existe ninguna relacin entre las variables (todo a
un nivel de confianza del 95 %)1 [33].
si2 > 2
si2 2
Crit
Crit
RechazaHo(dependencia)
(6.7)
AceptaHo(independencia)
(6.8)
El problema de la prueba con el estadstico es que est influenciada por

el tamao muestral, esto es que a mayor nmero de casos analizados (a mayor
N), el valor de2 tiende a aumentar, por lo que cuanto mayor sea la muestra ms
fcil ser rechazada la hiptesis nula de independencia; otro aspecto a tener
en cuenta a la hora de realizar este contraste, es que para que el contraste sea
estadsticamente vlido en cada celda de la tabla deberan existir un mnimo
de 5 observaciones [33].
2
6.3.3.
Coeficiente V de Cramer
Medida de asociacin de las variables de entrada de una tabla de contingencia de escala nominal hxk, con h y k >2 (usualmente cuando h,k=2, se usa
el coeficiente Phi)[41], este coeficiente sigue la expresin:
s
2
(6.9)
V =
n(m 1)
1 (Lo mismo que decir que el valor numrico p valu arrojado por Jaziku debe ser menor
a 0.05 para rechazar la hiptesis nula, con lo cual podemos concluir que si existe una relacin
entre las variables y lo contrario si el valor calculado es mayor que 0.05, con lo que no se
rechaza la hiptesis nula aceptando que no existe ninguna relacin entre las variables.Ver
cdigo fuente)
76
siendo: n el tamao muestral

m el mnimo entre h y k (el nmero de categoras de la variable independiente y k nmero de categoras de la variable dependiente)
Se verifica que 0 V 1, en general valores cercanos o iguales a 0 indican
muy baja asociacin y valores cercanos a 1, alta asociacin.Es importante resaltar que este coeficiente slo proporciona informacin sobre la relacin entre
las variables y no sobre el sentido de la misma[29], de la misma manera que se
ha encontrado que el grado de asociacin puede ser subestimado[41].
6.3.4.
Ao anlogo
En 1994, en su articulo Searching for anologues how long must we wait?,

H.V.Den Dool [28], bajo la premisa de que se espera que dos estados atmosfricos observados similares tiendan a permanecer as por largo tiempo, propone el uso de anlogos para la previsin del clima y presenta la metodologa
para hallar en las colecciones de datos estos comportamientos cercanos, bajo
un determinado nivel de confidencia. Actualmente el mismo autor en la pagina http://www.cpc.ncep.noaa.gov/ pro ducts/people/wd51hd/, mensualmente para la temperatura superficial del mar del pacifico tropical y con nfasis
en el comportamiento del fenmeno ENOS (ver Variable Independiente), da a
conocer el ao ms anlogo a la situacin presente.
Con el objetivo de aprovechar esta informacin y que su aplicacin bajo la
metodologa del anlisis compuesto pueda ser tenida en cuenta por tomadores
de decisiones, en las opciones de runfile se encuentra la opcin analog_year,
all el usuario puede colocar el ao mas anlogo para la situacin presente
y con ello obtener los escenarios de afectacin mas probables de la variable
dependiente referidos a este.
Es importante resaltar que en principio la implementacin de este tipo de
corridas permite responder a las preguntas:
Bajo condiciones El Nio (cualquier fase de cualquier fenmeno que representa la variable independiente), cules han sido los escenarios ms
probables de afectacin de las variables tomando como referencia no la
climatologa completa, sino el ao anlogo? (CLIMA)
Que tan diferente puede ser la tendencia de comportamiento de la variable
dependiente en relacin al ao anlogo? (PRONSTICO)
El proceso que elabora Jaziku es muy sencillo, genera las mismas tablas de
contingencia ya indicadas en la seccin 6.2, pero los umbrales son referidos ya
no a las series climatolgicas completas si no a los calculados tomando como
referencia unicamente la serie de tiempo del ao denominado anlogo. Por
ejemplo si el usuario ha decidido hacer una corrida a 3 categoras con umbrales
como los percentiles, estos sern calculados como los percentiles 33 y 66 de
la serie del ao anlogo (lo mismo para 7 categoras pero con los percentiles
11, 22, 33, 66,77 y 88), lo mismo que para las dems opciones indicadas de
threshold_var_I de ## VAR D OPTIONS en el runfile (ver 2)
6.3.5.
6.3.5.1.
77
Anlisis de riesgos
Distribucin hipergeomtrica2
Notacin: h(x; N, n, M )
Definicin: Muchas veces en la prctica es difcil realizar pruebas con reposicin reemplazamiento. Por ejemplo, si en el control de calidad se pierde
el elemento que se prueba, pues no se puede hacer reposicin directamente. Se
plantea entonces la prueba sin reposicin, donde los elementos de la muestra
se toman todos a la vez y no individualmente donde el elemento seleccionado
no se reintegra al experimento a la muestra nuevamente.
La diferencia mas simple con la binomial es la forma de aplicar el muestreo.
En efecto, en:
Binomial: Muestreo con reemplazamiento e independencia de pruebas
ensayos.
Hipergemoetrica:Muestreo sin reemplazamiento y sin independencia entre
pruebas ensayos.
Sus aplicaciones estn en reas con uso considerable de muestreo de aceptacin, pruebas electrnicas y de aseguramiento de la calidad, fabricacin de
piezas, etc.
En la distribucin Hipergeomtrica X cantidad de resultados xitos en una
muestra aleatoria (sin reposicin) de tamao n, tomada de una poblacin de
tamao N y de la cual M satisface una caracterstica propiedad (xito) antes
del muestreo y N M no la satisface (fracaso).
Criterios propiedades que la caracterizan.
1. La poblacin N del conjunto de unidades elementos es de orden fnito,
de los cuales una parte: M "son xitos", y otra parte: N M son "fracasos".
2. Cada elemento puede ser caracterizado como xito fracaso.
3. Se obtiene una muestra aleatoria de n elementos todos a la vez (sin
reemplazamiento) y no de forma independiente. No son pruebas repetidas.
4. El tamao de la muestra aleatoria n es grande relativamente en compan
> 5%
racin con el tamao de la poblacin. Generalmente: N
5. Se busca la probabilidad dex nmero de xitos a partir de los M resultados elementos y (n x) fracasos a partir de los N2 elementos as clasificados,
al obtener una muestra aleatoria de tamao n
Planteamiento:
Supongamos un lote de N productos de los cuales:Obtenemos muestra de
n productos, todos a la vez. Interesa entonces la probabilidad de sacar x productos defectuosos (xito), o sea: p(x). Podemos hacer el siguiente raciocinio:
De
una poblacin de N elementos se pueden extraer muestras de tamao n de
N
formas diferentes (distintas muestras de tamao n ). Al extraer muesn
tras de tamao n productos, el nmero de formas de obtener x productos
2 Tomado de <http://www.virtual.unal.edu.co/ cursos/ciencias /2001065/html /un2/
distribucion_ hipergeometrica.html>
78

M
N M
y entonces
sera el nx
nx
mero de formas de obtener (n x) productos no defectuosos entre N M de
ellos.
Como es el mismo evento compuesto, entonces el nmero de formas de
seleccionar x productos defectuosos esta ligado con el nmero de formas de
obtener

x) productos
(n
no defectuosos. Luego el total de formas posibles
M
N M
sera:
x
nx
Combinando los
casos
M N M
x
nx
para x = 0, 1, 2, ...., nx M ; (n x) N M
h(x, n, M, N ) =
N
0
para cualquier otro valor
Los parmetros de la distribucin Hipergeomtrica son entonces:
N :Tamao de poblacin.
M : Nmero de elementos de N con una caracterstica propiedad especfica
(xitos).
n : Tamao de muestra aleatoria extrada.
Nota: Algunos tratadistas simbolizan esta distribucin con: h(x; N, n, M )
Caractersticas de la Distribucin Hipergeomtrica.
n
< 5 %, no se aplica el (F.C.F.) pues su valor tendera a
En la practica, si N
cero .
La funcin de distribucin acumulativa quedar definida entonces por6.11:
defectuosos de M de ellos ser:

P (X x) = f (x, n, M, N ) =
n
X
x=0
M
x

N M
nx

N
n

(6.10)
Ejemplo
En una empresa industrial diariamente se producen 90 unidades de unidad
metalmecnica, de las cuales generalmente 5 salen defectuosas. Se examina
en un da cualquiera una muestra de 5 unidades. Hallar la probabilidad de x
unidades
defectuosas.
N = 90
M
N
M
5
85
M =5
Pn
x
nx
x
5x
N M = 85
P (x) = x=0
=
N
90
n
=
5
n
5
x = 0, 1, ..., 5
que resolviendo permite definir la tabla de distribucin de probabilidad:
x
0
1
2
3
4
P(x) 0.746 0.230 0.0225 0.000812 0.00000967
79

6.3.5.2.
Metodologa del anlisis de riesgos
Con el objetivo de que los pronsticos arrojados por el programa, sean

fiables, a continuacin se presenta el marco terico del anlisis de riesgos.En
este tipo de anlisis una distribucin higromtrica es utilizada para describir la
distribucin de probabilidad entre todos las posibles categoras de la variable
independiente.Este tipo de distribucin hipergeomtrica es muy til para procesos mustrales sin reemplazo, en los que se investiga la presencia o ausencia
de cierta caracterstica Por tanto, esta distribucin es la equivalente a la binomial, pero cuando el muestreo se hace sin reemplazo. La expresin general de
la distribucin es:

M
N M
x
nx

(6.11)
P (X = x) = f (x, n, M, N ) =
N
n
Donde:
n: es el numero de veces que se presento una categora por encima, por
debajo dentro de los normal de la variable independiente.
N: corresponde al valor total de eventos de las tres categoras (por encima,
por debajo y dentro de lo normal) de la variable independiente.
M:Es numero total de situaciones para las que se dio que la variable dependiente marc condiciones por encima, por debajo y dentro de los normal, en
conjuncin para una de las tres categoras de la variable independiente
x: El numero de casos por encima , por debajo dentro de lo normal bajo
alguna de estas mismas categoras para la variable independiente.
Esta distribucin de probabilidad es aplicada a cada uno de los valores de
la tabla de contingencia, en trminos de frecuencia. A continuacin un ejemplo
Sea la tabla de contingencia 6.2 , para cuando se quiere analizar la variacin
de la precipitacin en funcin del fenmeno ENOS.
Cuadro 6.2: Tabla de contingencia de ejemplo
Var dep/Var Ind
Por debajo de lo normal
Dentro de lo normal
Por encima de lo normal
Total
El Nio
5
2
7
14
Neutro
8
5
10
23
La Nia
7
7
3
17
Supngase que se desea saber si el valor de x=3 correspondiente a 3 casos

para los cuales la precipitacin en la climatologa se observo por encima de lo
normal, bajo condiciones La Nia, es un valor significativo y puede ser usado
80
Cuadro 6.3: Valores de la distribucin hipergeomtrica para el ejemplo tratado,

en la categora por encima de lo normal para la variable dependiente.
Parmetro
n
M
x
N
Por encima Var

D/El Nio
14
20
7
54
Por encima Var

D/Neutro
23
20
10
54
Por encima Var

D/La Nia
17
20
3
54

en la categora dentro de lo normal para la variable dependiente.
Parmetro
n
M
x
N
Dentro de lo
normal Var D/El
Nio
14
14
2
54
Dentro de lo
normal Var
D/Neutro
23
14
5
54
Dentro de lo
normal Var D/La
Nia
17
14
7
54

en la categora por debajo de lo normal para la variable dependiente.
Parmetro
Por encima
Var D/El Nio
Por encima
Var D/Neutro
n
M
x
N
14
20
5
54
23
20
8
54
Por encima
Var D/La
Nia
17
20
7
54
para futuros pronsticos. En este caso claramente n=17, M=20 y N=54. La Tablas 6.3,6.4 y 6.5, presentan los parmetros de la distribucin hipergeomtrica
para cada uno de los valores de la Tabla 6.2 .
La interpretacin de los resultados es la siguiente: Una vez hallados los

valores de los parmetros de la distribucin hipergeomtrica para cada uno
de los valores asociados a la tabla de contingencia en cuestin, se halla el
valor de la probabilidad discreta de que un determinado evento ocurra segn
81
la distribucin hipergeomtrica P(x) o valor de probabilidad distribuida.La

significancia estadstica se determina mediante la comparacin del valor P(x)
respecto de si cae en alguna de las colas , derecha o izquierda de la distribucin
de probabilidad. Estos en relacin al intervalo de confidencia del 90 % de la
distribucin acumulada, as:
S PCDF (x) 0,10 = El valor cae sobre la cola izquierda
S 1 PCDF (x) 0,10 = El valor cae sobre la cola derecha
(6.12)
De comprobarse que una de las dos anteriores condiciones se cumple, es

posible utilizar el valor x, para condiciones de pronostico, de lo contrario la
climatologa y otras tcnicas deben ser utilizadas. En el ejemplo indicado, para
el que x=3, el valor de P (x) = 0,0337, PCDF (x) = 0,042116 y 1 PCDF (x) =
0,991537, indicando que el valor cae en la cola izquierda y es significativo por
ser menor a 0.10.
Captulo 7
Jaziku - Pronstico
7.1.
Pronstico operativo mensual de prediccin

climtica de los posibles escenarios de impacto, en
la variable dependiente debido a fases del fenmeno
de la variable independiente
El objetivo es realizar el pronstico de, dada una fase de la variable independiente (como por ejemplo El fenmeno ENOS) la variable dependiente
se vea afectada. En el caso del fenmeno ENOS, esto es posible si se tienen
en cuenta los pronsticos de ocurrencia para cada fase de la oscilacin que
es realizado por el IRI (International Research Institute for Climate and Society) y que corresponden a un anlisis de la distribucin de acontecimientos
histricos ponderado por el centro de prediccin climtica en la regin El Nio 3.4, en funcin de las previsiones de temperatura superficial del mar, que
estn disponibles en su pgina web : http//portal.iri.columbia.edu/ en el link
Enso Forecast y que son actualizados cada mes. La Ec. 7.1, permiten hallar la
probabilidad de que dadas las probabilidades de que en el prximo periodo el
fenmeno El Nio La oscilacin del sur, se d una fase El Nio, La Nia o
Neutro (o el El Nio/La Nia fuerte - dbil - moderado, para 7 categoras),
la variable dependiente en la locacin de inters sea afectada por disminucin,
aumento o tendencia a la normalidad en su rgimen.
P (B) =
n
X
P (Ai )P (B pAi )
(7.1)
i=1
En las Ecs. 7.1 P (B) hace referencia a la probabilidad de que la variable dependiente caiga en una de las categoras (Above, Below o Normal/Above debil...moderado..fuerte,
etc) P (Ai ) a la probabilidad de ocurrencia del fenmeno y P (B pAi )a la probabilidad
condicional histrica de ocurrencia de una de las categoras de la variable dependiente
dadas las de la variable independiente.Aqu el indice i va desde 1 hasta n, donde n
puede ser 3 o 7 dependiendo el tipo de anlisis.
Para presentar los resultados de la Ec. 7.1, se pueden utilizar distintos tipos
de grficos, particularmente la NOAA [3], recomienda el uso de diagramas cir82
CAPTULO 7. JAZIKU - PRONSTICO
83
culares para representar la divisin porcentual de la probabilidad de tendencia

deficitaria, de ganancia y a la normalidad de la variable dependiente analizada
para una estacin bajo las probabilidades de que el fenmeno se encuentre en
su fase clida, neutra o fra. Sin embargo gracias al uso operativo, este tipo de
grfico puede ser cambiado a conveniencia del pronosticador.
Antes de emitir cualquier pronstico, es necesario determinar si las relaciones halladas en la tabla de contingencia son significativas estadsticamente.
Esto se logra mediante el ajuste a una distribucin de probabilidad hipergeomtrica de la distribucin de probabilidad entre todos los posibles resultados
de una categora dentro El Nio o La Nia o Neutro. De manera tal, que la distribucin hipergeomtrica sea utilizada como una aproximacin para describir
la distribucin de probabilidad entre todos los posibles resultados de una categora dentro de las fases del fenmeno (ver seccin6.3.5). Entonces la creacin
de una curva de distribucin basada en los valores de probabilidad discreta de
la ocurrencia de un determinado evento, determina la significancia estadstica
del valor P(x) si se encuentra en la cola izquierda o derecha de la distribucin
[67], esto es si el valor x de la distribucin asociado al valor n, en un test del
10 % de significancia se encuentra en algunas de las colas de la distribucin, se
acepta que el valor x es estadsticamente significativo y se puede aceptar con
confianza el valor de la probabilidad de x [67].
Captulo 8
Jaziku - Mapas
8.1.
Acerca de la interpolacin en Jaziku y la generacin

de mapas
Segn Giraldo H[55], el estudio de fenmenos con correlacin espacial por

medio de mtodos geoestadsticos, surgi a partir de los aos sesenta, especialmente con el propsito de predecir valores de las variables en sitios no
muestreados. Con este objetivo es que en Jaziku fue incluido el modulo de interpolacin de los resultados de la carpeta MAPS y sobre todo porque a travs
de distintos mtodos de interpolacin espacial, es posible describir tendencias
generales y continuidad espacial de los escenarios de afectacin, de hecho Petitgas (1996, [53]), define a la geoestadstica como una aplicacin de la teora
de probabilidades a la estimacin estadstica de variables espaciales.
El propsito esencial de la geoestadstica es la interpolacin, por lo que se
supone de antemano que la alteracin de las variables dependientes tratadas
por Jaziku mediante la metodologa de anlisis compuesto es continua y se
espera que el usuario al ingresar otras no tenidas en cuenta aqu, tengan esta
caracterstica, ya que si no hay continuidad espacial pueden hacerse predicciones carentes de sentido. Del mismo modo, se espera que las mediciones de la
variable de inters colocadas en las series de tiempo que alimentan el proceso permitan un estudio regionalizado, lo que indica que necesariamente tienen
implcitamente asociadas las coordenadas de los sitios en donde estas fueron
tomadas.
Con el objetivo de Jaziku permita al usuario conocer la espacializacin de
los resultados del anlisis compuesto, se ha incluido el esquema de interpolacin
de Kriging como opcin de corrida (solo para los valores diferentes a NAN de la
tabla de contingencia). Una vez el usuario decide incluir esta opcin tanto los
resultados de la carpeta mapas del modulo clima y del modulo pronostico, son
interpolados para la generacin de mapas apoyados en los shapes seleccionados
por el usuario (o los nuevos incluidos).
84
85
CAPTULO 8. JAZIKU - MAPAS
8.2.
Jaziku y el mtodo Kriging ordinario1
La tcnica kriging 2 calcula un promedio ponderado de las observaciones

mustrales, siempre minimizando el error cuadrtico medio de prediccin. Los
pesos asignados a los valores mustrales son apropiadamente determinados por
la estructura espacial de correlacin.
Suponga que se hacen mediciones de la variable de inters Z en los puntos
xi, i= 1,2,..., n, de la regin de estudio, es decir se tienen realizaciones de las
variables Z(x1), . . . ,Z(xn), y se desea predecir Z(xo), en el punto x0 donde
no hubo medicin. En esta circunstancia, el mtodo kriging ordinario propone
que el valor de la variable puede predecirse como una combinacin lineal de las
n variables aleatorias as:
Z (xo) =
n
X
i Z(xi )
(8.1)
i=1
En donde los i representan los pesos o ponderaciones de los valores originales. Dichos pesos se calculan en funcin de la distancia entre los puntos
muestreados y el punto donde se va a hacer la correspondiente prediccin. La
suma de los pesos debe ser igual a uno para que la esperanza del predictor sea
igual a la esperanza de la variable. Esto ltimo se conoce como el requisito de
insesgamiento[55].
Se dice que un predictor Z*(x0) es el mejor porque los pesos se obtienen de
tal manera que minimicen la varianza del error de prediccin. Esta ltima es la
caracterstica distintiva de los mtodos kriging, ya que existen otros mtodos
de interpolacin como el de distancias inversas o el poligonal, que no garantizan
varianza mnima de prediccin por lo cual los pesos que minimizan el error de
prediccin se determinan mediante la funcin de epigramatario. Encontrando
los pesos se calcula la prediccin en el punto xo. De forma anloga se procede
para cada punto donde se quiera hacer prediccin.
No obstante, el epigramatario experimental solo puede ser calculado para
algunas distancias promedios particulares. Por ello se hace necesario que el
ajuste de modelos generalicen lo observado en el epigramatario experimental a
cualquier distancia. En Samper y Carrera (1990, [60]) se presenta una discusin
respecto a las caractersticas y condiciones que stos deben cumplir, en Jaziku
se encuentran disponibles los que corresponden a modelos acotados (esfrico,
exponencial, gaussiano) los cuales se caracterizan porque la covarianza de los
incrementos es finita, por lo cual son ampliamente usados cuando hay evidencia
de que presentan buen ajuste [55] 3 . Los parmetros comunes a cada modelo
son:
1 Basado
en [55]
palabra kriging (expresin anglosajona) procede del nombre del gelogo sudafricano
D. G. Krige, cuyos trabajos en la prediccin de reservas de oro, realizados en la dcada del
cincuenta, suelen considerarse como pioneros en los mtodos de interpolacin espacial
3 El usuario a travs de esquemas de validacin cruzada puede corroborar para cada
variable cual es el mejor modelo de ajuste
2 La
CAPTULO 8. JAZIKU - MAPAS
86
Umbral (Sill): Es el valor mximo del epigramatario permitido para tener

en cuenta en la interpolacin. El valor por defecto es 1 y no puede ser
modificado.
Rangos : Valor mximo de distancia en el que ser utilizado el epigramatario y se espera sea alcanzado el umbral (sill), en trminos prcticos
corresponde a la distancia a partir de la cual dos observaciones son independientes. Por defecto es un de los radios del elipsoide de bsqueda
(ver 8.2.0.3), se modifica si se modifican estos radios
Efecto pepita: Valor en el cual la funcin del epigramatario interseca el
eje Y (semivarianza), para cuando la distancia es 0; por defecto es 0 y no
puede ser modificado.
8.2.0.3.
Elipse de bsqueda y vecinos de interpolacin
No siempre el proceso del cual provienen los datos de la variable a interpolar corresponde con un fenmeno isotrpico, razn por la cual no todas las
direcciones para la bsqueda de vecinos que participen en la interpolacin de
un punto dado pueden tener el mismo peso para la bsqueda.
Es usual que en la sistematizacin del mtodo de kriging se incluya una
elipse de bsqueda de vecinos y una cota mxima para los vecinos involucrados
en la interpolacin de cada punto en la rejilla. Principalmente esta elipse es
definida por los radios en las direcciones X y Y, pueden ser definidos, pero
por defecto corresponden al nmero ms grande entre el ancho y largo de la
rejilla dada por el usuario y tiene la forma de circulo. La elipse representa la
forma espacial en la las vecindades del punto a interpolar son involucradas en
el proceso, no obstante cuando el usuario cree que la variable est muy bien
muestreada y que las variaciones no son significativas conforme aumenta el
nmero de datos al interior de la elipse, puede acotar el numero de observaciones
involucradas en la interpolacin tipo kriging, con un valor superior a 0 y no
mayor al nmero total de observaciones, que es el valor tomado por defecto [55]
.
8.3.
Acerca de los mapas con categoras por estacin
Con la inclusin de 7 categoras para el anlisis compuesto, tambin se da

lugar a la generacin de mapas mas detallados en funcin de esta opcin. Los
mapas probabilisticos tanto en 7 como en 3 categoras, se corresponden con la
probabilidad calculada de acierto de la variable dependiente para cada rezago y
categora de la variable independiente de caer en una de las categoras definidas
por los umbrales en el runfile. Los mapas deterministicos, solo disponibles para
7 categoras tienen la misma interpretacin de los mapas probabilisticos, con la
particularidad de no ser interpolados y de presentar la leyenda con los valores
de los umbrales definidos para la variable en sus unidades fsicas.
Captulo 9
Reconocimientos y licencias de uso

How to cite Jaziku
Jaziku is statistical inference software for the teleconnections analysis, (version 0.9). (2013) IDEAM, Colombia. Jaziku is a free and open source software
GPLv3. http://hg.ideam.gov.co:8000/meteorologia/jaziku/summary
87
Parte III
Apndices
88
Captulo 10
Apndices
10.1.
Acerca de las resoluciones posibles de anlisis en

Jaziku
Para las distintas resoluciones de anlisis, Jaziku implementara la metodologa de anlisis compuesto para la quinquina (5 das), dcada (10 das),
quincena (15 das), mes, bimestre y trimestre, que inician por la fecha de la
Fig.10.1 . En efecto es reducido o aumentado el tamao de la ultima quinquina,
dcada o quincena de cada mes, puesto que lo meses no siempre tienen 30 das
nicamente
89
CAPTULO 10. APNDICES
90
10.2.
Acerca del contenido de las carpetas maps

generadas por el software
Figura 10.2: Esquema de las tablas de resultados de las carpetas maps
91
92
Los archivos guardados en la carpeta maps de los resultados de los mdulos de clima y pronstico de Jaziku, siguen el formato mostrado en la Fig.
10.2. En cualquier caso las columnas A,B,C y D, corresponden a el cdigo de
la estacin, nombre de la estacin y ubicacin geogrfica, conforme la informacin incluida por el usuario al inicio del proceso (ver seccin 2.2). Cuando la
tabla proviene del mdulo Jaziku - clima, las columnas E,F y G, corresponden
a los valores en porcentaje de la tabla de contingencia, para la fase del fenmeno, el trimestre (quinquina, dcada o quincena) y el rezago indicado en la
direccin absoluta del archivo. En cambio para cuando los resultados provienen
del mdulo de pronostico, las columnas E,F y G, corresponden al pronostico
de la variable dependiente segn las probabilidades de la variable dependiente,
resultado de la combinacin lineal mostrada en la seccin 7.1
La columna ndice (H) se calcula segn el ciclo IF de la Fig.10.3 y la columna
suma (I) que es la suma de cada uno de los valores por debajo, por encima
y dentro de lo normal (fuerte, dbil y moderado para 7 categoras) bajo la
categora respectiva de la variable independiente, siempre debe ser 100. Los
mapas resultado de la interpolacin tipo Kriging se basan en la columna H y
en la columna E.
Figura 10.3: Ciclo IF para la columna ndice.
10.3.
93
Script: sisdhim2jaziku
sisdhim2jaziku es un script que hace parte de Jaziku pero que corre de manera independiente que convierte los datos crudos que provienen del Sisdhim
del formato tr5 (el formato que contiene cabeceras por cada estacin) al formato Jaziku por cada estacin y por cada variable, adems de crear el runfile
automticamente con las estaciones procesadas. Cada estacin es convertida
y escrita en un archivo con su correspondiente cdigo y nombre, llena fechas
vacas y salto de aos.
Para correrlo, primero tener instalada esta la versin 0.7 o superior, abrir
una consola y ubicarse dentro de la ruta del archivo del sisdhim y ejecutar:
sisdhim2jaziku archivoSisdhim
10.4.
Ejemplo de aplicacin
En esta seccin se dan a conocer distintos ejemplos de aplicacin a fin de

familiarizar al usuario con las distintas opciones de corrida del software. Los
datos necesarios y los runfile se encuentra disponibles en la carpeta adjunta a
este manual (EXAMPLES_MANUAL)
*)No-espacializado: en particular este ejemplo busca mostrar las ventajas
de los tres mdulos del software con dos corridas a distintas resoluciones,una
primera a una resolucin de trimestre y otra con una resolucin de 10 das. En
la Fig. 10.4, es posible observar como Jaziku permite conocer la climatologa
promedio mensual multianual, as como con una resolucin de das multianual
(ver modulo de Anlisis de datos), de este ejemplo tambin ha sido extrada
la Fig.10.6 que presenta el mosaico de escenarios de afectacin para la variable
en anlisis por causa del fenmeno ENOS, siendo la variable independiente el
indice ONI1.Finalmente en la Fig. 10.5, se presenta el mosaico del pronostico
producido.
Figura 10.4: Ejemplo de climatologia a distintas resoluciones
Figura 10.5: Mosaico de pronsticos, ejemplo no espacializado
94
95
Figura 10.6: Mosaico de tablas de contingencia a cero rezagos, ejemplo no

espacializado
*)3x3: En este ejemplo se da a conocer las ventajas de utilizar un pronostico y anlisis compuesto a 3 categoras. Aqu se han activado los mdulos clima y
96
pronostico con el fin de correr un ejemplo 3x3 para la regin de Cundinamarca,

con el mximo periodo de anlisis y a una resolucin trimestral para la variable
precipitacin de 11 estaciones bajo distintas fases del fenmeno ENOS distinguidos en funcin del indice ONI segunda versin, con umbrales 0.5 y -0.5. Las
coordenadas de las esquinas del shape denominado "cundinamarca_distrito"
son en latitud: 3,7 y 5,87, mientras que en longitud son -75 y -72,9.
Puesto que es una corrida trimestral el pronostico se hace para el trimestre
12, con valores de probabilidad para la variable independiente para cero rezagos:
de 0 % por encima de lo normal , 40 % por debajo de lo normal y un 60 % para
condiciones dentro de lo normal.
*)7x3: Este ejemplo es muy similar al ejemplo 3x3, sin embargo aqu se ha
decidido que el
o de anlisis sea entre 2000 y 2008 y que las series de tiempo de la variable
dependiente que es la precipitacin, sean calculadas de manera acumulada y no
promediada como es la opcin por defecto. Como es una corrida a 7 categoras
pero con un pronostico a 3 categoras, en el runfile los valores de probabilidad
son colocados teniendo en cuenta las subcategoras de Above y Below, por lo
tanto aqu se indica que hay un 40 % de probabilidad de que se presente una
fase por debajo de lo normal del indice ONI2 (La Nia) pero esta probabilidad
es que sea Moderada, lo mismo que un 0 % de que sea un Nio Moderado.
*)7x7: En este ejemplo se hace una corrida a 7 categoras con pronostico a 7 categoras de la variable independiente, para la variable precipitacin
seleccionada con umbrales internos y con modo de calculo por defecto (promedio). Se ha decidido correr unicamente los rezagos 1 y 2, as como con salidas
grficas. Todo el anlisis es referido al ao anlogo 2005.
Bibliografa
[1]
4.2
[2]
NIST/SEMATECH
e-Handbook
of
Statistical
Methods,.
http://www.itl.nist.gov/div898/handbook/,
date].
Julio
de
2012
[http://www.itl.nist.gov/div898/handbook/prc/section2/prc213.htm].Citado
en Jul 1 de 2012.(En lnea). 5.1, 5.2.3, 5.2.3, 5.2.3
[3]
National Oceanic and Atmospheric Administration (NOAA) , University

Corporation for Atmospheric Research (UCAR)). Creating a Local Climate Product Using Composite Analysis - Print Version of Webcast -(En
Linea). 1997-2010:COMET Website at http://meted.ucar.edu/, 1997. 1,
7.1
[4]
National Climatic Data Center -and NOAA. Outgoing Longwave Radiation OLR. http://www.ncdc.noaa.gov/teleconnections/enso/indicators/olr
Citado en Ene de 2013.En lnea, 2013. 4.2
[5]
P A. Arkin. Relationship between fractional coverage of high cloud and

rainfall accumulations during GATE over the B-scale array. Monthly Weather Review, (107):1382 1386, 1979. 4.2, 4
[6]
Huesmann A.S and Hitchmann M.H. The stratospheric quasi bienal oscillation in the ncep reanalyses climatological structures. Journal of Geophysical Research, (106):859 874, 2001. 4.2
[7]
Australian Government.
Bureau of Meteorology.
lihttp://www.bom.gov.au/climate/glossary/soi.shtml Citado
de 2013.En lnea, 2013. 4.2, 4.5, 4.2, 4.2
en
autraEne
[8]
A. Leetmaa Barnston, A. G. NCEP Forecasts of the El Nio of 1997 1998

and Its U.S. Impacts. Bull. Amer. Met. Soc, 80:1829 1852, 1999. 1
[9]
J. Bjerknes. Atmospheric teleconnections from equatorial pacific. Monthly

Weather Review, (97):163 167, 1969. 4.2
[10] Castro
Lina
M.&
Carvajal
Escobar
Yesid.
Anlisis
de
tendencia
y
homogeneidad
de
series
climatolgicas.
Ingeniera de Recursos Naturales y del Ambiente,
97
BIBLIOGRAFA
98
2010,http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=231116434002.
Citado en Jun 1 de 2011.(En lnea). 5.2.2
[11] Climate
Prediction
Center.
Climate
Predicion
Center.
http://www.cpc.ncep.noaa.gov/products/analysis-monitoring/ensostuff/
Citado en Ene de 2013.En lnea. 4.2
[12] Climate
Prediction
Center.
Climate
Predicion
Center.
http://www.cpc.ncep.noaa.gov/data/indices/ Citado en Ene de 2013.En
lnea, 2013. 4.2, 2
[13] Climate Prediction Center.
Climate Prediction Center.
/ftp.cpc.ncep.noaa.gov/wd52dg/data/indices/Readme.index.html Citado
en Ene de 2013.En lnea, 2013. 4.2, 4.2
[14] Daniel S. Wilks. Statistical Methods in the Atmospheric Sciences. United
States of America: Academic Press, ISSN 0127519653, san diego edition,
1995. 5.1, 5.1, 5.1, 5.1, 5.1, 5.2.2
[15] D.R. Helsel & R.M. Hirsch. Techniques of Water-Resources Investigations
of the United States Geological Survey Book 4, Hydrologic Analysis and
Interpretation. Statistical Methods in Water Resources. 2002. 5.1, 5.1, 5.1
[16] B.D. Zumbo & R.H. Williams D.W. Zimmerman. Bias in Estimation and
Hypothesis Testing of Correlation. Psicolgica, 24:133158, 2003. 6.3.1
[17] Earth System Research Laboratory & National Oceanic and
Atmospheric Administration.
Direccin Nacional de Servicios
Acadmicos
Virtuales
Seminario
de
Investigacin.
http://www.esrl.noaa.gov/psd/enso/mei.ext/rank.ext.html (En linea),
2011. 4.2
[18] Environmental Modeling Center.
Environmental Modeling Center.
http://www.emc.ncep.noaa.gov/research/cmb/sst-analysis/ Citado en Ene
de 2013.En lnea, 2013. 4.2
[19] Eric J. Alfaro & F. Javier Soley. Uso de una Tabla de contingencia para
Aplicaciones Climticas. Physical Oceanography Division, Atlantic Oceanographic and Meteorological Laboratory, National Oceanic and Atmospheric Administration,, 2003. 6.1, 6.2
[20] M. Ghil et al. Advanced spectral methods for climatic time series. Reviews
of Geophysics, 40(1):141, 2002. 5.3
[21] D.H Freeman. (Citado por Ato & Lpez (1996)) Applied Categorical Data
Analysis. Marcel Dekker, NY-USA, 1987. 6.3.2
[22] & Winter Glasser, G.J. (Citado por Zimmerman et al (2003)). Critical
values of the coefficient of rank correlation for testing the hypothesis of
independence. Biometrika, (48):444448, 1961. 6.3.1
BIBLIOGRAFA
99
[23] Diana Gonzlez Gmez. Anlisis espectral: Consideraciones tericas y

aplicabilidad. Economa y Sociedad, 16:4560, May 2001. 5.3
[24] J.M. Guevara Daz. El abc de los ndices usados en la Identificacin y
definicin cuantitativa de El nio - oscilacin del sur (ENSO). Terra,
XXIV(35):85 140, 2008. 4.2, 4.2, 4.2, 4.2, 4.2, 4.2
[25] James W. Hurrell. The North Atlantic Oscillation. National Center for
Atmospheric Research. En: National Academy of Sciences 12th Annual
Symposium FRONTIERS OF SCIENCE, 2000. 4.2
[26] James W. Hurrell and Clara Deser. North Atlantic Climate Variability:
The role of the North Atlantic Oscillation. Journal of Marine Systems,
(78):28 41, 2009. 4.2, 6
[27] J.W. Hurrell. Decadal trends in the North Atlantic Oscillation, regional
temperatures and precipitation. Science, (269):676 679, 1995. 4.2
[28] H.V.Den Dool. Searching for anologues how long must we wait? Tellus,
46a:314324. 6.3.4
[29] M. A. Lopez Snchez I. Espejo Miranda, F.Fernandez Palacn. Estadstica
descriptiva y probabilidad. Universidad de Cadz, ISBN: 978-84-9828-0586, 3 edition, 2002. 6.3.3
[30] FRANCISCO JAVIER URBELZ IBARROLA. Estimacin del espectro
de las series temporales. Anales del Instituto de Actuarios Espaoles :
Colegio Profesional, 22:217262, 1982. 5.3
[31] Geir Ottersen & Martin Visbeck James W. Hurrell, Yochanan Kushnir.
The North Atlantic Oscillation:Climatic Significance and Environmental
Impact, volume 134, chapter An Overview of the North Atlantic Oscillation, pages 1812 1835. Copyright 2003 by the American Geophysical
Union, 2003. 4.2
[32] J.F. Gravetter & L. B. Wallnau. Statistics for the Behavioral Sciences. ISBN: 0-495-602-205. WadsWorth Cengage Learning, 8 edition, 2007.
6.3.1, 6.3.1
[33] Jos Vicns Otero & Eva Medina Moral. ANLISIS DE DATOS CUALITATIVOS. Technical report, Departamento de Economa Aplicada, Universidad Autnoma de Madrid, 2005. 6.3.2, 6.3.2
[34] Camargo J.S and Sobel A.H. Revisiting the Influence of the Quasi-Biennial
Oscillation on Tropical Cyclone Activity. Journal of Climate, (23):5810
5825, 2010. 4.2
[35] Lau K.-M and Hengyi Weng. Climate signal detection using wavelet transform: How to make a time series sing. Bulletin of the American Meteorological Society, 76(12), December 1995. 5.4, 7, 5.4, 5.4, 5.4, 5.2
BIBLIOGRAFA
100
[36] Kendall Kendall, M.G. (Citado por Zimmerman et al (2003)). The distribution of Spearmans coefficient of rank correlation in a universe in which
all rankings occur an equal number of times. Biometrika, (30):251273,
1939. 6.3.1
[37] G.E Len Aristizbal. CONTROL DE CALIDAD AUTOMTICO DE
DATOS METEOROLOGICOS: IDEAM - 2007. Instituto de hidrologa,
meteorologa y estudios ambientales, IDEAM - Subdireccin de Meteorologa, page 51, 2007. 4.1
[38] Lina M. Castro & Yesid Carvajal Escobar. ANLISIS DE TENDENCIA Y HOMOGENEIDAD DE SERIES CLIMATOLGICAS. Revista
EIDENAR, 9, December 2009. 5.2, 5
[39] YONGGANG LIU, X. SAN LIANG, and ROBERT H. WEISBERG. Rectification of the bias in the wavelet power spectrum. JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY, 24, 2007. 5.4, 5.4
[40] T. J. Dunkerton K. Hamilton P. H. Haynes Reynolds R.W. W. J. Randel
J. R. Holton M. J. Alexander 7 I. Hirota T. Horinouchi D. B. A. Jones
J. S. Kinnersley C. Marquardt K. Sato M. P. Baldwin, L. J. Gray and
M. Takahashi. The Quasi - Bienal Oscillation. Reviews of Geophysics,
(39):179 229, 2001. 4.2
[41] M.A. Snchez Ramos. Uso metodolgico de las tablas de contingencia en
la ciencia poltica. Espacios pblicos, 8(16):6084, 2005. 6.3.3, 6.3.3
[42] D. Maidment. Handbook of Hydrology. McGRAW HILL, United States of
America., 1993. 5.2
[43] Mamdouh Refaat. Data Preparation for Data Mining Using Sas. Elsevier
Science & Technology, 9780123735775, 2006. 5.1
[44] Manuel Ato Garcia & Juan Jos Lpez Garca. Anlisis Estadstico para
datos categricos. Editorial Sntesis S.A., 1996. 6.3.2, 6.3.2
[45] meteorologa y estudios ambientales Ministerio de medio ambiente, vivienda y desarrollo territorial & Instituto de hidrologa. Atlas Climatolgico
de Colombia. IDEAM, 2005. 4.1
[46] J.E Montealegre Bocanegra. Estudio de la variabilidad climtica de la
precipitacin en Colombia asociada a procesos ocenicos y atmosfricos
de meso y gran escala: Informe final de las actividades desarrolladas en
el marco del contrato de prestacin de servicios No IDEAM 022 - 2009.
Instituto de hidrologa, meteorologa y estudios ambientales, IDEAM - Subdireccin de Meteorologa, page 54, 2009. 4.2, 4.2, 4.2, 4.3, 4.4, 4.2, 4.2,
4.2
BIBLIOGRAFA
101
[47] M. B. Richman Montroy, D.L. Observed Nonlinearities of Monthly Teleconnections between Tropical Pacific Sea Surface Temperature Anomalies
and Central and Eastern North American Precipitation. Journal of Climate, 11:1812 1835, 1998. 1
[48] M.R. Risk. Cartas sobre Estadstica de la Revista Argentina de Bioingeniera. ISBN 987-43-6130-1. Universidad Tecnolgica Nacional, 2003.
6.3.1
[49] Muthuvel Celliah and Philip Arkin. Large - scale Interannual Variability of
monthly outgoing longwave Radiation Anomalies over the global tropics.
Journal of Climate, (5):371 389, 1992. 4.2
[50] M. Signoret-Poillon y R. Garduo-Lpez N. Snchez-Santilln. La Oscilacin del Atlntico Norte: un fenmeno que incide en la variabilidad
climtica de Mxico. INGENIERA Investigacin y Tecnologa, 2:8595,
2006. 4.2
[51] NOAA(National Oceanic and Atmospheric Administration).
Extended
Reconstructed
Sea
Surface
Temperature
(ersst.v3b).
http://www.ncdc.noaa.gov/ersst// Citado en Ene de 2013.En lnea,
2013. 4.2
[52] Person K. On the criterion that a given system of deviation from the
probable in the case of a correlated system of varibale is such that it can
be reasonable, supposed that have arisen from random sampling. Phylosophical Magazine, 50(5):157175, 1900. 6.3.2
[53] Petitgas P. (Citado por Giraldo Henao (2002)).Geostatistics and Their
Applications to Fisheries Survey Data: Computers and Fisheries Research.
Chapman-Hall, 20 edition, 1996. 8.1
[54] & Carvajal E. Yesid. Puertas O. Olga L. Incidencia de El Nio-Oscilacin
del Sur en la precipitacin y la temperatura del aire en Colombia, utilizando el Climate Explorer. INGENIERA & DESARROLLO, (23):104
118. 5.2.2
[55] R. Giraldo Henao. Introduccin a la Geoestadstica: Teora y Aplicacin.
Simposio Nacional de Estadstica Ponencia: Libro, 1 edition, 2002. 8.1,
8.2, 1, 8.2.0.3
[56] A. Rayner T. M. Smith D. C. Stokes Reynolds, R.W. and W. Wang. An
improved in situ and satellite sst analysis for climate. Journal of Climate,
(15):1609 1625, 2002. 4.2, 4.2
[57] R.W. Reynolds. A real-time global sea surface temperature analysis. Journal of Climate, (1):75 86, 1988. 4.2
[58] R.W. Reynolds and D. C. Marsico. An improved real-time global sea
surface temperature analysis. Journal of Climate, (6):114 119, 1993. 4.2
BIBLIOGRAFA
102
[59] R.W. Reynolds and T. M. Smith. Improved global sea surface temperature
analyses. Journal of Climate, (7):929 948, 1994. 4.2
[60] Samper, F.J. & J. Carrera. (Citado por Giraldo Henao (2002)). Geoestadstica Aplicaciones a la Hidrogeologa Subterrnea. Universitat Politcnica de Catalunya-Centro Internacional de Mtodos Numricos en Ingeniera, 1 edition, 1990. 8.2
[61] Tobias Setz and ETH Zurich. Wavelet analysis on stochastic time series a
visual introduction with an examination of long term financial time series.
Masters thesis, Swiss Federal Institute of Technology, 2011. 5.4, 5.4
[62] R.W. Reynolds Thomas C. Peterson Smith, T.M. and Jay Lawrimore.
Improvements to NOAAs Historical Merged Land-Ocean Surface Temperature Analysis (1880-2006). Journal of Climate, (21):2283 2296, 2008.
4.2
[63] Christopher Torrence and Gilbert P. Compo. A practical guide to wavelet
analysis. Bulletin of the American Meteorological Society, 79, January
1998. 5.3
[64] Christopher Torrence and Gilbert P. Compo. A practical guide to wavelet
analysis. Bulletin of the American Meteorological Society, 79, January
1998. 5.4, 5.4
[65] UCAR.
Ucar
Climate
Guide
Ucar.
http://climatedataguide.ucar.edu/es/guidance/hurrell-north-atlanticoscillation-nao-index-station-based Citado en Ene de 2013.En lnea, 2013.
7, 4.2
[66] Alberto Luceo. Vasquez. Metodos estadisticos para medir, describir y
controlar la variabilidad. Number 54810237502. Publicaciones de la Universidad de Cantabria, Espaa, 2004. 5.2.2
[67] Alberto Luceo. Vasquez. Metodos estadisticos para medir, describir y controlar la variabilidad. Universidad de Cantabria, Espaa ,
isbn:54810237502 edition, 2004. 7.1
[68] CHUNZAI WANG. Atmospheric Circulation Cells Associated with the El
Nino - Southern Oscillation. Journal of Climate, (15):399 419, 2002. 4.2,
4.2, 4, 5
[69] K. Wolter. (Citado por Guevara Daz (2008)). The Southern Oscillation in
surface circulation and climate over the tropical Atlantic, Eastern Pacific,
and Indian Oceans as captured by cluster analysis. Journal of Applied
Meteorology, (26):540 558, 1987. 4.2
[70] T. M. Smith Xue, Y. and R. W. Reynolds. Interdecadal changes of 30yr SST normals during 1871-2000. Journal of Climate, (16):1601 1612,
2003. 4.2
BIBLIOGRAFA
103
[71] Zbigniew W. Kundzewicz and Alice Robson. WORLD CLIMATE PROGRAMME WATER DETECTING TREND AND OTHER CHANGES IN
HYDROLOGICAL DATA, volume WCDMP-45. World Climate Program
- Water, WMO/UNESCO, Geneva. 5.1

ManualJaziku 10 Espanol

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

ManualJaziku 10 Espanol

Încărcat de

Drepturi de autor:

Formate disponibile

Instituto Colombiano de Hidrologa, Meteorologa y

Estudios Ambientales IDEAM-Subdireccin de

El software de inferencia estadstica para el

2 Como usar Jaziku?

3 Acerca de Jaziku y sus resultados

4 Acerca de la informacin inicial

5 Jaziku - EDA y HOMOGENEITY

9 Reconocimientos y licencias de uso

Como usar Jaziku?

CAPTULO 2. COMO USAR JAZIKU?

[-o dirOutput] es la ruta absoluta (personalizada) donde se quiere guardar

CAPTULO 2. COMO USAR JAZIKU?

Figura 2.1: Tipos de procesos de datos y posibles resultados.

CAPTULO 2. COMO USAR JAZIKU?

process_period ;<common,yyyy;yyyy> [Intervalo de aos para el que se

CAPTULO 2. COMO USAR JAZIKU?

CAPTULO 2. COMO USAR JAZIKU?

*) ;<##> [Valores numricos, enteros o decimales (separados por ;)ingresados

CAPTULO 2. COMO USAR JAZIKU?

CAPTULO 2. COMO USAR JAZIKU?

fases de la variable independiente, utilice la segunda opcin indicada. En

1. El tiempo de corrida para la opcin mas es directamente proporcional al cuadrado, del

CAPTULO 2. COMO USAR JAZIKU?

Figura 2.2: Ejemplos de inclusin de valores de probabilidad pronosticada para

CAPTULO 2. COMO USAR JAZIKU?

Cuadro 2.1: Nombres de shapes internos en Jaziku

shape_path; [Para casos de shape externo, aqu debe indicarse la direccin

CAPTULO 2. COMO USAR JAZIKU?

desea utilizar un shape externo debe incluir de manera obligatoria las

####################;STATIONS LIST;[ Indica la

CAPTULO 2. COMO USAR JAZIKU?

Figura 2.3: Esquema para indicar esquinas para la generacin de malla de

CAPTULO 2. COMO USAR JAZIKU?

CAPTULO 2. COMO USAR JAZIKU?

1. SOI1(ndice de la Oscilacin del sur)

Acerca de Jaziku y sus resultados

CAPTULO 3. ACERCA DE JAZIKU Y SUS RESULTADOS

Figura 3.1: Esquema general del software Jaziku

CAPTULO 3. ACERCA DE JAZIKU Y SUS RESULTADOS

Figura 3.2: Esquema de los resultados del modulo EDA

se tiene en cuenta si se trata de una corrida de 7 o 3 categoras

CAPTULO 3. ACERCA DE JAZIKU Y SUS RESULTADOS

Figura 3.3: Esquema de los resultados de la tabla de atipicos

CAPTULO 3. ACERCA DE JAZIKU Y SUS RESULTADOS

debajo y por encima de lo normal para establecer las categoras.

En la tercera fase (esquema Jaziku - clima), Jaziku elabora la climatologa

con el test de distribucin de las series tal cual como fueron

del modo de clculo de la variable dependiente(ver 2.1) .

(ver 2.1). Es independiente de la resolucin de anlisis escogida y

Referido a los valores de la serie de acuerdo a su resolucin de

Diagramas de dispersin de las

(promedio) en la misma resolucin de anlisis y en el periodo a

cada intervalo de tiempo y el valor climatolgicamente esperado

de tiempo ingresadas por el usuario como una resta, del valor en

a las series de tiempo generadas por Jaziku a partir de las series

modo de clculo de la variable dependiente y el periodo a

(de la variable dependiente) e

series de tiempo ingresadas por el usuario

Calculadas con base en la resolucin de anlisis escogida, el

base a las series de tiempo generadas por Jaziku a partir de las

Correlogramas cruzados (de la

Series de tiempo de anomalas

modo de clculo de la variable dependiente y el periodo a

Calculados con base en la resolucin de anlisis escogida, el