MÉTODO APLICADO PARA LA EVALUACIÓN DE SE-

RIES DE DATOS METEOROLÓGICOS PARA ESTACIO-

NES AUTOMÁTICAS

APPLIED METHOD FOR EVALUATING DATA SERIES

IN AUTOMATIC WEATHER STATIONS

806
Oviedo, Blanca1; Rojas Néstor2
1 Profesora Asistente Pontificia Universi-
dad Javeriana, Bogotá, Colombia
2 Profesor Titular Universidad Nacional de
Colombia, Bogotá, Colombia
Autor de Correspondencia: beoviedot@
unal.edu.co
RESUMEN
La aplicación de técnicas estadísticas para la evalua-
ción de series de observaciones meteorológicas permite
obtener resultados rápidos y confiables, en especial para
series de varias décadas. Para series cortas, estas téc-
nicas pueden complementarse con diagnósticos de las
condiciones de emplazamiento y análisis cualitativos
de las series. En este estudio se evaluaron series horarias
de observaciones meteorológicas producidas por la Red
de Monitoreo de Calidad del Aire de Bogotá. Se aplica-
ron pruebas estadísticas para determinar homogeneidad
y tendencias; se visitaron las estaciones para identifi-
car fuentes de alteración de las mediciones; y se reali-
zó una campaña de medición colocalizada de algunas
variables meteorológicas usando equipos de medición
de referencia. Las técnicas estadísticas por sí solas no
son suficientes para determinar si series de tiempo de
variables meteorológicas tienen la persistencia y cali-
dad esperadas y deben estar acompañadas del estudio de
emplazamiento de los sensores y del análisis cualitativo
de las series.
ABSTRACT
Statistical analysis techniques are recommended to
assess time series of meteorological observations and
obtain quick and reliable results, particularly for series
covering several decades. When the series are short and
it is possible to visit the measurement sites, these tech-
niques can be complemented with the analysis of the
location and a qualitative analysis of the series. In this
study, the hourly series of meteorological observations
recorded by Bogotá’s Air Quality Monitoring Network
were analyzed. Statistical tests were applied to deter-
mine the series’ homogeinity and establish if there was
a historical trend. The monitoring sites were visited to
identify interferences and sources of measurement al-
terations and a co-located measurement campaign was
performed using reference equipment. Statistical tests
on their own were not sufficient to determine if the time
series had the expected consistency and quality and nee-
ded a location analysis and a qualitative analysis of the
time series.
PALABRAS CLAVES Series De Tiempo, Análisis
Estadístico De Variables Meteorológicas, Estaciones
Meteorológicas Automáticas
KEY WORDS Time Series, Statistical Analysis Of
Meteorological Data, Automatic Meteorological Sta-
tions.
807
 INTRODUCCION
Este estudio se desarrolló en el marco del
convenio Fortalecimiento y desarrollo de he-
rramientas de modelación meteorológica y de
calidad de aire, celebrado entre Ecopetrol, la
Secretaría Distrital de Ambiente y la Univer-
sidad Nacional de Colombia sede Bogotá. El
estudio buscaba determinar si los equipos de la
red meteorológica asociada a la Red de Moni-
toreo de Calidad del Aire de Bogotá (RMCAB)
funcionaban adecuadamente y respondían a los
criterios requeridos para que la información
meteorológica recolectada fuera adecuada para
posteriores estudios de calidad del aire y rea-
lizar una evaluación de la información meteo-
rológica registrada, a partir de lo cual se gene-
rarían recomendaciones para su mejoramiento.
El diagnóstico se lleva a cabo teniendo en
consideración el propósito de utilizar la infor-
mación generada por la RMCAB para evaluar
el desempeño de los modelos meteorológicos y
de calidad del aire.
Se trata, entonces, de responder a las si-
guientes preguntas:
¿Permite la ubicación de los equipos meteo-
rológicos de la RMCAB obtener datos válidos
en cantidad suficiente para explicar la dinámica
de vientos sobre la ciudad y validar un modelo
meteorológico?
¿Están funcionando correctamente los equi-
pos meteorológicos de la RMCAB en la actua-
lidad?
¿La base de los datos registrados por la red
meteorológica es suficientemente robusta con
respecto a la consistencia, validez y confiabili-
dad de la información?
Para lo cual, inicialmente se visitaron todas
las estaciones con el fin de conocer las condi-
808
ciones de ubicación, emplazamiento y entorno
de los sensores meteorológicos; se continuó con
una campaña de medición en algunos puntos es-
tratégicos utilizando equipos de referencia para
medición de vientos, temperatura y humedad
relativa; y por último, se realizó un análisis es-
tadístico de las series de datos que fue comple-
mentado con los resultados de las actividades
anteriormente mencionadas.
2. MATERIALES Y METODOS
Se planteó una metodología basada tanto en
trabajo de campo como en el análisis de la base
de datos entregada por la RMCAB desde 1997
hasta 2008, la cual incluyó los componentes que
se describen a continuación.
ANÁLISIS DE LA UBICACIÓN DE LAS
ESTACIONES Y LOS EQUIPOS METEORO-
LÓGICOS DE LA RMCAB
Consistió en la visita a todas las estaciones
de la RMCAB, con el fin de evaluar si la ubi-
cación de cada una de ellas sigue los lineamien-
tos de la Organización Meteorológica Mundial
(OMM) e identificar factores relacionados con
la ubicación y el emplazamiento que puedan
hacer que los datos registrados no resulten re-
presentativos de un área suficientemente amplia
de la ciudad, es decir, que sean el resultado de
condiciones marcadamente locales.
Las visitas incluyeron la toma de datos de
altura de la estación, distancia a edificaciones
en la vecindad y su altura relativa, levantamien-
to fotográfico, condiciones de emplazamiento,
materiales de construcción del emplazamiento,
entre otras características.
Se tuvieron en cuenta las recomendaciones
para el emplazamiento de estaciones de calidad
del aire y meteorológicas y se consideraron las
variables meteorológicas que intervienen en
los procesos de dispersión, deposición y trans-
formación de contaminantes del aire. En este
sentido, una estación de monitoreo de calidad
del aire debe estar ubicada en un lugar tal que
garantice que los datos de contaminación y del
comportamiento atmosférico representen la rea-
lidad de lo que sucede en el área cuyo nivel de
contaminación se desea medir (WMO, 2008),
(Fonseca, 2008) y (Szepesi, 1987).
COMPARACIÓN DE DATOS METEO-
ROLÓGICOS REGISTRADOS POR LA RM-
CAB CON MEDICIONES MANUALES.
Con el ánimo de verificar si las mediciones
tomadas por algunas de las estaciones instala-
das a nivel del suelo son representativas para la
comparación con los resultados que se obten-
drán a partir del modelo meteorológico, se rea-
lizó una campaña de medición que incluyeron la
toma de datos de temperatura ambiente, hume-
dad relativa, dirección y velocidad del viento,
en lugares cercanos a cinco estaciones de la Red
de Monitoreo de la Calidad del Aire de Bogotá
(RMCAB). Se utilizaron equipos de referencia
del Departamento de Meteorología de la Facul-
tad de Ciencias de la Universidad Nacional de
Colombia sede Bogotá, los cuales se describen
a continuación.
Con un psicrómetro de aspiración mar-
ca Thies CLIMA®, modelo Assmann
1.0400.00.010, se tomaron datos de tempera-
tura ambiente y determinación de la humedad
relativa. La ficha técnica del equipo se resume
en la Tabla 1.
 La determinación de la humedad relativa se realiza por el método de análisis psicrométrico, con base en las temperaturas de los ter-
mómetros de bulbo seco y bulbo húmedo que componen el equipo. Este análisis está condensado en cartas psicrométricas y programas
sencillos de software. Para esta campaña, el cálculo de la humedad relativa se realizó utilizando el software PsychrometricCalculations
(disponible en http://www.sugartech.co.za/psychro/index.php) que tiene en cuenta la altitud del lugar de la toma de datos.

Las mediciones de viento se hicieron con un equipo Thies CLIMA®, modelo 4.3019.21.000, portátil, que promedia cada diez segundos
las velocidades de viento tomadas cada segundo. Las características técnicas de este equipo se listan en la Tabla 2. La dirección del viento
se observó con una veleta y una brújula que indica la dirección de la cual proviene el viento. Las especificaciones de este instrumento se
encuentran en la Tabla 3. En el momento de la toma de datos se tomaron 16 direcciones: N, NNE, NE, ENE, E, ESE, SE, SSE, S, SSW,
SW, WSW, W, WNW, NW, NNW. Cada dirección corresponde a un intervalo de 22.5º que comienza con 0º en el Norte.

809
 La selección de los lugares para la toma de
datos meteorológicos respondió a la facilidad
de acceso, a que la estación de monitoreo no
estuviera emplazada en terrazas, siguiendo las
recomendaciones de la OMM, y que, preferible-
mente, se encontrara sobre pasto.
El itinerario de la campaña de medición fue
el siguiente:
Jueves 21 de Mayo de 2009: Estación IDRD.
18 horas.
Domingo 31 de Mayo de 2009: Estación
Guaymaral. 18 horas.
Domingo 07 de Junio de 2009: Estación Fe-
rias. 18 horas.
Lunes 25 de Septiembre de 2009: Estación
Kennedy, al sureste. 12 horas.
Jueves 04 de Noviembre de 2009: Estación
Vitelma. 4 horas
Estación Simón Bolívar (IDRD)
El punto de muestreo en el Centro de Alto
Rendimiento del IDRD se ubicó a una distancia
aproximada de 60 m hacia el noreste de la esta-
ción de monitoreo. En los alrededores del lugar
seleccionado no se encontraron obstáculos na-
turales ni construcciones. En la Figura 1 se pre-
sentan fotografías del lugar de la toma de datos.
Estación Guaymaral (Escuela de Ingeniería)
El punto se ubicó cerca de la estación Guay-
maral. Los sensores fueron estacionados apro-
ximadamente a 40 m de la misma, en dirección
noroeste. Este lugar de observación de datos
tiene la presencia de dos grandes árboles, uno
ubicado al este y otro al oeste, que podrían afec-
tar la medición. No se encontraron otros lugares
que pudieran haber sido seleccionados para la
toma de muestra, ya que las construcciones de
la universidad hubieran generado un efecto de
distorsión más notorio. En la Figura 1se muestra
este lugar.

Estación Ferias (Carrefour)

El punto de muestreo se ubicó a una distancia aproximada de 20 m hacia el Noreste de la estación. En la Figura 2 se presenta una fotografía del lugar
seleccionado. La presencia de la edificación del almacén Carrefour hacia el Oeste puede constituir una posible influencia sobre los vientos provenientes
de este punto cardinal, tal como puede suceder sobre los datos de la estación automática.
Estación Kennedy
El punto de muestreo se ubicó a una distancia aproximada de 40 m al Sur de la estación. En la Figura 2 se presenta una fotografía del lugar de toma
de datos.

810
 Estación Vitelma
El lugar para el muestreo de temperatura, humedad relativa y dirección del viento se seleccionó a 1 m de la estación; y el de
velocidad del viento, a 5 m. La Figura 3 presenta fotografías del lugar de muestreo. En este punto se llevó a cabo una corta cam-
paña debido a que el día de la visita de reconocimiento se percibió una posible falla en el registro de la dirección del viento de la
estación automática.
ANÁLISIS DE LA BASE DE DATOS ME-
TEOROLÓGICOS
Este componente incluyó cuatro elementos
de análisis que se describen a continuación.
Visualización de series
Se realizó una visualización de las series de
temperatura, humedad relativa y velocidad de
viento en diagramas de dispersión, con el fin
de identificar los periodos de registro, periodos
con vacíos de información, estacionalidad y
regularidad y periodos con datos o comporta-
mientos dudosos. Se incluyó una línea de ten-
dencia simple para cada estación.
Prueba de homogeneidad de series
Se llevó a cabo una prueba de homogeneidad
de las series en el tiempo y se determinó si el
conjunto de datos era válido estadísticamente,
es decir, obtenido en similares condiciones ins-
trumentales y ambientales. Esta verificación se
realizó aplicando las pruebas de Student y Fis-
cher a dos subconjuntos de cada serie de datos,
correspondientes a la primera y segunda mitad
temporal de los datos, los cuales deberían mos-
trar homogeneidad en sus valores medios y en
su grado de dispersión (Bendat yPiersol, 1986;
Haan, 1977; Rozhdenstvenskiy y Chevotariov,
1974).
Estos conjuntos correspondieron a la prime- A partir de la información horaria se reali-
ra y segunda mitades cronológicas de los datos zó agrupación diaria y mensual sobre la cual se
de los promedios mensuales, dado que las prue- aplicó el método de Loess utilizando el software
bas están diseñadas para poblaciones pequeñas. estadístico SPSS® versión 17. En la Figura 4,
Las pruebas estadísticas de Student y Fischer se observa un ejemplo de una serie de tiempo de
fueron seleccionadas por ser de mediana rigu- precipitación que se suaviza con cuatro paráme-
rosidad, apropiadas para series de datos en las tros diferentes. Entre mayor sea el parámetro,
cuales pueden existir discontinuidades debidas menor será la significancia de los eventos de
a dificultades operativas. precipitación. Para cada elemento meteoroló-
gico se escogió un parámetro de suavizamiento
El criterio de Student revisa la homogenei- diferente que permitiera observarla tendencia o
dad de la series a través de los valores prome- su patrón de comportamiento.
dios. El criterio de Fischer revisa la homoge-
neidad de la serie mediante la relación entre las Las siguientes series son obtenidas a partir
desviaciones estándares del conjunto de datos de los registros horarios suministrados por la
RMCAB sin suavizamentos o tratamiento algu-
Este análisis fue acompañado de una visua- no por parte de la Universidad Nacional.
lización de los datos suavizados ya que algunas
señales inter-anuales o intra-anuales de tipo
climático pueden ser identificadas si se aplican
métodos de suavización de las series de tiempo
que componen los registros de observaciones
meteorológicas. Aunque no se presentan los
resultados obtenidos en este análisis, el método
utilizado para el estudio de las series se denomi-
na Loess (Box y Jenkins, 1970) y su aplicación
no mostró señales claras, en parte, por la falta
de homogeneidad de los datos y en parte por las
series relativamente cortas en el tiempo.
811
 Comportamiento estadístico
Como tercer elemento de análisis, se obser-
vó el comportamiento estadístico de las series
en diagramas de caja y bigotes e histogramas
con el fin de identificar la ocurrencia de datos
anómalos para cada parámetro registrado en
las diversas estaciones. Los diagramas de caja
y bigotes incluyeron un análisis del comporta-
miento mensual y diario de los parámetros y la
comparación de dicho comportamiento entre
estaciones.
Distribución espacial
Se generaron diagramas de la distribución
espacial de los datos promediados y rosas de
viento en varias franjas horarias, con el fin de
establecer si los registros de la red muestran un
comportamiento coherente en conjunto e identi-
ficar la necesidad de revisar el funcionamiento
de los sensores de algunas estaciones.
812
Se realizaron mapas para temperatura super-
ficial, humedad relativa y dirección e intensidad
del viento utilizando las series de las estaciones
de la RMCAB desde el 01 de agosto de 1997
hasta el 01 de marzo de 2008. Cada conjunto
de datos permitió hacer una distribución espa-
cial de las variables meteorológicas utilizando
la herramienta para manejo de información geo-
rreferenciada ArcGIS®, aplicando el método de
interpolación Spline With Barriers.
En el caso de la RMCAB, se tienen pocos
puntos y variables como temperatura en el am-
biente, humedad relativa y precipitación que
varían suavemente de un punto a otro en una
superficie relativamente homogénea. La inten-
sidad del viento también puede considerarse
como una variable de cambios suaves ya que se
están tomando vientos predominantes a escala
horaria. Para este estudio, y teniendo en cuenta
las características de las variables, se probaron
los métodos de Spline, Kriging y polígonos de
Thiessen encontrándose gran similitud en los
resultados.
Se seleccionó Spline porque a diferencia de
Kriging, se obtiene mayor cantidad de isolíneas
creando un efecto de suavizado en el mapa y
porque permite extender las interpolaciones a
áreas que están por fuera del polígono generado
por los puntos más externos. En especial, el mé-
todo spline with barriers ofrece la posibilidad
de definir una cobertura que sirva de borde o de
límite para el cálculo de la interpolación (ESRI,
2011). El límite seleccionado para los mapas
presentados es un área cuadrada de 55 km x 55
km que cubre toda el área urbana de Bogotá y
parte de sus alrededores. Este método puede ser
usado para la realización de modelos digitales
de terreno donde la topografía puede ser toma-
da como una barrera. Esta funcionalidad no se
probó.
Los mapas de humedad relativa, temperatura
máxima absoluta, temperatura máxima media,
temperatura mínima absoluta y temperatura
mínima media se realizaron teniendo en cuenta
información adicional de estaciones del Instituto
de Hidrología, Meteorología y Estudios Am-
bientales – IDEAM.
Para temperatura superficial, se generó un
mapa con la temperatura media de las estaciones
de la RMCAB y 6 estaciones más del IDEAM.
La temperatura máxima se graficó con el valor
horario máximo encontrado en toda la serie de
datos de cada estación, el cual corresponde al
máximo absoluto. Para el mapa de temperatu-
ras máximas medias, se promediaron los doce
valores máximos horarios de cada mes. La dis-
tribución espacial de la temperatura mínima se
realizó tomando los valores horarios mínimos
absolutos de cada estación y con los mínimos
promedios horarios para cada mes.
La distribución espacial de humedad relativa
se realizó con los valores medios de los registros
de las cuatro estaciones de la RMCAB más los
datos de cinco estaciones del IDEAM.
Con el fin de hacer un análisis del compor-
tamiento horario de los vientos, se tomaron los
registros de la RMCAB de cada estación de mo-
nitoreo para cuatro periodos en los que se divi-
dió el día de acuerdo al comportamiento de los
vientos en la ciudad, el cual responde a las va-
riaciones de la temperatura de la baja atmósfera
así: de 5 a.m. a 7 a.m., de 8 a.m. a 5 p.m., de
6 p.m. a 8 p.m. y otro con las horas restantes.
Con estos rangos horarios, se hicieron mapas a
partir del vector de viento que resulta de pro-
mediar vectorialmente los registros de magnitud
y dirección del viento a escala horaria y se ela-
boraron rosas del viento utilizando el software
WindRosePlot® de la firma Enviroware®.
3. RESULTADOS
Los resultados obtenidos permitieron tener
una idea clara acerca del funcionamiento de
los equipos y registros meteorológicos de la
RMCAB en el periodo 1997-2008 con el fin
de poder validar modelos meteorológicos que
acompañan a modelos de calidad del aire. A
continuación se discuten diversos aspectos que
se derivan del análisis de dichos resultados.
NÚMERO Y LOCALIZACIÓN DE ESTA-
CIONES
Con respecto al número de estaciones con re-
gistros meteorológicos disponibles, puede afir-
marse que es un número suficiente para observar
tendencias meteorológicas de la ciudad. Con los
equipos disponibles es posible observar la diná-
mica general de vientos sobre la ciudad y, me-
diante herramientas de interpolación geográfica,
generar campos de vientos que pueden utilizarse
como referencia para la validación de modelos
meteorológicos. En la Figura 5, se observa el re-
sultado de la interpolación de los vientos entre 5
y 7 de la mañana, en donde se evidencia la falta
de datos en el área comprendida entre las esta-
ciones Usme, Vitelma y Tunal debido a que no
hay un comportamiento congruente del campo
de vientos.
813
 Por otro lado, se observa que en algunas esta-
ciones de terraza y de suelo sin edificios cerca-
nos alrededor, la intensidad del viento registrada
tiende a ser mayor, mientras que en las estacio-
nes con edificios altos en sus inmediaciones esta
intensidad se ve disminuida. En consecuencia,
difícilmente podrán utilizarse todas las estacio-
nes como referencia para la validación de los
campos de viento de un modelo meteorológico y
no podrá esperarse que el modelo represente es-
tas diferencias con exactitud, dada la resolución
Se considera insuficiente el número de esta-
ciones con registros de humedad relativa al no
poderse generar un mapa de esta variable con
sólo cuatro estaciones, de las cuales una parece
no haber funcionado bien y otra ha funcionado
de manera poco consistente. Con dos sensores
más de humedad relativa al occidente y surocci-
dente de la ciudad, por ejemplo en las estaciones
Puente Aranda y Cazucá, y complementando
los registros con los disponibles en el aeropuer-
to Eldorado y otras estaciones de la CAR y del
IDEAM, se podría tener un conocimiento mejor
del comportamiento de la humedad relativa.
ROBUSTEZ DE LA BASE DE DATOS
Los registros de temperatura, humedad rela-
814
con la cual se construye este tipo de modelos.
El número de estaciones con registros de
temperatura puede considerarse suficiente para
generar un mapa de temperaturas de la ciudad.
Sin embargo, las diferencias constructivas y de
localización de las estaciones, así como la falta
de frecuencia en la calibración de los sensores,
pueden estar afectando la comparabilidad de los
datos de temperatura y, por lo tanto, la confiabi-
lidad de un mapa de temperaturas basado en los
tiva y velocidad del viento describen los com-
portamientos esperados en la ciudad, tanto a lo
largo del día como en periodos más largos. Sin
embargo, pueden observarse dos tipos de pro-
blemas:
No se encuentra la similitud esperada entre
estaciones para los mismos periodos de medi-
ción, ni siquiera en una variable que debería
tener un comportamiento similar para todas las
estaciones como lo es la Temperatura. Al com-
parar pares de estaciones, aún las vecinas, las
variables tienen comportamientos notablemente
diferentes, incluso con tendencias opuestas a lo
largo del tiempo.
En un número importante de estaciones se
observan frecuentes periodos con vacíos de in-
datos existentes. Así, por ejemplo, no es evidente
que la aparente isla de alta temperatura media al-
rededor de las estaciones Ferias y Simón Bolívar
pueda ser tomada como cierta, aunque tampoco
es descartable. En la Figura 6 se muestra el re-
sultado de la interpolación de los datos de tem-
peratura media y el área que posiblemente tiene
valores de temperatura promedio más altos que
el resto de la ciudad.
formación, con múltiples datos anómalos y ex-
tremos o con rangos que no parecen responder
al comportamiento real de las series, lo cual in-
dica una falta de regularidad y/o consistencia en
la adquisición y validación de la información.
FUNCIONAMIENTO ACTUAL DE LOS
EQUIPOS
Las comparaciones entre los registros de
mediciones manuales y los automáticos ade-
lantadas en este estudio para una muestra de
cinco estaciones, permitieron verificar que, en
general, la medición de temperatura, velocidad
del viento y humedad relativa de la RMCAB es
aceptable.
En el caso de la estación Kennedy, se presen-
taron divergencias importantes en los registros
de temperatura en horas de la tarde, de veloci-
dad del viento y de humedad relativa a lo largo
de toda la jornada. En Vitelma, las diferencias
más importantes se presentaron en la velocidad
del viento, y una leve aunque consistente dife-
rencia en humedad relativa.
Con respecto a la dirección del viento, se
encontraron algunas diferencias leves entre las
mediciones manuales y las automáticas que
sugieren la necesidad de una calibración de la
veleta de las estaciones. En el caso de las esta-
ciones Kennedy y Vitelma, las diferencias fue-
ron notorias.
4. CONLUSIONES
Aún faltan sensores de vientos que den in-
formación suficiente para modelar suroriente de
la ciudad, donde hay una fuerte influencia de los
vientos del Este y de la Cordillera Oriental.
El estudio permitió concluir que, en general,
los equipos meteorológicos de la RMCAB fun-
cionan adecuadamente. Es necesario tener en
cuenta los planes de calibración ya que algunos
sensores presentaron diferencias considerables
con los equipos de referencia.
La base de datos refleja periodos en los que
los equipos de la RMCAB no han registrado
datos continuamente. La diferencia en el com-
portamiento general de series en estaciones cer-
canas hace dudar de si el emplazamiento de las
estaciones es adecuado o si los equipos no ha
registrado confiablemente.
Alguna series muestran variabilidad extrema
y otras contienen datos que al parecer no corres-
ponden al comportamiento esperado. Los datos
de las series tomada no cuentan con metadata,
lo cual dificulta la tarea de determinar si suce-
dieron eventos en la fecha de la observación que
justifiquen los valores extremos encontrados.
Para efectos de investigación es proceden-
te llenar series de tiempo que tienen brechas
de datos, sin embargo, se recomienda que las
redes meteorológicas se esfuercen por evitar la
ocurrencia de brechas de datos más que por el
llenado de series ya que su objetivo principal es
recolectar información real.
5. AGRADECIMIENTOS
El estudio presentado hace parte del conve-
nio Fortalecimiento y desarrollo de herramien-
tas de modelación meteorológica y de calidad
de aire, celebrado entre Ecopetrol, la Secretaría
Distrital de Ambiente y la Universidad Nacio-
nal de Colombia sede Bogotá. Se agradece a la
Red de Monitoreo de Calidad del Aire de Bogo-
tá, perteneciente a la Secretaría de Ambiente de
Bogotá, el haber facilitado los registros de las
variables meteorológicas que han venido mues-
treando desde agosto de 1997.
Se agradece a Ecopetrol por su interés en in-
vertir en investigación que conlleve a un mejor
conocimiento de la calidad del aire de la ciudad
y al Grupo de Investigación en Calidad del Aire
de la Facultad de Ingeniería de la Universidad
Nacional de Colombia, por su esfuerzo en el
análisis de los datos, en la consecución de los
resultados y, en el buen desarrollo del Conve-
nio.

REFERENCIAS

Bendat J. , Piersol A. (1986). Random Data: Analysis and Measurement Procedures. Volume 729 of Wiley Series in Proba-
bility and Statistics.

Box G. E. P. y Jenkins, G. (1970). Time Series Analysis, Forecasting and Control. San Francisco: Holden-Day, 11-70.

ESRI (2011). Arc-GIS Desktop 9.3 Help. Recuperado de http://webhelp.esri.com/arcgisdesktop/9.3/index.cfm?TopicNa-

me=spline_with_barriers

Fonseca E. (2008). Manual de Procedimientos para Estaciones Meteorológicas. Organización para estudios tropicales.

Haan, C.T. (1977). Statistical methods in hydrology. The Iowa University Press, Iowa, U.S.A.

Rozhdenstvenskiy, A.V., Chevotariov A.I. (1974). Statistical methods in hydrology. Guidrometeoizdat,

Leningrad.

Szepesi D.J. (1987). Applications of meteorology to atmospheric pollution problems. World Meteorological Organization.
Technical Note No.188.WMO – No. 672.

WMO – World Meteorological Organization (2008). Guide to Meteorological Instruments and Methods of Observation. Parte
I, Cap 1 – 5; Parte I, Cap 11, Parte II, Cap 1. Séptima Edición. Geneva, Switzerland.

815