Artículo científico / Scientific paper

ESTUDIO PARA DETERMINAR LAS POSIBLES FALENCIAS EN LAS MEDICIONES DEL SENAMHI,
FRENTE UNA ENTIDAD DE RENOMBRE, LA NOAA

Allison Dajhana Gallegos Melo

Universidad nacional de San Agustín

Posgrado de la facultad de Ciencias Naturales y Formales

RESUMEN

En la actualidad, la sociedad se ve influenciada en muchos aspectos de su vida cotidiana por las condiciones meteorológicas.
Es por tal motivo, que el grado de confiabilidad por parte de entidades meteorológicas juega un rol importante en la credibilidad
cuando el pronóstico del tiempo es emitido al público en general. El objetivo del presente trabajo fue realizar una comparación
descriptiva y cuantitativa entre la Oficina Nacional de Administración Oceánica y Atmosférica (NOAA), frente al Servicio
Nacional de Meteorología e Hidrología del Perú (SENAMHI). De esta manera, se ha realizado un análisis de tendencias con
datos diarios proporcionados por ambas entidades en un tiempo determinado. Para ello, la comparación se realizó entre dos
ciudades, cada una con su propia estación meteorológica; San Francisco, California en los Estados Unidos y Punta de Atico,
Arequipa en Perú. Teniendo como parámetro, la temperatura (máxima, mínima y media), tomando en cuenta las características
propias de cada ciudad (latitud, longitud, altitud sobre el nivel del mar); usando como tratamientos una regresión lineal por el
método de mínimos cuadrados y el análisis de Varianza (Prueba F) para determinar su significancia estadística.
Los resultados muestran que existe una diferencia en los datos brindados por cada entidad (se observa en las tendencias), el
cual puede considerarse consecuencia que el punto de comparación así sea semejante no es el mismo (elección de ciudad), la
obtención de datos sin control de calidad por parte de una entidad, el procedimiento de toma de muestra, la certificación
obtenida por cada una de ellas, entre otros puntos, tiene un rol importante para saber qué entidad tiene mayor credibilidad al
momento de brindar su pronóstico del tiempo a la sociedad y los errores que se están cometiendo.

Palabras claves: Pronostico del tiempo, comparación, temperatura, entidades.

ABSTRACT

At present, society is influenced in many aspects of their daily life by weather conditions. The reason why weather is time is
more important. The objective of the present work was a descriptive and quantitative comparison in the National Office of
Oceanic and Atmospheric Administration (NOAA), in front of the National Service of Meteorology and Hydrology of Peru
(SENAMHI). In this way, we have performed a trend analysis with data provided by the entities in a given time. For this, the
comparison was made between two cities. San Francisco, California in the United States and Punta de Atico, Arequipa in Peru.
Taking as parameter, the temperature (maximum, minimum and average), taking into account the characteristics of each city
(latitude, longitude, altitude above sea level); Use as treatments in a linear regression by the method of least squares and analysis
of variance (Test F) to determine its statistical significance.

1
 Artículo científico / Scientific paper

The results show that there is a difference in the data provided by each entity, which can be considered as the point of
comparison, as well as the same city, the obtaining of data without quality control by an entity, the intake procedure sample,
certification for each of them, among other points, the important role to know which entity has greater credibility at the time
of providing its forecast of time to the Society and the errors that are committing.

Keywords: Weather forecast, comparison, temperature, entities.

1. INTRODUCCIÓN del aire, viento, radiación solar, precipitación y evaporación.

En el presente, el pronóstico del tiempo ha permitido tomar
ciertas decisiones en el momento de realizar actividades al aire
libre, tanto para las personas como para las diferentes
industrias. La sociedad exige cada día mayor precisión en los
pronósticos del tiempo, desde programar una simple reunión
familiar en el campo hasta los pronósticos altamente
especializados de la NASA (La Administración Nacional de
la Aeronáutica y del Espacio) para evaluar las condiciones del
tiempo en sus lanzamientos de las naves al espacio. La
importancia recae en comunicar dichas anomalías con alto
grado de precisión y acierto.
Una información meteorológica se considera confiable y
representativa cuando es realizada por una idónea y correcta
planificación en actividades que consistirán en estudios de
ingeniería, evaluación y análisis de datos, evaluación del
modelo numérico meteorológico, un análisis del pronóstico
del tiempo versus los datos reales; con el fin de que las
predicciones sean verídicas y al momento de advertir climas
extremos (nevadas, lluvias torrenciales, tormentas) la
sociedad pueda creer en la información que se les brinda.
Para ello, la Organización Mundial Meteorológica (OMM) ha
establecido horas fijas en las cuales las estaciones
meteorológicas climáticas deben realizar las observaciones
estas son: 12:00, 18:00 y 24:00 UTC (tiempo universal
coordinado). Las mismas se caracterizan por ser obligatorias
para de esta forma mantener la consistencia y la calidad de los
datos que se incorporan a las bases históricas.
Las entidades encargadas de brindar estos datos
meteorológicos tienen como parámetros en una estación
meteorológica esenciales a medir: la temperatura, humedad
Es importante determinar el valor de la información recogida
en relación con su utilidad y finalidad de esta y los
instrumentos de medida deben estar homologados, ser
robustos y estar bien calibrados.
Para esta investigación, como parámetro importante se tiene
la Temperatura, definida como la única variable
meteorológica que tiene una relación lineal con la altitud, a
mayor altura, menor temperatura.
Las entidades encargadas del pronóstico del tiempo a
comparar son: El SENAMHI encargado de brindar
información sobre el pronóstico del tiempo, así como asesoría
y estudios científicos en las áreas de hidrología, meteorología,
agrometeorología y asuntos ambientales dentro de su límite
territorial. Y la NOAA, que dentro de su estructura
organizacional tiene como encargada de preparar los
pronósticos climáticos, meteorológicos e hidrológicos, así
como alertas para EE. UU., sus territorios y las áreas
oceánicas adyacentes al Servicio Nacional de Meteorología
(National Weather Service, NWS).
1.1. Predicción numérica meteorológica
La predicción numérica, es considerada la herramienta básica
de la meteorología moderna. Para conocer el futuro estado de
la atmósfera, a partir de un estado inicial de la misma, se
utilizan actualmente como herramienta básica los llamados
modelos numéricos de predicción del tiempo. Estos modelos
físico-matemáticos simulan el comportamiento de la
atmósfera a partir de unos datos iniciales constituidos por las
observaciones de las variables atmosféricas (presión,
temperatura, humedad, viento, etc.). Sobre estos datos
iniciales se aplican (se integran) las ecuaciones físico-

2
 Artículo científico / Scientific paper
matemáticas que definen su evolución temporal. El resultado
será el valor de esas variables en un instante futuro.
1.1.1. Modelo Eta SENAMHI
EL SENAMHI utiliza como modelo de pronóstico de tiempo
al modelo Eta, el cual es un modelo hidrostático de área
limitada, cuya característica más destacada es el empleo de la
coordenada vertical "Eta” (η) que es una generalización de la
coordenada sigma. El uso de esta coordenada permite reducir
los errores en los cálculos de la fuerza de gradiente de presión,
advección y difusión horizontal sobre topografías irregulares
y de gran pendiente como la Cordillera de los Andes ya que
sus superficies cuasi-horizontales así lo avalan. El Centro de
Predicción Numérica – CPN del SENAMHI, viene corriendo
el modelo Eta en forma operacional desde julio del año 2000
(considerando el esquema de convección BettsMiller hasta el
2006, y con el esquema KainFritsch, a partir del 2007). Las
condiciones iniciales y de borde fueron tomados de la corrida
de las 0000 UTC del Modelo Global de Aviación (AVN) del
National Centers for Environmental Prediction (NCEP) de los
Estados Unidos con intervalos de 6 horas. Las previsiones del
modelo se extienden hasta las 72 horas y cubren todo el
territorio peruano con un tiempo de integración de 6 horas, y
son proporcionadas una vez al día con 48 Km de resolución
horizontal y 38 niveles en la vertical de los cuales 17 se
encuentran por debajo de los 700 hPa sobre áreas con baja
topografía.
1.1.2. Sistema de pronóstico global (GFS)
El Sistema de pronóstico global (GFS) es un modelo de
pronóstico del tiempo producido por los Centros Nacionales
para la Predicción Ambiental (NCEP). Docenas de variables
atmosféricas y de suelo-tierra están disponibles a través de
este conjunto de datos, desde temperaturas, vientos y
precipitaciones hasta humedad del suelo y concentración de
ozono atmosférico. Todo el mundo está cubierto por el GFS
en una resolución horizontal básica de 18 millas (28
kilómetros) entre los puntos de la cuadrícula, que es utilizada
por los analistas operativos que predicen el clima hasta 16 días
3
en el futuro. La resolución horizontal se reduce a 44 millas (70
kilómetros) entre los puntos de la cuadrícula para pronósticos
entre una semana y dos semanas.
El modelo GFS es un modelo acoplado, compuesto por cuatro
modelos separados (un modelo de atmósfera, un modelo de
océano, un modelo de suelo / tierra y un modelo de hielo
marino), que trabajan juntos para proporcionar una imagen
precisa de las condiciones climáticas.
2. METODOLOGÍA
La presente investigación comprende dos partes, la primera
hace referencia a una comparación descriptiva del modelo
numérico utilizado por cada entidad para el pronóstico del
tiempo, teniendo en cuenta los procedimientos seguidos para
la toma de muestras, y la segunda consiste en un análisis de
tendencias estadísticamente significantes sobre datos diarios
durante un determinado periodo realizando un tratamiento de
análisis de varianza (ANOVA) con Minitab 19.0. Los
conjuntos de datos fueron extraídos de las entidades
meteorológicas correspondientes a la NOAA y SENAMHI,
tomando en cuenta la ubicación de la estación meteorológica
de cada entidad. La característica en común de ambas
ciudades es la coordenada geográfica de altitud sobre el nivel
del mar.
2.1. Caracterización de entidades meteorológicas
En la caracterización, se realizó una comparación de las
estaciones meteorológicas, las certificaciones obtenidas, la
tasa de acierto, los procedimientos ejecutados, el modelo
numérico que tienen estas entidades meteorológicas en dicho
estudio se muestran en la Tabla 1.
2.2. Análisis de datos diarios con Minitab 19.0
Las estaciones meteorológicas que entregaron los datos
diarios se detallan en la Tabla 2, con sus respectivas
coordenadas geográficas. Para esto, se obtuvo un registro
diario de las dos estaciones meteorológicas correspondientes
en un determinado periodo. Se escogieron estas estaciones,
por tener en común la altitud de la ciudad y así mismo el tipo
de estación, automática.
 Artículo científico / Scientific paper
Las variables estudiadas son las temperaturas máximas (T máx.)
y temperaturas mínimas (Tmín.); además de las características
propias de cada región. Cabe mencionar, que los datos fueron
extraídos de cada una de las páginas web de dichas entidades.
Para ello, la entidad del SENAMHI hace mención que los
datos brindados son sin control de calidad. Mientras el
NOAA, obtiene datos en tiempo real, con un modelo
meteorológico que brinda un control de calidad por cada
registro, solo válido por 3 días.
Sobre cada registro entregado por cada entidad meteorológica
se generó una línea de tendencia a través del método de
mínimos cuadrado y para la determinación de la significancia
estadística se generó la prueba F, con una significancia del
95%. Este tratamiento incluye una gráfica de serie del tiempo
y el análisis de varianza correspondiente.
2.2.1. Tratamiento de datos
El tratamiento de datos se evaluó teniendo en cuenta que cada
una de las estaciones entreguen datos diarios y brinden de
información meteorológica mínima las variables
precipitación, temperaturas máximas y temperaturas mínimas.
Las estaciones tanto de la NOAA y del SENAMHI cumplían
con estos requerimientos para su evaluación, haciendo uso del
software Minitab 19.0 para evaluar la confiabilidad de los
datos. Teniendo en cuenta que el modelo matemático descrito
anteriormente menciona que el área abarcada del estudio es de
23 km para ambas entidades.
2.3. Control de calidad
Se requiere que los datos obtenidos estén ya homogenizados
y con un control de calidad previo, para que el resultado
obtenido en el tratamiento estadístico sea objetivo con el
grado de confiabilidad por parte de cada entidad
meteorológica.
Además, el control de calidad de los datos registrados que
realizan estas entidades permite identificar valores extremos
(outliers) en temperaturas diarias máximas y mínimas. Pues
estos valores pueden causar una gran desviación estándar en
el tratamiento estadístico.
Para propósitos de visualización, se graficaron series, junto
con tendencias, a las cuales se aplicaron regresión lineal de
mínimos cuadrados con su respetivo análisis de varianza a la
temperatura media de cada entidad.
3. RESULTADOS Y DISCUSIÓN
3.1. Grado de confiabilidad en la comparación
descriptiva
La NOAA como entidad meteorológica cuenta con más de
80000 estaciones repartidas en los 5 continentes, siendo en su
gran mayoría del tipo automáticas, reportando datos desde
hace más de 200 años. Para ello, dicha entidad trabaja de la
mano con la NASA para obtener un registro del pronóstico del
clima verídico y así poder predecir las posibles anomalías
climáticas. En Sudamérica, cuenta con estaciones en los países
de Brasil y Argentina. Surgiendo como incógnita, porque Perú
no cuenta con registros de meteorología emitidos por la
NOAA. Se tiene como respuesta a esta interrogante la
característica del relieve geográfico (pisos geográficos). Sin
de embargo, el motivo principal se centra en la adquisición de
estaciones automáticas (brindan datos en tiempo real), el cual
demandaría un elevado desembolso de dinero para la
organización del SENAMHI como del mismo estado. Esta
entidad en el territorio peruano cuenta con más de 800
estaciones, siendo solo de ellas 113 automáticas y las demás
convencionales. Sin embargo, Perú al contar con su propia
entidad meteorológica, le permite tener datos meteorológicos
de todo el territorio incluyendo países vecinos, pero al contar
en su mayoría con más estaciones convencionales presentan
mayor cantidad de registros erróneos al momento del brindar
el pronóstico del tiempo, ya que estos son tomados de manera
física por un previo muestreo.
La NOAA cuenta con la certificación de la ISO 17025 como
organización, mientras que el SENAMHI se encuentra en
proceso de acreditación de la ISO 9001. Lo que resulta
preocupante es que gran parte de sus estaciones no están
acreditas ni certificadas por la ISO 17025, pues no garantiza
que los registros meteorológicos sean verídicos.
4
 Artículo científico / Scientific paper
En el caso del modelo numérico, es considerado el modelo
ETA como apto y verídico para el registro de datos
meteorológicos, sin embargo, la entidad del SENAMHI
carece de cierta capacidad técnica para la interpretación
correcta de los datos brindados por el modelo, además de los
registros satelitales que manejan.
Para la sociedad, lo que determina creer o no en una entidad,
es su precisión al momento de brindar un pronóstico y que tan
correcto es a lo largo del tiempo. En una tasa de acierto la
NOAA cuenta con más del 90% en predicciones referidas a
anomalías climáticas. Sin embargo, el SENMAHI ha ido
perdiendo su credibilidad por cada pronostico brindado de las
posibles anomalías que podían ocurrir y al final estas no
sucedían, teniendo como tasa de acierto un rango del 50 al
65% en credibilidad.
El SENAMHI al momento de reportar datos al público lo
realiza sin previo control de calidad, al día registra la toma de
muestras en dos tiempos, no cumpliendo con lo establecido
por la ONM, mientras la NOAA si realiza un previo análisis
de calidad, toma de datos en tiempo real, además de indicar el
tiempo de validez de los datos emitidos.
3.2. Datos geográficos
En la investigación para la selección de país como se
mencionó, se tuvo en cuenta las coordenadas geográficas de
ubicación, pues estas entidades no registran los datos del
mismo país. La similitud de altitud permite correlacionar estas
ciudades para un estudio de variabilidad en cuanto a grado de
confiabilidad de los datos.
3.3. Tendencias diarias de temperatura media,
máxima y mínima
En cuanto al comportamiento en tendencias de temperatura,
se determinó un tiempo de abril a mayo, extrayendo datos
diarios para ambas entidades.
En la Figura 1, se puede observar la tendencia de la
temperatura máxima para ambas ciudades. La tendencia para
la ciudad de San Francisco (NOAA), presenta una clara
dispersión de los datos, teniendo picos de elevación y quiebre
5
de temperatura a lo largo del tiempo. Sin embargo, en la
tendencia para el pueblo de Atico (SENAMHI) existe una
tendencia lineal hasta el mes de junio donde solo se presenta
un quiebre originado por la disminución abrupta de la
temperatura. El tratamiento por regresión lineal de mínimos
cuadrados nos muestra un valor de R2 cercano a 1 para el
pueblo de Atico (0.4119), lo que indica la correlación de datos
a lo largo de la tendencia, mientras para la ciudad de San
Francisco se tiene un valor de 0.0027, el cual explica la
dispersión de los datos a lo largo del tiempo.
En la figura 2, se muestra la tendencia de la temperatura
mínima para ambas ciudades. La tendencia de color naranja
(NOAA) tiene una clara dispersión de los datos, el cual
concuerda con el tratamiento de regresión lineal de mínimos
cuadrados, al tener un valor de R2 de 0.0218, indicando la poca
proximidad al valor de 1. También se aprecia picos de
elevación y quiebre de la temperatura. Sin embargo, en la
tendencia de color azul (SENAMHI) existe una tendencia
lineal hasta mediados del mes de junio que presenta un quiebre
por la disminución de la temperatura. El tratamiento de
regresión lineal de mínimos cuadrados para Atico muestra un
valor de R2 cercano a 1, siendo de 0.6170, lo que indica la
correlación de datos y un ajuste de proximidad.
En la figura 3, se muestra la tendencia de la temperatura media
para ambas ciudades. La tendencia de color naranja (NOAA)
tiene una clara dispersión de los datos, presentado una
variación de temperatura a lo largo del tiempo, donde los picos
elevación y disminución de temperatura son notorios en los
dos meses de estudio para la investigación. Sin embargo, la
tendencia de color azul (SENAMHI) muestra que existe una
tendencia lineal hasta mediados del mes de junio, donde
comportamiento lineal indicaría que no existe cambios
abruptos de la temperatura. El tratamiento por regresión lineal
de mínimos cuadrados para Atico y San Francisco muestra un
valor de R2 de 0.5625 y 0.00005 respectivamente, donde el
valor alejado de 1 indica la dispersión de datos, mientras el
valor cercano indica la proximidad y correlación de ellos.
 Artículo científico / Scientific paper
En la figura 4, se muestra la tendencia de la temperatura
máxima, mínima y media para la ciudad de San Francisco
donde el comportamiento de las temperaturas presenta picos
de elevación y disminución a lo largo del tiempo, el cual
indicaría los cambios abruptos de frio y calor que se
presentaron en esta ciudad.
En la figura 5, se muestra la tendencia de la temperatura
máxima, mínima y media para el pueblo de Atico donde el
comportamiento las temperaturas se mantiene en una
constante, presentando a lo largo del tiempo solo un pico
notorio de quiebre de la temperatura. Lo que indicaría que el
clima se ha mantenido templado a lo largo del periodo de
mayo y junio sin presentar cambios abruptos.
En la tabla 3, se tiene el tratamiento estadístico por análisis de
varianza (ANOVA), donde el nivel de significancia está
definido por el valor p = 0.05. Para ello, se estableció como
hipótesis nula que los grupos por temperatura media registrada
presentan similitud; y si la hipótesis se rechaza los valores no
presentan semejanza. De acuerdo con el tratamiento realizado,
el valor de Pestimado fue de 1.43*10-6, donde el valor obtenido
es menor a 0.05. entonces se determina que la hipótesis nula
se rechaza.
4. CONCLUSIONES Y RECOMENDACIONES
En primer lugar, al tratarse de un estudio de dos técnicas
diferentes (comparación descriptiva y cuantitativa), es
importante hacer hincapié en las diferencias de estos
resultados.
En el tratamiento estadístico se evaluó la variabilidad en las
tendencias de los datos reportados. Mediante las gráficas
aplicadas a ambas entidades se concluyó que para la entidad
del SENAMHI existe una tendencia lineal para la temperatura
máxima, mínima y media por la cercanía al valor de R igual a
1, asumiendo por este resultado que el clima en la ciudad de
Atico es templado, y solo existe una disminución de la
temperatura por el cambio de estación de otoño a inverno, que
ocurre entre los meses de mayo a junio.
6
Sin embargo, en el caso de la NOAA se observó una tendencia
lineal con puntos dispersos, debido al incremento o
disminución de temperatura día con día para los dos meses de
evaluación, reflejándose en el valor obtenido para R, el cual
era alejado de 1. Esto quiere decir, que el clima de la ciudad
de San Francisco es variable, algunas veces se pueden
presentar precipitaciones, nevada entre otra anomalía
climática.
Con respecto al Análisis de Varianza se determinó que no
existe una correlación de datos para ambas entidades y la
hipótesis nula planteada fue rechazada. Esto se debe a que no
existe un punto en común de evaluación, lo que se pretendió
con este estudio es buscar una ciudad con características
geográficas similares (altitud) con el fin de evaluar la
variabilidad en la tendencia lineal de los datos registrados. Los
factores que alteraron los resultados fueron: Falta de control
de calidad para los datos del SENAMHI, las ciudades elegidas
para la obtención de registros se encuentran ubicadas una por
encima de la línea ecuatorial y la otra por debajo de ella. La
data analizada fue de un periodo corto, para un mejor
tratamiento estadístico se recomienda realizar una
recopilación de datos anuales además de diarios.
Mediante el análisis descriptivo se determinó que el principal
problema del SENAMHI es el inadecuado tratamiento de los
datos obtenidos del modelo numérico.
Sumando a ello la baja credibilidad por factores técnicos. No
cuenta con laboratorio de calibración acreditado, limitadas
capacidades para desarrollar programas de calibración a todos
los equipos del SENAMHI y de otras organizaciones,
equipamiento e instrumentos desfasados, falta de
conocimiento técnico en la calibración de equipos e
instrumentos por parte del personal técnico, poca referencia
de datos, el compendio de datos no es de accesibilidad para el
público en general. Sin embargo, la más preocupante falencia
de esta entidad es brindar la información sin un previo control
de calidad, lo que origina que los datos extraídos no tengan
una validez del 100%. Frente a un organismo de renombre
 Artículo científico / Scientific paper

como la NOAA, que ofrece en su página web datos en tiempo
real, control de calidad en sus registros, reporte de datos con
un pronóstico de tiempo de hasta 7 días, con un compendio de
datos de fácil acceso tanto para la sociedad como industrias
que lo requieran. Siendo la NOAA, muy pocas de las
entidades meteorológicas que reportan las posibles anomalías
climáticas que podrían suceder a largo de un año. Teniendo la
ventaja de trabajar junto a la NASA en investigaciones como
el fenómeno del niño, con la finalidad de prevenir posibles
anomalías climáticas alrededor del mundo.
Para un mejor estudio de comparación cuantitativa es
necesario trabajar con el compendio del SENAMHI, cuya
finalidad será realizar una comparación de datos históricos
reales versus los datos pronosticados, además de evaluar el
ajuste del resultado obtenido con la precisión de los emitidos.
Además, por la trazabilidad esta entidad reporta los datos a la
INDECOPI (Instituto Nacional de Defensa de la Competencia
y de la Protección de la Propiedad Intelectual), para una
validación de los resultados obtenidos.

TABLA 1. Comparación descriptiva de las estaciones meteorológicas.

NOAA SENAMHI
Modelo GFS Modelo ETA
a. Resolución espacial: 28 km a. Resolución espacial: 22 km
b. Área: b. Área:
 Longitud: -65°W -85°W  Longitud: 116°W 34°W
Modelo numérico  Latitud: -5°S 15°N  Latitud: 54°S 13°N
c. Resolución temporal: Cada 6 horas c. Resolución temporal: Cada 6 horas
d. Actualización: d. Actualización:
Dos veces al día (00Z y 12Z) Dos veces al día (00Z y 12Z)
e. Tiempo de pronóstico: 192 horas e. Tiempo de pronóstico: 120 horas
 Acreditada como organismos NWS con
la ISO 9001.
Certificaciones  Proceso de acreditación.
 Estaciones meteorológicas acreditadas
con las ISO 17025.
Tasa de acierto  90–95% predicciones correctas.  50-65% predicciones correctas.
 Equipos correctamente calibrados.  Equipos desfasados. Se encuentran
Algunos de ellos desarrollados por la adquiriendo nuevos equipos con
Equipos e instrumentación misma organización. teleología de última generación.
 Se encuentra asociado con las NASA  No cuentan con reparación para los
para investigación de importante estudio. instrumentos que quedaron relegados.
 Tipo: Automáticas  Tipo: Automáticas
 Número: 80000 estaciones  Número: 818 estaciones
Estaciones meteorológicas
 Antigüedad: Reporta datos desde hace - 113 automáticas
más de 200 años. - 702 convencionales

7
 Artículo científico / Scientific paper
 Antigüedad: Reporta datos desde hace
más de 50 años.

TABLA 2. Estaciones meteorológicas con datos diarios seleccionadas para el estudio

Estación Latitud Longitud Altitud (msnm) Variable de estudio
San Francisco 37°46'29.7'' N 122°25'9.9'' O 18 m Temperatura máxima, mínima y media.
La Punta Atico 16° 13' 42'' N 73° 41' 39'' O 20 m Temperatura máxima, mínima y media.

FIGURA 1. Tendencias de los valores máximos de temperatura diarios de la ciudad de San Francisco (NOAA) y Punta Atico
(SENAMHI)

FIGURA 2. Tendencias de los valores mínimos de temperatura diarios de la ciudad de San Francisco (NOAA) y Punta Atico
(SENAMHI)

8
 Artículo científico / Scientific paper

FIGURA 3. Tendencias de los valores medios de temperatura diarios de la ciudad de San Francisco (NOAA) y Punta Atico
(SENAMHI)

FIGURA 4. Tendencias de las temperaturas máximas, mínimas y medias de la ciudad de San Francisco (NOAA)
9
 Artículo científico / Scientific paper

TENDENCIA DE TEMPERATURA DE SAN FRANCISO

35.00

30.00

25.00

20.00

15.00

10.00

5.00

0.00

4/27/2019
4/1/2019
4/3/2019
4/5/2019
4/7/2019
4/9/2019
4/11/2019
4/13/2019
4/15/2019
4/17/2019
4/19/2019
4/21/2019
4/23/2019
4/25/2019

4/29/2019
5/1/2019
5/3/2019
5/5/2019
5/7/2019
5/9/2019
5/11/2019
5/13/2019
5/15/2019
5/17/2019
5/19/2019
5/21/2019
5/23/2019
5/25/2019
5/27/2019
5/29/2019
5/31/2019
Temperatura minima (°C) Temperatura máxima (°C) Temperatura media (°C)

FIGURA 5. Tendencias de las temperaturas máximas, mínimas y medias del pueblo de Atico (SENAMHI)

TABLA 3. Tratamiento estadístico, análisis de varianza

FUENTE SS df MS F P-value Fcrit
Entre grupos 196.4889 1 196.4889 25.75852 1.43E-06 3.920124
Dentro de grupos 915.3735 120 7.628112

Total 1111.862 121

10
 Artículo científico / Scientific paper

REFERENCIAS
Sheila S., Diana Z., Viviana M., Pablo J., Enrique P. y Marcos V. 2012. Análisis estadístico de datos meteorológicos mensuales y
diarios para la determinación de variabilidad climática y cambio climático en el distrito metropolitano de Quito. URL
http://www.redalyc.org/pdf/4760/47604740000
4.pdf).
Álvaro Mauricio B., Andrés P., José Edilson E., Estrella C. 2013. Análisis de datos meteorológicos para identificar y definir el clima
en Yopal, Casanare. URL (http://www.scielo.org.co/pdf/rmvn
25/n25a08.pdf)

11