Estudiando algunos fenómenos atmosféricos de la Costa Peruana

con Redes Neuronales y MEPPercy J. Cóndor Patilongo

Instituto Geofísico del Perú

Introducción

En este trabajo vamos presentar varios resultados en el estudio de algunos fenómenos atmosféricos de la costa peruana: - La inversión de temperatura de la costa central- La lluvia en Piura provocada por El Fenómeno del Niño- Los Paracas -Ica.

Aplicaremos redes neuronales para el pronostico y el método de la ecuación parabólica (MEP) para la propagación de ondas. El diseño de una sonda hecha en el Radio Observatorio de Jicamarca, que consiste de sensores de temperatura, humedad relativa y presión para poder obtener perfiles de la atmósfera usando un globo cautivo y un datalogger.

Redes Neuronales

Metodo computacional que simula la operación del cerebro para enteder y resolver un problema. Varios procesos en paralelo. Usado para varios problemas de reconocimiento de objetos, economia, ciencia, etc.

BackPropagationEstima la salida con las entradas de la forma:

salida

Capa oculta

entrada

Functional Link Network (FLN)En este método no hay capas ocultas.La salida es calculada por:

in

ii xwy ∑=

=1

i

n

iij xwh ∑

=

=1

Las entradas primero pasa por las capas ocultas.Los pesos son corregidos cuando se regresa desde la salida hacia la entrada, usando coeficientes de corrección.Cuando ya se tiene los pesos que hacen un error mínimo se procede a hallar la salida correcta o se termina la iteración

i

n

iihwy ∑

=

=1

Método de la ecuación Parabólica

Usada para simular la propagación de ondasEn este caso para la propagación de ondas de radio en la Troposfera.

De la ecuación de ondas expresada en la forma:

0222

2

2

2

=+∂

∂+

∂

∂ψ

ψψnk

zx

0)11()11( 22

2

22

2

2

2 =⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

+∂∂

++∂∂

⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

+∂∂

−+∂∂ un

zkik

xn

zkik

x

Se puede expresar por la transformación : ψikxeu −=

Inversión de temperatura en la costa central del Perú

La temperatura se incrementa a unos 1000 m de altitud.La temperatura normalmente decrece con la altura en la Troposfera.La humedad relativa tiene una caida brusca – cambio brusco de nConsecuencias:_ Colchon de nubes._ Falta de lluvias tropicales_ La propagación anómala de ondas de radioIndice de refracción para ondas de radio es dado por:

,1073.36.7710)1( 256

Te

TPnN ×+=×−=

hNM *157.0+=

Si lo expresamos para Tierra plana:

Diseño de una sonda Usamos un datalogger para obtener los perfiles de T,Hr y P, no usamos un receptor típico que recibe la señal codificada en tierra.El datalogger sirve para almacenar los datos*Lo incoveniente es que no podemos ver los datos en tiempo real.

N

Altura

Sonda empleada y el globo cautivo

Obtenemos el perfil 800

820

840

860

880

900

920

940

960

980

0 20 40 60 80 100

P (mb)

T

HR

Radio Observatorio de Jicamarca-07-2004con radiosondas

ROJ-07-05

0 250 500 750 1000 1250 1500range km

0

200

400

600

800

1000

1200

1400

th

gi

eh

m

100 110 120 130 140 150 160 170

L

Camino desde cerro de Lima a Paracas ysu simulación con MEP.

Transmision a Ica desde Cerro Chavilca en la Molina, a una altura de 800 msnm,

Usando el programa Advanced Propagation Model (APM) de la Marina de EEUU

0 100 200 300 400Range km

0

200

400

600

800

1000

1200

1400

thgieH

m

100 110 120 130 140 150 160 170

L

Precipitación en Piura

Por el fenómeno del Niño hay una fuerte intensidad de lluvia en Piura y TumbesAumento del caudal de los rios en el Norte.Usamos la temperatura de la superfice (TSM) del mar medida y pronosticada por la NOAA.Se toma los puntos cercano a la costa.Obtenemos el pronóstico de la precipitación en Piura usando FLN :

4.3.3.3. 32 DdDcDbDaLogprec +++=

Usamos los pronósticos de la anómalia deTSM dadopor la NOAA.Nos basamos en el trabajo hecho por R. Woodman.

20 40 60 80

0.05

0.1

0.15

0.2

100 200 300 400 500

0.02

0.04

0.06

0.08

0.1

Log-Lluvia

Cuadrado del error

Precipitación mensual en Piura (FitLluv3)

0100200300400500600700800900

Jan-

82

Jan-

83

Jan-

84

Jan-

85

Jan-

86

Jan-

87

Jan-

88

Jan-

89

Jan-

90

Jan-

91

Jan-

92

Jan-

93

Jan-

94

Jan-

95

Jan-

96

Jan-

97

Jan-

98

Jan-

99

Jan-

00

Jan-

01

Jan-

02

Jan-

03

Jan-

04

Prec

ipita

ción

en

mm

/mes

Fitloglluvia Lluvias

Fit3RN= -0.047331*D3-0.0265317*D4+0.00789487*D3^2-0.0448544*G4

Vientos en ParacasDatos de la estación meteorológica del Dr. Woodman en Paracas.Los vientos son mayores de 30 Kn y son mas intensos en agosto y setiembre.Distribuimos los vientos en la escala BFUAplicados FLN usando las variable de la presión y velocidades de los días anteriores y de la mañana.Obtenemos:

2.1.)21()21( vdvcttbppav ++−+−=

Beaufort V(knots)

0 <11 1 – 32 4 – 63 7 – 104 11 – 165 17 – 216 22 – 277 28 – 338 34 – 40

200 400 600 800

-10

10

20

30

-10 10 20 30

-10

10

20

30

Velocidad (Kn)

n

Velocidad estimada(Kn)

Velocidad observada(Kn)

Velocidad del viento de las 14:00 horas, usando temperatura de las 8:30 y 9:00, presión de las 4:00 horas del día estimado y del anterior; y las velocidades de las 9:00 y 15:00 horas del día anterior.

Conclusión

1. Logramos ver como la reflexión parcial se produce cuando ondas de radio incide sobre la zona de la inversión de temperatura. Usando una sonda nos ahorramos en la compra de un receptor y radiosondas. Aun estamos mejorando los sensores para obtener perfiles mas confiables de T y HR.

2. Logramos estimar el comportamiento de las lluvias en Piura usando TSM para puntos cercano a la costa, pero no con precisión en los meses de máxima intensidad.

3. Tenemos estadística de los vientos de Paracas para los años de 1999 a 2004. Pudiendo aplicar redes neuronales y predecir el comportamiento de las 14:00 horas usando las variables de P,T y V.