· Meteorología Colombiana

N°8

pp.89-97

Marzo, 2004

Bogotá D.C.

ISSN-0124-6;8U

APROXIMACiÓN A UN MODELO DE PRONÓSTICO PARA NIEBLA DE RADIACiÓN

EN RIONEGRO-ANTIOQUIA

APPROXIMATION TO A MODEL FOR FORECASTING ~ADIATION FOG

IN RIONEGRO-ANTIOQUIA

ANA ISABEL AGUILAR GONZÁLEZ Grupo de investigación en Meteorología-Universidad Nacional de Colombia

GLORIA LEÓN ARISTIZÁBAL Profesora Posgrado de Meteorología, Departamento de Geociencias - Universidad Nacional de Colombia

Investigador Científico IDEAM

Aguilar, A & G. León. 2004: Aproximación a un modelo de pronóstico de niebla de radiación en Rionegro Antioquia. Meteo­ rol. Colomb. 8:89-97. ISSN 0124-6984. Bogotá, D.C. - Colombia.

RESUMEN Con base en el método de Análisis Discriminante se efectuó la modelación de la niebla para pronosticar su ocurrencia con 3, 5 Y 6 horas de anticipación, considerando como variables pre­ dictoras: la temperatura del aire, la depresión del punto de rocío y la intensidad del viento en superficie; el flujo de calor en el suelo, flujo de calor latente, el flujo de calor sensible y la veloci­ dad de fricción. Los valores de estas variables son tomados de la información meteorológica horaria de superficie del aeropuerto en mención en tanto que las variables de tipo micrometeorológicas son obtenidas a través del programa CAPLlM, de manera que este modelo puede ser aplicado con fines operativos. El grado de acierto del modelo depende del tiempo previo con que se haga esta predicción. Con tres horas de antelación a la ocurrencia del fenómeno los pronósticos se aciertan en un 76%, mientras que para cinco a seis horas de antelación se acierta en un 53%. Palabras clave: Análisis discriminante, Caplim, niebla de radiación, temperatura, humedad, mi­ crometeorología, pronóstico.

ABSTRACT Based on the discriminant analysis method, the modeling of the fog was carried out in order to forecast its occurrence with 3, 5 and 6 hours of anticipation, considering as the predictor vari­ ables: air temperature, dew point depression, strength of the surface wind, heat flow in the ground, latent heat flow, sensible heat flow, and the friction velocity. The values of these variables are taken from the hourly surface weather data at the airport in question, whereas the micromete­ orological type variables are obtained through the program CAPLlM, thus enabling this model to be applied with operative aims. The forecast skil1 of the model depends on the prior time span of prediction. Three hours ahead of the occurrence of the phenomenon, the forecasts are right in 76% of cases, whereas if forecast five to six hours in advance the skill scores 53%. Keywords: Discriminant Analysis, Caplim, radiation fog, temperature, humidity, micrometeoro­ logy, forecast.

METEOROLOGíA COLOMBIANA W8, MARZO

90

1.

INTRODUCCiÓN

El Aeropuerto José María Córdova, se encuentra ubicado en el Departamento de Antioquia, Su cabecera está loca­ lizada a los 06Q 09' 19" de latitud norte y 75º 23' 20" de longitud oeste; la altura sobre el nivel del mar es de 2,130m; el territorio en su mayor parte es montañoso y rico en su hidrografía, El análisis del comportamiento estacional y del ciclo diur­ no de diferentes variables meteorológicas permitieron conocer las condiciones necesarias para la formación de la niebla de radiación y la identificación de variables pre­ dictoras para la construcción de un modelo de pronóstico para la ocurrencia de niebla de radiación en el aeropuerto José María Córdova del municipio de Rionegro­ Antioquia, Para ello, se empleó un método estadístico con fines operativos como es el Análisis Discriminante, método que ha sido descrito en el contexto meteorológico por algunos autores (Wilks, 1995, Storch & Zwiers, 1999); constituyéndose en una alternativa metodológica de tipo estadístico para el pronóstico de este fenómeno, así como de otros eventos meteorológicos,

2.

ANÁLISIS DISCRIMINANTE

El objetivo del análisis discriminante es crear una función lineal con un conjunto de p variables predictoras que permita asignar o clasificar una hora de análisis en un único grupo, entre dos o más grupos conformados (Díaz, sf), Para el análisis de la ocurrencia del fenómeno, el análisis discriminante permite asignar una hora particular a uno de los dos grupos previamente establecidos: • •

Grupo 1: ocurrencia de niebla Grupo 2: no-ocurrencia de niebla

El conjunto de variables meteorológicas que se tomaron para este análisis está conformado por diecisiete (17) variables que describen no sólo el estado atmosférico, sino también características de tipo radiativo y de la capa de mezcla, las cuales provienen de la información horaria de superficie del aeropuerto José María Córdova, así como de variables obtenidas a través del programa CAPLlM (Ruiz, 2002) para el modelamiento micrometeo­ rológico de la capa límite planetaria, éstas son: • • • • • • • • • • • • •

Temperatura del aire (oC) Temperatura del punto de rocío rC) Depresión del punto de rocío (oC) Presión atmosférica (pulgadas Hg,) Intensidad del viento (nudos) Altura de Capa de Mezcla por Turbulencia mecánica (m) Altura de Capa de Mezcla por Turbulencia convectiva (m) Altura de Capa de Mezcla (m) Estabilidad de Pasquíll-Gifford 2 Radiación Global (w/m ) 2 Radiación Neta (w/m ) 2 Flujo de calor en el suelo (w/m ) 2 Flujo de calor latente (w/m )

• • • •

2

Flujo de calor sensible (w/m ) Velocidad de fricción (mIs) Temperatura (K) Altura de la Capa Superficial (m)

Selección de variables predictoras

2.1.

Después de realizar un análisis de correlación cruzada empleando la información de la variable visibilidad y las diecisiete (17) variables meteorológicas candidatas a ser predictoras, se determinaron las variables más asociadas con la visibilidad considerando k rezagos (horas), La visibilidad fue tomada como la variable indicadora de niebla por su respuesta inmediata en la reducción de sus valores por debajo de 1000 metros, La mayoría de variables tienen una asociación temporal hasta 6 rezagos (horas) con la visibilidad, las variables con mayor asociación y ahora llamadas variables predic­ toras son las siguientes: • • • • • • •

Temperatura del aire (OC) Depresión del punto de rocío (OC) Intensidad del viento (nudos) 2 Flujo de calor en el suelo (w/m ) 2 Flujo de calor latente (w/m ) 2 Flujo de calor sensible (w/m ) Velocidad de fricción (mis)

Para que la niebla de radiación se forme, el vapor de agua de la atmósfera debe cambiar su estado y pasar a agua liquida o a hielo, para ello, es necesario tener un alto contenido de humedad y vientos débiles en las capas bajas de la troposfera, acompañados de algunos proce­ sos físicos, tales como el enfriamiento radiativo y transfe­ rencia turbulenta de calor, que de una u otra manera están representados por estas variables predictoras,

2.2. Elementos en el proceso de discrimina­ ción 2.2.1.

La función discriminante:

Se define empleando los casos de niebla y no-niebla y

sus respectivos valores de las variables predictoras,

considerando la información de tres (3) horas antes del

evento y una segunda alternativa considerando cinco y

seis (5 y 6) horas antes del evento.

Las horas identificadas con presencia del fenómeno se categorizan empleando una variable dicotómica; 1: hora con presencia de niebla y O: horas sin presencia de niebla. La función discriminante se puede notar como:

Donde:

X pi : Corresponde a la p-ésima variable predictora

11 AGUILAR & LEÓN: APROXIMACiÓN MODELO PRONÓSTICO NIEBLA RADIACiÓN RIONEGRO-ANTIOQUIA

a p : Corresponde al p-ésimo coeficiente

2.3.

Z {: Denota el valor de la función discriminante para

Se utilizó la variable visibilidad VI como la variable prima­

obtener el valor o puntaje para cada hora analizada.

ría en la construcción de datos, y diecisiete (17) variables meteorológicas XII' x 21 , ...x 171 para conocer el grado de

Al tener la función discriminante, se define una regla de decisión y finalmente un proceso de validación así:

2.2.2.

Regla de decisión:

Sí

a'x;:: (X'I+ X '2 la' 2 Entonces la hora t se asigna al Grupo 1, empleando la información de p variables predictoras. Sí

a' x <

(X'I

+;t\ la' 2

Aplicación del análisis discriminante

asociación incluyendo las variables predictoras rezaga­ das (situación pre) con la variable visibilidad. Para hacer este proceso se aplicó el análisis de correlación cruza­ da, el cuál es un procedimiento de series de tiempo que indica el nivel de asociación de cada variable predictora en cada rezago y la variable visibilidad, y así seleccionar las variables en el proceso de discriminación entre las horas con ocurrencia de niebla o sin ocurrencia de niebla para el aeropuerto José María Córdova. Los resultados del análisis de correlación cruzada se integran para definir la función discriminante, pues algu­ nas variables predictoras se incluyen en la función como información temporal (tres horas antes y cinco-seis horas antes) las cuales presentan una asociación con la función discriminante en donde se ha involucrado el tiempo como se observa en la siguiente ecuación:

Entonces la hora t se asigna al Grupo 2, empleando la información de p variables predictoras.

2.2.3.

Proceso de validación de la función discri­ minante:

ZI =a 1

Sin embargo, en este proceso pueden presentarse dos posibles errores de "clasificación" en la función discrimi­ nante. El primer error, llamado tipo 1: asignar una hora particular al grupo 1 de ocurrencia de niebla, aunque pertenezca al grupo 2 no ocurrencias de niebla. El se­ gundo error, llamado tipo 2: asignar una hora particular al grupo 2 de no-ocurrencia de niebla, aunque pertenezca al grupo 1 de ocurrencia de niebla. Para el proceso de validación del Análisis Discriminante se emplean los eventos ocurridos en el año 2001 y se determina la habilidad de asignación al grupo correcto de la función discriminante. Los procesos que se emplearon son los siguientes:

•

Validación cruzada: Para este proceso se excluye cada caso de ocurrencia y/o no-ocurrencia de nie­ bla y se define con los casos restantes, este pro­ ceso se repite hasta el número total de casos para cada mes, por lo tanto, este procedimiento permite validar el proceso de discriminación. Validación con datos de prueba: Para este pro­ ceso se empleo el número total de casos (niebla y no-niebla) del año 2002 y Se determinó la habilidad que tiene la función discriminante, definida con los casos totales de 2001, y de esta forma se determi­ na la habilidad de asignar al grupo verdadero.

+ a 2 X 2/- 3 ••••••• + a k X kl - 3

Donde:

Consiste en calcular la función discriminante y aplicar la regla de decisión sobre cada hora que se incluyó en la construcción de la función (Díaz, sf).

•

9111

X kt - 3 : Corresponde a la k-ésima variable predictora con un rezago de tres (3) horas.

a k : Corresponde al k-ésimo coeficiente

Z{ : Denota el valor de la función

discriminante, para

obtener el valor o puntaje para cada hora analizada.

2.4.

Proceso de construcción

El año 2001 se empleó como el período de construcción para los casos de eventos niebla "FG", que son los que presentan visibilidades inferiores a 1000 metros. De acuerdo con los resultados del proceso de validación del análisis discriminante para los dos tipos de casos: •

Hora crítica con menor visibilidad: Casos en el que se toma únicamente la hora que presenta la menor visibilidad, para todos los eventos niebla.

•

Casos de interés: Corresponden a todos los eventos niebla con sus respectivas horas de du­ ración.

- Validación cruzada: En la Tabla 1, se presentan los resultados obtenidos para el mes de enero del 2001 empleando sólo las siete (7) variables arriba nombradas que mostraron mayor correlación, llamadas variables predictoras. Los dos tipos de casos indican que en este mes la correlación cruzada presenta:

METEOROLOGíA COLOMBIANA N°8. MARZO 2004]

•

Horas críticas con menor visibilidad: •

•

•

Entre 1, 2 Y 3 horas antes, de 586 casos de no-ocurrencia de niebla, la correlación cru­ zada logra clasificar 500 casos con las siete (7) variables predictoras, correspondientes a un 85.32%, y sólo se equivoca en 86 ca­ sos que equivale al 14.68%, y de 16 casos de ocurrencia de niebla clasifica 12 que co­ rresponde al 75%, equivocándose en 4 ca­ sos que equivalen al 25%. En 3 horas antes, de 654 casos de no­ niebla, clasifica 523, equivalente al 79.97%, y de 19 casos de niebla clasifica 14, equiva­ lente al 73.68%. Entre 5 y 6 horas antes, de 618 casos de no-niebla clasifica 477, equivalente al 77 .18%, Y de 17 casos de niebla clasifica a 9, equivalente al 52.94%. Los casos de interés:

• •

•

Entre 1,2 Y 3horas antes, de 574 casos de no niebla (O), clasifica 499 equivalente al 86.93%, y de 28 casos de niebla (1), clasifi­ ca 23, equivalente al 82.14%. En 3 horas antes, de 641 casos de no­ niebla, clasifica 542 equivalente al 84.56%,

•

y de 32 casos de niebla, clasifica 25 equiva­ lente al 78.13%. Entre 5 y 6 antes, de 605 casos de no­ niebla, clasifica 488 equivalente al 80.66%, y de 30 casos de niebla, clasifica 20, equivalente al 66.67%.

De manera general en los tres rangos horarios, los mayo­ res porcentajes de la mejor clasificación se dan en los casos de interés, debido al mayor número de eventos niebla que se registraron en este período, lo que permite tener más claridad para saber en cuál de los dos grupos clasifica un caso en particular. El porcentaje de acierto de las siete variables predictoras seleccionadas con la validación cruzada para los meses del año 2001, presenta comportamientos similares del mes de enero, sin embargo los rangos horarios de 1, 2 Y 3 horas antes del evento, 3 horas antes, y finalmente el de 5 y 6 horas antes, se determina que el rango 2 (3 horas antes) es el que mayor porcentaje de acierto pre­ senta con las siete (7) variables meteorológicas seleccio­ nadas, igualmente entre mayores sean las horas para la predicción, rango 3 (5 Y 6 horas), la probabilidad de tener una buena clasificación con las variables seleccionadas se ve reducido; de la misma manera se observa que los meses en que no se presentaron buen número de even­ tos niebla, la validación cruzada no presento respuestas satisfactorias.

Tabla 1. Validación cruzada - enero de 2001 2.4.1.1.

Horas críticas con Menor visibilidad

Casos de interés

Después de conocer el porcentaje de acierto en la clasifi­ cación de evento y/o no eventos niebla con la validación cruzada, se realiza el: • Período de Construcciów. El año 2001 se escogió como el período de construcción del modelo de Análisis Discriminante, con el procedimiento PROC DISCRIMIN del software SAS, se realizaron todos los cálculos y se generó la función discriminante para cada uno de los meses, las cuales se emplean para realizar el proceso de validación con el período del año 2002. En la Tabla 2 se observa que en el mes de enero del 2001, siendo el mes que mayor número de eventos pre­ senta, el Análisis Discriminante en el período de prueba logra:

•

Horas críticas con menor visibilidad: • Entre 1, 2 Y 3 horas antes del evento, de 586 casos de no-ocurrencia de niebla (O), logra cla­ sificar 503 con un porcentaje de acierto del 85.84%, y de los 16 casos de ocurrencia de niebla (1), clasifica 13 con un porcentaje de acierto del 81.25%. • En 3 horas antes, de 654 casos de no-niebla, clasifica 524 eqUivalente al 79.97%, y de 19 casos de niebla clasifica 14 equivalente al 73.68%.

r~

NÓSTICO NIEBLA RADIACiÓN RIONEGRO-ANTlOQUIA

• Entre 5 y 6 horas antes, de 618 casos de no-niebla clasifica 477 equivalente al 77.18%, y de 17 casos de niebla clasifica 9 equivalente al 52.94%. •

Los casos de interés: •

•

•

Entre 1, 2 Y 3 horas antes, de 574 casos de no-ocurrencia de evento niebla, clasifica 501 con un porcentaje de acierto del 87.28%, y de los 28 casos de ocurrencia de niebla, clasifica 25 con un porcentaje del 89.29%. En 3 horas antes, de 641 casos de no-niebla, clasifica 542 equivalente al 84.56%, y de 32 ca­ sos de niebla, clasifica 25 equivalente al 78.13%. Entre 5 y 6 horas, de 605 casos de no-niebla, clasifica 493 equivalente al 81.49%, y de 30 casos de niebla, clasifica 20 equivalente al 66.67%.

93

Igualmente entre las horas críticas con menor visibilidad y los casos de interés, presentan mayor porcentaje de acierto los casos de interés, debido a que el número de evento niebla es mayor. El Análisis Discriminante para el período de construc­ ción (2001) en cada uno de los meses, siendo consecuentes con las respuestas obtenidas en el mes de enero, no obstante los meses en que se presenta menor número de casos de niebla, el proceso de clasificación llega a ser un poco más difícil que los meses en que se presentan buen número de casos. De manera general se observa una mejor clasificación en el período de prueba comparado con la realizada con la validación cruzada; sin embargo, en ambos casos los porcen­ tajes presentados por buena clasificación son altos.

Tabla 2. ENERO

Horas críticas con Menor visibilidad

Casos de interés

De acuerdo con los porcentajes obtenidos con el período de construcción (2001) en la clasificación de eventos niebla, se decidió tener en cuenta el rango de 3 horas y el de 5-6 horas antes, debido a que el propósito del pronós­ tico de niebla para el aeropuerto de Rionegro es con fines operativos, y entre mayor sea el tiempo de pronóstico más utilidad se puede brindar especialmente para las programaciones de vuelos de este aeropuerto. En la Tabla 3, se presentan los pesos de cada una de las variables predictoras en la función discriminante para todos los meses. El mes de septiembre debido a que no

Tabla 3

contaba con la información de todas las variables predic­ toras se decidió realizar las operaciones para conocer los pesos de las variables predictoras con el período de prueba año 2002, los demás meses del año se realizaron con el año 2001 que corresponde al período de construc­ ción. Las siglas de la columna variables están referidas todas a tres (3) horas antes y significan: T3: Temperatura del aire, T-TD3: Depresión del punto de rocío, INTV3: Intensidad del viento en nudos, FCSU3: Flujo de calor del suelo, FCL T3: Flujo de calor latente, FCSS3: Flujo de calor sensible y VFR3: Velocidad de fricción.

METEOROLOGíA COLOMBIANA W8, MARZO

94

En la Tabla 4 se presentan los respectivos pesos de las variables predictoras para 5 y 6 horas antes, todos los pesos de los diferentes meses se obtuvieron con el pe­ ríodo de construcción correspondiente al año 2001. Es de anotar que cuando se emplea la función discriminante para el pronóstiCO de niebla de 5 a 6 horas se debe con­ tar igualmente con toda la información de las siete (7) variables predictoras, de las 5 y 6 horas anteriores a la hora para la que se quiere el pronóstico, es decir, si se requiere el pronóstico de niebla para las 10HLC, se ne­ cesita la información de las siete (7) variables predicto­ ras, de las 03HLC y 04HLC. Las variables que tienen una mayor peso en el modelo de pronóstico de niebla de radiación, para 3, 4 Y 5 horas, son la velocidad de fricción, la temperatura del aire en superficie y la depresión del punto de rocío; cada una de ellas asegura que el proceso previa a la formación de la niebla se esté dando. En particular es de anotar que: •

El transporte turbulento de calor se presenta con los procesos no adiabáticos, los cuales son generalmen­ te agentes de enfriamiento más efectivos y por el mismo la turbulencia mecánica o térmica transfiere calor hacia abajo a lo largo del gradiente de tempera­ tura. Cuando durante la noche tiene lugar una inver­ sión de temperatura en superficie, ocurre un trans­

• •

porte turbulento de calor en sentido descendente respecto del aire que está arriba. Si el viento es dé­ bil, la capa límite continúa enfriándose mientras transfiera calor hacia el suelo. Por lo anterior, es ne­ cesaria la presencia de una pequeña turbulencia, de lo contrario sólo se presentaría un fuerte enfriamien­ to en una capa muy delgada de no más de un metro de altura. Así mismo, la velocidad del viento debe ser muy baja para que la niebla se presente. Es impor­ tante recordar que el transporte turbulento de vapor de agua hacia abajo, a lo largo del gradiente de la re­ lación de mezcla, ocurre de la misma manera que la transformación de calor a lo largo del gradiente verti­ cal de temperatura hacia abajo. El enfriamiento radiativo controlado a través de la temperatura del aire en superficie, sea máximo. Una baja depresión del punto de rocío asegura un contenido de humedad alto en la atmósfera, de ma­ nera tal que con el enfriamiento radiativo nocturno se asegure un descenso de temperatura del aire en su­ perficie que pueda nivelarse con la temperatura del punto de rocío y de esta manera el vapor de agua en la atmósfera alcance la saturación y se logre el cam­ bio de fase de vapor a líquido, por lo tanto se pro­ duzca la condensación, y fácilmente se forme la nie­ bla de radiación.

Tabla 4. Peso de las variables predictoras en el pronóstico de niebla en el aeropuerto 6 horas José María Córdova VARIABLES

2.5. Proceso de validación con datos de prueba Para la validación se utilizó la información horaria del aeropuerto José María Córdova, periodo del año 2002; con ella se corrió el modelo de análisis discriminante con la función discriminante y los pesos de cada variable (Tablas 3 y 4) obtenidos en el período de construcción del año 2001, de acuerdo con los resultados derivados, la

Tabla 5 del mes de enero presenta los dos (2) casos analizados:

• Horas críticas con menor visibilidad: •

Entre 1, 2 Y 3, de 553 casos de no-ocurrencia de niebla, clasifica 471 equivalente al 85.17%·, Y de los 7 casos de evento niebla clasifica 7 equivalente al 100%.

lLAR & LEÓN: APROXIMACiÓN MODELO PRONÓSTICO NIEBLA RADIACiÓN RIONEGRO-ANTIOQUIA

•

..

•

En 3 horas, de 590 casos de no-niebla, clasifi­ ca 476 equivalente al 80.68%, y de 8 casos de niebla clasifica 7 equivalente al 87.50%. Entre 5 y 6 horas, de 562 casos de no-niebla, clasifica 454 equivalente al 80.78%, y de 7 ca­ sos de niebla clasifica 5 equivalente al 71.43%.

Casos de interés •

•

Entre 1, 2 Y 3 horas, de 547 casos de no­ ocurrencia de niebla clasifica 476 equivalente al 87.02%, y de los 13 casos de ocurrencia de niebla, clasifica 12 casos equivalentes al 92.32%. En 3 horas, de 584 casos de no-niebla, clasifi­ ca 485 equivalente al 83.05%, y de 14 casos de niebla clasifica 13 equivalente al 92.83%.

•

95

Entre 5 y 6 horas, de 556 casos de no-niebla, clasifica 452 equivalente al 81.29%, y de 13 casos de niebla, clasifica 11 equivalente al 84.62%.

De manera general que entre los casos de horas críticas con menor visibilidad y los casos de interés, este último presenta mayor porcentaje de acierto en las clasificacio­ nes, debido a que el número de evento niebla continúa siendo mayor, como se observó en el período de cons­ trucción. Sin embargo, los porcentajes de clasificación de evento niebla son superiores a los presentados en el período de construcción, indicando con ello que el análi­ sis discriminante es una aproximación operativa para el pronóstico de niebla hasta con 6 horas de anterioridad.

ENERO

Horas críticas con menor visibilidad

Casos de interés

2.6. Tasa de errores Dentro de los errores presentados en el proceso de clasi­ ficación se encuentran los tipo 1 y tipo 2, arriba mencio­ nados, dentro de ellos se observa en la Tabla 6, que el error tipo 1 (clasificar niebla cuando no ocurre), para los casos de interés, en el rango de 1, 2 Y 3 horas en los meses de septiembre, octubre, noviembre y diciembre, presentan un porcentaje bastante alto, pero en los mis­ mos meses se observa que el error tipo 2 (no clasificar niebla cuando ésta ocurre), presenta el menor porcentaje en este rango horario, junto con el mes de abril; en el rango de 3 horas se observa que los meses de octubre y diciembre presentan los más altos rangos en error tipo 1, Y febrero, agosto y noviembre son los que presentan los mayores porcentajes en error tipo 2; finalmente, en el rango horario de 5 y 6 horas no se observan valores muy altos de error tipo 1, sin embargo los errores tipo 2 con valores altos se presentan en los meses de febrero, abril, mayo, septiembre, octubre, noviembre y diciembre. De manera general el rango de 3 horas presenta las meno­ res tasas de error; así mismo se observa que entre me­ nor sean los tiempos para pronosticar la ocurrencia o no de niebla, mejor será la clasificación. De acuerdo a los resultados obtenidos con el modelo de análisis discriminante en el pronóstico de niebla para el aeropuerto José María Córdova, se puede confirmar que con las funciones discriminantes obtenidas para los ran­ gos horarios 2 (3 horas antes) y 3 (5 Y 6 horas antes), y

teniendo los valores de las variables predictoras se clasi­ fica dentro de dos grupos previamente conformados la ocurrencia o no de niebla con un alto grado de probabili­ dad de acierto, sin embargo se debe tener presente que los meses en que no ocurren muchos eventos de niebla, presentan un grado de incertidumbre.

3. DESCRIPCiÓN DE LA DURACiÓN DEL EVENTO Conociendo las diferentes funciones discriminantes para el pronóstico de niebla en el aeropuerto José María Cór­ dova, es indispensable conocer la duración promedio del evento para cada uno de los meses, así mismo la hora frecuente de la ocurrencia. •

Duración del evento: Se aplicó una estadística descriptiva, con la ayuda del software Statgraphics, relacionada con la duración del evento para cada uno de los meses, para ello se utilizaron los percenti­ les 10 Y 90, de los casos de interés ocurridos entre los años 2001 y 2002, con el objetivo de tener una idea del tiempo que puede llegar a permanecer un evento de niebla en un determinado mes. De acuer­ do a la Tabla 7, se observa que entre estos dos valo­ res se concentran el 80% de la duración de los casos en cada mes, de los cuales los casos que se forman en los meses de enero, marzo y noviembre, son los que presentan mayor duración.

METEOROL.OGíA COL.OMBIANA W8, MARZO 2004

mayor frecuencia) en cada evento sucedido entre los años 2001 y 2002.

Tabla 7. Duración promedio de evento niebla Número de casos

• MESES

.., 10

"

DO'~°"1til

Enero

29

1

5

r Febrero

14

1

3

Marzo

10

1

6.5

Abril

12

1

4

f-Mavo

10

1

4.5

· Junio

18

1

4

I Julio

14

1

5

· Agosto

12

1

Tabla 8. Hora de inicio del evento niebla MESES I Enero

Febrero Marzo

7

1

Octubre

6

1

2

Noviembre

26

1

5

17

1

3

l

2

En las temporadas de noches sin nubosidad, días solea­ dos y bajas precipitaciones, la duración de permanencia de la niebla se puede extender por varias horas, es de anotar que la tabla se realizó con base en la información de dos (2) años, y para casos operativos es recomenda­ ble extender el período de estudio de la duración prome­ dio de la niebla.

I.

Hora Inicio 5 8

7 6 7 6 6 6 7 6 6 6

~bril

3

I

S~ptiembre

I Diciembre

90

-c 1

Mayo rJunio i Julio AQosto Septiembre Octubre Noviembre Diciembre

I

I I I I

I !

I I

Hay que tener en cuenta que la Tabla 8, también se reali­ zó con los dos años de estudio (2001 y 2002), por lo tanto las horas de inicio pueden variar al ser considerado un período de muchos más años, pero en promedio a lo largo del año la hora de inicio de niebla es alrededor de las 06:00 HLC, en torno a la hora en que se presenta el valor mínimo de la temperatura del aire.

CONCLUSIONES 4.

HORA DE INICIO PEL EVENTO

De igual manera es importante conocer en qué rangos horarios es que la mayoría de eventos niebla se presen­ tan. La hora de inicio es un elemento importante a consi­ derar cuando se pretende desarrollar herramientas ope­ rativas de pronóstico, en particular para el fenómeno de la niebla; esta hora permite fijar la atención en horas que son frecuentes para ocurrencia y ligar este resultado descriptivo con la función discriminante. En la Tabla 8 se observa la hora de inicio del evento para cada mes, esta hora corresponde al valor de la moda (hora de inicio con

Las condiciones más representativas para la formación de la niebla de radiación en al aeropuerto José María Córdova, son: viento en calma, ausencia de nubosidad significativa, intensa radiación solar durante el día y alto contenido de humedad relativa en la atmósfera. Se concluye que la niebla que se forma en el aeropuerto José María Córdova de Rionegro generalmente se pre­ senta entre las 05HLC y 07HLC, siendo las 0600HLC la hora en la que se producen los eventos de niebla en la mayoría de los meses, a si mismo, la duración varía para cada mes, regularmente entre mayor sea el número de

llAGUILAR & LEÓN: APROXIMACiÓN MODELO PRONÓSTICO NIEBLA RADIACiÓN RIONEGRO-ANTIOQUIA

casos presentados, mayor será la duración; la duración promedio es de aproximadamente 4 horas. A través del análisis discriminante se construyeron los modelos estadísticos para el pronóstico de niebla del aeropuerto de Rionegro, permitiendo un grado de acierto que depende del tiempo previo con que se haga esta predicción. Con tres (3) horas de antelación a la ocurren­ cia del fenómeno los pronósticos se aciertan en un 76%, en tanto que si se aleja el horizonte del pronóstico, los aciertos son cada vez menores, y con cinco (5) y seis ( 6) horas de antelación se acierta en un 53%. Con el período de prueba (año 2001) se generó una función discriminan­ te para cada mes, donde se involucran siete (7) variables predictoras, cada una de ellas presenta un peso, para cada mes, así mismo la mala clasificación de los eventos genera una tasa de error, que presenta los mayores valores en los meses de menor número de eventos nie­ bla. De igual manera, entre mayor sean las horas a pro­ nosticar, 5 a 6 horas, la tasa de error presenta un incre­ mento en sus valores, comparados con el rango de 1, 2 Y 3 horas, como el de 3 horas. De manera general, el aná­ lisis discriminante es un método estadístico que ayuda en la parte operativa para el pronóstico, el cuál genera resul­ tados satisfactorios, pero hasta ahora es una primera aproximación que puede mejorar y aplicar diferentes métodos de clasificación que conlleven a perfeccionar el pronóstico, tal es el caso de la lógica difusa y redes neu­ ronales, entre otras.

9711

Las tablas climatológicas son muy susceptibles a cam­ bios, ya que son representativas de los dos (2) años específicos de estudio (2001 y 2002), se recomienda para fines operativos ser extendido a un período de 20 años para tener en cuenta las fluctuaciones climáticas que se presenten.

REFERENCIAS BIBLIOGRÁFICAS

DíAZ, Luis G. sf. Estadística Multivariada: Inferencias y Métodos. Universidad Nacional de Colombia, Facultad de Ciencias, Departamento de Matemáticas y Estadística. 437 págs. STORCH, Hans Von & ZWIERS, Francis. 1999. Statis­ lical Analysis in Climate Research. Australia: Cambridge University Press, 482 págs. WILKS, Daniel. 1995. Statistical Methods in the Atmos­

pheric Sciences. Volumen 59. Ithaca, New York: Edited Renata Dmowska, 467 págs. RUIZ, Franklin. 2002. Simulación de la Contaminación Atmosférica Generada por Fuentes Móviles en Bogotá (Mscr). Bogota, 282 págs.