ICGs R STADISTICA

UNIVERSIDAD NACIONAL DE HUANCAVELICA
"AÑO DEL DIALOGO Y LA RECONCILIACIÓN NACIONAL"
FACULTAD DE CIENCIAS DE INGENIERÍA
ESCUELA PROFESIONAL DE
INGENIERÍA CIVIL-HUANCAVELICA
CURSO:
HIDROLOGIA GENERAL
PRIMER TRABAJO:
ICGs en R HIDROLOGIA
DOCENTE:
MCs. Ing. AYALA BIZARRO, Iván Arturo
ESTUDIANTE:
IGNACIO ZAVALETA, Enrique Javier
CICLO:
VII "A"
Huancavelica - Perú
Septiembre - 2018

Baja
AGRADECIMIENTOS
A DIOS por iluminar y bendecir nuestro camino y per-
mitir que sigamos disfrutando de la vida.
A nuestros padres, quienes nos apoyan de manera in-
condicional en nuestra formación académica; gracias
a ellos por apostar siempre en la educación.

ÍNDICE GENERALÍNDICE GENERAL
CAPÍTULO 1 INTRODUCCIÓN PÁGINA 1
CAPÍTULO 2 OBJETIVOS PÁGINA 3
2.1 Objetivo General 4
2.2 Objetivos Especiﬁcos 4
CAPÍTULO 3 PROGRAMAS UTILIZADOS PÁGINA 5
3.1 R 6
3.2 EXCEL 6
CAPÍTULO 4 ICGS PÁGINA 7
CAPÍTULO 5 RECOMENDACIONES Y CONCLUSIONES PÁGINA 15
CAPÍTULO 6 BIBLIOGRAFIA PÁGINA 17
CAPÍTULO 7 ANEXOS PÁGINA 19

HIDROLOGIA GENERAL(R estadistico) INTRODUCCIÓN
INTRODUCCIÓN
Con frecuencia se confunde el tiempo atmosférico y el clima de un lugar. El tiempo
atmosférico a una hora determinada, por ejemplo a las doce del mediodía, viene deter-
minado por la temperatura, presión atmosférica, dirección y fuerza del viento, cantidad
de nubes, humedad etc., registrados en el instante que se considera. Se comprende
que el tiempo atmosférico cambia rápidamente por variar la temperatura, la presión
atmosférica etc. No hace la misma temperatura a las 12 del mediodía que a las 6 de
la mañana. Así pues, el tiempo traduce algo que es instantáneo, cambiante y en cierto
modo irrepetible; el clima, en cambio, aunque se refiere a los mismos fenómenos, los
traduce a una dimensión más permanente duradera y estable.
Los datos meteorológicos y oceanográficos de zonas remotas en el océano se hacen por
medio de boyas tales como las del sistema Atlas. Durante el experimento de los Océanos
Tropicales y la Atmósfera Global (TOGA por sus siglas en Ingles) se experimentó y desar-
rolló una red de este tipo de boyas. La distribución del Pacifico actualmente suministra
mediciones en tiempo real de las temperaturas a nivel del mar.
La variabilidad climática es una medida del rango en que los elementos climáticos,
como temperatura o lluvia, varían de un año a otro. Incluso puede incluir las varia-
ciones en la actividad de condiciones extremas, como las variaciones del número de
aguaceros de un verano a otro. La variabilidad climática es mayor a nivel regional o
local que al nivel hemisférico o global.
Los índices climáticos son el resultado de fórmulas matemáticas y estadísticas, que
combinan los parámetros climáticos (principalmente temperatura y precipitaciones) con
datos como la altitud o la latitud, y manifiestan la relación entre la vegetación y el clima.
Ingeniería Civil-Huancavelica ICGs EN R HIDROLOGIA
2

2 OBJETIVOS
Contents
2.1 Objetivo General 4
2.2 Objetivos Especiﬁcos 4

HIDROLOGIA GENERAL(R estadistico) OBJETIVOS
OBJETIVOS
2.1 Objetivo General
Graficar series de tiempo y diagramas de caja de los siguientes ICGs en el pro-
grama R.
Tener un amplio conocimiento sobre los Indices Climáticos Globales y su probabil-
idad Estadistica de Eventos a susitar.
2.2 Objetivos Especificos
Conocer los diferentes ICGs.
Explicar en que consiste cada una de las ICGs.
Determinar las graficas de cada ICG en R.
Determinar la Estadistica Descriptiva de cada ICG.
Determinar el diagrama de cajas o BOXPLOT de cada ICG en R.
4

3 PROGRAMAS UTILIZADOS
Contents
3.1 R 6
3.2 EXCEL 6

HIDROLOGIA GENERAL(R estadistico)
PROGRAMAS
UTILIZADOS
PROGRAMAS UTILIZADOS
3.1 R
R es un entorno y lenguaje de programación con un enfoque al análisis estadístico.
R es una implementación de software libre del lenguaje S pero con soporte de alcance
estático. Se trata de uno de los lenguajes más utilizados en investigación por la comu-
nidad estadística, siendo además muy popular en el campo de la minería de datos, la
investigación biomédica, la bioinformática y las matemáticas financieras. A esto con-
tribuye la posibilidad de cargar diferentes bibliotecas o paquetes con funcionalidades
de cálculo y gráficas.
3.2 EXCEL
Microsoft Excel es una aplicación de hojas de cálculo que forma parte de la suite de
oficina Microsoft Office. Es una aplicación utilizada en tareas financieras y contables,
con fórmulas, gráficos y un lenguaje de programación.
6

HIDROLOGIA GENERAL(R estadistico) ICGs
INDICES CLIMÁTICOS GLOBALES
Un Indice Climático Global (ICG), es un valor que puede ser usado para describir el
estado y los cambios en el sistema climático de nuestr planeta.
Acontinuación de muestra los siguientes ICGs:
MEI
SOI
ONI
BEST
C Y E
PDO
PNA
NIÑO 1+2
NIÑO 3
NIÑO 4
NIÑO 3.4
Comente y describa cada uno e los ICGs.
...Nunca consideres el estudio como una obligación, sino como una
oportunidad para penetrar en lo bello y maravilloso mundo del saber.
[A.Einstein]
8

INTERPRETACIÓN DE LOS ICGs:
Según lo investigado se tiene las siguientes interpretaciones:
i MEI
El Niño / Oscilación del Sur (ENSO) es el fenómeno más importante de la at-
mósfera oceánica acoplada que causa la variabilidad climática global en escalas
de tiempo interanuales. Aquí intentamos monitorear el ENOS basando el Índice
Multivariado ENSO (MEI) en las seis principales variables observadas en el Pací-
fico tropical. Estas seis variables son: presión del nivel del mar (P), zonal (U) y
meridional (V) del viento de superficie, temperatura de la superficie del mar (S),
temperatura del aire superficial (A) y fracción de nubosidad total del cielo ( DO).
Estas observaciones se han recopilado y publicado en ICOADS durante muchos
años. El MEI se calcula por separado para cada una de las doce temporadas bi-
mensuales deslizantes (diciembre / enero, enero / febrero, ..., noviembre / diciem-
bre). Después de filtrar espacialmente los campos individuales en grupos ( Wolter,
1987)), el MEI se calcula como el primer Componente Principal (PC) sin rotar de
los seis campos observados combinados. Esto se logra normalizando primero la
varianza total de cada campo y luego realizando la extracción de la primera PC en
la matriz de covarianza de los campos combinados ( Wolter y Timlin, 1993 ). Para
mantener el MEI comparable, todos los valores estacionales están estandarizados
con respecto a cada temporada y al período de referencia de 1950-93.
9

ii SOI
El Índice de Oscilación del Sur , o SOI, da una indicación del desarrollo y la inten-
sidad de los eventos de El Niño o La Niña en el Océano Pacífico. El SOI se calcula
usando las diferencias de presión entre Tahiti y Darwin.
Los valores negativos sostenidos de SOI inferiores a -7 a menudo indican episodios
de El Niño. Estos valores negativos suelen ir acompañados de un calentamiento
sostenido del Océano Pacífico tropical central y oriental, una disminución en la
fuerza de los vientos alisios del Pacífico y una reducción en las precipitaciones de
invierno y primavera en gran parte del este de Australia y el extremo superior.
Los valores positivos sostenidos de SOI superiores a +7 son típicos de un episodio
de La Niña. Están asociados con fuertes vientos alisios del Pacífico y temperaturas
del mar más cálidas al norte de Australia. Las aguas en el Océano Pacífico tropical
central y oriental se vuelven más frías durante este tiempo. Juntos, estos dan una
mayor probabilidad de que el este y el norte de Australia estén más húmedos de
lo normal.
10

iii ONI
El Índice Oceánico de El Niño (ONI en inglés), cuyo comportamiento se puede
observar en la figura 3, es de hecho el estándar que la NOAA utiliza para identificar
eventos cálidos (El Niño) y fríos (La Niña) en el océano Pacífico tropical. Se calcula
como la media móvil de tres meses de las anomalías de la temperatura superficial
del mar para la región El Niño 3.4 (es decir, la franja comprendida entre 5°N-5°S
y 120°-170°W).
Para efectos históricos, la identificación de episodios cálidos (anomalías positivas,
El Niño) o fríos (anomalías negativas, La Niña), se da cuando el valor del ONI
supera el umbral de +0.5°C para El Niño o es inferior a -0.5°C para La Niña,
durante por lo menos cinco períodos consecutivos.
11

iv BEST
El índice BEST se diseñó para ser simple de calcular y proporcionar un índice
ENSO de período prolongado para fines de investigación. Nino 3.4 se ha usado
tradicionalmente como una medida de la fuerza ENOS en el Pacífico tropical. Sin
embargo, su uso por sí solo descuida los procesos atmosféricos explícitos. Al agre-
gar el SOI o Índice de Oscilación del Sur (la diferencia de presión entre Tahití y
Darwin), estos procesos se incluyen más directamente. Además, los valores más
antiguos de SST se reconstruyen al menos parcialmente y no se miden explícita-
mente. Al incluir el SOI, que se mide mejor históricamente, se reduce el efecto de
los sesgos en los datos de SST introducidos por la técnica de reconstrucción. Se
encuentra disponible una explicación más detallada de cómo se creó el índice.
v PDO
Valores estandarizados actualizados para el índice PDO, derivados como PC líder
de anomalías SST mensuales en el Océano Pacífico Norte, hacia el polo de 20N. Las
anomalías SST medias globales medias mensuales se eliminan para separar este
patrón de variabilidad de cualquier señal de "calentamiento global" que puede es-
tar presente en los datos.
La PDO es un fenómeno que se encuentra fundamentalmente en el Pacífico Norte
(en contraposición al Niño, que afecta sobre todo al Pacífico tropical). Tiene dos
fases entre las que suele alternar; normalmente permanece en una fase durante
un periodo de tiempo significativo (tan corto como 10 y tan largo como 40 años).
Sin embargo, no es inusual que estos periodos largos se rompan con intervalos en
los que cambia de fases durante periodos entre 1 y 5 años. Las fases de la PDO se
han llamado fases cálidas (valores positivos) o fáses frías (valores negativos).
12

vi C Y E
Los indices E y C resumen la variabilidad asociada a El Niño y La Niña, repre-
sentando el calentamiento superficial anómalo en el Pacífico este y centro, respec-
tivamente. Debido a la forma en que fueron calculados (usando componentes
principales) la correlación lineal entre ellos es baja, por lo que permite distinguir
mejor la variabilidad propia de cada una de estas regiones.
En la figura siguiente se muestran los patrones de anomalías de temperatura super-
ficial del mar asociados a valores unitarios de los índices E y C, respectivamente.
Claramente, el patrón E tiene mayor efecto en la costa peruana, pero el patrón C
también puede ser relevante al clima en la zona andina o amazónica del Perú a
través de las "teleconexiones" atmosféricas.
13

vii PNA
El patrón de teleconexión (PNA) Pacífico Norteamericano es uno de los modos
más prominentes de variabilidad de baja frecuencia en los extratrópicos del hem-
isferio norte. La fase positiva del patrón de ANP presenta alturas superiores a la
media en las cercanías de Hawai y en la región intermontañosa de América del
Norte, y alturas inferiores a la media ubicadas al sur de las Islas Aleutianas y en
el sureste de los Estados Unidos. El patrón de ANP está asociado con fuertes fluc-
tuaciones en la fuerza y la ubicación de la corriente en chorro del este de Asia.
La fase positiva se asocia con una corriente de chorro mejorada del este de Asia y
con un cambio hacia el este en la región de salida del chorro hacia el oeste de los
Estados Unidos. La fase negativa está asociada con una retracción hacia el oeste
de esa corriente en chorro hacia el este de Asia, bloqueando la actividad en las
altas latitudes del Pacífico Norte.
La fase positiva del patrón de ANP está asociada con temperaturas superiores a la
media en el oeste de Canadá y el extremo oeste de los Estados Unidos, y temperat-
uras inferiores a la media en el centro-sur y sudeste de los Estados Unidos. La APN
tiende a tener poco impacto en la variabilidad de la temperatura América durante
el verano. Las anomalías de precipitación asociadas incluyen totales superiores al
promedio en el Golfo de Alaska que se extienden en el noroeste del Pacífico de
los Estados Unidos, y totales inferiores a la media en la parte superior del medio
oeste de los Estados Unidos.
viii NIÑO 1+2
La región Niño 1 + 2 es la más pequeña y la más oriental de las regiones SST
del Niño, y corresponde a la región de la costa de Sudamérica donde El Niño
fue reconocido por primera vez poblaciones locales. Este índice tiende a tener la
mayor varianza de los índices SST de El Niño.
ix NIÑO 3
Esta región fue una vez el foco principal para monitorear y predecir El Niño, pero
luego los investigadores descubrieron que la región clave para las interacciones
conjuntas océano-atmósfera para ENOS se encuentra más al oeste (Trenberth,
1997) . Por lo tanto, el Niño 3.4 y la ONI se vieron favorecidos por definir los
eventos de El Niño y La Niña.
x NIÑO 4
El índice Niño 4 captura anomalías de TSM en el Pacífico ecuatorial central. Esta
región tiende a tener menos varianza que las otras regiones del Niño.
xi NIÑO 3.4
Se puede pensar que las anomalías de El Niño 3.4 representan las TSM ecuatori-
ales promedio a lo largo del Pacífico desde aproximadamente la línea de tiempo
hasta la costa de América del Sur. El índice Niño 3.4 típicamente usa un promedio
de 5 meses, y los eventos de El Niño o La Niña se definen cuando las TSM del Niño
3.4 exceden +/- 0.4C por un período de seis meses o más.
14

5 RECOMENDACIONES Y CONCLU-
SIONES

HIDROLOGIA GENERAL(R estadistico)
RECOMENDACIONES
Y CONCLUSIONES
CONCLUSIONES Y COMENTARIOS
Se obtuvo los datos estadisticos de los Indices Climáticos Globales (ICGs).
Se obtuvo las graficas de serie de los Indices Climáticos Globales (ICGs).
Se graficó y se obtuvo el diagrama de cajas de los Climáticos Globales (ICGs).
Los estudios e investigaciones sobre los ICGs nos dan a conocer cuanto afecta la
naturaleza y en que tiempo pueda volver a sucitarse.
Los datos de los ICGs son muy importantes para asi poder prevenir futuros catas-
trofes naturales mediante la Hidrologia Estadistica.
El programa R es un programa eficaz sobre todo lo que es estadistica.
Se recomienda mucho el programa R por su capacidad de Análisis, gráficos,etc .
16

Bibliography
[1] Apuntes de clases realizado en el curso de HIDROLOGÍA 2018-II de la E.P. Inge-
niería Civil - UNH.
[2] https://www.esrl.noaa.gov/psd/data/climateindices/list/#Nina4
[3] https://www.nasa.gov/
[4] Oﬁcina de Administración Oceánica y Atmosférica Nacional (NOAA).
[5] EARTH SYSTEM RESEARCH LABORATORY.
[6] https://www.esrl.noaa.gov/psd/data/correlation/pna.data
[7] https://www.esrl.noaa.gov/psd/data/correlation/pdo.data
[8] Andre MUSY-Christophe HIGY. Hydrology a Science of Nature. USA, 2010
[9] https://www.esrl.noaa.gov/psd/data/correlation/nina1.data
[10] https://picandoconr.wordpress.com/2016/02/27/diagrama-de-cajas/
[11] http://www.met.igp.gob.pe/variabclim/indices.html
[12] http://www.bom.gov.au/climate/current/soihtm1.shtml
[13] www.civilgeeks.com

HIDROLOGIA GENERAL(R estadistico) ANEXOS
DESCARGANDO LOS ARCHIVOS .TXT
20

TENEMOS TODOS LOS ARCHIVOS DE LOS ICGs
21

GRAFICOS DE MEI EN R
GRAFICOS DE SOI EN R
22

GRAFICOS DE ONI EN R
GRAFICOS DE BEST EN R
23

GRAFICOS DE C EN R
GRAFICOS DE E EN R
24

GRAFICOS DE PDO EN R
GRAFICOS DE PNA EN R
25

GRAFICOS DE NIÑO 1+2 EN R
GRAFICOS DE NIÑO 3 EN R
26

GRAFICOS DE NIÑO 4 EN R
GRAFICOS DE NIÑO 3.4 EN R
27

DIAGRAMA DE CAJA MEI
28

DIAGRAMA DE CAJA SOI
29

DIAGRAMA DE CAJA ONI
30

DIAGRAMA DE CAJA BEST
31

DIAGRAMA DE CAJA C
32

DIAGRAMA DE CAJA E
33

DIAGRAMA DE CAJA PDO
34

DIAGRAMA DE CAJA PNA
35

DIAGRAMA DE CAJA NIÑO 1+2
36

DIAGRAMA DE CAJA NIÑO 3
37

DIAGRAMA DE CAJA NIÑO 4
38

DIAGRAMA DE CAJA NIÑO 3.4
39

40

41

42

43

CODIGO HECHO EN R:
#AUTOR(Xavier Enrique)
#DATE(2018.09.23)
#--------------------------------------------------------------------------------
#Definiendo la carpeta de trabajo
setwd(’C:/Users/windows/Desktop/ICGs’)
#Importando los datos en formato ".txt"
#Importando los datos MEI
IMEI<-read.table(’MEI.txt’,header = TRUE)
plot(IMEI,col=c(’blue’,’green’),main = ’ICG MEI’,type=’l’)
grid()#genera la malla del fondo
grid(col=’green’)
MEI<-readClipboard()
MEI1<-read.table(file="clipboard",header = TRUE)
summary(MEI1)
boxplot(MEI1,main="DIAGRAMA DE CAJA MEI",xlab="YEAR",ylab="MEI",names="MEI"
,col = c("green"))
#Importando los datos SOI
ISOI<-read.table(’SOI.txt’,header = TRUE)
plot(ISOI,col=c(’red’,’green’),main = ’ICG SOI’,type=’l’)
SOI<-readClipboard()
SOI1<-read.table(file="clipboard",header = TRUE)
summary(SOI1)
boxplot(SOI1,main="DIAGRAMA DE CAJA SOI",xlab="YEAR",ylab="SOI",names="SOI"
,col = c("YELLOW"))
#Importando los datos ONI
IONI<-read.table(’ONI.txt’,header = TRUE)
plot(IONI,col=c(’blue’,’green’),main = ’ICG ONI’,type=’l’)
44

ONI<-readClipboard()
ONI1<-read.table(file="clipboard",header = TRUE)
summary(ONI1)
boxplot(ONI1,main="DIAGRAMA DE CAJA ONI",xlab="YEAR",ylab="ONI",names="ONI"
,col = c("black"))
#Importando los datos BEST
IBEST<-read.table(’BEST.txt’,header = TRUE)
plot(IBEST,col=c(’red’,’green’),main = ’ICG BEST’,type=’l’)
BEST<-readClipboard()
BEST1<-read.table(file="clipboard",header = TRUE)
summary(BEST1)
boxplot(BEST1,main="DIAGRAMA DE CAJA BEST",xlab="YEAR",ylab="BEST",names="BEST"
,col = c("brown"))
#Importando los datos C
IC<-read.table(’C.txt’,header = TRUE)
plot(IC,col=c(’blue’,’green’),main = ’ICG C’,type=’l’)
C<-readClipboard()
C1<-read.table(file="clipboard",header = TRUE)
summary(C1)
boxplot(C1,main="DIAGRAMA DE CAJA C",xlab="YEAR",ylab="C",names="C"
,col = c("pink"))
#Importando los datos E
IE<-read.table(’E.txt’,header = TRUE)
plot(IE,col=c(’red’,’green’),main = ’ICG E’,type=’l’)
E<-readClipboard()
E1<-read.table(file="clipboard",header = TRUE)
summary(E1)
boxplot(E1,main="DIAGRAMA DE CAJA E",xlab="YEAR",ylab="E",names="E"
,col = c("purple"))
45

#Importando los datos PDO
IPDO<-read.table(’PDO.txt’,header = TRUE)
plot(IPDO,col=c(’blue’,’green’),main = ’ICG PDO’,type=’l’)
PDO<-readClipboard()
PDO1<-read.table(file="clipboard",header = TRUE)
summary(PDO1)
boxplot(PDO1,main="DIAGRAMA DE CAJA PDO",xlab="YEAR",ylab="PDO",names="PDO"
,col = c("grey"))
#Importando los datos PNA
IPNA<-read.table(’PNA.txt’,header = TRUE)
plot(IPNA,col=c(’red’,’green’),main = ’ICG PNA’,type=’l’)
PNA<-readClipboard()
PNA1<-read.table(file="clipboard",header = TRUE)
summary(PNA1)
boxplot(PNA1,main="DIAGRAMA DE CAJA PNA",xlab="YEAR",ylab="PNA",names="PNA"
,col = c("orange"))
#Importando los datos NI~NO1Y2
IN1Y2<-read.table(’NI~NO1+2.txt’,header = TRUE)
plot(IN1Y2,col=c(’blue’,’green’),main = ’ICG NI~NO 1+2’,type=’l’)
NI~NO12<-readClipboard()
NI~NO1Y2<-read.table(file="clipboard",header = TRUE)
summary(NI~NO1Y2)
boxplot(NI~NO1Y2,main="DIAGRAMA DE CAJA NI~NO 1+2",xlab="YEAR",ylab="NI~NO 1+2",names="NI
,col = c("magenta"))
46

#Importando los datos NI~NO3
IN3<-read.table(’NI~NO3.txt’,header = TRUE)
plot(IN3,col=c(’red’,’green’),main = ’ICG NI~NO 3’,type=’l’)
NI~NO31<-read.table(file="clipboard",header = TRUE)
summary(NI~NO31)
boxplot(NI~NO31,main="DIAGRAMA DE CAJA NI~NO 3",xlab="YEAR",ylab="NI~NO 3",names="NI~NO 3"
,col = c("cyan"))
#Importando los datos NI~NO4
IN4<-read.table(’NI~NO4.txt’,header = TRUE)
plot(IN4,col=c(’blue’,’green’),main = ’ICG NI~NO 4’,type=’l’)
NI~NO41<-read.table(file="clipboard",header = TRUE)
summary(NI~NO41)
boxplot(NI~NO41,main="DIAGRAMA DE CAJA NI~NO 4",xlab="YEAR",ylab="NI~NO 4",names="NI~NO 4"
,col = c("red"))
#Importando los datos NI~NO3.4
IN3.4<-read.table(’NI~NO3.4.txt’,header = TRUE)
plot(IN3.4,col=c(’red’,’green’),main = ’ICG NI~NO 3.4’,type=’l’)
#boxplot(IN3.4,main="Caja",col="cyan ")
#boxplot(IN3.4,main="Caja",col="cyan ",gris=true)
NI~NO3.4<-readClipboard()
NI~NO3.4.1<-read.table(file="clipboard",header = TRUE)
summary(NI~NO3.4.1)
boxplot(NI~NO3.4.1,main="DIAGRAMA DE CAJA NI~NO 3.4",xlab="YEAR",ylab="NI~NO 3.4",names="
,col = c("blue"))
...Hay suﬁciente en el mundo para las nesecidades del hombre, pero no
para su avaricia [Mahatma.Gandhi]
47

ICGs R STADISTICA

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a ICGs R STADISTICA

Similar a ICGs R STADISTICA (20)

Último

Último (20)

ICGs R STADISTICA