Repositorio
Geofísico Nacional

El Instituto Geofísico del Perú promueve la investigación y el desarrollo de nuevos conocimientos científicos que son de gran utilidad para nuestro país.

Esta plataforma es un servicio digital de libre acceso, donde puedes compartir información y conocimientos como resultado de las investigaciones científicas que se realizan en el campo.

Acerca deRecursos
Photo by @inspiredimages
 

Nuestra comunidad

Nuestro Repositorio Geofísico Nacional cuenta con 7 comunidades principales, las cuales contienen diferentes materiales informativos que se han elaborado en el transcurso de los últimos años.

Logo 
38 Ítems Impacto de la Geofísica en el Desarrollo Sostenible Ver más
Logo 
374 Ítems Institucional Ver más
Logo 
14 Ítems Observación Geofísica, Desarrollo e Innovación Tecnológica Ver más
Logo 
163 Ítems Tesis Ver más
Logo 
1004 Ítems Ciencias de la Atmósfera e Hidrósfera Ver más
Logo 
538 Ítems Ciencias de la Tierra Sólida Ver más
Logo 
932 Ítems Ciencias del Geoespacio y Astronomía Ver más
Logo 
38 Ítems Impacto de la Geofísica en el Desarrollo Sostenible Ver más
Logo 
374 Ítems Institucional Ver más
Logo 
14 Ítems Observación Geofísica, Desarrollo e Innovación Tecnológica Ver más
Logo 
163 Ítems Tesis Ver más
Logo 
1004 Ítems Ciencias de la Atmósfera e Hidrósfera Ver más
Logo 
538 Ítems Ciencias de la Tierra Sólida Ver más
Logo 
932 Ítems Ciencias del Geoespacio y Astronomía Ver más
Logo 
38 Ítems Impacto de la Geofísica en el Desarrollo Sostenible Ver más

Recent   Submissions

ItemOpen Access
Sismo de Chala del 16 de junio 2024 (M6.2) y niveles de sacudimiento del suelo
(Instituto Geofísico del Perú, 2024-03) Tavera, Hernando; Mamani, Cristian
El 16 de junio 2024 (09horas 47m), ocurre un sismo de magnitud M6.2 con epicentro a 41 km al oeste de la localidad de Chala, siendo el sacudimiento del suelo percibido en una radio de 300 km, desde Lima Metropolitana por el norte hasta Punta de Bombón (Arequipa) por el sur. El sismo tiene su origen en el proceso de fricción entre las placas de Nazca y Sudamericana produciendo. El sismo fue seguido en sus primeras 48 horas, por un total de 36 réplicas y cuya distribución espacial sugieren un área de ruptura de 37 x 20 km perpendicular a la línea de costa. Los valores de aceleración del suelo fueron del orden de 100 cm/seg² en las localidades de Chala, Atiquipa y alrededores, llegando a producir en superficie deslizamientos de piedras y tierra en carreteras entre las localidades de Atico y Caraveli; caída de techos falsos en la municipalidad de Atiquipa y ruptura de vidrios en ventanas de viviendas; además de rajaduras leves en paredes.
ItemOpen Access
Evaluación de los modelos climáticos de NMME y Copernicus para el pronóstico de El Niño y La Niña en el verano
(Instituto Geofísico del Perú, 2023-12) Reupo, Jorge; Takahashi, Ken
La temperatura superficial del mar (TSM) en el océano Pacifico ecuatorial es la principal variable utilizada para indicar el desarrollo de un evento El Niño o La Niña. En la actualidad, los modelos climáticos proporcionan información aproximada de las condiciones futuras de esta variable. En este trabajo se analiza la correlación lineal entre los datos observacionales de la anomalía de la TSM de ERSSTv5 y los pronósticos retrospectivos de modelos climáticos globales (North Multi Model Ensemble- NMME y Copernicus Climate Change Service-C3S) para las regiones Niño 1+2 y Niño 3.4, con el fin de evaluar la confiabilidad de dichos modelos de pronóstico enfocada en los meses de verano (diciembre, enero, febrero y marzo). Los resultados muestran que, para la región Niño 1+2, los modelos producen mejores pronósticos con cinco meses de anticipación para los meses de diciembre y enero. Sin embargo, los pronósticos son superiores para la región Niño 3.4 con respecto a la región Niño 1+2. Además, según las correlaciones promedio, los mejores modelos son ECMWF (europeo), GEM5- NEMO (Canadá) y CMCC (Italia).
ItemOpen Access
El Niño, la salud y la vulnerabilidad ecosindémica en América Latina: perspectivas para el episodio 2023-2024
(Instituto Geofísico del Perú, 2023-12) Ramírez, Ivan
La aparición de El Niño global en 2023, en medio del año más cálido registrado, ha provocado alertas de peligro en todo el mundo para los gobiernos, las sociedades y la salud pública. En América Latina, muchos países enfrentan, cada pocos años, amenazas sinérgicas derivadas de anomalías hidrometeorológicas relacionadas con El Niño y sus impactos en la salud pública. El último episodio significativo de El Niño, un evento costero en 2017, tuvo consecuencias catastróficas en el noroeste de América del Sur que nos recuerda el episodio extremo de 1997-1998. Una preocupación importante es el surgimiento de epidemias simultáneas de enfermedades infecciosas y la concentración geográfica desigual de la carga de múltiples enfermedades (también conocida como ecosindemia). Este breve artículo destaca la importancia de El Niño como un factor crítico para la salud pública, la vulnerabilidad social subyacente y el contexto más amplio de vulnerabilidad ecosindémica en Perú y América Latina en general.
Palabras clave:El NiñoClimaSalud
ItemOpen Access
Implementación del componente acoplado océano-atmósfera del Modelo Regional del Sistema Tierra (RESM) en modo pronóstico para el territorio peruano y el océano Pacífico oriental: periodo enero-julio 2023
(Instituto Geofísico del Perú, 2023-11) Segura, Berlín; Montes Torres, Ivonne; Castillón, Fiorela; Manay, Roger; Takahashi, Ken
Este avance de investigación tiene como propósito mostrar el progreso de la implementación de la componente acoplada océano-atmósfera del Modelo Regional del Sistema Tierra (RESM), cuyo objetivo final es su empleo como herramienta de predicción para la Comisión Multisectorial encargada del Estudio Nacional del Fenómeno “El Niño” (ENFEN).
ItemOpen Access
Machine learning y causalidad
(Instituto Geofísico del Perú, 2023-11) Takahashi, Ken
La inteligencia artificial, particularmente el machine learning, está mostrando grandes avances en muchos campos de la ciencia. Sin embargo, los patrones que estas técnicas identifican para hacer sus predicciones no consideran las relaciones causa y efecto entre las variables consideradas, lo cual puede resultar en modelos que no sean robustos ante cambios en la naturaleza de los datos, como podría ocurrir con El Niño ante el cambio climático. Es necesario potenciar el entendimiento humano experto en los dominios del conocimiento, como la variabilidad y cambio climático, para que sea la guía para la evaluación y mejora de los modelos de machine learning.