Ciencias de la Tierra Sólida
Servicio Nacional
Repositorio Geofísico Nacional (REGEN)
El Instituto Geofísico del Perú promueve la investigación científica y pone a disposición esta plataforma de libre acceso para compartir conocimientos generados en el campo de las geociencias.
Conoce más Recursos"El conocimiento de las geociencias a tu alcance"
A través del Repositorio Geofísico Nacional (REGEN), el IGP organiza su producción científica en comunidades que reúnen todo el conocimiento científico obtenido a lo largo de más de 100 años de investigación
Ciencias del Geoespacio
Formación profesional
Impacto de la Geofísica en el Desarrollo Sostenible
Institucional
Instrumentación Geofísica y Desarrollo Tecnológico
Ciencias de la Atmósfera, Hidrosfera y Cambio Climático
Ciencias de la Tierra Sólida
Ciencias del Geoespacio
Formación profesional
Impacto de la Geofísica en el Desarrollo Sostenible
Institucional
Instrumentación Geofísica y Desarrollo Tecnológico
Ciencias de la Atmósfera, Hidrosfera y Cambio Climático
Ciencias de la Tierra Sólida
Ciencias del Geoespacio
Formación profesional
Impacto de la Geofísica en el Desarrollo Sostenible
Institucional
Últimos ingresos
Estadísticas
Enlaces de Referencias
Real-Time Automated Quality Control of Extreme Precipitation Data from Automatic Weather Stations in Peru Using Deep Learning and Geostationary Satellite Images
(American Meteorological Society, 2026-09-01) Paredes, Diego; Villanueva, Edwin; Takahashi, Ken; Oria, Clara; Maco, Angel
Accurate and timely extreme precipitation data are crucial for effectively predicting and mitigating the impacts of natural phenomena. In Peru, automatic weather stations operated by the National Meteorological and Hydrological Service of Peru (SENAMHI) collected approximately 3.5 million precipitation data points between 2020 and 2021. The automated phase of the quality control (QC) system at SENAMHI flagged 4% of the data as suspect due to extreme values, but only 53% of these suspect data were validated in the manual QC phase in a timely fashion, even though 98.8% of these were ultimately classified as correct. To address this, we propose a deep learning model using satellite images and auxiliary inputs to validate extreme precipitation data more efficiently in real time, trained with human flags from the manual QC phase. We utilized a convolutional neural network (CNN)–recurrent neural network (RNN) architecture and satellite images to determine whether an extreme precipitation value is correct. The model yields a true positive rate of 95.9% considering the default threshold probability (0.5), so these suspect data could be automatically approved and published with a low false positive (error) rate of 0.329%, which would strongly reduce the workload of the human meteorologists in the manual QC. This could be optimized further by lowering the threshold and increasing the automatic approval rate while keeping the error rate at an acceptable level for SENAMHI. Additionally, an out-of-time validation using data for 2023–24, obtained after the original development and testing, showed a relatively good generalization to new climatological conditions, including the 2023–24 El Niño, albeit with a somewhat reduced performance, highlighting the need for continuous monitoring and readjusting the model.
Setting the Standard: Recommended Practices for Data Preprocessing in Data-Driven Climate Prediction
(American Meteorological Society, 2026-06-01) Furtado, Jason; Molina, Maria; Arcodia, Marybeth; Anderson, Weston; Beucler, Tom; Callahan, John; Ciasto, Laura; Gensini, Vittorio; L’Heureux, Michelle; Pegion, Kathleen; Pérez-Carrasquilla, Jhayron; Sonnewald, Maike; Takahashi, Ken; Xiang, Baoqiang; Zimmerman, Brian G.
Artificial intelligence (AI)—and specifically machine learning (ML)—applications for climate prediction across time scales are proliferating quickly. The emergence of these methods prompts a revisit to the impact of data preprocessing, a topic familiar to the climate community, as more traditional statistical models work with relatively small sample sizes. Indeed, the skill and confidence in the forecasts produced by data-driven models are directly influenced by the quality of the datasets and how they are treated during model development, yielding the colloquialism, “garbage in, garbage out.” As such, this article establishes protocols for the proper preprocessing of input data for AI/ML models designed for climate prediction (i.e., subseasonal-to-decadal and longer time scales). The three aims are to 1) educate researchers, developers, and end users on the effects that data preprocessing has on climate prediction; 2) provide recommended practices for data preprocessing for such applications; and 3) empower end users to decipher whether the models they are using are properly designed for their objectives. Specific topics covered include creating (standardized) anomalies, dealing with nonstationarity and the spatiotemporally correlated nature of climate data, and handling of extreme values and variables with potentially complex distributions. Case studies will illustrate how using different preprocessing techniques can produce different predictions from the same model, which can create confusion and decrease confidence in the overall process. Ultimately, implementing the recommended practices set forth in this article will enhance the robustness and transparency of AI/ML in climate prediction studies.
Boletín científico El Niño. Vol. 13, n° 02 (febrero 2026)
(Instituto Geofísico del Perú, 2026-02) Instituto Geofísico del Perú
El Perú, como parte de la estrategia de gestión pública para enfrentar los peligros naturales, especialmente respecto a El Niño, establece el Programa Presupuestal por Resultados (PPR) 068 “Reducción de vulnerabilidad y atención de emergencias por desastres”. A partir de 2014, el Instituto Geofísico del Perú (IGP), al igual que otras instituciones que conforman la Comisión Multisectorial encargada del Estudio Nacional del Fenómeno El Niño (ENFEN), participa en este PPR con el producto denominado “Estudios para la estimación del riesgo de desastres”. Este consiste en la entrega oportuna de información científica sobre el monitoreo y pronóstico de este evento natural oceánico-atmosférico, mediante informes técnicos mensuales, que permitan la toma de decisiones de las autoridades a nivel nacional y regional. A este producto, el IGP contribuye con la actividad “Generación de información y monitoreo del Fenómeno El Niño”, la cual incluye la síntesis y evaluación de los modelos de pronóstico de El Niño generados internacionalmente, como es el caso de los modelos climáticos globales, así como de aquellos obtenidos a partir de modelos propios como el de predicción de ondas oceánicas ecuatoriales, el modelo de inteligencia artificial y el recientemente desarrollado modelo de Sistema Tierra regional de pronóstico para el territorio peruano y el océano Pacífico (IGP RESM-COW v1). Asimismo, incluye el desarrollo de investigaciones y estudios científicos que permiten entender la variabilidad climática y los procesos asociados al cambio climático, a fin de fortalecer, en forma continua, las capacidades para el pronóstico de El Niño. En esta línea, el IGP ha estructurado y desarrollado el Boletín Científico El Niño, un producto que contiene, en gran medida, los aportes científicos en el estudio y vigilancia de El Niño, así como La Niña y otros fenómenos relacionados. El Boletín, que se publica mensualmente desde 2014, cuenta con aportes nacionales e internacionales en diversos temas asociados a El Niño, sus impactos, procesos vinculados, temas asociados y otros igual de relevantes, artículos que se presentan en las secciones de Divulgación Científica y Avances Científicos.
Boletín científico El Niño. Vol. 13, n° 01 (enero 2026)
(Instituto Geofísico del Perú, 2026-01) Instituto Geofísico del Perú
El Perú, como parte de la estrategia de gestión pública para enfrentar los peligros naturales, especialmente respecto a El Niño, establece el Programa Presupuestal por Resultados (PPR) 068 “Reducción de vulnerabilidad y atención de emergencias por desastres”. A partir de 2014, el Instituto Geofísico del Perú (IGP), al igual que otras instituciones que conforman la Comisión Multisectorial encargada del Estudio Nacional del Fenómeno El Niño (ENFEN), participa en este PPR con el producto denominado “Estudios para la estimación del riesgo de desastres”. Este consiste en la entrega oportuna de información científica sobre el monitoreo y pronóstico de este evento natural oceánico-atmosférico, mediante informes técnicos mensuales, que permitan la toma de decisiones de las autoridades a nivel nacional y regional. A este producto, el IGP contribuye con la actividad “Generación de información y monitoreo del Fenómeno El Niño”, la cual incluye la síntesis y evaluación de los modelos de pronóstico de El Niño generados internacionalmente, como es el caso de los modelos climáticos globales, así como de aquellos obtenidos a partir de modelos propios como el de predicción de ondas oceánicas ecuatoriales, el modelo de inteligencia artificial y el recientemente desarrollado modelo de Sistema Tierra regional de pronóstico para el territorio peruano y el océano Pacífico (IGP RESM-COW v1). Asimismo, incluye el desarrollo de investigaciones y estudios científicos que permiten entender la variabilidad climática y los procesos asociados al cambio climático, a fin de fortalecer, en forma continua, las capacidades para el pronóstico de El Niño. En esta línea, el IGP ha estructurado y desarrollado el Boletín Científico El Niño, un producto que contiene, en gran medida, los aportes científicos en el estudio y vigilancia de El Niño, así como La Niña y otros fenómenos relacionados. El Boletín, que se publica mensualmente desde 2014, cuenta con aportes nacionales e internacionales en diversos temas asociados a El Niño, sus impactos, procesos vinculados, temas asociados y otros igual de relevantes, artículos que se presentan en las secciones de Divulgación Científica y Avances Científicos.
Boletín sísmico mensual (agosto 2026)
(Instituto Geofísico del Perú, 2026-08) Instituto Geofísico del Perú
Durante el mes de agosto de 2026, el Centro Sismológico Nacional (CENSIS) reportó la ocurrencia de 107 sismos con epicentros en el borde occidental y dentro del territorio peruano.