Trabajos de investigación. CNDG –Biblioteca
Instituto Geofísico del Perú. V. 2 (2001) p. 9 – 20
ESTUDIO DE ESTRELLAS BINARIAS
 POR EL METODO DE FOTOMETRIA DIFERENCIAL
JULIO CÉSAR TELLO GÁLVEZ
Facultad de Ciencias Físicas
Universidad Nacional de Ingeniería
jctello@axil.igp.gob.pe
Prácticas dirigidas por: Dr. Mutsumi Ishitsuka
       Observatorio de Ancón -  Área de Astronomía
RESUMEN
En este estudio, se midió la magnitud de las estrellas binarias eclipsantes V1010 Oph y V505 Sgr y se
hizo un  análisis de la variación de brillo de las mismas. Para este fin, se empleó por primera vez, el
fotómetro fotoeléctrico OPTEC modelo SSP-5 instalado en el telescopio refractor Takahashi de 15 cm
de diámetro y 1050 mm de distancia focal. Las observaciones se efectuaron en Junio y Septiembre del
año 2000 desde el Fundo El Almendral (Ica) localizado a 300 Km al sur de la ciudad de Lima.
INTRODUCCION
No todas las estrellas que se observa en el
firmamento tienen un brillo constante1,
algunas cambian en períodos de tiempo
relativamente cortos y se les denominan
Estrellas Variables. Ellas comprenden una
fase crítica en la vida de las estrellas y su
estudio es posible mediante observaciones
en diferentes longitudes de onda a fin de
poder construir modelos que expliquen el
comportamiento observado (Ripero,
1986). Como menciona la Amrican
Asociation of Variable Stars Observers
(AAVSO), el estudio de las estrellas
variables proporciona mucha información
acerca de sus propiedades estelares tales
como: masa, radio, luminosidad,
temperatura, edad y composición.
Según la variación de su brillo, las
estrellas variables se clasifican en:
Variables Intrínsecas, si la variación se
debe a pulsaciones o erupciones que
ocurren dentro de las estrellas mismas y
Variables Extrínsecas, si la variación se
                                                
1 El cambio apreciable de brillo aquí
considerado ocurre en algunos días. Aquí no se
está considerando el centelleo de las estrellas
debido a la refracción de la luz estelar al pasar
por la atmósfera terrestre.
debe a la intervención de otra estrella que
se interpone entre ella y el observador
produciendo eclipses estelares.
En astronomía es costumbre referirse al
brillo aparente de una estrella como
magnitud aparente (Kaufmann, 1999). En
el siglo II DC, el astrónomo griego
Hiparco inventó la escala de magnitud
llamando estrellas de primera magnitud a
las más brillantes. Aquellas con un brillo
de casi la mitad de las de primera
magnitud, las denominó estrellas de
segunda magnitud y continuaba así hasta
las estrellas de sexta magnitud que eran las
más débiles que Hiparco pudo ver. Pero
estas magnitudes eran estimadas a partir
de la sensación visual, sin definición
cuantitativa. Según Sterken (1992),
Pogson (1856) asumió una escala
logarítmica que relacionaba la diferencia
de magnitud observada entre dos estrellas
con la correspondiente proporción del
brillo entre ambas. A mediados del siglo
XIX, gracias al desarrollo de nuevas y
mejores técnicas para medir la energía
luminosa, se definió que a una diferencia
de 5 magnitudes le correspondía una
proporción en brillo de 100 ó (2.512)5, por
lo que a una diferencia de 1 magnitud le
corresponde un factor de (100)1/5 ó 2.512
en brillo. Se redefinió entonces la moderna
escala de magnitud de modo que, si en
J. Tello
10
general se tiene 2 estrellas de magnitudes
aparentes m1 y  m2, entonces la magnitud
m1 será:
( ) ÷÷
ø
ö
çç
è
æ
=-
2
112512.2
B
Bmm
más brillante que la estrella de magnitud
m2. De aquí, se obtiene la denominada
Fórmula de Pogson:
÷÷
ø
ö
çç
è
æ
-=-
1
2
12 log5.2 B
B
mm 1.
La escala de magnitud es una escala
inversa; es decir, que a estrellas más
brillantes les corresponden magnitudes
con números más bajos. Actualmente, se
ha podido determinar la magnitud de
objetos tan débiles que alcanzan
magnitudes de 25 y se ha corregido la
magnitud de otros muy brillantes, de tal
manera que su magnitud incluso llega a ser
negativa.
El brillo, aquí mencionado, está
relacionado con la luminosidad L o
cantidad de energía luminosa emitida por
una estrella cada segundo. Cuando esta
energía se transmite desde su fuente, se
distribuye sobre regiones de espacio cada
vez más grandes. Considerando una esfera
imaginaria de radio d con centro en una
fuente de luz, se tiene que la luminosidad
L entre el área total de la superficie
esférica, permite obtener la cantidad
denominada brillo aparente B (flujo de
energía o energía luminosa que pasa cada
segundo por cada metro cuadrado de la
esfera) Kaufmann (1999), de modo que:
24 d
L
B
p
=
Actualmente, el estudio de las estrellas
variables comprende diversas técnicas
visuales, fotográficas y fotoeléctricas, con
las cuales es posible confeccionar las
denominadas Curvas de Luz, que son
representaciones en las cuales se grafica
las variaciones del brillo estelar versus el
tiempo. Los tipos de estrellas variables que
han sido objeto de este estudio se
denominan Estrellas Binarias Eclipsantes
y pertenecen al grupo de las variables
extrínsecas mencionadas, anteriormente.
Las Estrellas Binarias son sistemas
compuestos por dos estrellas que están
girando una alrededor de la otra y se
mantienen unidas por la fuerza de
gravedad existente entre ellas (Echevarría,
1997). En general, el plano orbital de estos
sistemas puede no estar cerca de la línea
visual del observador. En el caso especial
en que este plano se encuentre muy cerca
de la línea  visual, una de las componentes
pasará frecuentemente delante de la otra
ocultándola y provocando en consecuencia
una variación del brillo total del sistema
(Campbell y Jacchia, 1946). De allí, el
nombre de binarias eclipsantes. Las
componentes de estos sistemas  están tan
próximas entre sí, que aún a través de un
telescopio, aparecen como si fuera una
sola estrella y sólo se puede percibir de
ellas el cambio de su brillo en períodos
que pueden ser de algunos años, días u
horas.
La naturaleza binaria de este tipo de
estrellas se puede inferir analizando su
curva de luz, caracterizándose por tener en
cada período dos mínimos que
corresponden justamente a los eclipses de
cada una de las componentes. Sin
embargo, aún dentro de las binarias
eclipsantes se distinguen diferencias entre
sus curvas de luz, dependiendo entre otras
cosas del tipo de eclipse estelar (total o
parcial) o de las características de las
estrellas componentes. De acuerdo al
General Catalogue of Variable Stars
(GCVS), se tiene tres tipos de sistemas
binarios (ver Figura 1):
a) Sistema de estrellas binarias tipo
Algol. Su curva de luz se caracteriza por
tener mínimos bien definidos que difieren
entre sí por algunas magnitudes; en
cambio la luz permanece constante o varía
insignificantemente fuera de los eclipses.
Estudio de estrellas binarias por el método de fotometría diferencial
11
Sus períodos pueden ser desde 0.2 hasta
10000 días.
b) Sistema binaria tipo b Lyrae. Este es
el caso de dos estrellas tan cercanas que
sus componentes tienen forma elipsoidal y
por esta razón no están bien determinadas
los tiempos de inicio y fin de sus eclipses.
Se puede ver en su curva de luz, que la
magnitud en ningún momento permanece
constante y sus mínimos difieren en
magnitud en menor nivel que en el caso
anterior. Sus períodos en general son
mayores de un día.
c) Sistema tipo W UMa . Sus
componentes están casi en contacto y
comparten por tanto sus atmósferas
externas. Las profundidades de sus
mínimos son casi iguales. Teniendo una
curva de luz en la que no se pueden definir
exactamente los tipos de inicio y fin de los
eclipses. Los períodos son menores de un
día.
|
 
Figura 1. Tipos de estrellas binarias eclipsantes
(Kaufmann, 1999)
FUNDAMENTOS DE LA
FOTOMETRIA ASTRONOMICA
Básicamente, las técnicas para realizar
fotometría son dos (Galadí-Enriquez,
1998) :
Fotometría absoluta, mediante el cual se
intenta medir el brillo de unas cuantas
estrellas teniendo como referencia el brillo
de un cierto número de estrellas esparcidas
a lo largo de la noche, con diferentes
alturas sobre el horizonte y con un rango
de magnitudes que englobe al valor del
brillo que podrían tener las estrellas de
interés para el observador.
Fotometría diferencial o relativa, por
medio del cual se mide el brillo de una
estrella teniendo como referencia un
reducido número de ellas denominadas
estrellas de comparación, las mismas que
deben encontrarse en el cielo
relativamente cerca a la estrella en estudio.
Para conocer el brillo de una estrella se
mide la irradiancia2 de esta fuente
(Sterken, 1992). Un instrumento que
permite realizar esta medición, es el
Fotómetro Fotoeléctrico que consiste de
un tubo, fotomultiplicador (Kitchin, 1984).
En uno de los extremos de este tubo se
encuentra el fotocátodo donde incide la luz
de la estrella. El fotocátodo  se encarga de
liberar fotoelectrones que son acelerados
por un campo eléctrico y luego
amplificados por una serie de placas
denominadas dínodos. Finalmente, se
obtiene una avalancha de electrones que
son recogidos por el ánodo y producen una
corriente eléctrica que es proporcional al
número de fotones que interactúan. La
señal eléctrica producida por el ánodo es
digitalizada por un convertidor V/F y
liberado como un tren de pulsos que son
finalmente contados. Por lo tanto, la señal
de salida es directamente proporcional a la
irradiancia de la luz incidente y su medida
se reduce entonces a la medida de
corrientes eléctricas o a un cierto número
de cuentas  si el circuito está digitalizado.
Si el flujo de energía luminosa (B) de una
                                                
2 La irradiancia es el valor del flujo luminoso
por unidad del área donde incide.
J. Tello
12
estrella es proporcional a la intensidad
neta de la estrella por unidad de área (A)
incidente y por unidad de tiempo (t),
entonces,
÷÷
ø
ö
çç
è
æ
* tA
In
B a
La intensidad neta de una estrella, es la
intensidad después de corregida la
contribución del fondo3 del cielo en la
zona próxima a la estrella. Así pues, si IV
es el total de cuentas medido al observar la
estrella variable y IS el total de cuentas
medido del fondo del cielo de la estrella
variable, entonces la intensidad neta de InV
será :
InV  = IV - IS 2.
Análogamente, para el caso de la estrella
de comparación C también se mide la
intensidad neta de la estrella de
comparación InC :
InC = IC - ISC 3.
Siendo,
IC : El total de cuentas medido al  observar
la estrella de comparación C
ISC : El total de cuentas medido del fondo
del cielo en la zona próxima a la
estrella de comparación.
Entonces, la razón de las energías
luminosas BV y BC  (debido a la estrella
variable V y a la estrella de comparación,
respectivamente) que pasan por cada
unidad de tiempo (t) y por unidad de la
superficie (A) del telescopio será
proporcional a:
÷÷
ø
ö
çç
è
æ
C
V
C
V
In
In
B
B
a 4.
                                                
3 La contribución del fondo puede deberse a
otras fuentes de luz no deseadas (otras
estrellas, luz zodiacal, luz artificial, etc.)
En fotometría diferencial, se utiliza la
Fórmula de Pogson (ecuación 1) algo
modificada:
1
1
log5.2 C
C
V
V mIn
In
m +÷÷
ø
ö
çç
è
æ
-= 5.
donde
InV, InC  : Intensidades netas de la estrella
variable V y la estrella de
comparación C.
mV, mC :  Las magnitudes de la estrella
variable V y de la estrella de
comparación C.
En general, ya que una fuente de luz está
compuesta de diferentes longitudes de
onda y como todos los detectores no tienen
la misma respuesta para cada longitud de
onda, se tendrán diferentes magnitudes de
acuerdo a aquélla que se está detectando.
Para obtener la medida en una
determinada longitud de onda, se emplean
los filtros que dejan pasar la luz de una
determinada banda. De esta manera y de
acuerdo al conjunto de filtros que se
utilice, se tiene diferentes sistemas. Por
ejemplo, el sistema Johnson-Morgan se
compone de los siguientes tipos de filtros:
U (365 nm), B (440 nm), V (550nm), R
(720), I (900).
OBSERVACIÓN DE LAS
ESTRELLAS BINARIAS  V1010 Oph
Y V505 Sgr
Para las observaciones se emplearon el
telescopio refractor Takahashi (1050 mm
de distancia focal y 15 cm de diámetro) y
el fotómetro fotoeléctrico marca OPTEC
modelo SSP-5. Este último, llegó como
donación al Instituto Geofísico del Perú y
se empezó a utilizar para la realización de
este trabajo.
Se eligieron las estrellas variables V1010
Oph y V505 Sgr, entre otros motivos por
ser representativas de 2 tipos diferentes de
binarias (tipo b Lyrae y tipo Algol,
respectivamente), porque sus estrellas de
comparación estaban relativamente cerca y
porque eran lo suficientemente brillantes
Estudio de estrellas binarias por el método de fotometría diferencial
13
para ser observados por el telescopio. La
información sobre estas estrellas fue
obtenida de las páginas web SIMBAD y
VSNET (ver Tablas 1a y 1b).
El objetivo fue realizar mediciones del
brillo de estas estrellas según la técnica de
fotometría diferencial, empleando para
ello, 2 distintas estrellas de comparación
para cada una de las estrellas variables.
Las observaciones se efectuaron durante
las horas en que estas estrellas estaban
cerca del cenit y cuando la reducción de la
intensidad de radiación debido a la
absorción y dispersión de la atmósfera
terrestre es mínima. El tiempo de
exposición empleado se fijó en 10
segundos. El filtro empleado fue V, que
corresponde a la longitud de onda de 550
nm.
Tabla  1a.  Estrella V1010 Oph (Tipo b Lyrae)
COORDENADAS
ECUATORIALES
(2000.0)
VSNET
MAGNITUD
VSNET
PERIODO
VSNET
MAGNITUD DE
LAS ESTRELLAS
DE
COMPARACIÓN
VSNET
Asc. Recta Declinación Máxima Mínima (días) C1 C2
16h49m27.69s -15º40´04.5” 6.10 7.00 0.66142613 7.04 6.35
Tabla 1b.  Estrella V505 Sgr (Tipo Agol)
COORDENADAS
ECUATORIALES
(2000.0)
VSNET
MAGNITUD
VSNET
PERIODO
VSNET
MAGNITUD DE
LAS ESTRELLAS
DE
COMPARACIÓN
SIMBAD
Asc Recta Declinación Máxima Mínima (días) C1 C2
19h53m06.37s -14º36´08.6” 6.46 7.51 1.18287156 6.887 8.1
Para el estudio de cada estrella variable se
tuvieron que observar 6 objetos: la estrella
variable V, sus respectivas estrellas de
comparación C1 y C2, y el cielo que rodea
a cada una de estas estrellas SV, SC1,
SC2. A continuación se procedió a  medir
la intensidad de estos últimos 3 objetos
para obtener las intensidades netas, según
las relaciones (2) y (3). Para cada objeto se
realizaron 3 lecturas seguidas de
intensidad y se obtuvo el promedio de las
mismas. Con los valores promedio de
intensidad IV, IS, IC1, ISC1, IC2 y ISC2
obtenidos en cada observación, se calculó
por diferencia las intensidades netas InV,
InC1, InC2, según se indica en las relaciones
(2) y (3). Luego se calculó la magnitud de
V empleando la relación (5) y tomando la
estrella de comparación C1 como
referencia. De igual manera, se calculó la
magnitud tomando la estrella de
comparación C2 como referencia. Por lo
tanto, se obtuvieron 2 curvas de luz de la
estrella variable.
DISCUSIÓN Y RESULTADOS
Debido a que la escala de magnitud es una
escala inversa (grandes números
corresponden a estrellas menos brillantes),
se acostumbra trazar el eje vertical de
magnitud en forma creciente hacia abajo.
Cuando se produce un eclipse en una
estrella binaria, el brillo total del sistema
decrece y esto se manifiesta en una caída
de su curva de luz desde las magnitudes de
valores bajos a magnitudes de valores
altos.
J. Tello
14
Estrella V1010 Oph: Se sabe por las
referencias, que la estrella V1010 Oph es
una binaria de tipo b Lyrae y su magnitud
varía  entre 6.1 y 7.0 (Ver Tabla 1a ).
En la Figura 2, se presenta las magnitudes
medidas de la estrella V1010 Oph entre los
días 28 y 30 de Junio de 2000 (Tiempo
Universal). También, aquí aparece la
magnitud medida de la estrella de
comparación C1. En la Tabla 2a aparecen
las horas en que ser realizaron las
observaciones, considerando el tiempo
transcurrido desde las observaciones de
prueba del día anterior, algunos valores de
la magnitud medida de la estrella variable,
según las dos estrellas de comparación, y
finalmente, la magnitud medida de las
estrellas de comparación C1 y C2.
Tabla 2a. Observaciones de V1010 Oph
MAGNITUD MEDIDADÍA TU
h   m   s
TIEMPO
(Horas)
mV(C1) MV(C2)
mC1
(7.04)
mC2
( 6.35)
29 Jun 04:41:48
05:25:25
05:31:30
05:58:24
21.87
22.59
22.69
23.14
6.33
6.32
6.21
5.70
6.32
6.33
6.35
6.61
6.97±0.12 6.42±0.12
30 Jun 04:32:29
05:02:51
07:37:33
45.71
46.22
48.80
6.74
6.83
6.13
6.78
6.85
6.16
7.08±0.05 6.31±0.05
Figura 2. Observación de la Estrella Variable V1010 Oph (28-30 Junio 2000 TU)
Curva de Luz V1010 Oph 
(28.3 Jun 2000TU)
5.5
6.0
6.5
7.0
7.5
-10 10 30 50
Tiempo (Hrs.)
m
ag
 V
, m
ag
 C
1 
(F
ilt
ro
 V
)
mag V (Referencia C1)
mag V (Referencia C2)
mag C1 (Referencia C2)
Figura 2
Estudio de estrellas binarias por el método de fotometría diferencial
15
La observación del 28 de Junio fue un
ensayo y por ello no se tienen datos
relevantes de esa noche. En la Figura 3, se
muestra la curva de luz de la estrella
V1010 Oph correspondiente a la segunda
noche de observación. Se aprecia que la
magnitud medida de la estrella de
comparación C1 respecto de la estrella de
comparación C2, es casi constante:
6.97±0.12 (la magnitud de C1 en
promedio es 6.97, con una desviación
estándar de 0.12), siendo un valor próximo
a la referencia. Debido a que la magnitud
de la estrella variable no depende de la
magnitud de una estrella de comparación
en particular, para un mismo instante de
tiempo se debería obtener el mismo
resultado con cualquiera de las dos
estrellas de comparación y esta similitud
de valores obtenidos debería mantenerse
durante el transcurso de las observaciones.
La estrella variable, al momento de
empezar las observaciones, tiene una
magnitud de 6.33 y 6.32, según las
estrellas de comparación C1 y C2. Este
valor es 6.33 en promedio y se mantiene
luego de 0.72 horas. Sin embargo, a partir
de las 22.69 horas, las magnitudes
medidas mediante cada estrella de
comparación individualmente no
coinciden.
En Figura 3 se observa que la magnitud de
C1 (que debería permanecer constante)
empieza a variar cada vez más. Por ello no
se puede determinar exactamente cuál es
la tendencia de la curva de luz de V1010
Oph al final del período de observación. El
hecho que la magnitud de la variable,
obtenida a partir de las 2 estrellas de
comparación no coincida, podría deberse a
algunos errores durante la observación.
Figura 3. Observación de la Estrella Variable V1010 Oph (29 Junio 2000 TU)
En la Figura 4 corresponde a la tercera y
última noche de observación. Aquí, se
observa que la magnitud medida de la
estreslla de comparación C1, es casi
constante a lo largo de la sesión de
observación. En la Tabla 2ª se aprecia que
las magnitudes obtenidas individualmente
por cada estrella de comparación, para un
mismo instante, son aproximadamente
iguales y así se mantiene durante toda la
sesión de observación.
Curva de Luz V1010 Oph 
(28.3 Jun 2000TU)
5.5
6.0
6.5
7.0
7.5
21.5 22.0 22.5 23.0 23.5
Tiempo (Hrs.)
m
ag
 V
, m
ag
 C
1 
(F
ilt
ro
 V
)
mag V (Referencia C1)
mag V (Referencia C2)
mag C1 (Referencia C2)
Figura 3
J. Tello
16
Al iniciar las observaciones, la magnitud
de la variable es 6.74 y 6.78, según C1 y
C2, respectivamente. Este valor es 6.76 en
promedio, y luego de 0.51 horas la
magnitud varía disminuyendo su valor
hasta alcanzar 6.84 en promedio. Después
de esto, el valor asciende hasta obtenerse
6.15 de magnitud en promedio.
Según la Figura 4, es evidente la variación
de magnitud y siendo V1010 Oph una
estrella binaria, se puede considerar que
esta variación se debe  que una de las
componentes de este sistema ha sido
eclipsado por la otra.
A continuación, se analiza cuál de las
componentes del sistema es eclipsada y
qué parte del eclipse se esta observando.
De acuerdo a la referencia de la Tabla 1a,
cuando no hay eclipse la magnitud debe
ser máxima e igual a 6.10. Luego,
conforme la estrella más brillante empieza
a ser eclipsada por su compañera, el brillo
de la binaria desciende y su magnitud
mínima alcanza el valor de 7.0 cuando se
produce el máximo del eclipse. Luego,
empieza el final del eclipse y la magnitud
vuelve a cambiar hasta llegar nuevamente
a 6.10 cuando ya no hay eclipse. En este
estudio se obtuvo una magnitud de 6.84 en
el máximo del eclipse. En vista que no se
ha obtenido el valor mínimo de 7.0, se
puede considerar que se ha observado el
eclipse de la estrella menos brillante. En
resumen, la observación de la estrella
V1010 Oph empezó cuando ya se había
iniciado el eclipse (6.76 de magnitud) de
la estrella más débil, luego se registró el
instante máximo de éste (6.84 de
magnitud) y la observación terminó cerca
al final del eclipse (cuando la magnitud era
6.15)
Figura 4.  Observación de la Estrella Variable V1010 Oph ( 30 Junio 2000 TU)
Estrella V505 Sgr: Por las referencias se
conoce que la estrella V505 Sgr es una
binaria del tipo Algol y según los datos de
VSNET, el período es de 1.18 día y la
magnitud varía  entre  6.46 y 7.51, tal
como se señala en la Tabla 1b. También se
muestra las magnitudes de las estrellas de
comparación, según la base de datos
SIMBAD.
Curva de Luz V1010 Oph 
(28.3 Jun 2000TU)
5.5
6.0
6.5
7.0
7.5
45 46 47 48 49
Tiempo (Hrs.)
m
ag
 V
, m
ag
 C
1 
(F
ilt
ro
 V
)
mag V (Referencia C1)
mag V (Referencia C2)
mag C1 (Referencia C2)
Figura 4
Estudio de estrellas binarias por el método de fotometría diferencial
17
Tabla 2b. Observaciones de V505 Sgr
MAGNITUD MEDIDADÍA TU
h   m   s
TIEMPO
(Horas)
mV(C1) mV(C2)
mC1
(6.89)
mC2
(8.10)
28 Sep 01:44:35
03:14:36
04:41:46
0.00
1.50
2.95
6.64
6.59
6.54
6.69
6.59
6.59
6.90±0.02 8.09±0.02
29 Sep 01:33:36
03:47:16
04:48:46
23.82
26.04
27.07
6.64
7.51
7.27
6.64
7.51
7.28
6.86±0.05 8.13±0.05
En la Tabla 2b, se presenta un resumen de
las observaciones realizadas cada noche,
también algunos valores de la magnitud
medida de V505 Sgr mediante las dos
estrellas de comparación (C1 y C2) y la
magnitud medida de estas estrellas de
comparación. Se puede notar que para un
instante determinado la magnitud de la
variable medida mediante las estrellas C1
y C2 coinciden aproximadamente durante
toda la sesión de observación. En las
Figuras 5 y 7 aparece la magnitud de la
estrella de comparación C2; mientras que,
en la Figura 6 aparece la magnitud de la
estrella de comparación C1. En estas
figuras se observa que la magnitud medida
de las estrellas de comparación C1 y C2,
no varía significativamente, por lo que se
les puede considerar de brillo constante.
Figura 5. Observación de la Estrella Variable V505 Sgr (28-29 Septiembre 2000 TU)
En la Figura 5, se muestra las magnitudes
medidas de la estrella V505 Sgr entre los
días 28 y 29 de Septiembre de 2000
(Tiempo Universal). En esta figura, la
forma de la curva de luz parece indicar
que durante las observaciones de la
estrella variable se registraron dos eventos
separados: uno, mientras terminaba un
eclipse (en la primera noche de
observación) y el segundo, al inicio de
otro eclipse (segunda noche de
observación).
Curva de Luz V505 Sgr 
(28.1 Sep 2000TU)
5.5
6.0
6.5
7.0
7.5
8.0
8.5
0 10 20 30
Tiempo (Hrs.)
m
ag
 V
, m
ag
 C
2 
(F
ilt
ro
 V
)
mag V (Referencia C1)
mag V (Referencia C2)
mag C2 (Referencia C1)
Figura 5
J. Tello
18
En la Figura 6 se analiza con más detalle
la curva de luz de la estrella V505 Sgr. Se
muestra los resultados correspondientes a
la primera noche de observación y la
magnitud de la estrella de comparación C1
con respecto a la estrella de comparación
C2. Durante esa noche de observación, la
magnitud medida de la estrella de
comparación C1 fue de 6.90±0.02  (la
magnitud de C1 en promedio fue de 6.90,
con una desviación estándar de 0.02). Este
resultado es muy cercano al valor de
referencia de SIMBAD (6.887), lo que
significa que las mediciones fueron
correctas. Con respecto a la estrella
variable, en ese mismo intervalo de tiempo
se presentó una ligera variación de la
magnitud desde 6.66 al inicio hasta 6.56
después de transcurridos 2.95 horas
produciendo una variación de –0.10
(aumentó su brillo).
Figura 6. Observación de la Estrella Variable V505 Sgr ( 28 Septiembre 2000 TU)
En la Figura 7 se tiene la curva de luz de
V505 Sgr para la segunda noche de
observación. Aquí, la magnitud medida de
la estrella de comparación C2 respecto de
la estrella de comparación C1 es
8.13±0.05 (la magnitud de C2 en
promedio fue de 8.13, con una desviación
estándar de 0.05), lo cual indica que es
casi constante y cerca del valor de
referencia 8.1 (Ver Tabla 1b). Con este
resultado, es posible confiar en la
precisión de las mediciones de la magnitud
de V505 Sgr. La segunda noche de
observación, la magnitud de la variable fue
inicialmente 6.64 en promedio y luego
hubo una tendencia a disminuir su brillo
hasta alcanzar 7.51 de magnitud en
promedio. De allí, vuelve a aumentar su
brillo hasta que finalmente, después de
3.25 horas, alcanza la magnitud 7.27
(+0.63 de variación en magnitud en todo el
intervalo de observación).
La forma de la curva de luz en la Figura 7,
indica que se estaba produciendo un
eclipse. Para saber si se trataba del eclipse
de la estrella principal (la más brillante) se
evaluó las referencias. Según éstas, la
magnitud mínima debe ser 7.51, que es
cuando se produce el eclipse de la estrella
más brillante, Tal como se obtuvo en este
estudio. La magnitud máxima debe ser
Curva de Luz V505 Sgr 
(28.1 Sep 2000TU)
5.5
6.0
6.5
7.0
7.5
0 1 2 3
Tiempo (Hrs.)
m
ag
 V
, m
ag
 C
1 
(F
ilt
ro
 V
)
mag V (Referencia C1)
mag V (Referencia C2)
mag C1 (Referencia C2)
Figura 6
Estudio de estrellas binarias por el método de fotometría diferencial
19
6.46 y los resultados obtenidos fueron
6.64.
Figura 7. Observación de la Estrella Variable V505 Sgr ( 29 Septiembre 2000 TU)
Con la finalidad de explicar la forma de la
curva de luz de la estrella V505 Sgr en la
Figura 7, se realizó una revisión de qué
ocurre al producirse el eclipse. Por las
referencias (Tabla 1b), cuando no hay
ningún eclipse, la magnitud de la estrella
variable debe ser máxima e igual a 6.46.
Luego, cuando la estrella más brillante
empieza a ser eclipsada por su compañera,
su brillo empieza a descender y por tanto
su magnitud varía del valor inicial
mencionado, pasando por 6.64 (magnitud
medida cuando se inició la observación),
hasta alcanzar el valor de 7.51 cuando el
eclipse de la estrella principal es máximo
(este valor fue registrado durante las
observaciones). De allí, la magnitud
vuelve a cambiar pasando por 7.27
(registrado cuando se terminó la
observación) hasta alcanzar nuevamente el
valor de 6.46. Con estos resultados se
puede deducir, que la curva de luz de la
estrella V5O5, corresponde a una parte del
eclipse principal.
CONCLUSIONES
Se ha visto que la técnica de fotometría
diferencial, empleando un fotómetro
fotoeléctrico, produce resultados muy
cercanos a las referencias; por lo tanto, los
resultados obtenidos en este estudio son
bastante precisos. Teniendo en cuenta lo
anterior, se puede realizar observaciones
de las estrellas y con mayor precisión de
aquéllas como las variables que son siendo
de gran interés en el área de astronomía.
En este estudio, se ha obtenido una parte
de las curvas de luz de las estrellas
variables V10100 ph y V505 Sgr. De la
curva completa, se podría deducir el
período de esta curva  que viene a ser el
período de rotación del sistema binario.
AGRADECIMIENTOS
Agradezco, a los profesores Armando
Bernui y Holger Valqui de la Universidad
Curva de Luz V505 Sgr 
(28.1 Sep 2000TU)
5.5
6.0
6.5
7.0
7.5
8.0
8.5
23 24 25 26 27 28
Tiempo (Hrs.)
m
ag
 V
, m
ag
 C
2 
(F
ilt
ro
 V
)
Mag V (Referencia C1)
mag V (Referencia C2)
mag C2 (Referencia C1)
Figura 7
J. Tello
20
Nacional de Ingeniería por revisar este
artículo; al Sr. Shin-ya Narusawa y al Dr.
José Ishitsuka en Japón por su valiosa
información. También al Instituto
Geofísico del Perú, en especial al personal
del Observatorio de Ancón, bajo la
dirección del Dr. Mutsumi Ishitsuka, por
el apoyo y las facilidades brindadas para
desarrollar este trabajo.
BIBLIOGRAFIA
Ripero, J. (1986): Revista Tribuna de
Astronomía, Equipo Sirius, S.A., España.
Kaufmann, W y Freedman, R., (1998):
Universe, W.H. Freeman and Company,
USA.
Echevarría, J. (1997): Estrellas  Binarias
Interactivas, Fondo de Cultura Económica,
México.
Campbell, L y Jacchia, L., (1946): Historia
de las Estrellas Variables, Pleamar,
Argentina.
Galadí-Enriquez, D. y Ribas, I, (1998):
Manual Práctico de Astronomía con CCD,
Omega S. A., España.
Sterken, Chr. (1992): Astronomical
Photometry a Guide, Kluwer Academic
Publishers, USA.
Kitchin, C. (1984): Astrophysical
Techniques, Adam Hilger Ltd, Gran
Bretaña.
AAVSO, American Asociation of Variable
Stars Observers : htp://www.aavso.org
GCVS, General Catalogue of Variable
Stars :
http://www.sai.msu.su/groups/cluster/gcvs/gcvs/iii/v
artype.txt
SIMBAD, Astronomical Database :
http://cdsweb.u-strasbg.fr/Simbad.html
VSNET,   Variable Star Network   :
http://www.kusastro.kyoto-.ac.jp/vsnet/index.html
Revista de trabajos de investigación. CNDG – Sismología
Instituto Geofísico del Perú. V.2 (2001), p. 21 -30
ANÁLISIS DE LOS “FRIAJES”  EN LA AMAZONÍA PERUANA DURANTE EL
MES DE JULIO DEL 2000
SIXTO FLORES SANCHO
Facultad de Ciencias
Universidad Nacional Agraria  La Molina
sixto@chavin.igp.gob.pe
Practicas dirigidas por: Dr. Pablo Lagos
        Centro de Predicción Numérica del Tiempo y Clima
RESUMEN
En el presente trabajo se describe la evolución de un evento meteorológico que es bastante conocido por
los pobladores de la amazonía en sudamericana como son “Los friajes”. Este evento causa cambios
bruscos en las temperaturas mínimas y traen consigo, daños graves a la agricultura, en especial a los
cultivos semiperennes como son el café, cacao y algunos como frutales con la consiguiente pérdida de las
plantaciones por efecto del marchitamiento, tal como ocurrió en la amazonía Brasileña en 1994 (Marengo
et al, 1997a). En el año 2000 se han registrado diez casos de friajes,  de los cuales cuatro ocurrieron en el
mes de julio,  siendo los más intensos los registrados durante los días 11 al 16 y 17 al 18.  La intensidad
del friaje estuvo entre las más severas, según la escala propuesta por Marengo (1984), pues en la
estación Puerto Maldonado se registró una temperatura mínima de 8.3°C el día 12 (su temperatura
normal fluctúa entre 19 a 21°C). Valores similares se observaron en localidades cercanas de la selva.   La
evolución sinóptica y los mecanismos físicos que generaron  los friajes, fueron similares a los descritos
por Parmenter (1976), Girardi (1983),  Marengo (1983, 1984, 1997a, 1997b), Krishanamurty et al (1997),
Garreaud (1999), entre otros.  En el caso del friaje ocurrido los días 11 al 16 de Julio, el mecanismo fue
debido a una perturbación anticiclónica en la zona central y oriental del océano Pacífico Sur, la cual se
debió a ondas de escala planetaria (Krishanamurty et al, 1997; Marengo et al, 1997a) que permitieron que
un anticiclón cruce y penetre al continente por el lado del sur de Chile. Este anticiclón se situó en el
continente por varios días, trayendo consigo masas de aire polar (frías y secas)  hacia latitudes tropicales
(casi toda la amazonía). La trayectoria de estas masas de aire fue de sudoeste a noreste alcanzando
intensidades más severas en el Perú los días 12 y 13 de julio del 2000.
La aplicación del modelo MM5 (Modelo de Mesoescala de Quinta Generación) en el Instituto Geofísico del
Perú, ha podido pronosticar estos friajes con sesenta horas de anticipación a partir de los campos de
presión reducida a nivel del mar y altura geopotencial a 700 y 500 hPa. El pronostico en los otros campos
complementarios como humedad integrada en la vertical, temperatura del aire cerca a la superficie, viento
y temperatura a los 300 y 250 hPa, ha sido posible con 6 a 8 horas de anticipación.
INTRODUCCIÓN
Durante el invierno austral, en  América del
Sur ocurren fenómenos conocidos como
“Friajes” con una frecuencia de
aproximadamente diez veces al año.  Estos
friajes producen descensos bruscos de la
temperatura en latitudes medias y cuando
ingresan a  latitudes tropicales afectan
severamente los cultivos, en la mayor parte
de la Amazonía Sudamericana (café, cacao
y frutales). Algunas veces, los friajes son
tan severos que llegan a afectar las partes
central y norte de la Amazonía (Marengo et
al, 1997a).  Este fenómeno ocurre en
general, en una situación sinóptica
particular en La Patagonia, al sur de
Sudamérica (Parmenter, 1976; Fortune y
Kousky, 1982; Girardi, 1983). La
ocurrencia de estos friajes se da en la época
de menor precipitación (meses del invierno
austral), ya que en esta época, sobre el
continente sudamericano predominan
sistemas anticiclónicos favoreciendo así un
normal desplazamiento de masas de aire
frío y seco  hacia latitudes de 30°S.  De
producirse una invasión de masas de aire
frías y secas en verano, estas sufrirán una
rápida modificación evitando su
desplazamiento hacia la zona tropical.
La situación previa para la entrada de un
friaje, es la presencia de un anticiclón con
bajas temperaturas, existencia de grandes
centros de baja presión sobre el océano
Atlántico y al norte de las islas Malvinas.
Simultáneamente existe un gran sistema de
alta presión al sur del océano Pacífico y
frente a las costas del sur de Chile
(Celemin, 1984).
S. Flores
22
Considerando la definición local de "friaje",
así como sus características, localmente se
le conoce como "fríos de San Juan" o
"fríos de Santa Rosa", los mismos que se
presentan durante los meses de junio a
setiembre.  Con los datos de promedios
diarios de temperatura, es difícil detectar
este fenómeno debido a que un día con un
gran rango térmico, la temperatura mínima
no necesariamente será representada en el
promedio, tal como se podría esperar en un
día de friaje. De modo que las temperaturas
mínimas y las de rocío, son los mejores
indicadores de la presencia de un friaje
(Marengo, 1983). El objetivo de este
trabajo, es estudiar brevemente este
fenómeno regional y analizar los casos del
mes de Julio del 2000 con énfasis en el
evento ocurrido los días 12 al 16.
ANTECEDENTES
Los mecanismos físicos de la incursión de
masas de aire frío hacia Sudamérica, son
aún deficientes en la literatura científica;
sin embargo, en la actualidad algunos
investigadores continúan estudiando y
haciendo  seguimiento de los casos.
Fortune y Kousky (1983), encontraron
algunas características que preceden a las
temperaturas muy frías en Brasil, tal como
un modelo de movimiento lento de onda
larga en el centro del océano Pacífico Sur
que se amplificó antes del evento frío. Estos
autores señalaron la presencia de una
vaguada y cuña de alta presión en los
niveles altos de la atmósfera al sur de Chile
y al este de Brasil respectivamente, los
cuales favorecieron el encauzamiento del
aire frío hacia el ecuador, empero, no
definieron la causa física de tal
intensificación.  Hamilton y  Tarifa (1978),
quienes describieron un evento frío en
1972,  encontraron varias características,
que precedieron al evento frío, tal como una
corriente de aire hacia el ecuador
canalizada entre la meseta Brasileña y los
Andes, una vaguada en la troposfera media
al este de las montañas, y un anticiclón de
núcleo frío en los niveles bajos cerca a la
región fría.
Marengo (1983), es uno de los científicos
que más estudios han realizado sobre friajes
en la amazonía. En la zona de Genaro
Herrera (4°39’S, 73°32’16ºW) encontró
cambios característicos en el estado del
tiempo: vientos fuertes del sur, descensos
de la humedad e incremento de la presión
atmosférica, variaciones de la nubosidad y
temperaturas mínimas de hasta 11.4°C en el
mes de Julio de 1975. Estas características
en superficie corresponden al paso de un
frente frío sobre la amazonía central.
Señala que las principales características
del friaje se asocian a la marcha de las
temperaturas extremas, relacionadas de
cierta manera a cambios de presión, viento
y nubosidad.   Aparte de los friajes de San
Juan y Santa Rosa, existe un fenómeno con
las mismas características que ocurre a
finales de julio, siendo el más intenso éste
último y constituyendo, al parecer una
prolongación de los friajes de San Juan. Si
bien los friajes de agosto y setiembre no
son los mas fríos, pero si los que tienen
vientos más fuertes. La intensidad del friaje
se establecerá  en función al valor de la
temperatura mínima que alcance después de
la caída brusca de ésta (día central). Las
temperaturas son factores que limitan el
desarrollo y crecimiento de las plantas y de
sus procesos fisiológicos.
En un estudio sobre la amazonía brasileña y
con datos de estaciones meteorológicas
automáticas instaladas en el sur y norte de
Brasil (Ji Paraná y Manaus
respectivamente), se concluyó que los
descensos bruscos de las temperaturas
mínimas coinciden con los vientos fuertes
del sur. El principal mecanismo de este
fenómeno fue la advección de aire frío,  en
tanto que el descenso de las temperaturas
máximas se debió más a la nubosidad
(Marengo et al., 1997b).
Respecto a estudios usando modelos
numéricos para la predicción del tiempo,
merecen mención los realizados por el
Dapozzo y Silva (1994), Marengo et al
(1997a),  Krishanamurty et al (1997) y
Garreaud (1999).    Krishanamurty, señala
que los eventos fríos en el sudeste de Brasil,
están acompañados por una vaguada de
gran amplitud en las latitudes medias y que
se extiende hasta los trópicos. Este autor
sostiene la presencia de un mecanismo de
“downstream amplification”, el cual cruza
Análisis de los friajes en la Amazonía Peruana
23
el océano Pacífico en Sudamérica y
atraviesa los Andes. Este mecanismo se
manifiesta por vaguadas y cuñas que se
propagan hacia el este. Un análisis de los
eventos más fríos, muestra que las
características de “downstream
amplification”, pueden ser descompuestas
en una familia de ondas de escala sinóptica
que se propagan hacia el este y una familia
de ondas de escala planetaria que adquiere
un carácter cuasiestacionario durante el
evento frío.
Dapozzo y Silva (1994)  realizaron una
descripción sinóptica del evento frío del
mes de Julio de 1988, y encontraron la
presencia de un anticiclón frío que penetra
hacia el continente, el cual tuvo una forma
muy peculiar de manifestarse dentro del
continente con relación a otros eventos
similares que ocurren en esta época del año.
Esta anomalía se debió al desarrollo de un
ciclón extratropical intenso en la región de
la Patagonia, el mismo que se desarrolló en
el continente sudamericano e hizo que el
aire frío y seco penetre por advección en la
superficie, en los niveles de 850hPa,
700hPa y hasta los 200 hPa, llegando a
desarrollarse en el continente un anticiclón
en los niveles de 850 y 700 hPa.
Por otro lado, Marengo et al. (1997a)
analizó el evento frío del mes de Junio de
1994 ocurrido en el sudeste de Brasil.  Del
estudio infiere que el estallido de frío
estaría asociado a un mecanismo de
retroalimentación, mucho más intenso en
los flujos de aire de la atmósfera superior y
baja, cerca a los Andes en el centro y sur de
Chile, anterior al día más frío.
Consecuentemente, se produce una vaguada
intensa en el sotavento de los Andes de
aquellas latitudes, con la advección de aire
frío asociado a los flujos en los niveles
bajos de la atmósfera debido a los vientos
del sur.
DATOS Y METODOLOGÍA
En este estudio se analiza las características
del friaje ocurrido durante los días 11 al 16
de julio del año 2000 en la selva peruana
alta. Para tal fin se utilizaron los datos de
las estaciones sinópticas ubicadas en los
aeropuertos de  Iquitos, Pucallpa y Puerto
Maldonado. Asimismo, la base de datos es
complementada con los obtenidos  de
Yurimaguas, Tarapoto, Juanjui,  Tingo
María  y Atalaya (Tabla 1). Los datos se
obtuvieron de la  Corporación Peruana de
Aeropuertos y Aviación Comercial
(CORPAC S.A).
Tabla 1.  Ubicación de las estaciones Sinópticas empleadas para el presente estudio
Estación Departamento Latitud (S) Longitud (W) Altitud (m.s.n.m.)
P. Maldonado Madre de Dios 13°35’ 69°12’ 256
Pucallpa Ucayali 08°22’ 74°35’ 200
Iquitos Loreto 03°45’ 73°15’ 126
Yurimaguas Loreto 5°54’ 76°6’ 184
Tarapoto San Martín 6°30’ 76°24 282
Juanjui San Martín 7°10’ 76°06’ 363
Asimismo, se ha utilizado los resultados del
modelos MM5 (Modelo de Mesoescala de
Quinta Generación) del PSU/NCAR
(Pennsylvania State University/National
Center for Atmosferic Research), que se
corre operacionalmente en el Centro de
Predicción Numérica del Tiempo y Clima
(CPNTC) del Instituto Geofísico del Perú.
Los resultados del modelo que se
analizaron corresponden al dominio 1 con
81 kilómetros de resolución espacial, que
cubre el continente sudamericano entre las
latitudes de 14°N a 40°S y longitudes de
40°W a 90°W.   Para el análisis de la
nubosidad asociada a los “friajes” se usaron
imágenes del satélite GOES
(Geoestacionary Observational
Environmental Satellite),  en los espectros
infrarrojo de vapor de agua (IR3) y en el
espectro visible.
RESULTADOS
Los estudios de los fenómenos conocidos
como “Friajes”, están asociados a los
descensos bruscos de temperatura en  los
meses de invierno. Estos friajes cobran
importancia debido al impacto negativo que
S. Flores
24
ocasionan a la agricultura. Conviene indicar
que el número de casos observados en el
Perú durante el año 2000 fue de 10, los
mismos que se presentaron en los meses de
junio, julio, agosto y setiembre (Tabla 2).
Tabla 2.  Eventos fríos (Friajes) registrados en las estaciones de estudio
P. Maldonado Pucallpa Iquitos Yurimaguas Tarapoto Juanjui
Meses Días Días Días Días días Días
Junio 17-22 * * * * *
Julio (1) 12-15 13-15 13-15 13-16 13-15  
Julio (2) 17-18 17-18 16-18 17 17-18 *
Julio (3) 20-21 21-22 * * * *
Julio (4) 24-30 24-28 25-27 25-27 25-27 *
Agosto 12-15 13-15 * * * 14-16
Setiembre(1) 2-5 * * * * *
Setiembre(2) 15-17 * * * * *
Setiembre(3) 25-29 * * * * 30
Octubre 6 * * * * *
(*): No se registraron friajes en dichas estaciones
Los “friajes” más intensos, ocurrieron en el
mes de julio (cuatro eventos), siendo el más
importante por su intensidad el ocurrido los
días 11 al 16 de julio y los días 12 y 13 los
más fríos.
En Puerto Maldonado se ha registrado el
mayor número de casos de friajes, debido a
que ésta se encuentra en la zona de
incursión de estos friajes. En las demás
estaciones, también se detectaron (esta
información se detalla en la Tabla 2).
Siguiendo las recomendaciones de Marengo
(1983), se detalla los días centrales de
ocurrencia de los friajes para los periodos
del 12 al 16 y 17 al 18 de julio (Tabla 3).
Nótese que las temperaturas mínimas y
máximas han caído bruscamente en los días
centrales (figura 1), especialmente en la
estación de Puerto Maldonado en 8.3°C, la
más baja registrada en el año en la selva
peruana.
Tabla 3. Temperaturas mínimas y máximas en los días centrales de los friajes:
 del 12 al 16 y 17 al 18 de Julio del 2000 en las estaciones de estudio
P. Maldonado Pucallpa Iquitos Yurimaguas Tarapoto Juanjui
Día central 12 13 17 17 18 17
T. Mínima 8.3°C 15°C 14.0°C 15.0°C 17.0°C 14.5°C
T. Máxima 14.0°C 22.0° 21.0°C 22.0°C 31°C 26.8°C
El paso del friaje del 12 al 16 ha desplazado
un frente de nubes por toda la amazonía, tal
como se puede ver y seguir su trayectoria
en las imágenes del satélite GOES 8
correspondiente a los días 11 al 14 (Figura
2). Según, los pronósticos del modelo MM5
el evento se inicia el 07 de julio, cuando un
anticiclón situado en la parte sur-oriental
del Océano Pacífico sur, debido a una
perturbación de una onda de escala
planetaria, se aproximó hacia el continente
cruzando los flancos de la cordillera de los
Andes al sur de Chile. Este anticiclón  trajo
consigo masas de aire frío y seco de
latitudes sub-polares, favorecido por
vientos en superficie del sur de 8 a 12 m/s.
El día 08 (00UTC) el anticiclón se sitúa en
continente y ocupa gran parte de Argentina.
En la Figura 2a se aprecia la ubicación del
anticiclón, el cual permanece hasta el día
13. Tal como se observa en la Figura 2e. El
centro del anticiclón se encuentra ubicado
entre Paraguay, Uruguay y Argentina.
Durante los días 09 y 10, se presentó mal
tiempo con la caída de nevadas y lluvias
intensas  en las zonas del frente que precede
al friaje (sur de Bolivia, norte de Chile).  El
día 12 se registran  valores extremos en la
precipitaciones en las zonas de Paraguay,
Uruguay y sur de Brasil.
Análisis de los friajes en la Amazonía Peruana
25
TEMPERATURAS EXTREMAS EN LA ESTACION PUERTO 
MALDONADO (JULIO 2000)
0.0
10.0
20.0
30.0
40.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
dias 
te
m
p
e
ra
tu
ra
s
T. Mínimas T. Máximas 
T E M P E R A T U R A S  E X T R E M A S  E N  L A  E S T A C I O N  
P U C A L L P A  ( J U L I O  2 0 0 0 )
0.0
1 0 . 0
20.0
30.0
40.0
1 3 5 7 9 1 1 3 1 5 1 7 1 9 21 23 25 27 29 31
días  
T.  Mín imas T .  M á x i m a s
TEMPERATURAS EXTREMAS EN LA ESTACION IQUITOS 
(JULIO 2000)
0.0
10.0
20.0
30.0
40.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
días
te
m
pe
ra
tu
ra
s 
T.  Mínimas T. Máximas
TEMPERATURAS EXTREMAS EN LA  ESTACION 
TARAPOTO (JULIO 2000)
0.0
10 .0
20.0
30.0
40.0
días
T. Mínimas T. Máximas
TEMPERATURAS EXTREMAS EN LA ESTACION 
YURIMAGUAS (JULIO 2000)
0.0
10.0
20.0
30.0
40.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
días
te
m
pe
ra
tu
ra
s
T. Mínimas T. Máximas 
TEMPERATURAS EXTREMAS EN LA ESTACION JUANJUI 
(JULIO 2000)
0.0
10.0
20.0
30.0
40.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
días
te
m
pe
ra
tu
ra
s
T. Mínima T. Máxima
Figura 1. Temperaturas extremas observadas en diferentes localidades de la amazonía peruana (fuente:
CORPAC SA). Las flechas indican los días centrales de los friajes.
 De los campos de presión reducida a nivel
del mar, analizado en este estudio, se puede
ver que los días 11 al 13 fueron los de
intensidad máxima del anticiclón en el
continente, con valores muy extremos el día
12: 1035 a 1038 hPa (Figura 3).  En los
campos de humedad integrada en la
vertical, se aprecia que la zona de escasa
humedad se presenta mayormente en
Argentina, Paraguay, Uruguay, Bolivia y
norte de Chile. Asimismo los días 12 y 13
fueron los de menor concentración de
humedad (Figura 4).  El caso más extremo
de friaje en la amazonía brasileña fue el día
13 y en Paraguay el 12, tal como se muestra
con los campos analizados de temperatura
cerca de la superficie (Figura 5). En esta
figura se aprecian zonas con temperaturas
bajas (10 a 15°C) en la selva amazónica de
Perú, Bolivia, Paraguay y sur de Brasil,
especialmente en los días 12 y 13, tal como
se observó en superficie.
Durante los días más intensos del evento
(12 y 13 de Julio), según los campos
analizados de presión, altura geopotencial y
vientos a 500 hPa, temperatura y vientos a
250 hPa (Figuras 6b,c, e, f), se observa una
baja profunda en los 500hPa, al igual que
una baja térmica en los 250hPa, la cual esta
advectando o haciendo que fluya aire frío
por encima de la superficie hacia latitudes
S. Flores
26
tropicales. Ambas bajas están relacionadas
a una circulación  ciclónica con fuertes
vientos; mientras que  en superficie,
predominan los vientos del sur (Figura 6a y
d).
Las alturas geopotenciales a 500 hPa
muestran intensificación de una cuña y una
vaguada el 12 de Julio, la cual podría estar
asociada a una onda planetaria  que según
Krishanamurty (1997), es la generadora de
la perturbación ciclónica. Para el día 12 de
julio, en superficie se aprecia la
intensificación del anticiclón situado dentro
del continente en 1038 hPa, el 12 de Julio,
luego se  debilita en 1035 hPa hacia el norte
de Argentina y este de Paraguay. El día 13
(Figura 3) el anticiclón se encuentra en una
etapa previa a su disipación y alejamiento
hacia el océano Atlántico. Asimismo, en la
Figura 3, se aprecia una zona de alta
presión débil próxima a la costa de Chile.
En las Figuras 2d y 3, se observa una
vaguada profunda situada sobre el territorio
chileno, acompañada de un frente frío con
dirección de noroeste a sureste. Estos tipos
de frentes permitieron la incursión de otros
anticiclones con masas de aire frío y seco y
por consiguiente, los otros eventos de
friajes del mes de Julio.
Debido al tamaño reducido del dominio 1, y
la misma que se utilizó para este estudio no
se ha podido identificar los centros de baja
presión sobre el atlántico al norte y noreste
de las Islas Malvinas, las que preceden a la
entrada de un anticiclón antártico (Celemin,
1984). Del campo de presión reducida a
nivel del mar, analizando en este estudio, se
detectó el ingreso del anticiclón desde el día
07de Julio a las 18:00UTC (1p.m. hora
local peruana); mientras que en los niveles
medios (500 hPa), se detectó una
perturbación en forma de ondas que bien
podría ser una onda planetaria (Rossby), la
que generó el fenómeno.
CONCLUSIONES Y
RECOMENDACIONES
En este estudioo, se ha descrito y analizado
la evolución sinóptica de los friajes
ocurridos en la selva peruana durante el
periodo del 12 al 16 y 17 al 18 de Julio del
año 2000.  Se determinó que el “friaje” de
los días 11 al 16 de Julio fue el más intenso
del año 2000 y probablemente uno de los
más importantes de los últimos  años.  En
los días centrales de los friajes, las
temperaturas alcanzaron valores muy bajos,
especialmente las mínimas, ya que incluso
hubo lugares en los cuales el frente que
precede a la entrada de los friajes
registraron mal tiempo (fuertes nevadas y
lluvias intensas). Los daños a la agricultura,
en la región amazónica, provocados por
estos friajes no fueron significativos, pero si
tuvo efectos en la salud de la población,
(problemas respiratorios especialmente en
los niños y ancianos).
La trayectoria de los anticiclones antárticos,
que trajeron consigo masas de aire frío y
seco, originaron que los friajes tuvieran
circulación de suroeste a noreste. Estos se
originaron al sur de Chile y se disiparon en
el Océano Atlántico, al este de Brasil.  El
fenómeno tuvo su origen en una
perturbación generada por una onda de
escala planetaria, la que favoreció que el
anticiclón con masa de aire polar incursione
en el continente por el sur de Chile.  El
modelo MM5 pronosticó con varias horas
de anticipación la incursión de estas masas
frías, (60 horas) y pudo ser observado en
los análisis de los campos de presión y
geopotencial (niveles de 700 y 500 hPa), así
como con 6 a 48 horas de anticipación en
los campos de humedad, temperatura del
aire cerca de la superficie y en niveles altos,
así como en el viento presente en los
niveles altos de la troposfera (300 y 250
hPa).
Es importante realizar un muestreo
estadístico de las pérdidas, que los friajes
ocasionan a la agricultura, y partir de éstas
tomar medidas de prevención para
aminorarlas. Al momento, no se cuenta con
cifras oficiales sobre los daños ocasionados
por este fenómeno. Se requiere igualmente,
hacer un estudio mas profundo usando el
modelo MM5, así como un modelo global
para poder detectar el origen de las ondas
que causan las perturbaciones   en el
pacifico sur-oriental.
Análisis de los friajes en la Amazonía Peruana
27
Figura  2. Secuencia de Imágenes del Satélite GOES 8 en el espectro infrarrojo vapor de agua. Obsérvese la
migración del anticiclón y el desplazamiento de los frentes en Sudamérica los días 9 al 13 de Julio del 2000
a:  (09 Julio 2000  14:53UTC) b:  (10 Julio 2000  17:51UTC)
c:   (11 Julio 2000  14:51UTC)
e:  (13 Julio 2000  17:51UTC)
d:  (12 Julio 2000  17:51UTC)
f:  (14 Julio 2000  17:51UTC)
S. Flores
28
Figura 3. Condiciones pronosticadas de presión reducida a nivel del mar con condiciones iniciales del 11 de Julio
del 2000
Figura 4. Pronóstico de humedad integrada en la vertical  con condiciones iniciales del 11 de Julio del 2000
Figura 5. Pronóstico de Temperaturas del aire (°C) a 50 metros y viento a 10 metros de la superficie con
condiciones iniciales del 11 de Julio del 2000
Análisis de los friajes en la Amazonía Peruana
29
Figura 6. Campos analizados de presión a nivel del mar, altura geopotencial y viento a 500 hPa
y temperatura y vientos a 250 mb para los días 12 y 13  de Julio del 2000.
Condiciones iniciales del 11 de Julio
a. d.
b. e.
c. f.
S. Flores
30
AGRADECIMIENTOS
Al director del Centro de Predicción del
Tiempo y Clima (CPNTC) del Instituto
Geofísico del Perú, Dr. Pablo Lagos, por
brindarme la oportunidad de desarrollarme
profesionalmente en el centro que dirige y
por el asesoramiento en este trabajo. A la
Dra. Yamina Silva y a la Ing. Grace
Trasmonte por el asesoramiento y apoyo
necesario. Finalmente, al Instituto
Geofísico del Perú por el constante esfuerzo
que realiza en la investigación científica en
las áreas de ciencias de la tierra y el apoyo
a los jóvenes investigadores.
BIBLIOGRAFIA
Celemin, A. (1984): Meteorología Práctica.
Servicio Meteorológico Nacional, Mar de
Plata,  316pp.
Dapozzo, J. y Silva, M. (1994): Un Estudio
de caso da Penetracao do ar polar em
Latitudes Baixas: Julho de 1988. VII
Congreso Brasileiro de Meteorología,
626pp.
Fortune, M. y Kousky, V. (1983): Two
Severes Freezes in Brazil: Precursors and
Synoptic Evolution.  Monthly Weather
Review 111:181-196.
Garreaud, R. (1999): Cold Incursions over
Subtropical and Tropical South America: A
Numerical Case Study.  Monthly Weather
Review 127:2823-2853.
Girardi, C.  (1983): El Pozo de los Andes.
First International Congress on Southern
Hemisphere Meteorology. San Jose dos
Campos, Brazil. American Meterological
Society: 226-229.
Marengo, J. (1983): Estudios Agroclimático
de la zona de Genaro Herrera (Requena –
Loreto) y climático en la selva baja norte
del Perú. Tesis UNALM, Ing. Meteorólogo,
464pp.
Marengo, J. (1984): Estudio Sinóptico
Climático de los Friajes (Friagens) en la
Amazonía Peruana. Revista Forestal del
Perú 12(1-2): 55-80.
Marengo, (1997a): Cold Surges in Tropical
and Extratropical South América: The
Strong Event in June 1994. Monthly
Weather Review 125:2759-2783.
Marengo, (1997b): Climatic Impacts of
Friagens in Forested and Deforested
Regions Amazon Basin. Journal of Applied
Meteorology 36:1553-1566.
Parmenter, F. (1976): Southern Hemisphere
Cold Front Passage at Equator.  Bulletin of
the American Meteorological Society 57:
1435-1440.
Krishanamurty T.N. (1997): Down Stream
Amplification: A possible Precursor to
Major Freeze Events over Southeastern
Brasil.  Weather and Forecasting 14:242-
270.
Trabajos de investigación. CNDG - Biblioteca
Instituto Geofísico del Perú. V. 2 (2001) p. 31-39
PREDICCION DE LAS PRECIPITACIONES SOBRE LA CUENCA
CHANCAY-HUARAL
JONATHAN CÁRDENAS SOTERO
Facultad de Ciencias
Universidad Nacional Agraria  La Molina
jonathan@chavin.igp.gob.pe
Practicas dirigidas por: Dr. Pablo Lagos
       Centro de Predicción Numérica del Tiempo y Clima
RESUMEN
Se realiza una primera aproximación al desarrollo de un modelo estadístico para el pronóstico de las
precipitaciones sobre la cuenca Chancay-Huaral, haciendo uso de correlaciones lineales simples y
análisis de regresión múltiple con algunos índices climáticos globales como son: la Temperatura
Superficial del Mar (TSM) en la región Niño 1+2  y  Niño 3, Índice de Oscilación del Sur (IOS) y
Radiación neta en Onda Larga (ROL).
Los datos mensuales se reagruparon en cuatro grupos correspondientes a los periodos: a) Enero-
Diciembre; b) Octubre-Marzo; c) Octubre-Diciembre y d) Enero-Marzo. Los cálculos de correlaciones se
obtuvieron hasta con seis meses de retraso. Los índices de correlación del orden de 0.5 se obtuvieron
entre las precipitaciones registradas en las estaciones ubicadas por encima de los 2000 m.s.n.m. y las
anomalías de la  TSM en la zona del  Niño 1+2.
Los resultados, en general, muestran que no existe una buena correlación entre las precipitaciones
registradas en la cuenca Chancay-Huaral y los índices climáticos globales, como para desarrollar un
modelo estadístico para el pronóstico de las lluvias.
El análisis de regresión múltiple de las precipitaciones en la cuenca Chancay-Huaral con los índices
climáticos globales indican que la temperatura superficial del mar es la variable que está más
relacionada con las precipitaciones en la cuenca.
INTRODUCCION
De los elementos del clima, la
precipitación es la variable que tiene
mayor incidencia en las actividades
humanas, como por ejemplo  en la
producción agrícola. Por este motivo, se
crea la necesidad de realizar  pronósticos
de las precipitaciones a largo plazo para
uso en las actividades agrícolas.
Entre los modelos actualmente utilizados
para el pronóstico de las precipitaciones a
largo plazo, los estadísticos han mostrado
tener bastante eficiencia. Estos modelos
consisten en buscar un conjunto de
elementos predictores que sean útiles para
la tarea de predecir el clima, los mismos
que deben cumplir la condición de que
sean variables disponibles en tiempo real y
que las correlaciones encontradas sean
significativas con adelantos suficientes de
las variables predictoras (índices
climáticos globales)  con respecto al
predictando (precipitación).
En la actualidad, la comunidad científica
viene monitoreando las variables
atmosféricas a través de los índices
climáticos globales y han desarrollado
modelos numéricos con la finalidad de
predecir su comportamiento. Basándose en
estos índices, se establece un esquema de
pronóstico de las precipitaciones en la
cuenca Chancay-Huaral haciendo uso del
coeficiente de correlación lineal  de
Pearson  y  el análisis de regresión
múltiple.
Este estudio tiene como objetivos
establecer el grado de influencia de las
variables climáticas observadas en el
Océano Pacífico, en el mecanismo de
formación de las precipitaciones sobre la
cuenca Chancay-Huaral, y sobre la base de
las correlaciones encontradas, desarrollar
un modelo estadístico para el pronóstico
J. Cárdenas
32
de precipitaciones en la cuenca Chancay-
Huaral.
ANTECEDENTES
En los procesos atmosféricos, influencian
de forma decisiva los complejos
mecanismos de interacción océano-
atmósfera. Uno de los parámetros
oceánicos más utilizados para cuantificar e
identificar los intercambios de energía de
estos sistemas lo constituye la
Temperatura Superficial del Mar (TSM).
Con ese objetivo, se ha estudiado el papel
que juegan las diferentes áreas oceánicas
con características especiales en esos
mecanismos de interacción. Entre estas
áreas están las usadas para el monitoreo de
los eventos ENSO (El Niño Oscilación del
Sur) conocidas como: Niño 1+2 (0-10°S,
90-80°W), Niño 3 (5°N-5°S, 150-90°W),
Niño 4 (5°N-5°S, 160ºE-150°W) y Niño
3.4 (5°N-5°S, 170-120°W), tal como se
muestra en la  Figura 1. Para todas las
áreas mencionadas, así como para otros
índices globales tales como el IOS y
Radiación Neta en Onda Larga (ROL), se
han elaborado series de tiempo de los
promedios mensuales disponibles en
Internet (página Web  del Centro de
Predicciones Climáticas del Centro
Nacional de Pronósticos Ambientales  de
la Agencia Nacional Atmosférica y
Oceánica de los Estados Unidos de
América -NOAA).
Figura 1. Áreas usadas para el monitoreo de eventos Niño.
El IOS es la diferencia entre la presión
atmosférica en Tahiti (17.5° S, 149.6° W)
y Darwin (12.4°S, 139°E), cuyas medias
anuales de presión en cada una de estas
estaciones  tienen una correlación de -0.79
(Trenberth, citado por Cárdenas en 1998).
La ROL es la energía emitida por
superficie de la Tierra hacia el espacio
exterior y detectada por los satélites
artificiales, en otras palabras  las regiones
de menor ROL corresponden a áreas de
mayor precipitación y regiones de mayor
ROL corresponden a áreas de menor
precipitación (Lagos,1997).
El punto de partida para la
implementación de un modelo estadístico
para el pronóstico de precipitaciones en la
cuenca Chancay-Huaral,  debe consistir en
obtener una relación entre los índices
climáticos globales y las precipitaciones
en la cuenca, ya que los nuevos avances
científicos se han concentrado en el
monitoreo y pronóstico de la temperatura
superficial del mar en el Pacífico
ecuatorial.
DATOS Y METODOLOGÍA
Para realizar el presente estudio se ha
utilizado series de tiempo de precipitación
en diversas estaciones meteorológicas
(período de 1952-1996 en cada estación)
distribuidas dentro de la cuenca Chancay-
Huaral y de algunas estaciones próximas a
ella (Tabla 1). Esta información fue
proporcionada por el Servicio Nacional de
Meteorología e Hidrología (SENAMHI).
Asimismo, los índices climáticos  globales
(TSM, IOS y ROL). Las series de tiempo
corresponden a promedios mensuales de
Predicción de las precipitaciones sobre la cuenca Chancay - Huaral
33
precipitación (record de 45 años para todas
las estaciones), TSM en la zona Niño 3 y
Niño 1+2, IOS estandarizado (registros
desde el año 1952 hasta 1996) y ROL
(registros desde el año 1979 hasta 1996)
Tabla 1. Localización de las estaciones meteorológicas utilizadas
Para el cálculo de las correlaciones
lineales y la regresión múltiple se hizo uso
del programa estadístico Minitab.
Con la finalidad de alcanzar los objetivos
planteados se dividió la información en
cuatro diferentes períodos del año,
asociados básicamente por la época de
abundante precipitación. El primer período
de datos incluye la precipitación durante
todo el año (Enero-Diciembre), el segundo
período se centró en la época lluviosa
(Octubre-Marzo), el tercero el inicio de la
temporada de lluvias (Octubre-Diciembre)
y el último período la temporada de mayor
precipitación (Enero-Marzo).
La primera parte del trabajo  esta basado
en el cálculo del coeficiente de correlación
lineal de Pearson, que es un índice
encargado de medir la interacción entre
dos  variables cuantitativas con el objetivo
de determinar el grado de relación que hay
entre estas dos variables (Calzada,1981).
Para conocer el grado de predictibidad se
establecieron retardos de 1 a 6 meses
(Naranjo, 1998). En la segunda parte, se
realiza  el análisis de regresión múltiple
con la finalidad  de medir el grado de
asociación entre las precipitaciones en la
cuenca (variable dependiente) y algunos
índices climáticos globales (variables
independientes). Se puede finalmente, con
los coeficientes de correlación más
elevados podemos establecer un modelo
estadístico de las precipitaciones sobre la
cuenca Chancay-Huaral.
GENERALIDADES DE LA CUENCA
Geográficamente, la cuenca Chancay-
Huaral se encuentra entre los paralelos
11°00' y 11°40' de latitud Sur y los
meridianos 76°28' y 77°20' de longitud
Oeste de Greenwich. Políticamente, se
encuentra íntegramente en el departamento
de Lima, ocupando parcialmente las
provincias de Chancay y Canta con un
área aproximada de 3 279 Km2 (Figura 2).
Altitudinalmente, se extiende desde el
nivel del mar hasta la línea de cumbres de
la Cordillera Occidental de los Andes que
constituye la divisoria continental y cuyos
puntos más altos llegan hasta los 5350
m.s.n.m.
Las lluvias en la cuenca   Chancay-Huaral
varían alrededor de los 700mm al año en
el sector de las punas (4000 a 5300
m.s.n.m.) hasta su completa ausencia en la
costa árida y desértica próxima al litoral
marino. Según el inventario, evaluación y
uso racional de recursos naturales de la
costa, realizado por el Instituto Nacional
de Recursos Naturales (INRENA), la
cuenca Chancay-Huaral  posee cuatro
tipos climáticos según el sistema de
clasificación de Warren Thornthwaite
(ONERN,1969):
 
Estació
n 
Altitud(msn
m)
Latitu
d
Longitu
d
Distrit
o
Provinci
a
Cuenc
aRete 182 11° 28' 77° 14' Chanca Chanca Huara
Huaya
n
350 11° 27' 77° 07' Huara Chanca Huara
Palla 233 11° 21' 76° 48' Atavillos Cant Huara
Cara
c
260 11° 11' 76° 47' 27 de Cant Huara
Pirc 325 11° 14' 76° 39' Atavillos Cant Huara
Huaro
s
358 11° 24' 76° 34' Huaro Cant Chillo
Sta. 370 11° 12' 76° 38' Sta. Cant Huara
Huaro 465 11° 01' 76° 25' Huaya Pasc Mantar
J. Cárdenas
34
a) Tipo climático muy seco y semi-
cálido, del nivel del mar hasta los
2000 m.s.n.m.
b) Tipo climático muy seco y templado,
entre los 2000 y 3000 m.s.n.m.
c) Tipo climático húmedo y frío, entre
los 3000 y 4000 m.s.n.m.
Tipo climático muy húmedo y frígido,
sobre los 4000 m.s.n.m.
Figura 2. Mapa de ubicación de la cuenca Chancay-Huaral
Predicción de las precipitaciones sobre la cuenca Chancay - Huaral
35
RESULTADOS
Las mejores correlaciones lineales simples
se han obtenido entre las precipitaciones
en la cuenca Chancay-Huaral y la TSM en
la zona del Niño 1+2, seguido por las
correlaciones con el Niño 3. En tercer
lugar, las correlaciones con el ROL y por
último las correlaciones con el IOS. Esto
podría explicarse  por la importancia que
tiene la TSM en los procesos de
precipitación a nivel regional y global y
por la cercanía del sector Niño 1+2 del
Océano Pacifico a la zona estudiada.
Estudios similares realizados por
Woodman (1999) indican una estrecha
relación entre las precipitaciones
registradas en Piura y las anomalías de la
TSM frente a la costa norte del Perú.
Con el primer grupo de datos
seleccionados para el periodo Enero-
Diciembre, se obtuvieron correlaciones de
±0.5 o mayor entre las precipitaciones y
las anomalías de la TSM en la región Niño
1+2 con retraso de 0, 4 y 5 meses en todas
las estaciones de la cuenca, excepto para
las estaciones de Retes y Huayan que están
ubicadas  cerca al litoral donde se
obtuvieron coeficientes de correlación
bastante bajos como  de 0.02, tal como se
muestra en la Tabla 2.
Para el segundo período en estudio
(Octubre-Marzo), también se encontraron
correlaciones del orden de +0.5 con un
retraso de 0 y 6 meses. Los  valores de los
coeficientes de correlación más altos se
obtuvieron en las estaciones de Pallac
(0.597) y Sta. Cruz (0.594). Sin embargo,
en la estación de Pirca se observó una
correlación aceptable pero de signo
negativo (-0.42) y de 3 meses de retraso
(Tabla 3). Estas correlaciones, si bien es
cierto tienen valores estadísticamente
aceptables, desde el punto de vista físico
no lo son, ya que no se conoce que exista
un forzamiento en el Pacífico con un
periodo de 6 meses.
Los resultados obtenidos para el tercer y
cuarto período, muestran coeficientes de
correlación inferiores a ±0.5, razón por la
cual no se incluye en el presente análisis,
pero si se muestra los valores en la Tabla
6.
Al realizar el análisis de regresión
múltiple se encontró que los predictores de
las precipitaciones en la cuenca Chancay-
Huaral, con las limitaciones estadísticas
que se encuentran, están basados en la
combinación de la  temperatura superficial
del mar en las zonas del Niño 1+2, Niño 3
y el IOS, con valores estadísticamente
insignificantes como se muestran en las
Tablas 4 y 5.
Con la ayuda de estos índices climáticos
globales,  se llega, en el mejor de los casos
(estación de Carac), a explicar el 53% de
la variabilidad de las precipitaciones en la
cuenca Chancay-Huaral para el período
Enero-Diciembre (Tabla 4). Para el
período Octubre-Marzo  se obtiene hasta
un 51% de explicación de la variabilidad
en la misma estación (Tabla 5).
Tabla 2. Correlaciones lineales más significativas con retrasos para el periodo Enero- Diciembre
  
Estación  Altitud(msnm)
r atraso r atraso r atraso r atraso 
Retes 182 0.109 r-5 0.125 r-5 -0.03 r-4 -0.12 r-1 
Huayan 350 0.073 r-4 0.02 r-4 -0.06 r-5 -0.16 r-1 
Pallac 2333 -0.4 r-4 -0.5 r-5 0.07 r-5 0.316 r-5 
Carac 2600 -0.47 r-4 -0.58 r-5 0.057 r-5 0.344 r-5 
Pirca 3259 -0.46 r-4 -0.56 r-5 0.064 r-6 0.298 r-5 
Huaros 3585 -0.44 r-4 -0.52 r-5 0.085 r-6 0.34 r-5 
Sta. Cruz 3700 -0.51 r-3 -0.6 r-4 0.069 r-6 0.356 r-6 
Huaron 4650 -0.56 r-3 -0.71 r-4 -0.08 r-2 0.276 r-6 
Coeficientes de Correlación lineal más significativos
3 - P 1+2 - P IOS - P ROL - P 
J. Cárdenas
36
Tabla 3. Correlaciones lineales más significativas con retrasos para el período Octubre - Marzo
Tabla 4. Correlación múltiple utilizando combinación de los índices globales
Período Enero - Diciembre
Tabla 5. Correlación múltiple utilizando la combinación de los índices globales
Octubre - Diciembre
Estación Altitud(msnm)
r atraso r atraso r atraso r atraso
Retes 182 0.144 r-6 -0.18 r-3 -0.07 r-6 -0.2 r-6
Huayan 350 0.116 r-4 -0.14 r-3 -0.08 r-1 -0.16 r-6
Pallac 2333 0.443 r-6 0.597 r-6 0.11 r-2 0.318 r-4
Carac 2600 0.48 r-6 0.64 r-6 0.1 r-2 0.327 r-4
Pirca 3259 0.364 r-6 -0.42 r-3 0.1 r-2 0.251 r-4
Huaros 3585 0.444 r-6 0.557 r-6 -0.19 r-6 0.295 r-4
Sta. Cruz 3700 0.481 r-6 0.594 r-6 -0.12 r-6 0.271 r-4
Huaron 4650 0.447 r-6 0.543 r-6 -0.12 r-5 -0.2 r-1
r = Coeficiente de correlación lineal simple.
r - n = Coeficiente de correlación lineal con retraso de n meses.
n = Número de meses de retraso.
3 - P = Temperatura en Niño 3   vs  Precipitación.
1+2 - P = Temperatura en Niño 1+2  vs  Precipitación.
IOS - P = Indice de oscilación sur  vs Precipitación.
ROL - P = radiación neta en onda larga  vs Precipitación.
Coeficientes de Correlación lineal más significativos
3 - P 1+2 - P IOS - P ROL - P
Estación Altitud(msnm
)
r(%) 3 - P 1+2 - P IOS - PRol - P
Retes 182 1.7 X X X X
Huayan 350 2.3 X X X X
Pallac 2333 41.1 X X X X
Carac 2600 53.0 X X X
Pirca 3259 38.5 X X
Huaros 3585 35.4 X X X
Sta.
Cruz
3700 42.5 X X X
Huaron 4650 50.8 X X X X
Estación Altitud(msnm) r(%) 3 - P 1+2 - P IOS - P Rol - P
Retes 182 9.2 X X X X
Huayan 350 4.8 X X X X
Pallac 2333 45.3 X X
Carac 2600 51.0 X X X
Pirca 3259 40.3 X X
Huaros 3585 24.7 X X X
Sta. Cruz 3700 32.3 X X X
Huaron 4650 38.5 X X X
r(%) = Correlación multiple con los índices globales.
3 - P = Temperatura en Niño 3   vs  Precipitación.
1+2 - P = Temperatura en Niño 1+2  vs  Precipitación.
IOS - P = Indice de oscilación sur  vs Precipitación.
ROL - P = radiación neta en onda larga  vs Precipitación.
Predicción de las precipitaciones sobre la cuenca Chancay - Huaral
37
CONCLUSIONES Y
RECOMENDACIONES
Las precipitaciones en la cuenca Chancay-
Huaral mantienen muy poca relación con
la  variación temporal de los índices
climáticos globales, por lo que sería muy
prematuro establecer un modelo
estadístico basándose en estos resultados.
De los índices climáticos analizados en el
presente trabajo, la  temperatura
superficial del mar es el que tiene mayor
relación con las precipitaciones sobre la
cuenca Chancay-Huaral; por lo que se
debería poner mayor énfasis en el estudio
de la variación temporal de esta variable,
sobre todo en el período de abundante
precipitación.
Las correlaciones más significativas se han
obtenido de las estaciones que se localizan
sobre los 2000 m.s.n.m. Esto puede
atribuirse a la poca influencia del
anticiclón del Pacífico Sur a estas
altitudes, pero sí a la influencia de masas
de aire procedentes del océano Atlántico
(Mugica, 1985).
Las correlaciones obtenidas con retrasos
de 6 meses, aunque estadísticamente
tienen valores aceptables, desde el punto
de vista físico no lo son, ya que no se
conoce que exista un forzamiento en el
Pacífico con un periodo de 6 meses.
Se recomienda realizar  estudios similares
para las diferentes cuencas del territorio
nacional a fin de determinar la influencia
del océano Pacifico en las precipitaciones
de dichas cuencas y si las correlaciones
son mayores a ±0.5 se puede implementar
un modelo estadístico para pronósticos de
precipitaciones y de esta manera mitigar
los posibles desastres que ocasionan la
abundante precipitación, así como el
déficit de la misma. Asimismo, realizar un
estudio adicional para poder encontrar una
justificación física de las bajas
correlaciones que se ha encontrado en este
estudio.
AGRADECIMIENTOS
Agradezco al Dr. Pablo Lagos, Director
del Centro de Predicción Numérica de
Tiempo y Clima (CPNTC) por darme la
oportunidad de realizar mis practicas pre-
profesionales en la dirección a su cargo,
así como en el asesoramiento para la
elaboración del presente estudio. También
quisiera agradecer en forma especial a la
Dra. Yamina Silva, a la Lic. Alejandra
Martinez y a todo el personal del CPNTC
que de una forma u otra me han brindado
su apoyo.
BIBLIOGRAFIA
Calzada, B. (1981): Métodos Estadísticos
Para la Investigación. Editorial Milagros
S.A., Lima, Perú, Pág. 643.
Cárdenas, P. (1998): Papel de Indices
Teleconectivos y del ENOS en la
Predictabilidad de la lluvia en Cuba.
Boletín SOMETCUBA, volumen 4,
número 2.
Lagos, E. (1997): Modelo Regional para la
Predicción de las Precipitaciones en la
Cuenca del Río Mantaro. Informe
climático bimensual.
Mugica, R. (1985): La lluvia en el
departamento de Piura en 1983 y su
relación con otras variables. CONCYTEC,
Ciencia, Tecnología y Agresión
Ambiental: El Fenómeno El Niño. Lima-
Perú. Talleres gráficos de la universidad
del Pacífico,    Pág. 692.
Naranjo, D. (1998): Un Indice Empírico
de Ocurrencia de ENOS. Papel de la
Predictabilidad de Elementos Climáticos.
Boletín de SOMETCUBA, volumen 4,
número1.
ONERN, (1969): Inventario, Evaluación y
uso Racional de los Recursos Naturales de
la Costa Valle Chancay-Huaral. Lima
Perú.
J. Cárdenas
38
Woodman, R. (1999):  Modelo Estadístico
de Pronostico de Precipitaciones en la
Costa Norte del Perú (publicado en la
pagina Web del Instituto geofísico del
Perú: http://www.igp.gob.pe).
Tabla 6. Coeficientes de correlación obtenidos para la cuenca Chancay - Huaral
Huaron Huaros
Período:  ENERO - DICIEMBRE Período:  ENERO - DICIEMBRE
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.14 -0.19 -0.46 -0.56 -0.5 -0.334 -0.09 3-p 0.17 -0.08 -0.31 -0.43 -0.44 -0.37 -0.21
1+2-p 0.494 0.146 -0.25 -0.57 -0.71 -0.656 -0.42 1+2-p 0.48 0.249 -0.07 -0.34 -0.49 -0.52 -0.42
ios-p -0.05 -0.05 -0.08 -0.04 -0.02 0.005 0.009 ios-p 0.02 0.028 0.016 0.047 0.07 0.059 0.085
rol-p -0.33 -0.22 -0.14 0.01 0.193 0.276 0.269 rol-p -0.2 -0.06 -0.02 0.095 0.23 0.34 0.301
Período:   OCTUBRE - MARZO Período:   OCTUBRE - MARZO
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.436 0.091 -0.23 -0.24 -0.04 0.27 0.447 3-p 0.29 -0.07 -0.32 -0.26 -0.06 0.189 0.444
1+2-p 0.581 0.234 -0.22 -0.4 -0.25 0.187 0.543 1+2-p 0.49 0.135 -0.25 -0.33 -0.18 0.13 0.557
ios-p -0.04 -0 -0.04 -0.06 -0.05 -0.124 -0.06 ios-p 0.07 0.094 0.082 0.058 0.006 -0.087 -0.19
rol-p -0.3 -0.2 -0.17 -0.07 0.105 0.038 -0.17 rol-p -0.1 0.059 0.1 0.186 0.295 0.12 -0.15
Período:    OCTUBRE - DICIEMBRE Período:    OCTUBRE - DICIEMBRE
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p -0.07 -0.07 0.033 0.15 0.134 0.091 0.196 3-p 0.01 -0.08 -0.03 0.04 -0.02 0.002 0.213
1+2-p 0.097 -0.02 -0.11 0.23 0.09 -0.151 0.197 1+2-p 0.29 -0.12 -0.23 0.342 -0.05 -0.22 0.469
ios-p -0.08 -0.06 -0.07 -0.02 -0.05 -0.144 -0.14 ios-p 0 -0.06 -0.12 -0.02 0.012 -0.032 -0.14
rol-p -0.2 -0.05 -0.06 -0.4 -0.16 -0.037 -0.19 rol-p -0.2 0.122 0.057 -0.21 0.134 0.305 -0.1
Período:    ENERO - MARZO Período:    ENERO - MARZO
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.175 -0.11 0.025 0.2 -0.18 -0.076 0.11 3-p 0.02 -0.15 -0.07 0.279 0.047 -0 0.184
1+2-p 0.266 -0.17 -0.04 0.16 -0.18 -0.072 0.214 1+2-p 0.13 -0.06 -0.1 0.316 0.031 -0.08 0.092
ios-p -0.02 0.055 -0.13 0.03 0.101 0.133 -0.02 ios-p 0.14 0.1 -0.05 -0.22 -0.08 -0.066 0.055
rol-p -0.27 0.06 0.026 -0.1 0.139 0.186 -0.07 rol-p 0.13 0.286 0.051 -0.27 0.02 0.04 -0.18
Retes Pirca
Período:  ENERO - DICIEMBRE Período:  ENERO - DICIEMBRE
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p -0.07 -0.01 0.039 0.1 0.107 0.109 0.069 3-p 0.22 -0.05 -0.29 -0.42 -0.46 -0.4 -0.27
1+2-p -0.07 -0.05 8E-04 0.04 0.1 0.125 0.12 1+2-p 0.53 0.283 -0.04 -0.34 -0.52 -0.56 -0.48
ios-p 0.008 0.024 0.015 -0.03 -0.03 0.015 0.01 ios-p 0.01 0.01 0.021 0.033 0.055 0.060 0.064
rol-p -0.07 -0.12 -0.07 -0.08 -0.05 0.009 0.003 rol-p -0.2 -0.12 -0.07 0.025 0.177 0.298 0.249
Período:   OCTUBRE - MARZO Período:   OCTUBRE - MARZO
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.182 0.103 -0.01 -0.08 0.069 0.034 0.144 3-p 0.39 -0.04 -0.33 -0.31 -0.12 0.102 0.364
1+2-p 0.201 0.117 -0.04 -0.18 0.028 -0.003 0.175 1+2-p 0.59 0.162 -0.29 -0.42 -0.25 0.065 0.54
ios-p -0.04 -0 0.026 -0.06 -0.03 -0.056 -0.07 ios-p 0.09 0.09 0.101 0.09 0.1 -0.007 -0.03
rol-p -0.13 -0.18 -0.07 -0.02 -0.03 0.047 -0.2 rol-p -0.1 -0.01 0.011 0.152 0.251 0.223 -0.07
Período:    OCTUBRE - DICIEMBRE Período:    OCTUBRE - DICIEMBRE
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p -0.05 0.004 -0.03 -0.08 -0.01 -0.039 0.027 3-p 0.21 0.108 0.075 0.121 0.032 0.078 0.132
1+2-p -0.15 0.148 -0.04 -0.12 0.108 -0.063 -0.11 1+2-p 0.48 0.031 -0.12 0.368 -0.05 -0.18 0.34
ios-p 0.015 0.001 0.02 0.09 0.134 0.008 0.066 ios-p -0.1 -0.09 -0.1 -0.05 -0.02 -0.002 -0.08
rol-p 0.165 0.11 0.175 0.22 -0.38 -0.112 0.039 rol-p -0.4 -0.06 -0 -0.27 0.001 0.193 -0.04
Período:    ENERO - MARZO Período:    ENERO - MARZO
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.103 0.165 -0.04 0.02 -0.04 -0.332 -0.23 3-p 0.09 -0.22 -0.29 0.043 -0.13 -0.11 0.237
1+2-p 0.035 0.205 -0.06 -0.04 0.014 -0.202 -0.19 1+2-p 0.22 -0.07 -0.31 0.07 -0.07 -0.17 0.251
ios-p -0.05 -0.01 -0.05 -0.08 0.051 0.142 0.094 ios-p 0.22 0.174 0.034 0.04 0.043 0.132 -0.05
rol-p -0.09 -0.09 0.052 0.09 0.156 0.36 0.355 rol-p 0.1 0.263 0.271 -0.14 0.064 -0.02 -0.3
Predicción de las precipitaciones sobre la cuenca Chancay - Huaral
39
r = Coeficiente de correlación.
r-n = Correlación con un retraso de n mes
3-p = TSM Niño3 vs. Precipitación.
1+2-p = TSM Niño 1+2 vs. Precipitación.
ios-p = IOS normalizado vs.Precipitación.
rol-p = ROL vs. Precipitación.
Huayan Pallac
Período:  ENERO - DICIEMBRE Período:  ENERO - DICIEMBRE
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.03 0.044 0.058 0.07 0.053 0.021 -0.01 3-p 0.25 -0 -0.22 -0.35 -0.4 -0.39 -0.31
1+2-p 0.034 0.004 0.001 0.01 0.02 0.012 0.003 1+2-p 0.52 0.317 0.017 -0.25 -0.42 -0.5 -0.45
ios-p -0.06 -0.04 -0.02 -0.02 -0.03 -0.056 -0.02 ios-p -0 -0 0.038 0.037 0.053 0.070 0.044
rol-p -0.13 -0.16 -0.1 0.01 -0.02 -0.122 -0.11 rol-p -0.2 -0.18 -0.08 0.029 0.201 0.316 0.29
Período:   OCTUBRE - MARZO Período:   OCTUBRE - MARZO
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.164 0.097 0.01 -0.03 0.116 0.095 0.071 3-p 0.44 0.069 -0.25 -0.35 -0.23 0.12 0.443
1+2-p 0.159 0.047 -0.05 -0.14 0.088 0.115 0.106 1+2-p 0.59 0.289 -0.17 -0.43 -0.38 0.053 0.597
ios-p -0.05 -0.08 -0.04 -0.04 -0.04 -0.079 -0.05 ios-p 0.02 0.025 0.108 0.083 0.083 0.017 -0.01
rol-p -0.15 -0.15 -0.06 0.12 -0.14 -0.154 -0.16 rol-p -0.1 -0.09 0.059 0.202 0.318 0.19 -0.11
Período:    OCTUBRE - DICIEMBRE Período:    OCTUBRE - DICIEMBRE
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p -0.09 -0.04 0.098 0.16 0.238 0.127 -0.02 3-p -0.1 -0.09 -0.04 -0.06 -0.06 -0.1 -0.09
1+2-p -0.07 -0.02 0.084 0.11 0.131 0.08 -0.01 1+2-p 0.09 -0.07 -0.2 0.093 -0.07 -0.29 0.164
ios-p 0.086 0.075 -0.07 -0.13 -0.07 -0.086 0.014 ios-p 0.05 0.083 0.119 0.097 0.052 0.069 -0.04
rol-p -0.14 0.064 0.03 -0.21 0.043 -0.105 -0.01 rol-p -0.3 -0.08 0.035 -0.16 0.016 0.198 0.136
Período:    ENERO - MARZO Período:    ENERO - MARZO
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.048 0.181 0.051 -0.06 -0.07 -0.162 -0.27 3-p 0.24 -0.2 -0.11 0.248 -0.19 -0.05 0.174
1+2-p -0.03 0.16 0.109 -0.15 0.003 -0.001 -0.22 1+2-p 0.32 -0.12 -0.18 0.29 -0.09 -0.12 0.199
ios-p -0.01 -0.07 -0.12 -0.07 0.009 0.171 0.094 ios-p 0.04 0.045 0.038 0.019 -0.01 0.024 0.003
rol-p 0.062 -0.25 -0.12 0.23 0.226 0.312 0.332 rol-p 0.1 0.171 -0.02 -0.22 0.053 -0.09 -0.25
Sta. Cruz Carac
Período:  ENERO - DICIEMBRE Período:  ENERO - DICIEMBRE
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.132 -0.16 -0.39 -0.51 -0.48 -0.368 -0.18 3-p 0.21 -0.08 -0.32 -0.44 -0.47 -0.41 -0.26
1+2-p 0.481 0.184 -0.17 -0.45 -0.6 -0.592 -0.44 1+2-p 0.55 0.272 -0.07 -0.37 -0.54 -0.58 -0.46
ios-p 0.036 0.026 0.035 0.05 0.053 0.058 0.069 ios-p 0.01 0.013 0.015 0.029 0.042 0.057 0.044
rol-p -0.17 -0.08 -0.01 0.11 0.275 0.356 0.319 rol-p -0.2 -0.18 -0.09 0.086 0.252 0.344 0.309
Período:   OCTUBRE - MARZO Período:   OCTUBRE - MARZO
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.332 -0.01 -0.3 -0.24 -0.08 0.261 0.481 3-p 0.44 0.027 -0.31 -0.38 -0.16 0.203 0.48
1+2-p 0.528 0.194 -0.26 -0.38 -0.26 0.179 0.594 1+2-p 0.65 0.259 -0.24 -0.5 -0.31 0.155 0.64
ios-p 0.092 0.062 0.082 0.07 0.041 -0.035 -0.12 ios-p 0.06 0.063 0.105 0.058 0.04 -0.068 -0.09
rol-p -0.01 0.046 0.099 0.24 0.271 0.061 -0.23 rol-p -0.1 -0.09 0.078 0.312 0.327 0.097 -0.19
Período:    OCTUBRE - DICIEMBRE Período:    OCTUBRE - DICIEMBRE
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.041 0.1 0.033 -0.01 0.015 0.015 0.279 3-p 0.13 0.073 -0.04 0.062 0.041 -0 0.027
1+2-p 0.225 0.138 -0.13 0.19 0.018 -0.171 0.391 1+2-p 0.35 0.064 -0.2 0.271 0.05 -0.2 0.269
ios-p -0.17 -0.18 -0.19 -0.04 0.028 0.003 -0.11 ios-p -0.1 0.044 0.044 -0.01 -0.07 0.005 -0.02
rol-p -0.15 -0.08 0.027 -0.13 0.067 0.276 -0.05 rol-p -0.2 0.141 0.446 0.08 -0.04 0.153 -0.3
Período:    ENERO - MARZO Período:    ENERO - MARZO
r r-1 r-2 r-3 r-4 r-5 r-6 r r-1 r-2 r-3 r-4 r-5 r-6
3-p 0.092 -0.27 -0 0.25 -0.09 -0.054 0.15 3-p 0.09 -0.17 -0.03 0.242 -0.12 -0.12 0.139
1+2-p 0.206 -0.2 -0.06 0.32 -0.11 -0.052 0.211 1+2-p 0.24 -0.14 -0.07 0.234 -0.08 -0.08 0.178
ios-p 0.236 0.132 2E-04 -0.13 0.023 0.081 0.124 ios-p 0.18 0.127 -0.11 -0.11 0.052 0.084 0.002
rol-p 0.194 0.294 -0.11 -0.26 0.116 0.093 -0.13 rol-p 0.23 0.072 -0.1 -0.16 0.155 0.202 0.053
Trabajos de investigación. CNDG - Sismología
Instituto Geofísico del Perú. V. 2 (2001), p. 41- 50
EVALUACION DE  LOS PRONOSTICOS DE LA TEMPERATURA DEL
AIRE OBTENIDAS CON EL MODELO MM5 PARA ALGUNAS CIUDADES
DE LA COSTA Y SIERRA DEL PERU
EDUARDO MARTIN VALERIANO MARZANO
Facultad de Ciencias
Universidad Nacional Agraria  La Molina
marvaler@mixmail.com
Practicas dirigidas por: Dr. Pablo Lagos
       Centro de Predicción Numérica del Tiempo y Clima
RESUMEN
En el presente estudio se evalúa y analiza la habilidad  del modelo de mesoescala MM5 en pronosticar
la temperatura del aire próxima a la superficie para el periodo del 5 de setiembre al 18 de noviembre de
2000. Para ello se compararon los resultados pronosticados por el modelo con los valores registrados
en las estaciones sinópticas en superficie. En general, los valores de temperatura del aire
pronosticados por del modelo son aceptables para las estaciones  de la costa  (Lima y Trujillo), en para
la sierra se observa mayor diferencia. Sin embargo, la diferencia entre el valor observado y simulado es
constante en las estaciones analizadas en la sierra, lo que indicaría un error sistemático. En la sierra,
por otro lado, se observa gran diferencia en los valores pronosticados y observados, esto podría estar
relacionado al efecto de Andes y la baja resolución espacial del modelo. Para una mejor evaluación del
modelo, es necesario tener una serie mas larga de datos observados para así establecer mejor las
diferencia que se presentan en el modelo.
INTRODUCCIÓN
El modelo de mesoescala MM5 (Grell, et
al., 1995) fue desarrollado en la
Universidad Estatal de Pennsylvania
(PSU) y el  Centro Nacional de
Investigación Atmosféricas (NCAR) y
quienes actualmente se encargan del
soporte técnico-computacional en forma
permanente. El MM5 fue seleccionado
para ser implementado en el Centro de
Predicción  Numérica del Tiempo y Clima
(CPNTC)  del Instituto Geofísico del Perú
(IGP), por su alta capacidad en definir
sistemas atmosféricos a escala sinóptica,
así como por las opciones para realizar
experimentos numéricos usando diferentes
esquemas para la parametrización de los
procesos físicos. El MM5, también tiene la
opción de correr con dominios múltiples
anillados. La condiciones iniciales y las de
contorno, necesarios para correr el MM5,
se obtienen de las salidas del modelo
global CPTEC/COLA  del Centro de
Predicción del Tiempo y Estudios
Climáticos del Brasil (CPTEC).
Desde noviembre del 2000, el MM5 es
corrido en el IGP en una nueva estación de
trabajo Compaq ES-40 de 4 procesadores;
por lo tanto, los pronósticos se realizan
con 60 horas de anticipación para los 3
dominios y con mayor resolución espacial:
el primer dominio para Sudamérica con
una grilla de 54km , el segundo dominio
para el Perú (18 Km.) y el tercer dominio
para Lima (6 Km.).  Entre las principales
variables pronosticadas se tienen:
velocidad del viento, altura geopotencial,
temperatura, humedad del aire y
precipitación,  entre otras.
En el presente estudio se hace una
validación simple de la temperatura del
aire, una de las variables pronosticadas por
el modelo que tienen mayor influencia en
las condiciones del tiempo. La
temperatura esta influenciada por la
irregular distribución de la energía solar
que es absorbida de diferentes formas
según la topografía del lugar (Gómez,
1984), como es el caso de la sierra peruana
con una amplia variación diurna. La
intensa radiación o insolación durante el
día y la rápida perdida de energía durante
la noche es característico de la región
andina (García, 1994),  por ello es
necesario realizar una evaluación de la
habilidad del modelo para pronosticar las
variaciones de la temperatura del aire y de
esta manera determinar las bondades del
modelo MM5.
E. Valeriano
42
El objetivo del presente trabajo es evaluar
o verificar los pronósticos de la
temperatura del aire obtenidos del modelo
de mesoescala MM5 en la región de la
costa, para lo cual se han tomado como
base las estaciones de Trujillo y Lima; y
en la sierra considerando las estaciones
ubicadas en Arequipa, Huayao y
Ayacucho. La elección de estas estaciones,
obedece más bien a la disponibilidad de
datos observados.
ANTECEDENTES
El PSU/NCAR MM5 fue implementado
por primera vez en el Perú en Febrero de
1998 en el Instituto Geofísico del Perú. El
modelo fue corrido operacionalmente
hasta diciembre del 2000 en una estación
de trabajo DIGITAL Ultimate 532au2 con
dos CPUs Alpha de 533 Mhz. y 750    Mb.
de memoria RAM. La resolución del
dominio para  América del Sur fue de
81Km y de 27 Km para el dominio de
Perú, así los pronósticos realizados fueron
con 48 horas de anticipación. Las
condiciones iniciales y de contorno, fueron
proporcionados por el CPTEC. En el
presente trabajo se usan los datos del
dominio del Perú con 27 Km. de
resolución.
El MM5 esta basado en la ecuaciones
primitivas, que describen los procesos
físicos y dinámicos de la atmósfera, tales
como: movimiento del aire (horizontal y
vertical), la conservación de la masa,
ecuación de termodinámica y para la
humedad. Estas ecuaciones diferenciales
parciales, se resuelven utilizando el
método de las  diferencias finitas.
Antes de la integración de las ecuaciones
del modelo, se tiene que correr otros
programas para procesamiento de los datos
de entrada, así como posterior a la corrida
del modelo para el  post-procesamiento de
los resultados. Este sistema de programas,
forma de módulos se muestra en la Figura
1. El programa TERRRAIN, define el
dominio del modelo y la proyección del
mapa, genera la topografía y usos del
suelo en la grilla del modelo.
DATAGRID, genera la primera
inicialización (first guess) de todos los
campos para la grilla  del modelo a partir
del conjunto de datos meteorológicos de
entrada, es decir hace una interpolación
horizontal.  RAWINS, desarrolla el
análisis objetivo, combina la primera
inicialización de los campos del modelo
con los datos de radiosondeos y las
observaciones en superficie, actualmente
en el MM5 - IGP no se  usa este programa
debido a que requiere de una adaptación
exclusiva para las regiones con topografía
compleja. INTERP, interpola
verticalmente los datos de niveles de
presión desde RAWINS o DATAGRID
hasta las coordenadas del modelo, en este
caso al sistema de coordenadas  sigma.
GRAPH, muestra las salidas de cada uno
de las componentes del modelo MM5  y
realiza la integración en el tiempo para
simular o predecir la circulación de la
atmósfera de escala regional. En el IGP
tampoco se utiliza este programa ya que se
adaptaron las salidas para generar los
gráficos en formato binario usando el
paquete grafico GrADS (Grid Analysis
and Display System). Otras opciones
físicas del modelo MM5, incluyen
microfísica de nubes, parametrización de
los procesos convectivos, parametrización
de la capa limite, parametrización de los
procesos en superficie.
El modelo MM5 tiene la capacidad de ser
adaptado a cualquier zona del planeta, ya
que puede tener múltiples dominios
anillados que permite seleccionar
dominios con alta resolución que
representen sub-regiones, esto desde luego
esta en función de la capacidad
computacional. El modelo proporciona
como variables pronosticas:
1. Presión atmosférica reducida a nivel
del mar (mb.)
2. Presión a nivel de la superficie (mb)
3. Precipitación acumulada en 6 a 24
horas (mm).
4. Temperatura del aire próxima a la
superficie (°C).
5. Temperatura del aire en los diferentes
niveles en la vertical (ºC).
6. Altura geopotencial en los diferentes
niveles en la vertical (m).
7. Vientos próximos a la superficie (m/s).
Evaluación de los pronósticos de la temperatura del aire, modelo MM5
43
8. Viento en los diferentes niveles en la
vertical (m/s).
9. Humedad del aire en los diferentes
niveles en la vertical (g/Kg).
DATOS Y METODOLOGIA
Descripción del área de estudio
El área de estudio abarca dos de las tres
regiones geográficas del Perú, que es la
costa y sierra. La ubicación geográfica de
las estaciones que fueron usadas en el
presente estudio se muestra en la Tabla 1,
que pertenecen a la red de estaciones
sinópticas de la Corporación Peruana de
Aeropuertos y Aviación Comercial
(CORPAC) y al IGP. Para facilitar el
análisis, el área de estudio se dividió en:
Costa
- Lima
- Trujillo
Sierra
- Arequipa
- Ayacucho
- Huayao
Figura 1.  Diagrama de flujo del sistema de modelaje del modelo de MM5
Tabla 1. Ubicación geográfica de la estaciones sinópticas
REGION ESTACION LATITUD LONGITUD ALTITUD
COSTA LIMA 12º00' S 77º 07' W 13   m.s.n.m.
COSTA TRUJILLO 08º06' S 79º02' W 30   m.s.n.m.
SIERRA AREQUIPA 16º19' S 71º33' W 2520  m.s.n.m.
SIERRA AYACUCHO 13º08' S 74º13' W 2749  m.s.n.m.
SIERRA HUAYAO 12º02' S 75º19' W 3351  m.s.n.m.
E. Valeriano
44
Información meteorológica
Como se mencionó anteriormente, para el
presente análisis se utilizaron los
resultados del modelo para el dominio de
Perú con 27 Km. de resolución. Se
obtuvieron los valores de temperatura del
aire próximas a la superficie,
pronosticados por el MM5 en los puntos
de la grilla más próximos a las 5
estaciones sinópticas en estudio (Tabla 1).
Cabe mencionar que la temperatura del
aire más próxima a la superficie se
encuentra en el nivel  s=0.995, lo que
equivale aproximadamente a 40 metros
sobre la superficie. El periodo
comprendido para el estudio, es desde el
05 de setiembre al 18 de noviembre del
año 2000. Se tomaron los datos de
temperatura puntuales a las  7:00, 13:00 y
19:00 hora local peruana. Los datos de la
temperatura del aire observada en
superficie y se obtuvieron  a través de la
pagina Web de la Universidad de Florida.
Las estaciones sinópticas pertenecen a la
red de observaciones en los aeropuertos de
CORPAC.
Metodología
Para el análisis de la capacidad predictiva
del modelo, se calcularon distintos índices
estadísticos, complementados con los
gráficos que permite visualizar la
correspondencia entre los valores
simulado y observado.  El uso de gráficos
y el calculo de medidas descriptivas de la
diferencia entre los valores observados y
simulados son herramientas
suficientemente útiles  a la hora de
decidirse por un modelo u otro
(Stockle,1996).
La medida estadística ha utilizar, es el
índice de correlación (r) entre los valores
observados (VO) y los valores simulados
(VS) por el modelo MM5 para cada una de
las 5 estaciones. Esta consistirá en
determinar la variación conjunta de los
valores observados con los pronosticados,
ver su grado de relación que es
denominado coeficiente o índice de
correlación. La función será valida, si hay
seguridad de que existe un alto grado de
correlación entre las variables indicado por
el coeficiente de correlación, claro está
que una  alta correlación no es condición
suficiente para que el modelo sea
satisfactorio o no (Córdova, 1995), ya que
indicaría únicamente la habilidad del
modelo MM5 en seguir el comportamiento
de los valores observados de temperatura
del aire próxima a la superficie.
El coeficiente de determinación  r2 de la
regresión es:
                0 £  r2 £ 1, entonces,  -1 £  r £  1
                r >  0 correlación positiva
    r <  0 correlación negativa
    r2 =1 correlación perfecta
    r2 =0  no hay correlación.
Se utilizó también, la medida descriptiva
propuesta por Stockle (1996), la raíz del
cuadrado medio del error (RMSE) que es
el grado de dispersión que hay entre los
valores observados y simulados de
temperatura del aire próximo a la
superficie. También se calculó la
desviación estándar de la diferencia del
valor observado y el valor simulado a lo
largo del periodo en estudio para las 5
estaciones sinópticas.
Raíz del cuadrado medio del error
(RMSE)
Desviación estándar del error (Sde)
N
SO
RMSE
N
j
jjå
=
-
= 1
2)(
N
EE
Sde
N
j
jå
=
-
-
= 1
2)(
Evaluación de los pronósticos de la temperatura del aire, modelo MM5
45
donde,
RESULTADOS
Primeramente, se  analiza la temperatura
media observada durante todo el periodo
de estudio (5 de setiembre al 18 de
noviembre del 2000) y la temperatura
media pronosticada por el modelo para los
diferentes horarios: 7:00, 13:00 y 19:00
horas (Tabla 2). De las diferencias entre la
temperatura media observado (VOavg), y
la temperatura media pronosticada por el
MM5 (VSavg)  se nota que el error esta
dentro del rango aceptable para las
estaciones de la costa, en especial para el
horario de las 19:00 horas y para 13:00
horas para Lima. Sin embargo, el error es
mucho mayor para las estaciones ubicadas
en Arequipa y Ayacucho, (11ºC a las
13:00 horas), y ligeramente menor en
Huayao (6.7ºC). Para las 7:00 y 19:00
horas el error disminuye levemente pero se
mantiene sobre el 50%. El error es mínimo
para Huayao a las 7:00 no siendo así a las
19:00. En todas las estaciones de la sierra,
el modelo MM5 pronostica temperaturas
por debajo de las observadas, por el
contrario la temperatura simulada es
superior a la observada, a excepción de
Lima para las 13:00 horas.
La raíz del cuadrado medio del error
(RMSE), muestra el grado de dispersión
que hay entre los valores observados y
simulados, nos indica que la mayor
dispersión se presenta en las estaciones de
la sierra y esta difiere con respecto a su
valor observado entre los 23.5% para las
7:00 en la estación de Huayao y 71.2%
para las 07:00 horas en la estación de
Ayacucho (Tabla 2). Para las estaciones de
la costa este porcentaje es mucho menor,
oscila entre el 3.6% para 19:00 horas y
10.4% para las 13:00 horas en la estación
de Trujillo.
Tabla 2. Indices estadístico para evaluar los resultados de la simulación
N: número de observaciones;  VOavg: valor medio observado;  VSavg: valor medio simulado; dif=VOavg - VSavg;
RMSE: raíz del cuadrado medio del error; RelRMSE: 100* (RMSE/VOavg );   r : coeficiente de correlación;  Sde: desviación
estándar del error.
Analizando los coeficientes de correlación
obtenidos para cada estación y para el
horario escogido, se observa cuenta que
éstas son muy bajas, excepto para las
19:00 horas en las estaciones de Arequipa
y Huayao, donde alcanzan los 0.63 y 0.52
respectivamente. En las demás estaciones
r oscila entre –0.31  y 0.41 (Tabla 2).
Los valores más bajos de desviación
estándar del error se obtienen para las
estaciones costeras y para los horarios de
las 7:00 y 19:00 horas, estas oscilan entre
0.62 y 0.89°C. Para las 13:00 horas Sde
sobre pasa 1ºC en las estaciones de
Trujillo y Lima. En general la mayor
dispersión se da en las estaciones de la
sierra (cuadro 2), donde la desviación
estándar oscila entre los 1.11 y 2.63 ºC ,
observándose los mayores errores en la
estación de Huayao.
Para hacer un análisis del comportamiento
de la temperatura del aire próxima a la
superficie simulada y pronosticada,
también si han generado gráficos de todo
ESTACION                LIMA            TRUJILLO          AREQUIPA  AYACUCHO             HUAYAO
HORA 07:00 13:00 19:00 07:00 13:00 19:00 07:00 13:00 19:00 07:00 13:00 07:00 13:00 19:00
N 42 44 47 41 43 46 41 43 47 44 41 50 50 50
VOavg(°C) 15.85 18.92 16.51 16.28 19.67 17.28 13.83 22.06 13.70 12.80 23.61 8.33 18.93 12.34
VSavg(°C) 17.02 18.13 16.88 17.33 21.39 17.40 6.52 10.68 6.56 3.85 12.28 7.93 12.22 8.91
dif(°C) -1.17 0.78 -0.38 -1.05 -1.73 -0.12 7.31 11.38 7.13 8.94 11.34 0.40 6.72 3.44
RMSE(°C) 1.45 1.49 0.96 1.36 2.04 0.63 7.41 11.33 7.14 9.11 11.55 1.96 7.20 3.89
RelRMSE(%) 9.16 7.90 5.81 8.37 10.37 3.64 53.55 51.34 52.14 71.16 48.93 23.54 38.04 31.48
r 0.10 -0.31 -0.28 0.12 -0.20 0.20 0.34 0.41 0.63 0.16 0.32 0.23 0.24 0.52
Sde(°C) 0.8754 1.2875 0.892 0.8851 1.0983 0.6231 1.6799 1.3401 1.108 1.7424 2.2482 1.9394 2.6265 1.8308
N
N
j
j
jjj
E
E
VSVOE
å
=
-
=
-=
1
E. Valeriano
46
el periodo en estudio y para cada una de
las estaciones y horarios (Figuras 2 y 3).
De los índices antes analizados se
concluye que los errores mas bajos se dan
en las estaciones de la costa, sin embargo
se observo en las figuras que no existe un
error sistemático, y que los valores
simulados por el modelo no siempre
siguen la tendencia de la temperatura
observada, esto es mas notorio a las 13:00
y 19:00 horas (Figura 2). En las estaciones
de la sierra es notoria las diferencias entre
las temperaturas observadas y simuladas
especialmente en Arequipa y Ayacucho.
Sin embargo, la temperatura simulada
sigue la tendencia.
En todos los casos para las estaciones de la
sierra se nota que las temperaturas
simuladas están por debajo de las
observadas, mientras que la costa ocurre lo
contrario. Las bajas temperaturas en la
sierra se podrían explicar que es debido a
que los puntos de grilla mas cercanos a las
estaciones se encuentran a una altitud
mucho mayor que su altitud real (Tabla 3),
además de ello la temperatura observada
se mide a la altura de 2 metros sobre la
superficie, mientras que la del modelo se
encuentra aproximadamente a los 40
metros. Sin embargo esto es contradictorio
para las estaciones de la costa, en donde
las estaciones según el modelo también se
encuentran a una altitud mayor que la real.
La causa de la diferencia entre la
temperatura media observada y
pronosticada por el modelo podrían estar
relacionados a diferencias en las
parametrizaciones, por ejemplo en la
parametrización de la radiación de onda
corta y larga, así como de los procesos
convectivos, capa limite y en superficie.
CONCLUSIONES Y
RECOMENDACIONES
Del análisis de los resultados obtenidos en
el presente trabajo se pueden deducir las
siguientes conclusiones:
El pronóstico realizado por el modelo, fue
mejor en las estaciones de la costa (Lima y
Trujillo) donde la diferencia media llega a
representar el 10.37% del valor observado.
En cambio para las estaciones de la  sierra
se observa mayor discrepancias que llega a
representar hasta el 71.2% del valor
observado. Sin embargo, el modelo simula
el comportamiento de la temperatura en
superficie donde los valores más bajos de
la temperatura se dieron a las 07:00 y
19:00 horas y los valores máximos a las
13:00 horas.
Las diferencias entre lo pronosticado por
el modelo y lo observado, el error es
mayor en la Sierra con respectoa lo
obtenido para la costa. En este caso, se
sugiere que se mejore la parametrización
de los procesos físicos y las condiciones
en iniciales en el modelo considerando el
efecto de la cordillera de los andes.
En las estaciones de la sierra se observa
que la diferencia observada es más
constante con respecto a la costa, se podría
tener un mejor comportamiento de este
error sistemático con un rango mayor de
tiempo de datos observados, considerando
las estaciones de verano e invierno.
Para una mejor evaluación del modelo de
mesoescala MM5, se requieren más datos
experimentales para entender el
comportamiento de la temperatura del aire
tanto en la sierra peruana como en la costa
y selva, y así se podría obtenerse mejores
resultados para luego hacer los ajustes y
descartar los errores sistemáticos.
Se recomienda hacer estudios similares
con un periodo mayor de simulaciones
para las temperaturas extremas: máxima y
mínima, así como considerar mayor
número de estaciones. En un estudio
preliminar realizado por Nickl
(Comunicación personal) para la región de
Puno, se encontró que los errores son
menores para la temperatura mínima
comparado con la temperatura máxima.
Es necesario considerar también que para
el presente análisis se usaron las salidas
del modelo con baja resolución y sin la
asimilación de datos observados en
superficie. Se espera que el modelo con
mayor resolución elimine algunos errores,
sobre todo los relacionados a la topografía,
al igual que con  la asimilación de datos
Evaluación de los pronósticos de la temperatura del aire, modelo MM5
47
observados los resultados sean más
satisfactorios.
Se recomienda hacer una comparación
entre los pronósticos del modelo de 27km
y 18km, siendo el modelo que actualmente
se corre operacionalmente en el IGP.
BIBLIOGRAFÍA
Calvo, M., García, Salas, A. (1997):
Validación de modelos de simulación
http://www.gsi.dit.upm.es/~jcg/is/curso97
-98/index.html.
Grell G., Dudhia J., Stauffer D. (1995): A
description of the Fifth-Generation
PSU/NCAR Mesoscale Model  (MM5).
NCAR Tech. Note 398 +STR.
Córdova, M. (1995): Estadística
descriptiva e inferencia. Lima: Moshera.
Pp. 75-90.
Gómez, D. (1984): Meteorología general.
UNALM., IV, pp. 3-4.
García, J. (1994): Principios físicos de
climatología. UNALM, pp. 30, 183-187.
Stockle, C. (1996): GIS and simulation
technologies for assessing cropping
systems management in dry environment.
American Journal of Alternative
Agriculture (In press).
Tabla  3. Topografia del modelo y real
      Topografía del Diff. Topog.(m)
 Modelo (m) Real (m) Modelo-Real
Lima 454.8 13 441.8
Trujillo 545.5 30 515.5
Arequipa 3304.04 2520 784.04
Ayacucho 3608.97 2749 859.97
Huayao 3475.52 3351 124.52
Trabajos de investigación. CNDG - Sismología
Instituto Geofísico del Perú. V. 2 (2001), p. 41- 50
Figura 2.  Gráficos de las temperaturas del aire en superficie observadas (VO) y simuladas a 40 m sobre la superficie (VS) por el modelo MM5 para las 2 estaciones sinópticas de la costa.
ESTACION LIMA-07 HORAS
14
15
16
17
18
19
5
SEP
19
SEP
29
SEP
4
OCT
17
OCT
24
OCT
30
OCT
5
NOV
17
NOV
MESES(dias)
TE
M
P
E
R
A
TU
R
A
( C
)
ESTACION LIMA-13 HORAS
15
16
17
18
19
20
21
22
5
SEP
13
SEP
28
SEP
4
OCT
16
OCT
21
OCT
29
OCT
4
NOV
15
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( 
C
)
 ESTACION LIMA-19 HORAS
15
15.5
16
16.5
17
17.5
18
18.5
5
SEP
15
SEP
28
SEP
4
OCT
17
OCT
24
OCT
2
NOV
14
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( 
C
)
 ESTACION TRUJILLO-07 HORAS
14
16
18
20
6
SEP
20
SEP
29
SEP
7
OCT
17
OCT
24
OCT
30
OCT
8
NOV
18
NOV
MESES(dias)
TE
M
P
E
R
A
TU
R
A
( 
C
)
 ESTACION TRUJILLO-13 HORAS
16
18
20
22
24
5
SEP
13
SEP
27
SEP
3
OCT
12
OCT
21
OCT
29
OCT
5
NOV
16
NOV
MESES(dias)
TE
M
P
E
R
A
TU
R
A
( C
)
ESTACION TRUJILLO-19 HORAS
16
16.5
17
17.5
18
18.5
19
5
SEP
15
SEP
28
SEP
4
OCT
17
OCT
24
OCT
3
NOV
15
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( 
C
)
Evaluación de los pronósticos de la temperatura del aire, modelo MM5
49
Figura 3. Gráficos de las temperaturas del aire en superficie observadas (VO) y simuladas a 40 m sobre la superficie (VS) por el modelo MM5 para las 2 estaciones sinópticas de la sierra.
ESTACION HUAYAO- 07 HORAS
1
3
5
7
9
11
13
5
SEP
15
SEP
26
SEP
2
OCT
12
OCT
21
OCT
29
OCT
5
NOV
17
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( 
C
)
ESTACION HUAYAO- 13 HORAS
5
10
15
20
25
5
SEP
19
SEP
30
SEP
12
OCT
24
OCT
3
NOV
17
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( 
C
)
ESTACION HUAYAO- 19 HORAS
5
7
9
11
13
15
17
19
5
SEP
15
SEP
26
SEP
2
OCT
12
OCT
21
OCT
29
OCT
5
NOV
17
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( C
)
 ESTACION AREQUIPA- 07 HORAS
0
5
10
15
20
5
SEP
19
SEP
28
SEP
3
OCT
16
OCT
22
OCT
29
OCT
5
NOV
18
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( 
C
)
 ESTACION AREQUIPA- 13 HORAS
0
10
20
30
5
SEP
18
SEP
1
OCT
17
OCT
27
OCT
4
NOV
18
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( 
C
)
 ESTACION AREQUIPA- 19 HORAS
0
5
10
15
20
5
SEP
15
SEP
28
SEP
4
OCT
17
OCT
24
OCT
2
NOV
14
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( C
)
 ESTACION AYACUCHO - 07 HORAS
0
5
10
15
20
5
SEP
19
SEP
28
SEP
3
OCT
12
OCT
20
OCT
28
OCT
3
NOV
15
NOV
MESES(dias)
TE
M
P
E
R
A
TU
R
A
( C
)
 ESTACION AYACUCHO - 13 HORAS
5
10
15
20
25
30
5
SEP
15
SEP
28
SEP
7
OCT
17
OCT
22
OCT
30
OCT
5
NOV
16
NOV
MESES(dias)
T
E
M
P
E
R
A
T
U
R
A
( C
)
Trabajos de investigación. CNDG – Biblioteca
Instituto Geofísico del Perú. V. 2 (2001), p. 51 - 58
PROGRAMA EN ENTORNO VISUAL PARA EL CONTROL DEL
RADAR DEL RADIO OBSERVATORIO DE JICAMARCA
PABLO M. REYES FIRPO
Facultad de Ingeniería Eléctrica y Electrónica
Universidad Nacional de Ingeniería
preyes@jro.igp.gob.pe
Prácticas dirigidas por: Dr. Jorge Chau
                                       Radio Observatorio de Jicamarca - IGP
RESUMEN
Este estudio consiste en la elaboración de un algoritmo para programar el controlador de radar del radio
observatorio de Jicamarca. El programa tiene una interfase gráfica que permite al usuario, especificar los
parámetros necesarios para un determinado experimento por medio de ventanas de dialogo en entorno
Windows. Así mismo, una ventana gráfica permite al usuario visualizar, a manera de simulación, los estados
de las líneas de salida del controlador en función del tiempo, tal como se vería en un osciloscopio. Esta
herramienta gráfica acepta también archivos generados por otros programas, siendo posible analizar los
archivos antes de programar el controlador de radar. Además de modernizar la interfaz existente, se han
implementado nuevas características que permiten realizar experimentos nuevos; como la posibilidad de
especificar 2 experimentos a la vez, alternadamente (e.g. códigos alternativos  y  faraday).
INTRODUCCIÓN
Para el funcionamiento de todo radar, es
necesario indicar al sistema de transmisión –
recepción cuando emitir la señal de radio
frecuencia y cuando capturar los datos
(samples) que se obtiene de la onda reflejada.
Esta sincronización es posible gracias a los
pulsos digitales generados por el sistema
Controlador de Radar.
El software desarrollado en este trabajo se
encarga de procesar los parámetros
determinados por el usuario para luego
generar un archivo *.dat que contiene los
comandos necesarios para programar el
controlador. La conexión con el controlador
de radar se hace a través de un puerto serial
RS-232 de la PC, por lo que el algoritmo
básicamente se encarga de almacenar los
datos relacionados con el tren de pulsos que
se desea generar en 2 memorias Static-RAM
con longitud de palabra de 8 bits. En cada una
de ellas se encuentra: la información referente
al estado de las líneas de salida del
Controlador de Radar y se representa el
retardo en ciclos del reloj, en el que las líneas
permanecerán controladas por el byte de
estado.
INTERFASE CON EL USUARIO
La ventana principal del programa
Interface_2_6.exe presenta un documento en
blanco, donde mostrará la simulación de los
estados de la línea de salida del Controlador
de Radar. Cuando se carga un experimento
que ya posee su correspondiente archivo *.dat
(archivo que entiende el controlador de
radar), la pantalla principal muestra la
simulación correspondiente a ese archivo
“.dat” (Figura 1).
Figura 1. Presentación al ejecutarse el programa
Interface_2_6.exe
P. Reyes
52
Se observa en la parte superior (titulo) el
nombre del experimento, un menú y una
barra de botones. La ventana tipo diálogo que
se muestra en la Figura 1, aparece cuando
uno hace un click en el botón del “toolbar”
que indica varias flechas hacia el documento
*.txt. El programa está dotado de “tool tips”,
estos aparecen en forma de un pequeño
recuadro con un fondo amarillo, cuando uno
sitúa el puntero del mouse sobre un recuadro
de edición, proporcionando una breve
explicación sobre el significado del
parámetro.
Los parámetros con los que funciona el
sistema se ingresan directamente  a través de
la ventana de dialogo: inter pulse period,
number of periods, pulse width de txa y txb,
el tiempo base (reloj del controlador), flip1 y
flip2, habilitación de los retardos y tipo de
especificación del código. Para ingresar los
demás parámetros, solo se debe de presionar
el botón adecuado y aparecerá la ventana de
edición correspondiente. Por ejemplo, existen
las ventanas para: la entrada de códigos, la
especificación de las ventanas de muestreo y
la especificación de los retardos de la línea
txb (Figura 2).
Figura 2. Ventana para la especificación de los
retardos de la línea txb.
Especificación de los retardos
Después de ingresar el ancho del pulso del
transmisor B (TXB) “Pulse Width” en el
Panel del Controlador de Radar, se procede a
habilitar la entrada de los retardos mediante
el “Check Box Delays”. Inmediatamente, el
botón <Delay Entries> quedará habilitado.
Al presionar este botón aparece la ventana de
diálogo para editar los retardos, tal como se
muestra en la Figura 3.
Figura 3. Ventana de diálogo para editar retardos.
Para agregar un retardo basta con ingresar el
valor en la ventana de edición <Retardo> y
presionar la tecla “Enter” o el botón
<Agregar>. Para borrar un retardo específico
o reemplazarlo, hay que seleccionar con el
ratón “mouse” el botón correspondiente. En
el caso de reemplazo, primero se ingresa el
nuevo valor y luego se presiona el botón
<Reemplazar> (Figura 4). Cada retardo
indica la distancia en kilómetros.
Figura 4. Diagrama de estados mostrando los retardos (TAU1,TAU2,..)
Programa en entorno visual del controlador de radar
53
Especificación de los códigos
Para ingresar los códigos se selecciona en el
panel del Controlador de Radar, desde un
“list box”, el tipo de especificación de código
que se desee. Por ejemplo, en la Figura  5 se
muestra la selección del tipo de código
<Flexible>, automáticamente aparece la
ventana de diálogo.
Figura 5. Ventana de dialogo (flexible).
Ejemplo Ilustrativo.
Para editar los códigos en forma manual
(Figura 6), se procede de la siguiente manera:
situarse con el mouse en la ventana a
modificar, ya sea en la de visualización
binaria o en la de base ocho. Luego el
algoritmo permite utilizar las teclas
necesarias y suficientes como: 1,2,3,4,5,6,7,
las flechas y la tecla enter.
Para los datos especificados en esta ventana,
se tiene el diagrama de estados que se
presentan en la Figura 7.
El ancho del baudio (B) (Figura 7) se calcula
a partir de la siguiente ecuación:
8bits de Número
TXATXA
B ==
donde:
TXA = ancho del pulso
Observaciones:
La implicancia que tiene el código sobre la
transmisión del pulso es la de indicarle al
transmisor la fase con la que se emite la
señal. Esto es, mientras el código sea uno “1”
el transmisor tendrá una fase j , y cuando el
código indique cero “0” la fase de la señal
emitida será : p+j .
La línea de salida del controlador encargada
de llevar el código es la línea 4
Figura 6. Ventana de dialogo (Entrada de Códigos)
Especificación de las ventanas de muestreo
La especificación de las ventanas de
muestreo, brinda información referente a los
puntos específicos en los cuales se van a
hacer las mediciones (muestras). Basta con
determinar la altura (ho) a la que se toma la
primera muestra, el espaciamiento (DH)
entre cada muestra y el número de muestras
(NSA) a tomar dentro de una ventana de
muestreo (Figura 8).
P. Reyes
54
Figura 7. Diagrama de estados de la línea 4 (códigos)
Figura 8. Ventana de Dialogo (SAMPLES).
Para los datos especificados en la Figura 8 le
corresponde el diagrama de la Figura 9.
En la figura:
- ho(i) es la altura de la i-ésima
ventana de muestreo.
- NSA(i) es el número de muestras
dentro de la i-ésima ventana.
- DH(i) es el espaciamiento entre
muestras de la i-ésima ventana.
En la Figura 9 se observa, que el cálculo del
punto de referencia  depende del experimento
a realizarse; donde se contemplan dos casos,
dependiendo si se ha especificado un código
o no.
Figura 9. Diagrama de estados mostrando las ventanas de Muestreo.
Figura10. Punto de referencia para una transmisión sin código.
Programa en entorno visual del controlador de radar
55
Figura11. Punto de referencia para una transmisión con código.
El transmisor A emite una señal que no está
codificada (Figura 10). En este caso se toma
como referencia el punto medio del pulso a
transmitir.
El transmisor A emite una señal codificada
(Figura 11)..- En este caso se toma como
referencia el punto medio del primer baudio
del código.
Detalle de las muestras (Figura 12). Para
detallar las muestras, se debe de tomarse en
cuenta lo siguiente:
- En la línea 7, es donde se especifican las
ventanas de muestreo, se pone en estado alto
(uno) desde que empieza hasta que termina la
ventana, permitiendo que el controlador de
radar genere los pulsos de muestreo durante
la duración de la ventana.
- El primer pulso de muestreo aparece después
de DH(i), si se puso a uno la ventana.
- La longitud total de la ventana se calcula
multiplicando el número de muestras de la
ventana por el espaciamiento entre ellas.
Figura12. Detalle del “peine” de muestreo
Rutina principal del procesamiento de los
parámetros
Una vez que se han ingresado todos los
parámetros, se procede a procesarlos
generando la información que se va a
almacenar en las memorias del Controlador
de Radar. En primer lugar, se convierte los
parámetros que están en km a ciclos de reloj
y luego se procesan estos parámetros para
obtener el archivo: Nombre.dat que se
utilizará posteriormente para enviar la
información para las memorias del
Controlador de Radar (Figura 13).
P. Reyes
56
RESULTADOS
A continuación se exponen los resultados
obtenidos al ejecutar el programa con los
parámetros especificados en el archivo
“ac_faraday.txt”, los mismos que se
presentan en la tabla 1. Como resultado del
algoritmo de generación de estados y retardos
se obtienen dos archivos, uno con extensión
*.dat y el otro con *.hexa.
El archivo *.dat contiene los datos que se van
a enviar en forma serial al controlador de
radar y tiene el formato de una columna de
datos en decimal, cada número de 0 a 255.
Tabla 1. Parámetros del archivo “acfarday.txt”
IPP=6000 TAU(4)=120 DH(1)=15
TXA=240 TAU(5)=150 H0(2)=3100
TXB=15 TAU(6)=180 NSA(2)=63
NTX=128 TAU(7)=210 DH(2)=15
FLIP1=0 TAU(8)=0 H0(3)=4600
FLIP2=0 TAU(9)=90 NSA(3)=63
Tipo Codigo=3 TAU(10)=120 DH(3)=15
Number of codes=128 TAU(11)=150 TAU1=1500
Code Width=16 TAU(12)=180 TAU2=3000
COD(0)=1111000100100101 TAU(13)=240 RELOJ=1
…. TAU(14)=270
…. TAU(15)=300
COD(127)=1011010011100101 Número de Ventanas = 4
Number of Taus=16 HO(0)=450
TAU(0)=0 NSA(0)=118
TAU(1)=30 DH(0)=15
TAU(2)=60 H0(1)=2850
TAU(3)=90 NSA(1)=8
En este ejemplo el archivo generado fue:”
ac_faraday.dat”. A continuación se muestra
un fragmento de dicho archivo:
255
253
255
40
254
A partir de los datos del archivo *.dat, se
obtuvo la simulación que se presenta en la
figura 14, en donde se puede apreciar el
inicio de los pulsos, además se distingue las
ocho líneas de salida del controlador de radar.
En este caso no se ha utilizado la línea 6
(antes utilizada para flip2). Las últimas
versiones del programa posibilitan
seleccionar en el menú “options” la función
de la línea 6. Las opciones permiten definir
esta línea como flip2 o como control del
divisor de frecuencia del reloj del controlador
de radar por un factor de 256.
CONCLUSIONES Y
RECOMENDACIONES
Este programa tiene como objetivo principal
facilitar la tarea del operador del controlador
de radar. Por medio de ventanas en un
entorno gráfico, se editan los parámetros del
controlador de forma simple, incluyéndose
algunas explicaciones de los parámetros a
definir.
El código contempla, además nuevas
funciones que no existían antes tal como la
implementación de la línea 6 como divisor de
frecuencia entre 256 del reloj del controlador
de radar. Se aprovecha esta nueva
Programa en entorno visual del controlador de radar
57
implementación, antes destinada para FLIP2.
Cuando esta línea se pone a uno (nivel alto),
el reloj interno del controlador de radar se
somete a un pre-escalador de 1:256, es decir,
que los estados cambian más lentamente
permitiendo un mejor aprovechamiento de la
memoria interna del controlador. Antes, el
máximo retardo que se podía especificar en
una posición de memoria era de 253 mseg =
37.95km, ahora se alcanzaría un máximo de
64768mseg = 9715.2km y con una sola
posición de memoria.
Figura13. Rutina principal para la generación de los estados y retardos.
Figura14. Simulación de la salida del controlador
Las ventajas de esta interfase en el sistema
JULIA son factibles, cuando se utiliza de la
siguiente manera; ejecutar
independientemente el programa
Rutina
Genera_Tiem
po_Estados()
Conversión de los
parámetros:
distancia (km) a
tiempo (useg)
Generación de las
"porcionas" para
cada linea en
base a los
parámetros
Se crean 3 arreglos:
porciones[linea] : Instantes en que determinada
línea se pone en high
comienzo[linea][porciones[linea]] : Posición de
inicio de determinada "porción"
final[linea][porciones[linea]] : Posición del final
de determinada "porción"
Considerando la velocidad de las ondas radio
eléctricas : 3x10^8 m/s, se hace la siguiente
conversion:
Parametro/0.15/RELOJ+0.5
El resultado está en ciclos de reloj
Parametro está en km
RELOJ está en Mhz
Barrido
"perpendicular"de las 8
lineas para generar:
estadosy retardos
El resultado de esta rutina son dos arreglos
correspondientes a los estados y los retardos:
state_time[state_num] : retardo
state_byte[state_num] : estado de las lineas
state_num :numero de estados
Linea 6 como
divisor de
frecuencia?
optimiza_lin6(state_byte,state_time,&state_num);
Esta rutina optimiza la utilización de memoria, controlando
 por medio de la linea 6 un divisor de frecuencia (haciendo
 mas lento el reloj interno del controlador)
NO
SI
genera_archivo_dat(state_byte,st
ate_time,&state_num,MCDDH);
Esta rutina genera el archivo
Nombre_experimento.dat
return true;
P. Reyes
58
Interface_2_6.exe, especificar los parámetros
deseados para un experimento en particular y
generar el archivo experimento.dat (e.g.
ac_faraday.dat). Luego salir del programa y
desde el sistema operativo DOS, o Windows
cambiar el nombre del archivo
“experimento.dat” a “entrada.dat”. Este
archivo es el que maneja el programa joupwp
para cargarlo al controlador de radar.
Los parámetros TAU1 y TAU2 que se
utilizaron en el experimento ac_faraday.txt,
fueron necesarios para especificar dos
experimentos en uno solo. Esto es TAU2, se
refiere al desfase entre los dos experimentos
ac(códigos alternativos) y faraday. Mientras
que TAU1, al retardo entre los dos pulsos que
se transmiten en el experimento faraday.
Estos parámetros (TAU1 y TAU2),
solucionaron un problema específico que
sirvió solo para este experimento.
En tanto que estos parámetros sean iguales a
cero, los demás experimento no son alterados
por esta particularidad.
En conclusión, ya que estos parámetros sólo
satisfacen una situación específica, ya no se
usarán en versiones nuevas. Lo que se busca
ahora será hacer una mezcla de experimentos
completamente especificados e
independientes, mediante una función de
suma (or-inclusivo o mediante un Or-
exclusivo).
AGRADECIMIENTOS
Se agradece al personal del R.O.J. por su
apoyo brindado. En especial a Jorge Chau,
Fernando Villanueva y Gabriel Michhue, por
sus valiosos aportes.
BIBLIOGRAFÍA
Sarango, M. (1996): Sistema
controlador/procesador multi-DSP para el
radar MST perfilador de vientos de la
Estación Científica Antártica Machu-Picchu.
Tesis Doctoral, Departamento de Teoría de
Señales y Comunicaciones. Universidad
Politécnica de Cataluña. Barcelon. España.
185 pp.
Urbina, J. (1993): Diseño e Implementación
de un Controlador de Radar MST para la
Base Antártica Peruana, “Machu Picchu”.
Proyecto Fin de Carrera, Universidad
Nacional de Ingeniería. Lima, Perú
Briceño, J. (1996): Modernización del
controlador de radar del Radio Observatorio
de Jicamarca. Tesis de Grado, Universidad
Nacional Mayor de San Marcos, Lima - Perú.
Young, M. (1996): Mastering Microsoft
Visual C++4, Second Edition,471-714, 805-
928, 1996.
Microsoft Corporation, (1995): Microsoft
Visual C++,Run-Time Library Reference.
Schildt, H. (1995): Programación en C y
C++,  McGraw-Hill, Interamericana de
España, S.A. España.
Trabajos de investigación. CNDG – Biblioteca
Instituto Geofísico del Perú. V. 2 (2001), p. 59 - 66
ANÁLISIS DE LAS SEÑALES DE INTERFERENCIA
 QUE SE PRESENTAN DURANTE LA OBTENCIÓN
 DE DATOS EN EL ROJ
CÉSAR AUGUSTO SANTA CRUZ REA
Facultad de Ingeniería Eléctrica y Electrónica
Universidad Nacional de Ingeniería
csantacruz@jro.igp.gob.pe
Prácticas dirigidas por: Dr. Jorge del Carpio Salinas
        Ing. Fernando Villanueva
        Radio Observatorio de Jicamarca - IGP
RESUMEN
En este estudio se realiza el análisis de las señales que interfieren en la toma de datos del Radio
Observatorio de Jicamarca (ROJ), con el sistema Julia (Jicamarca Unattended Long-term Investigations
Atmosphere). Para dicho objetivo, se hace uso de las señales que recibe la antena principal del ROJ que
opera a 49.92Mhz, siendo estas señales sometidas a una serie de procedimientos, como: amplificación,
multiplexación de RF a banda base y extracción de la frecuencia requerida; de esta forma se permite la
digitalización y adquisición de la señal resultante a baja frecuencia, por medio de un conversor
análogo/digital principalmente y del uso de la interfaz del puerto paralelo de la computadora. Las señales
almacenadas en archivos, los cuales son utilizados para procesar y mostrar la información adquirida y
procesada para su posterior interpretación. Adicionalmente se hace uso de un receptor GPS, el cual se
comunica con la computadora por medio de la interfaz del puerto serial para extraer de él datos de tiempo
que permito fijar la hora de la PC y datos de las coordenadas geográficas para determinar la posición
donde se realiza la adquisición de los datos. El sistema en conjunto, permite realizar un análisis diario de
las interferencias que se presentan en el ROJ, definiendo el patrón estadístico de su comportamiento,
analizando el tipo de modulación y la frecuencia a la que operan las señales de interferencia. Se
comprueba el correcto funcionamiento del sistema anterior utilizando una señal patrón, el cual permite
identificar ciertos parámetros para las señales de interferencia, para ello se hace uso de un radio receptor
común de FM comercial, del cual se extrae la señal de frecuencia intermedia y se aplica el sistema de
análisis de interferencia descrito anteriormente.
INTRODUCCIÓN
En el ambiente, existen infinidad de ondas
electromagnéticas que se propagan a
diferentes frecuencias, normadas según las
leyes del reglamento de telecomuni-
caciones. (MTC, 1993).
Para el caso del Radio Observatorio de
Jicamarca, le corresponde la frecuencia de
49.92Mhz, pero existen señales cercanas a
esta frecuencia que se encuentran en el
ambiente, que interfieren y perjudican a los
experimentos que se realizan. Ante este
problema, se implementa un sistema que
permita analizar las señales que están
causando interferencia, el cual permite
definir su comportamiento al igual como un
patrón estadístico para proceder a su
identificación y notificación al Ministerio.
Para poder realizar este estudio, se
diseñaron e implementaron diferentes
módulos, que en conjunto forman el sistema
de análisis de señales de interferencia
compuesto por: antenas receptoras,
encargadas de captar las señales
electromagnéticas del ambiente y
convertirlas en señales eléctricas; módulo
multiplexor, encargado de llevar la señal de
frecuencia de 49.92Mhz a banda base;
módulo de adquisición, para digitalizar los
datos analógicos que se encuentran en
banda base; módulo con GPS , para obtener
datos del tiempo y coordenadas
geográficas; módulo de procesamiento ,
conformado por los programas que son
requeridos para extraer, almacenar,
procesar y presentar visualmente los datos
de la señal de interferencia de la misma
manera los datos de tiempo y
posicionamiento del receptor GPS (Figura
1)
Figura 1. Diagrama General del Sistema de Análisis
de Señales de Interferencia en el ROJ
Antenas
 Receptoras
Módulo
 Multiplexor
Módulo de
Adquisición
Módulo
con GPS
 Módulo de
 Procesamiento
C. Santa Cruz
60
DESARROLLO
 Antenas Receptoras
Toda estación transmisora, brinda un
servicio determinado operando a una
frecuencia y modulación especifica,  que lo
usan para comunicarse con otra u otras
estaciones receptoras, creándose lo que son
zonas de servicio, en las que si dos o más
zonas de servicio se interceptan a la misma
frecuencia o cercana una de otra, se
produce interferencia.(MTC, 1993)
Se define la interferencia como el efecto de
una energía no deseada debida a una o
varias emisiones, radiaciones, inducciones
o sus combinaciones sobre la recepción en
un sistema de radiocomunicaciones, que se
manifiesta como degradación de la calidad,
falseamiento o pérdida de la información
que se podría obtener en ausencia de esta
energía no deseada (MTC, 1993). En
algunos casos, la interferencia es
perjudicial, debido a que compromete el
correcto funcionamiento de un servicio
determinado. Es por esta razón que se dan
parámetros de cuantificación de este
fenómeno, denominado “Relación de
Protección (RF)”, que es el valor mínimo,
expresado en decibelios, de la relación entre
la señal deseada y la señal no deseada a la
entrada del receptor, determinado en
condiciones especificadas.
Para el caso del ROJ, el sistema receptor
esta constituido por la antena principal, con
una ganancia de 70dB, y entregada al
módulo multiplexor por medio de
preamplificador. Para descartar una
interferencia propia de los equipos, dentro
del Observatorio, se realizó en la sala de
terminales un aislamiento de todos los
cables de alimentación que llegaban a él, y
se extrajeron las señales del receptor
haciéndolas pasar a través de la jaula
metálica (Jaula de Faraday), de esta forma,
se intenta descartar la interferencia
producida por equipos
dentro del Observatorio.
Módulo Multiplexor
Para poder digitalizar la señal recepcionada
por la antena, es necesario realizar el
muestreo de la señal como mínimo con el
doble de la frecuencia de operación,
teorema de Nyquist (Black, 1953), que para
el caso del ROJ será de 100Mhz,
requiriendo en este caso un sistema de
adquisición de alta velocidad los cuales son
de muy alto costo o no disponibles en el
mercado, para lo cual se diseña e
implementa el módulo multiplexor, este
módulo traslada una señal de frecuencia
alta a una de menor valor; el componente
principal de este módulo es un
mixer.(Figura 3).
Figura 2. Módulo Multiplexor
Figura 3. Diagrama Circuital del Mixer
El mixer, multiplica las dos señales que se
presentan en sus entradas, cuyo resultado
produce señales, que en frecuencia
corresponden a la suma y diferencia de las
frecuencias de las señales entrantes, se
elimina la señal de salida no requerida por
medio de un filtro (Smith, 1996). Para el
caso de señales de entrada senoidal, la
salida ideal será:
[ ] [ ] ( )( )tSenwAtSenwAVVVo 221121 * ==
[ ]twwCostwwCosAAVo )()(* 212121 +--=
El módulo multiplexor, consta en su etapa
de entrada de un buffer, el cual realiza una
labor de transformación de impedancias y
aislamiento; seguidamente se hace uso de
un amplificador de RF de banda ancha de
hasta 100Mhz, que poseen una respuesta
plana y una ganancia de 35dB; la señal
Oscilador
Local RF
Buffer /
Amplificador
Banda Ancha
Mixer Filtro
Pasabajo
Análisis de las señales de interferencia durante la obtención de datos
61
resultante corresponde a una de las entradas
del mixer, la otra entrada es utilizada para
la señal del oscilador local, que corresponde
a una señal cuadrada proporcionada por un
cristal oscilador acondicionada para trabajar
en +/-V a la frecuencia de 50Mhz, la  señal
resultante del mixer se comporta según la
ecuación:
[ ] [ ]
þ
ý
ü
î
í
ì
÷÷ø
ö
ççè
æ
÷
ø
öç
è
æ
+
++--+
÷
ø
öç
è
æ
÷
÷
÷
ø
ö
ç
ç
ç
è
æ
+
= å
¥
=0 12
)12(cos)12(cos
*
2
*
2
)(
n
iLiL
d
L
L
O n
twwntwwnV
rR
R
tV
p
En la ecuación se presentan componentes
resistivas, propias de los diodos, y
expresiones cosenoidales con las
frecuencias wl y wi correspondientes a las
frecuencias de la señales del receptor y la
del oscilador local respectivamente, dentro
de la ecuación se presentan componentes de
señal a alta frecuencia, no requeridas, las
cuales se eliminan a través de un filtro
pasabajo Bessel de 4to orden con
frecuencia de corte de 250 Khz .
La respuesta del módulo multiplexor tiene
un comportamiento lineal, el cual se
muestra en la Figura 4. Este
comportamiento se obtiene cuando la
diferencia de frecuencias entre el oscilador
local y la señal de entrada es 250Khz.
RESPUESTA GENERAL (Frec=250Khz)
0
50
100
150
200
250
300
350
400
0 5 10 15 20 25 30
INPUT (mVp-p)
O
U
T
P
U
T
 (m
V
p
-p
)
Figura 4. Resultado experimental del módulo Multiplexor
 Módulo de Adquisición
Las señales eléctricas son analógicas por
naturaleza, siendo su característica continua
en el dominio tiempo-amplitud (Klaassen,
1996), y si dichas señales se quieren
procesar con un equipo digital
(computadora), es necesario digitalizar la
señal; para lo cual se diseña e implementa
el módulo de adquisición que digitaliza las
señales analógicas y que acondicionada los
datos digitalizados para transmitirlos a la
computadora, vía la interfaz del puerto
paralelo.
Figura  5. Módulo de Adquisición
Figura 6. Muestreo y Cuantificación de una Señal
Analógica
El componente principal de este sistema es
un conversor análogo/digital, el cual
adquiere muestras de la señal analógica en
forma discreta produciendo valores
específicos de amplitud para cada muestra
que se toma (Figura 6). La velocidad
necesaria con que se toma muestras de la
señal analógica es definida por la
frecuencia de muestreo, frecuencia con la
cual se permite reconstruir la señal a
analógica.
La amplitud que define cada tiempo
discreto origina salidas digitales codificadas
en forma binaria. Esta codificación depende
del numero de bits con que se codifique la
señal(nivel de cuantificación). Como se
aprecia en la figura 6).
El módulo de adquisición (Figura 7) esta
compuesto de un conversor análogo/digital
AD9058, el cual se encarga de la
digitalización de la señal analógica, con
características
 de una frecuencia de muestreo de hasta
50MSPS con 2 ADC’s incorporados;
además, de 8 bits de resolución y una
Amplificación
y Offset
Acondicionamiento
para los
Conversores A/D
Conversores
Análogo/Digital
Control de Salida
 de datos y
Buffers de Memoria
C. Santa Cruz
62
entrada analógica de 0 a 2V; amplificadores
operacionales de alta velocidad OP-42GP
con una respuesta a los cambios rápidos de
señal (slew rate ) de 50V/us; amplificador
operacional de precisión OP-07 utilizado
por su bajo ruido y alta exactitud para
niveles muy bajos de señal; reloj de
muestreo que permite definir la frecuencia
con la que el ADC muestreará los datos;
buffers tri-state para almacenar la
información digitalizada y como etapa de
control de salida para la interfaz de la
computadora por medio de un conector DB-
25.
Figura 7. Módulo de Adquisición
Adquisición por la PC.
La codificación de la señal analógica a 8
bits, son adquiridas por la computadora por
el  puerto paralelo de la PC que brinda  una
conexión fácil, rápida y cualquier PC posee
una. Para la cual se crearon programas de
adquisión como se muestra (Figura 8).
El puerto paralelo permite adquirir los datos
digitalizados por el circuito conversor
análogo/digital por medio del puerto
paralelo a través del Data Port. Además, se
hace uso del Status Port y del Control Port
para controlar las etapas del circuito
conversor como activación de la tarjeta en
modo de adquisición y activación alternada
de cada uno de los canales del ADC.
Para ello, se hace uso del puerto paralelo
configurado en modo EPP (Enhanced
Parallel Port), existiendo otros modos de
configuración en una computadora como el
SPS (Standard Parallel Port) cuyo Data Port
no permite el ingreso de datos a la PC; el
modo bidireccional, que permite el ingreso
y salida de datos por el Data Port a una
velocidad menor en comparación con el
EPP y no todas las PC’s poseen este modo
de configuración y el ECP (Enhanced
Capability Port) de mejores características
que el EPP, pero que necesitan de un
circuito externo complejo para realizar
adquisición de datos.
Figura 8a. Visualización del Programa de Adquisición
por el Puerto Paralelo
Análisis de las señales de interferencia durante la obtención de datos
63
Figura 8b. Estructura del Programa de Adquisición
por el Puerto Paralelo
Módulo con GPS
El receptor GPS (Global Positioning
System), es un equipo que determina la
posición, velocidad y tiempo en tierra, mar
o aire, a partir de la triangulación de
satélites (Wooden, 1985). El receptor GPS
captura las señales que emiten los satélites
continuamente para determina la distancia
que hay entre el receptor y los satélites
requiriendo como mínimo de tres satélites
para conocer su posición por triangulación.
Ante la necesidad de que el reloj de la
computadora trabaje en forma continua y
precisa, y siendo necesario identificar de
manera exacta el momento de ocurrencia de
la interferencia; es necesario ingresar los
datos exactos del tiempo, para ello se hace
uso del tiempo que poseen los receptores
GPS, los cuales son sincronizados por
medio de los satélites, estos datos son
adquiridos por el puerto serial de la PC y
procesados por medio de software.
Módulo con GPS
El receptor GPS (Global Positioning
System), es un equipo que determina la
posición, velocidad y tiempo en tierra, mar
o aire, a partir de la triangulación de
satélites (Wooden, 1985). El receptor GPS
captura las señales que emiten los satélites
continuamente para determina la distancia
que hay entre el receptor y los satélites
requiriendo como mínimo de tres satélites
para conocer su posición por triangulación.
Ante la necesidad de que el reloj de la
computadora trabaje en forma continua y
precisa, y siendo necesario identificar de
manera exacta el momento de ocurrencia de
la interferencia; es necesario ingresar los
datos exactos del tiempo, para ello se hace
uso del tiempo que poseen los receptores
GPS, los cuales son sincronizados por
medio de los satélites, estos datos son
adquiridos por el puerto serial de la PC y
procesados por medio de software.
Resultados de Adquisición de  Datos a 8 bits
0
50
100
150
200
250
Señal de Prueba (Senoidal)
Figura 9. Resultado experimentales de la adquisición
de datos
Programa de Adquisición de Coordenadas
del GPS.
Al igual que el programa anterior, se
identifica y selecciona uno de los puertos
seriales disponibles, posteriormente se
configurando el puerto serial para la
transferencia de información. Se crea un
directorio de trabajo y subdirectorios
automáticamente correspondientes al día y
hora de la adquisición de las coordenadas
geográficas. Todos los datos de
transferencia del receptor GPS a la
computadora son almacenados
temporalmente en memoria dentro de la PC,
de la cual se identifica y extrae los
correspondientes a las coordenadas
geográficas, en el formato definido por el
receptor GPS, y se almacenan dentro de
Identificación de los
Puertos
LPT 1 / 2 / 3
Presentación en Menú
Inicio
Opción
Incorrecta Selección de
Puerto
Puerto No
Disponible
Puerto
Disponible
Salir
Adquisición y Almacenamiento
 de Datos
por el Puerto Paralelo
Salir
Cancela
Adquisición
Extracción de Parámetros del
Tiempo de la PC
Creación de Archivos
Datos: Día - Hora (PC)
Creación de Archivo
con la Hora de la
Adquisición de Datos
Creación de Directorio
con el Día de la
Adquisición de Datos
No
Si
\Día
Creación de Directorio de Trabajo
C:\Monitor\Adquisic\
\Datos_PC \Datos_PP
Datos
Adquisición
*pp.doc
C. Santa Cruz
64
archivos en formato texto. La estructura y
visualización del programa se ven a
continuación (Figura 10).
Figura 10a. Visualización del Programa de Seteo del
Tiempo de la Computadora
Figura 10b. Estructura del Programa de Seteo del
Tiempo de la Computadora
Los datos almacenandos en archivos del
posicionamiento geográfico corresponden a
grados y minutos tanto de latitud como de
longitud.
Grados: 11 Minutos: 51.010 Latitud: S
Grados: 76 Minutos: 52.720 Latitud: W
El formato de transferencia que utiliza el
receptor GPS corresponde al NMEA 0183
2.0, el cual utiliza una estructura definida
que permite identificar el dato a utilizar, la
transferencia de los datos del receptor GPS
a la PC es a una velocidad de 4800 baudios.
Figura  11a. Visualización del Programa de Adquisición
de Coordenadas del Receptor GPS
Figura 11b. Estructura del Programa de Adquisición de
Coordenadas del Receptor GPS
 Módulo de Procesamiento
El procesamiento se realiza sobre los datos
almacenados en archivos del puerto
paralelo (digitalización de la señal) y puerto
serial (receptor GPS)
El módulo involucra una toma continua de
datos, correspondiendo al seteo del tiempo
y obtención de las coordenadas geográficas
Identificación de los
Puertos
COM 1 / 2 / 3 / 4
Presentación en Menu
Inicio
Opción
Incorrecta Selección de
Puerto
Puerto No
Disponible
Puerto
Disponible
Salir
Extracción de Parámetros del
Tiempo de la PC
Creación de Directorio
con el Día de la
Adquisición de Datos
Creación de Archivos
Datos: Día - Hora (PC)
Configuración para la transferencia
Puerto Serial con GPS
Almacenamiento de
Datos Transferidos
Creación de Archivo
con la Hora de la
Adquisición de Datos
Fin de los
Datos
Búsqueda e Identificación
de los Parámetros de
Latitud - Longitud
en los Datos
No Si
Creación de Directorio de Trabajo
C:\Monitor\GPS\
\Datos_PC \DatosGPS
\Día
Lat/Longitud
*ll.doc Salir
Datos GPS
*dd.doc
Identificación de los
Puertos
COM 1 / 2 / 3 / 4
Presentación en Menu
Inicio
Opción
Incorrecta Selección de
Puerto
Puerto No
Disponible
Puerto
Disponible
Salir
Configuración para la transferencia
Puerto Serial con GPS
Almacenamiento de
Datos en Memoria
Seteo
Tiempo PC
Salir
No Encuentra
Menú con
Opciones de
Solución
Salir
Busqueda de
Parámetros del Tiempo
en los Datos
Encuentra
Conversión
Hora
GMT a Local
Análisis de las señales de interferencia durante la obtención de datos
65
a un correspondiente intervalo de tiempo
mayor.
Figura 12. Análisis de las Señales del Receptor y
Demodulación
El procesamiento se realiza con la
reconstrucción de la señal analógica,  con
los valores almacenados (digitalizados);
análisis espectral de la señal almacenada;
aplicación de un filtro programable,
demodulación de la señal  en AM / FM /
PHASE / AMSSB.
 (Figura 12).
 Módulo Patrón
Para poder comprobar el Sistema de
Análisis de Señales de Interferencia , se ha
acondicionado un receptor de radio común
de FM (Philips Peruana, 1994):, de la cual
se extrae la señal de frecuencia intermedia
(10.7Mhz) (Orr, 1986) y se utiliza el
módulo multiplexor, con un oscilador local
de 11Mhz, llevando  esta señal a  una de
menor frecuencia, posteriormente se aplican
los módulos de adquisición y
procesamiento para comprobar la correcta
funcionalidad del sistema y poder calibrar y
definir  parámetros propios del análisis.
Adicionalmente se muestra la posición
geográfica captada por el receptor GPS
donde se realiza la adquisición de los datos
cada cierto intervalo de tiempo.
Receptor de
Radio
Comercial
Acondicionamiento
Extracción FI de FM
Sistema
 Multiplexor
Sistema
Adquisición
Sistema
 Procesamiento
Figura 13. Diagrama de Bloques del Sistema Patrón
Figura 14.  Señal de audio FM, Multiplexada de su
F.I a Banda Base
CONCLUSIONES Y
RECOMENDACIONES.
El Sistema de Análisis de Señales de
Interferencia, permite realizar un análisis de
las interferencias que se presentan en el
ROJ, determinando el tipo de modulación y
la frecuencia en la que opera la señal de
interferencia.
El comportamiento de las señales que
causan interferencia se manifiesta de
manera aleatoria, del cual se establece su
patrón estadístico, para este caso se
recomienda un mayor tiempo de análisis de
estas señales.
El módulo multiplexor tiene gran
flexibilidad en cuanto a llevar una señal
analógica de alta frecuencia a otra de menor
frecuencia, tan sólo depende de la
frecuencia del oscilador de cristal (oscilador
local) que se utilice y que se encuentre
dentro de los rangos de operación del
mixer.
El módulo de adquisición al igual como el
módulo con GPS tiene gran flexibilidad y
facilidad para conectarse y poner en
funcionamiento con la computadora, los
programas de adquisición son los
encargados de permitir seleccionar la
interfaz a usar y fijar los parámetros para
una correcta transferencia de información a
la computadora.
El módulo de adquisición es
multifuncional, debido a que permite darle
otras aplicaciones al módulo computarizado
como: monitoreo computarizado de
funcionamiento del radar del ROJ,
adquisición computarizada de señales de
C. Santa Cruz
66
radio comercial FM, adquisición
computarizada de señales procesadas por
un analizador de espectro, monitoreo de
temperatura del ROJ, los  cuales se están
desarrollando e implementando.
AGRADECIMIENTOS
El agradecimiento al Dr. Jorge del Carpio
Salinas y al Ing. Fernando Villanueva por
compartir sus conocimientos y experiencia,
y darme la confianza, libertad y el apoyo
para realizar este proyecto. Además el
agradecimiento al personal del Radio
Observatorio de Jicamarca, en especial al
Dr. Jorge Chau, Darwin Córdova y
Francisco Buendía.
BIBLIOGRAFÍA
Garmin Internacional (1994): GPS 45
Personal Navigator Owner's Manual &
Reference, p 1-93.
Klaassen, K. (1996): Electronic
Measurement and Instrumentation, Signal
conditioning and data adquisition systems,
p. 173-220, y 283-308.
Orr, W. (1986): Radio Handbook, p. 1-936.
Philips Peruana S.A. (1994): Service
Manual AW7140/00.
Philips, ECG. (1994): TTL Logic Diagrams
- Transistor Outlines.
Schildt, H. (1992): Turbo C/C++ Manual de
Referencia, p 1-860.
Smith, J. (1997): Modern Communication
Circuits, "Network
Noise and Intermodulation Distortion" and
"Modulators and Demodulators",
p. 67-101 and p. 487-532.
NMEA 0183 2.0,  www.nmea.org
Interfacing the PC, "Parallel Port and Serial
Port", www.beyondlogic.org
MTC, Ministerio de Transporte y
Telecomunicaciones, (1993) Ley General
de Telecomunicaciones. "Plan Nacional de
Atribución de Frecuencias" y "Términos y
definiciones", Lima-Peru.
Manuales de Componentes Electrónicos:
Motorola, Analog Devices, Burr-Brown,
Minicircuits.
Revista de trabajos de investigación, CNDG – Biblioteca
Instituto Geofísico del Perú. V. 2 (2001), p. 67 - 78
IDENTIFICACIÓN DE FASES PARA SISMOS LOCALES Y
DISCREPANCIAS EN LA LOCALIZACIÓN DE SISMOS OBTENIDOS POR
EL IGP Y EL NEIC
JULIA MARIA CARPIO LLERENA
Escuela Profesional de Ingeniería Geofísica
Universidad Nacional San Agustín de Arequipa
julia@axil.igp.gob.pe
Prácticas dirigidas por: Dr. Hernando Tavera
       Centro Nacional de Datos Geofísicos – Sismología
RESUMEN
En el presente estudio se identifica las fases sísmicas contenidas en los registros de sismos ocurridos
en Perú durante Noviembre y Diciembre de 1999(M>4.0). Estos registros son de periodo corto y han
sido obtenidos de la estación sísmica de Ñaña (NNA). En un total de 10 registros de igual número de
sismos, las fases Pn, P*, Pg, Sn, S* y Sg han sido identificadas con la ayuda de las dromocronas para
el campo cercano. Los resultados muestran que de estas fases, las más difíciles de identificar son la P*
y S*, debido a su baja amplitud. Asimismo, se analiza las discrepancias existentes entre los parámetros
de localización de terremotos ocurridos en Perú y obtenidos por dos instituciones, el National
Earthquake International Center (NEIC) y el Instituto Geofísico del Perú (IGP). Para eventos de
magnitud elevada, ambas instituciones obtienen resultados con diferencias pequeñas y para eventos de
magnitud menor, estas son mayores. En general, los resultados sugieren que la correcta localización de
los sismos depende de la calidad de su registro, magnitud, de la relación distancia/profundidad y de la
cobertura azimutal de las estaciones alrededor del hipocentro.
INTRODUCCION
Las perturbaciones naturales que producen
vibraciones en la Tierra son comúnmente
llamadas sismos, siendo la sismología la
ciencia que estudia las causas y los efectos
que estos aportan sobre su estructura y
dinámica. Los sismos no ocurren
uniformemente en todas partes de la
Tierra; por lo tanto, algunas regiones son
sísmicamente más activas que otras.
Asimismo, se sabe que la tierra no es
homogénea y se comporta como un medio
elástico a través del cual se propagan las
ondas generadas en el foco de un sismo.
La estructura interna de la Tierra esta
formada principalmente por la corteza,
manto y núcleo, siendo en estos medios en
donde las ondas sísmicas al propagarse se
reflejan y refractan. Cuando el sismo es
regional (distancias menores a 1000 km),
las ondas sísmicas se reflejan y refractan
dentro de la corteza dando origen a las
fases u ondas Pn, Pg, Sn y Sg. En general,
estas fases son fácilmente identificables en
los registros de periodo corto debido a que
están constituidas con frecuencias altas.
Sin embargo, de todas estas fases, la P* y
S* presenta amplitudes menores por lo que
frecuentemente son más difíciles de
reconocerlas. La identificación de estas
fases ha permitido elaborar modelos de
distribución de velocidad y proponer otros
para comprender la estructura de la corteza
a fin de facilitar el uso de algoritmos que
permitan localizar sismos.
Por otro lado, es conocido que para
localizar un sismo se requiere información
de redes sísmicas mundiales o regionales y
dependiendo de los procedimientos que se
utilicen, los resultados que se obtenga para
los parámetros hipocentrales del sismo
serán diferentes. En el caso de redes
mundiales, el National Earthquake
Information Center (NEIC) localiza los
sismos utilizando los tiempos de llegada
de fases P y modelos de recorrido-tiempo
propuesto por Jeffreys y Bullen (1948);
además, debido a que las estaciones no
están distribuidas de manera homogénea
en la Tierra, el NEIC solo puede reportar
los parámetros hipocentrales de sismos
con magnitudes mayores a 4.0.
Contrariamente, si se considera redes
sísmicas regionales, como la Red Sísmica
Nacional del Perú - RSN a cargo del
Instituto Geofísico del Perú (IGP), los
algoritmos de calculo hipocentral y
modelos de velocidad pueden ser mejor
evaluados y a la vez disminuir el umbral
mínimo de detección y localización de
J. Carpio
68
sismos. Aunque el NEIC y el IGP tienen el
beneficio de los datos, frecuente se
observan diferencias importantes en la
localización epicentral o hipocentral para
un determinado sismo ocurrido en Perú.
En este estudio, se realiza la identificación
de fases sísmicas haciendo uso de las
domocronas para el campo cercano (Payo,
1986) y observar si los tiempos teóricos de
llegada de las fases Pn, P*, Pg, Sn, S* y
Sg coinciden con los observados en el
registro de sismos ocurridos en el Perú.
Los registros corresponden a la estación
sísmica de periodo corto instalada en la
localidad de Ñaña (NNA), la misma que
forma parte de la RSN del Perú.
Asimismo, la localización hipocentral
obtenida por el IGP para un total de 98
sismos ocurridos en Perú durante los años
1998 y 1999, es comparada con los
reportados por el NEIC para los mismos
sismos.
PROPAGACIÓN DE ONDAS
SISMICAS
Cuando ocurre un sismo, la energía que se
libera debido al fracturamiento de las
rocas en el interior de la Tierra se propaga
en todas direcciones y su velocidad
dependerá de las propiedades elásticas del
medio de propagación. Las propiedades
elásticas para una Tierra homogénea,
pueden ser definidas por las constantes de
elasticidad (l y m) y por la densidad del
medio (r), las mismas que controlan la
velocidad de las ondas sísmicas, mayor
para la onda P (6 km/s) y menor para la
onda S (Vp /Ö3). De manera general, la
ondas sísmicas pueden ser clasificadas en
ondas de volumen y superficiales
(kulhanek, 1990):
Ondas de Volumen
Ondas Longitudinales u ondas P, llamadas
ondas de compresión u ondas primarias,
debido a que se propagan con mayor
velocidad en cualquier tipo de material,
sean sólidos o líquidos. Los trenes de
ondas P, son generados por un empuje en
la dirección de propagación de la onda, las
cuales causan sacudidas de atrás hacia
adelante en la corteza (Figura 1A). Las
amplitudes de estas ondas pueden
disminuir tanto que sólo son captadas por
sismógrafos de alta amplificación
(CERESIS, 1970; Neumann, 1979).
Ondas Transversales de Cizalla u ondas S,
ondas que viajan a una velocidad menor
que las ondas P; por lo tanto, son llamadas
ondas secundarias, siendo una de sus
características esenciales, que no se
propaga por cuerpos gaseosos o medios
líquidos. Estas ondas se propagan con
velocidad menor debido a que se propagan
en los planos de arriba hacia abajo (Figura
1 B).
Ondas de Superficie
Ondas Rayleigh, ondas se propagan cerca
de la superficie de la Tierra produciendo
movimientos verticales con partículas que
se desplazan con una trayectoria elíptica
retrograda. La amplitud de su movimiento
decrece con la profundidad (Figura 2).
Ondas Love, ondas superficiales que se
caracterizan por su movimiento, sólo
horizontal de corte normal a la dirección
de propagación. Las ondas Love son de
baja frecuencia y longitud de onda larga,
(Figura 3).
Ondas sísmicas en el campo cercano
La corteza esta constituida por dos capas,
una granítica y otra basáltica separadas por
la discontinuidad de Conrad. Asimismo, la
corteza se encuentra separada del manto
por la discontinuidad de Mohorovicic, la
misma que se encuentra a profundidades
de 20-40 km por debajo de los continentes
y cerca de 10 km por debajo del fondo
oceánico. Para sismos que ocurren a
distancias menores a 1000 Km. (campo
cercano), las ondas que se transmiten,
reflejan y refractan en estas estructuras y
discontinuidades son llamadas ondas Pn,
P*, Pg, Sn, S*, Sg. Frecuentemente, las
ondas más prominentes son las
transmitidas por la capa superior o
granítica de la corteza Pg, Sg  y las
refractadas críticas en la discontinuidad de
Mohorovicic Pn, Sn .
Identificación de fases para sismos locales y discrepancias en la localización
69
Dependiendo de la distancia epicentral, el
orden de llegada de las fases principales es
alterado. Así, para sismos que ocurren a
distancias mayores de 100 km, las ondas
que llegan primero son la Pn, Pg y la P* y
para distancias próximas a la estación la
onda Pg , P*, Pn. En la Figura 4 se
presenta un esquema descriptivo que
muestra el recorrido-tiempo de las fases u
ondas sísmicas en el campo cercano.
Figura 1. Ondas de volumen a) Características de propagación de las ondas P y b) Características de
propagación de las ondas S.
Figura 2. Características de propagación de las ondas Rayleigh.
Figura 3. Características de propagación de las ondas Love.
a)
b)
J. Carpio
70
Estación
Figura 4.  Recorrido de las ondas  sísmicas en el campo cercano
IDENTIFICACIÓN DE FASES PARA
SISMOS LOCALES
El registro de un sismo en el campo
cercano (D<10°), esta formado por
diferentes tipos de fases u ondas que se
reflejan y refractan en las diferentes
discontinuidades existentes en la corteza
(Conrad, Mohorovicic). Estas ondas son
denominadas comúnmente como Pn, P*,
Pg, Sn, S* y Sg. La identificación de estas
fases es por general difícil y su éxito
depende mucho de la experiencia del
analista, ya que estas fases se caracterizan
por su contenido de altas frecuencias. A
continuación, se describe un
procedimiento simple y práctico que ayuda
en la identificación de estas fases.
Selección de Sismogramas
Para realizar la identificación de fases
sísmicas regionales, se ha seleccionado los
sismos registrados por la estación de NNA
(Ñaña) durante los meses de Noviembre y
Diciembre de 1999. De estos registros, 10
corresponden a sismos con claros grupos
de ondas P y S y cuyos parámetros focales
se presenta en la Tabla 1. En esta tabla se
indica la fecha del evento, además de su
latitud, longitud y hora origen (To), así
como la hora de su registro en la estación
de NNA (Tr).
Tabla 1. Parámetros focales de los sismos utilizados en este estudio según Agüero y Tavera (2000)
FECHA
A/m/d
LATITUD
( ° )
LONGITUD
( ° )
To
h: m: s
Tr (NNA)
h: m: s
99/11/06 -5.260 -80.860 16:46:1.73 16:47:54.0
99/11/14 -8.220 -74.319 17:46:11.4 17:47:19.5
99/11/14 -13.480 -75.130 22:42:28.5 22:43:04.5
99/11/18 -15.380 -75.959 19:40:49.1 19:41:39.0
99/12/04 -16.728 -72.461 01:29:03.3 01:30:45.0
99/12/10 -7.720 -74.525 16:53:34.5 16:54:44.5
99/12/13 -8.649 -74.827 22:36:15.2 22:37:16.5
99/12/15 -16.490 -75.757 08:23:33.2 08:24:47.5
99/12/22 -8.399 -79.415 06:07:15.2 06:08:22.5
99/12/26 -13.800 -73.318 18:37:26.3 18:38:26.0
Metodología de trabajo
Para identificar las fases sísmicas a
distancias regionales, se ha hecho uso de
la dromocrona para el campo cercano, la
misma que se muestra en la Figura 5. En
esta figura, D indica la distancia de la
estación al epicentro en kilómetros y t el
tiempo de llegada de la fase sísmica a la
estación en segundos. De acuerdo a estas
dromocronas, para distancias entre 100 y
1000, la primera onda en ser registrada es
la Pn, debido a que la velocidad de las
ondas aumenta en función de la
profundidad. En la Tabla 1 y 2 el tiempo el
tiempo de registro (Tr) corresponde a este
tipo de onda. Una vez identificado el
tiempo de llegada de la onda Pn, este es
restado del tiempo origen del sismo (Tabla
1) y la diferencia es proyectada en las
domocronas sobre el eje de las abscisas
(eje del tiempo). Luego se traza una
vertical desde t hasta que corte a la
dromocrona de la onda Pn, a partir de la
cual se traza una paralela al eje de la
abscisa que corte a la dromocrona de P* y
Identificación de fases para sismos locales y discrepancias en la localización
71
Pg, a la vez ésta paralela indicará, sobre en
el eje de las coordenadas, la distancia
epicentral del sismo. La diferencia entre
los tiempos teóricos de las fases P*-Pn y
Pg-Pn, son utilizados para identificar estas
fases en los distintos registros sísmicos
analizados en este estudio. En la Figura 5
se presenta un ejemplo del tipo de registro
sísmico analizado y los distintos tipos de
fases sísmicas identificados en cada uno
de ellos.
Figura 5. Dromocrónica para sismos regionales
Por lo general, la fase difícil de identificar
en la mayoría de los registros corresponde
a la P* y S*, debido principalmente a su
baja amplitud, ya  que a menudo suele
confundirse con el ruido de fondo. La
presencia de esta fase en los registros del
sismo sugiere la existencia o no de la
discontinuidad de Conrad en algunas
regiones. En el grupo de la onda S, la
correspondiente a la fase Sg siempre
presenta mayor amplitud y
preferentemente es utilizada para calcular
la magnitud local de los sismos (ML), tal
como sugiere Payo (1986).
Durante el procedimiento seguido en este
estudio, se ha observado que los tiempos
teóricos de llegada de las ondas, no
coinciden con los cambios de frecuencia
observados en el registro del sismo; por lo
que, siempre es necesario considerar a
estos tiempos como una aproximación que
permite facilitar la identificación del
registro de las diversas fases en el registro
del sismo. En la Tabla 2, se muestra los
tiempos de llegada de las diferentes fases
del sismo identificados en cada uno de los
registros  y cuyas diferencias con los
tiempos teóricos son menores a 2
segundos. Asimismo, se incluye las
distancias epicentrales obtenidas a partir
de la diferencia de tiempos de llegada de
las ondas Ts-Tp, asumiendo una velocidad
media para las ondas de 6 km/s.
COMPARACIÓN ENTRE LOS
PARÁMETROS HIPOCENTRALES
OBTENIDOS POR EL IGP Y EL NEIC
PARA SISMOS REGIONALES
Un sismo ocurrido en Perú, puede ser
registrado por redes sísmicas locales o
regionales como la Red Sísmica Nacional
a cargo del Instituto Geofísico del Perú -
IGP (Figura 7.a) y por redes sísmicas
mundiales a cargo del National
Earthquuake Information Center - NEIC
(Figura 7b). Para realizar la localización
de un sismo debe tenerse en cuenta, que la
calidad de su registro a diferentes
distancias depende de la magnitud, si ésta
es alta, el sismo será registrado por redes
sísmicas regionales y mundiales, caso
contrario será registrado sólo por redes
regionales. De igual manera, debe
considerarse la cobertura azimutal de las
estaciones alrededor del epicentro, lo cual
frecuentemente es válido si se utiliza redes
locales. Asimismo, se ha observado que la
profundidad del foco es el parámetro peor
determinado, independiente del algortimo
que se utilice, ya que obedece a la relación
D/h, mientras  menor sea la distancia
epicentral mejor será el cálculo de
profundidad, tal como lo señalan
Rodríguez y Vázquez (1987) y Rodríguez
y Tavera (1988). De acuerdo a lo descrito
a los parámetros que definen la
localización de un sismo: hora origen (to),
coordenadas geográfica del epicentro (f ,
l) y profundidad del foco (h) pueden ser
obtenidos por el IGP y el NEIC con
resultados diferentes.
En el presente estudio, se evalúa las
diferencias existentes entre las
localizaciones hipocentrales obtenidas por
el NEIC y el IGP para 98 sismos ocurridos
en Perú durante los años 1998 y 1999. El
IGP utiliza información de la red sísmica
nacional constituida por 30 estaciones
sísmicas distribuidas en todo el territorio
J. Carpio
72
peruano, el algoritmo EPI (Fasthypo,
Herrmann, 1979) y 3 modelos de
velocidad dependiendo si el sismo ocurre
en la región norte, centro o sur de Perú.
Por su lado, el NEIC utiliza información
de la red sísmica mundial (~300
estaciones), un algortimo para distancias
telesísmicas y un modelo de velocidad
global obtenido a partir de las tablas
recorrido-tiempo (Jeffreys y Bullen,
1948).
Figura 6. Registros sísmicos de periodo corto de la estación de NNA, correspondientes a los sismos del 14 de
Noviembre 15 y 22 de Diciembre de 1999.
Sn
Identificación de fases para sismos locales y discrepancias en la localización
73
Tabla 2. Tiempos de llegada de las diferentes fases sísmicas observadas en los registros de sismos regionales. To
corresponde al tiempo origen; Tr, Pn, P* y Pg indica el tiempo de llegada de cada fase sísmica, D indica la
distancia eicentral en km.
Fecha
A/m/d
T0
(H: M: S)
Tr
(H:M: S)
DT
(seg)
D
(Km.)
Pn
(H: M: S)
P*
(H: M: S)
Pg
(H: M: S)
99/11/06 16:46:01.73 16:47:54.00 112.6 840 16:47:54.00 16:.48:57.00 16:49:11.55
99/11/14 17:46:11.40 17:47:19.50  68.1 512 17:47:19.50 17:47:28.20 17:47:38.70
99/11/14 22:42:28.50 22:43:04.50  36.0 260 22:43:04.50 22:43:11.40 22:43:.14.25
99/11/18 19:40:49.10 19:41:39.00  49.9 280 19:41:39.00 19:41:46.20 19:41:49.50
99/12/04 01:29:04.00 01:30:45.00 101.0 770 01:30:45.00 01:30:54.00 01:31:02.00
99/12/10 16:53:34.51 16:54:44.50  70.0 521 16:54:44.50 16:54:52.90 16:55:03.34
99/12/13 22:36:15.56 22:37:16.50  60.9 449 22:37:16.50 22:37:22.85 22:37:33.00
99/12/15 08:23:33.19 08:24:47.50  74.3 560 08:24:47.50 08:24:53.50 08:25:07.75
99/12/22 06:07:15.40 06:08:22.50  68.0 500 06:08:22.50 06:08:31.10 06:08:41.30
99/12/26 18:37:26.25 18:38:26.00  59.8 436 18:38:26.00 18:38:34.10 18:38:50.00
Análisis Epicentral
En la Figura 8, se presenta dos mapas con
la distribución de los sismos ocurridos en
Perú durante los años 1998 y 1999
(M>4.0), los mismos que fueron
localizados por el NEIC (círculos) y el
IGP (triángulos). Los parámetros de
algunos de estos sismos se presentan en la
Tabla 3. En la Figura 8 se puede realizar la
comparación directa de la localización
epicentral de cada sismo, ya que en
principio las obtenidas por el NEIC y el
IGP deberían ser la misma. Sin embargo,
en esta figura se observa que en general,
las diferencias epicentrales son mínimas si
los sismos se localizan en la región central
de Perú y mayores si estos se encuentran
en zonas de frontera. Estas diferencias
están directamente relacionadas con la
distribución y la cobertura azimutal de las
estaciones de la red sísmica a cargo del
IGP. El número de estaciones sísmicas se
reduce notablemente en zonas de frontera
y región sur del Perú debido a problemas
de transmisión de la data a la sede central
del IGP.
En la Tabla 3, se puede observar
diferencias  del orden de 120 km en la
localización epicentral para sismos que
ocurren en la zona de frontera, lo cual
sugiere en el caso del IGP, la necesidad de
contar un mayor número de estaciones
sísmicas tratando de lograr una mejor
cobertura de los datos sobre el epicentro.
En la Tabla 4, se presenta de manera
numérica, el resumen de las diferencias
encontradas en las localizaciones
realizadas por el NEIC y el IGP para
algunos de los sismos ocurridos durante
los años 1998 y 1999. Las diferencias en
las localizaciones están dadas en
kilómetros y corresponden al vector
resultante de relacionar las localizaciones
obtenidas por el NEIC y l IGP para cada
sismo (Figura 8).
En la Figura 9 se presenta la localización
epicentral de algunos sismos cuyas
diferencias son mayores con relación al
resto de sismos analizados. En general, las
diferencias mayores corresponden a
sismos ubicados en la zona de frontera
Perú-Ecuador, como el ocurrido el 25 de
mayo de 1999. Diferencias menores son
observadas para sismos que ocurre en la
región sur de Perú y mayor si se producen
lejos de la línea de costa; es decir, en el
Banco Pacífico donde la RSN no tiene
cobertura.
J. Carpio
74
Figura 7. - Distribución de estaciones sísmicas. a) Red Sísmica Mundial (NEIC),
 b ) Red Sísmica Regional (IGP)
a.
b.
Identificación de fases para sismos locales y discrepancias en la localización
75
Tabla 3.  Parámetros focales calculados por el NEIC y por el IGP para algunos sismos ocurridos en Perú durante
1998 y 1999.
Fuente       Fecha
A/m/d
Tiempo
h:m:s
Lat.
(°)
Lon.
(°)
Prof.
Km
Mag.
Mb
NEIC 1998/01/10 04:54:25.3 -12.02 -72.07  33 5.7
IGP 04:54:24.6 -12.21 -72.23  32 5.6
NEIC 1998/05/24 13:41:46.8 -17.02 -72.53  33 4.9
IGP 13:41:33.5 -18.10 -73.05  29 4.8
NEIC 1998/06/25 17:04:09.2 -15.68 -75.05  33 4.7
IGP 17:03:55.2 -16.71 -75.63   7 4.7
NEIC 1998/10/04 13:41:10.1 -08.46 -76.38  33 5.2
IGP 13:42:05.2 -08.30 -75.87 198 5.1
NEIC 1999/02/18 12:02:58.6 -02.18 -79.59  66 5.0
IGP 12:02:47.9 -02.07 -80.53 253 5.2
NEIC 1999/05/25 02:18:11.4 -04.28 -80.64  33 4.7
IGP 02:17:52.1 -03.43 -81.50  14 4.5
NEIC 1999/12/12 16:21:39.6 -13.85 -76.26  33 4.6
IGP 16:21:39.6 -13.97 -76.43  35 4.8
Análisis Hipocentral
Los sismos pueden ser clasificados según
la profundidad de sus focos en
superficiales (h £60km), intermedios (60<
h £ 300km) y profundos (h.>300km), tal
como lo sugiere Tavera y Buforn (1998).
A fin de evaluar, la localización
hipocentral de los sísmicos analizados en
este estudio (Tabla 3), se ha elaborado
perfiles sísmicos perpendiculares a la línea
de fosa para las regiones Norte, Centro y
Sur de Perú. En las Figuras 10.a.b, se
puede realizar directamente la
comparación entre los hipocentros
obtenidos por el NEIC (círculos) y el IGP
(triángulos). Los resultados muestran
diferencias notorias en cuanto a la
profunidad de los hipocentros de los
sismos. Para algunos sismos ocurridos
durante 1999 y localizados en la región
norte, próximos a la frontera con Ecuador,
se observa diferencias hipocentrales del
orden de 187 km. En este caso,
básicamente la diferencia es debida a que
la red sísmica del IGP no tiene cobertura
en esta zona sísmicamente activa; por lo
tanto, aunque es posible controlar la
ubicación de su epicentro con errores
pequeños, es difícil ajustar la profundidad
de su foco. Para estos sismos de magnitud
moderada, sus parámetros epicentrales
pueden ser bien controlados con las
estaciones de la red mundial; sin embargo,
siempre la profundidad del foco necesita
mayor resolución, de ahí que el NEIC
asigne una profundidad de 33 km cuando
le es imposible calcular dicho parámetro
con exactitud.
Asimismo, en la Figura 10, se observa que
existe diferencias en la localización
hipocentral del orden de 1km para sismos
ubicados próximos a la línea de costa,
hasta 187 km para los que se encuentran
por debajo de la zona andina y subandina
(ver Tabla 4). Tal como se mencionó
anteriormente, estas diferencias están
directamente relacionadas con la falta de
un número mayor de estaciones en el
extremo oriental de la Cordillera Andina
que permita tener mayor cobertura
azimutal y control sobre los parámetros
hipocentrales de los sismos.
J. Carpio
76
(a.)
Año 1999
NEIC
IGP
(b)
Figura 8. Localización epicentral obtenidos por el NEIC (círculos) y el IGP (triángulos), para sismos ocurridos en
Perú durante los años 1998 (a) y 1999 (b).
Figura 9. Sismos ocurridos en Perú durante 1998 - 1999 y cuyas diferencias en sus parámetros epicentrales
obtenidos por el NEIC con respecto al IGP, son mayores.
Identificación de fases para sismos locales y discrepancias en la localización
77
Figura 10. a) Secciones verticales de los sismos ocurridos en Perú durante 1998 y b) 1999, localizados por el
NEIC (círculos) y IGP (triángulos). Las flechas indican el desplazamiento de los focos sísmicos.
Tabla 4. Diferencias en la localización hipocentral de algunos sismos ocurridos en Perú durante los años 1998 y
1999
Fecha
a/m/d
Tiempo
h:m:s
Lat.
(°)
Lon.
(°)
Prof.
Km
Mag.
km
D. epi.
km
D. Prof.
km
D. Mag.
Mb
1998/01/10 04:54:25.3 -12.02 -72.07 33.0 5.7   27.35  -1.0 -0.1
1998/05/24 13:41:46.8 -17.02 -72.53 33.0 4.9 132.04  -4.1 -0.1
1998/06/25 17:04:09.2 -15.68 -72.05 33.0 4.7 130.10 -26.0  0.0
1998/10/04 13:41:10.1 -08.46 -76.38 33.0 5.2   58.81 165.0 -0.1
1999/02/18 12:02:58.6 -02.18 -79.59 66.0 5.0 105.08 187.0  0.2
1999/05/25 02:18:11.4 -04.28 -80.64 33.0 4.7 134.20 -19.0 -0.2
1999/12/12 16:21:39.6 -13.85 -76.26 33.0 4.6   22.67    2.0  0.2
CONCLUSIONES
En el presente estudio, se ha realizado la
identificación de fases sísmicas para
sismos registrados en la estación sísmica
de NNA a distancias regionales (h<1000
km.). En estos registros se ha identificado
las fases Pn, P* y Pg, además de las fases
Sn, S* y Sg. Los tiempos teóricos
determinados para las fases sísmicas a
partir de las dromocronas y los obtenidos
directamente sobre los registros sísmicos,
son similares. El uso de las dromocronas
para la identificación de fases resulta ser
una buena alternativa cuando los registros
de los sismos son complejos o el
sismograma esta parcialmente saturado.
Caso contrario, el analista debe
satisfacerse con identificar únicamente las
primeras fases; es decir, Pn y Sn.
La comparación directa de los parámetros
hipocentrales obtenidos para sismos
ocurridos en Perú por el NEIC y el IGP,
muestran diferencias importantes. En las
localizaciones epicentrales los rangos de
diferencia son del orden de 187 km para
sismos ubicados en las zonas de frontera;
es decir, donde no existe una buena
cobertura azimutal por parte de las
estaciones que integran la Red Sísmica
Nacional del Perú. En las zonas donde el
número de estaciones aumenta, las
diferencias disminuyen
considerablemente. En cuanto a la
profundidad de los focos, las diferencias
a. b.
J. Carpio
78
son mayores cuando los sismos se ubican
por debajo de la cordillera andina y zona
subandina debido a que en estas zonas el
número de estaciones sísmicas son
mínimos.
El cálculo de los parámetros hipocentrales
por parte del IGP, debe mejorar
considerablemente cuando se aumente el
número de estaciones, a la vez que estas
sean distribuidas de manera coherente
buscando cubrir azimutalmente las áreas o
zonas de mayor potencial sísmico. Por
otro lado, el rango de las diferencias
existentes entre las localizaciones
realizadas por el NEIC con respecto al
(IGP), dependerá mucho de la magnitud
del sismo; es decir, para sismos con
magnitudes pequeñas las diferencias serán
mayores y para sismos con magnitudes
grandes, estas serán menores debido a que
un sismo de magnitud elevada será
registrado por un gran numero de
estaciones sísmicas regionales y
mundiales.
AGRADECIMIENTOS
Mi agradecimiento al Director del
Centro Nacional de Datos Geofísicos–
Sismología (CNDG-Sismología), Dr.
Hernando Tavera por todas sus
enseñanzas, consejos y críticas
impartidas en el transcurso de mis
prácticas y elaboración del presente
informe. Asimismo, mi cordial
agradecimiento a I. Pérez-Pacheco, C.
Agüero; S. Rodríguez, H. Salas, Y.
Antayhua, I. Bernal y H. Heras por su
ayuda desinteresada en la elaboración del
presente informe. Finalmente, mi
agradecimiento al Instituto Geofísico del
Perú por haberme brindado una beca para
realizar mis prácticas Pre–profesionales en
el CNDG-Sismología.
BIBLIOGRAFÍA
Aguero, C. y Tavera, H. (2000): Sismos
Sensibles Ocurridos en Perú. Boletín del
Centro Nacional de Datos Geofísicos-IGP,
Lima, 50 p.
Ceresis (1970): Manual de Prácticas para
Observatorios Sismológicos. 300p.
Neumann, F. (1979): Principios
Fundamentales para la Interpretación de
Sismogramas. Traducción de la 3ra Edición
Inglesa. Lima-Perú, 75 p.
Herrmann, R (1979): Fasthypo - A
Hipocenter Location Program. Earthquake
Notes, 50 (2) p.
Jeffreys y Bullen (1940): Seismological
tables, British Association for
Advancement of Sciencie, London
(England)
Payo, G. (1986): Introducción al Análisis
de Sismogramas. Instituto Geográfico
Nacional – Madrid, 125p.
Kulhanek, O. (1990): Anatomy of
Seismograms. Seismological Section,
University of Uppsala, Uppsala, Sweden.
125p.
Rodriguez, L. y Tavera, H. (1988):
Problemas Asociados a la Determinación
Hipocentral Optimización II. Instituto
Geofísico del Perú. 100p.
Rodriguez, L. y Vasquez, M. (1987):
Problemas Asociados a la Determinación
Hipocentral Optimización I. Instituto
Geofísico del Perú. 100p.
Tavera. H. y Buforn, E. (1998):
Sismicidad y Sismotectónica del Perú. En
Udias A. y Buforn E. (ed): Sismicidad y
Sismotectónica de América del Centro y
Sur. Física de la Tierra, UCM, 187-219.
http://cns.igp.gob.pe Pagina Web del
Centro Nacional de Datos Geofísicos,
Instituto Geofísico del Perú.
Revista de trabajos de investigación. CNDG – Biblioteca
Instituto Geofísico del Perú. V. 2 (2001), p. 79 - 82
CALCULO DE LA MAGNITUD LOCAL ML
PARA TERREMOTOS EN PERU
(Estación Sísmica de NNA)
FLORENT BRENGUIER
Escuela de Física del Globo
Universidad Louis Pasteur – Estrasburgo – Francia
Florent.brenguier@ulp.u-stransbg.fr
Practicas dirigidas por: Dr. Hernando Tavera
           Centro Nacional de Datos Geofísicos – Sismología
RESUMEN
En este estudio, se obtiene dos relaciones empíricas que permiten la atenuación de las amplitudes
máximas de los sismos registrados por la estación sísmica de Ñaña (NNA), perteneciente a la Red
Sísmica Nacional a cargo del Instituto Geofísico del Perú. Basado en estas relaciones, se propone otras
para estimar la magnitud ML para terremotos que puedan ocurrir en Perú a distancias comprendidas entre
100 y 1000 km y profundidades menores a 140 km. Las magnitudes así obtenidas, son similares a las
calculadas por el NEIC.
INTRODUCCION
El término, magnitud de un terremoto, es
comúnmente usado para conocer el tamaño
del mismo; sin embargo, este muchas veces
no es correctamente estimado. En general,
cualquier escala de magnitud es definida en
función de un tipo de onda o fase sísmica
en particular que pueda identifiacrse sobre
el registro del terremoto. La definición
original de la magnitud de un terremoto,
está basado en la relación propuesta por
Richter (1935),
ML = log A – log Ao
Donde, ML define la amplitud local, A la
amplitud de la traza en milímetros para un
sismómetro estándar del tipo Wood-
Anderson (periodo 0.8 seg.; magnificación,
2800; damping, 0.8) que registra el
terremoto y Ao la traza de amplitud
obtenida con el mismo sismómetro capaz
de registrar un terremoto de ML = 0. Esta
magnitud equivale a un terremoto cuyo
registro tiene una amplitud máxima igual a
1 micra registrada a una distancia de 100
km desde el epicentro. A fin de calcular la
magnitud local de un terremoto, Richter
obtiene una relación empírica que relaciona
las amplitudes máximas del registro con las
distancias epicentrales: –log Ao conocida
como función de calibración (Kiratzi y
Papazachos, 1984)
Por su ubicación geográfica en América del
Sur, el Perú se constituye como uno de los
países de mayor potencial sísmico junto a
Chile, Ecuador y Colombia. Los sismos en
Perú tienen su origen en el proceso de
subducción de la placa de Nazca bajo la
Sudamericana y en la continua deformación
superficial: además, los sismos pueden
ocurrir a cualquier nivel de profundidad
(Tavera y Buforn, 1998), de ahí que sea
muy importante conocer con exactitud
todos sus parámetros hipocentrales al igual
que el tamaño de los mismos. Para calcular
la magnitud de los sismos en Perú, se ha
venido haciendo uso de los registros
sísmicos obtenidos de la estación de NNA y
de la relación internacional para el cálculo
de la magnitud mb; sin embargo, esta
relación no es válida si no se identifica la
amplitud y el periodo de la onda P y S, así
también cuando el sismo presenta un
registro con inicio emergente o está
completamente saturado. A fin de proponer
una solución a estos problemas, en el
presente estudio se analiza la atenuación de
las amplitudes del registro de terremotos en
la estación de NNA en función de la
distancia epicentral, a fin de deducir las
funciones de calibración que permitan
determinar la magnitud local ML para los
terremotos que puedan ocurrir en Perú.
F. Brenguier
80
PROCEDIMIENTO Y DATOS
La estación sísmica de NNA es del tipo
banda ancha de tres componentes (Z, NS y
EW); es decir, su sismómetro tiene una
respuesta plana entre 0.008 a 10 Hz. A fin
de calcular la magnitud ML según Richter
(1935), es necesario contar con una base de
registros sísmicos del tipo Wood-Anderson;
por lo tanto, fue necesario realizar la
deconvolución de la respuesta instrumental
de banda ancha y luego la convolución de
los parámetros instrumentales que
caracterizan a un sismómetro Wood-
Anderson (Figura 1). Una vez convertido
los registros de banda ancha a periodo
corto, se procedió a leer la máxima
amplitud del registro de cada terremoto,
asumiendo que variación de las amplitudes
de la traza (A) del sismo es función de la
distancia epicentral (Langston, et al, 1998).
A fin de determinar la distancia epicentro-
estación, se procedió a seleccionar todos lo
sismos ocurridos en Perú durante el año
1999 y que fueron registrados por la
estación de NNA, además de ser
localizados por el personal del Centro
Nacional de Datos Geofísicos del IGP.
Conocida la localización del epicentro y de
la estación, se procedió a calcular la
distancia epicentral y evaluar la
profundidad del foco de cada terremoto.
Para determinar las funciones de
calibración se ha utilizado un total de 55
registros de sismos en la componente
vertical (Z) y 57 en las componentes
horizontales (NS y EW). Asimismo, todos
los sismos presentaron profundidades
menores a 200 km y distancias epicentrales
del orden de 1000 km.
 
Figura 1. Registro de un sismo regional en la estación sísmica de NNA a) Registro de banda ancha y  b) Registro en
un sismómetro de periodo corto,  tipo Wood-Andersona
Cálculo de magnitud local M l
81
ATENUACION DE ONDAS SISMICAS
La variación de la amplitud de una señal
sísmica en función de la distancia epicentral
tiene la siguiente forma,
Log A a - n log R – x R log e
donde, A esta dada en micrones y R en
kilómetros. Los parámetros n y x son el
factor de expansión geométrica del modo
de propagación para determinadas
frecuencias y el promedio del factor de
atenuación elástica. A fin de facilitar el
manejo de estos términos, es necesario
considerar que todos los terremotos en Perú
ocurren a distancias menores a 10°; por lo
tanto, la curvatura de la Tierra no es tomada
en cuenta. Asimismo, se debe considerar
que el parámetro x depende únicamente del
periodo de la señal sísmica (Bath et al,
1976).
Conocidos A y R. se aplica un
procedimiento de regresión para determinar
los parámetros n, x y a. Los resultados
permiten obtener valores para n igual a 2.18
en la componente vertical y de 1.88 en las
horizontales y para x, el valor es
prácticamente igual a cero. Las relaciones
obtenidas son (Figura 2):
Componente vertical,
Log Ao = -1.8802  log (R)  +  0.7604
Componente horizontal,
Log Ao = -2.1842  log (R)  +  1.3684
De manera general, utilizando información
de la estación sísmica de NNA, la
atenuación de las amplitudes del registro de
un terremoto puede ser conocida a partir de,
Log Ao = -2.0322  log (R)  + 1.0644
Figura 2. Curvas de atenuación de la amplitud del registro sísmico en función de la distancia para la estación
sísmica de NNA.
ESTIMACION DE LA MAGNITUD ML
Conocida la atenuación de la amplitud en
función de la distancia epicentral para la
estación de NNA, así como los parámetros
hipocentrales del sismo, la magnitud local
ML puede ser determinada a partir de la
siguiente relación,
ML = Log (A) + a Log (D) + b Log (Z) - c
donde, el término Log (A) considera la
atenuación de la onda en función de la
distancia, A corresponde a la amplitud pico
del registro del sismo en milímetros, D es la
distancia epicentral y Z la profundidad del
foco, ambos expresados en kilómetros. Así,
las ecuaciones que permitirían estimar la
magnitud ML son:
Componente horizontal,
ML = Log (A) + 2.1832 Log (D)
        + 0.3516 Log (Z) - 3.3542
F. Brenguier
82
Componente vertical,
ML = Log (A) + 1.9233 Log (D)
       + 0.4873 Log (Z) - 2.919
Para el uso correcto de estas relaciones es
importante indicar que la señal original
obtenida de la estación de NNA, debe ser
filtrada adecuadamente a fin de simular su
registro en un sismómetro de periodo corto
de tipo Wood-Anderson. Asimismo, los
parámetros hipocentrales del sismo deben
haber sido correctamente determinados.
Estas relaciones son válidas para sismos
que ocurren a distancias comprendidas
entre 100 y 1000 km desde la estación y
focos sísmicos a profundidades menores a
140 km.
CONCLUSIONES
Se ha determinado la función de calibración
(-Log Ao) para conocer la atenuación de la
amplitud del registro de sismos en función
de la distancia para la estación de NNA,
tanto para las componentes horizontales
como para la vertical.
Conocida la atenuación de la onda, así
como los parámetros hipocentrales del
sismo, se propone dos ecuaciones para el
cálculo de la magnitud local de los sismos
que ocurren en Perú, utilizando información
de la estación de NNA. Estas relaciones son
validas para distancias comprendidas entre
100 y 1000 km y focos sísmicos con
profundidades menores a 140 km.
A fin de obtenerse relaciones válidas para
distancias menores y revalidar estos
resultados, es conveniente extender este
estudio utilizando una mayor base de datos
de la estación de NNA y de otras estaciones
digitales de la Red Sísmica Nacional a
cargo del Instituto Geofísico del Perú.
AGRADECIMIENTOS
El autor agradece al Dr. Hernando Tavera,
Director del CNDG-IGP, por haber dirigido
mis prácticas pre-profesionales y orientado
durante el desarrollo del presente estudio.
Al Instituto Geofísico del Perú, por haber
aceptado mi solicitud de estancia.
Asimismo, mi agradecimiento a todo el
personal del CNDG y CPNTC por su
amistad y apoyo brindado durante mi
estadía en el IGP y en Lima.
BIBLIOGRAFIA
Bath, M., Kulhanek, O., VanEck, T. y
Wahlstrom, R. (1976): Engineering analysis
of ground motion in Sweden. Seismol. Inst.
Uppsala, Rept. N°. 5-76, 48 pp.
Kiratzi, A. y Papazachos, B. (1984):
Magnitude scales for earthquakes in
Greece. B.S.S.A., vol. 74, 3, 969-985.
Langston, C., Brazier, R., Nyblade, A. y
Owens, T. (1998): Local magnitude scale
and seismicity rate for Tanzania, East
Africa. B.S.S.A., vol. 88, 3, 712-721.
Richter, C. (1935): An instrumental
earthquake magnitude scale. B.S.S.A., 25, 1-
52.
Tavera, H. y Buforn, E. (1998): Sismicidad
y sismotectónica de Perú: En Sismicidad y
Sismotectónica de Centro y Sudamerica;
Buforn, E. y Udias, A. (eds.). Física de la
Tierra, Univ. Complutense de Madrid, 10,
187-219.
Revista de trabajos de investigación. CNDG – Biblioteca
Instituto Geofísico del Perú. V. 2 (2001), p. 83 - 93
IDENTIFICACION DE FASES SISMICAS Y ESTIMACION DE LA
MAGNITUD LOCAL PARA LA ESTACION SÍSMICA UNJB
LOCALIZACION DE SISMOS UTILIZANDO REGISTROS DIGITALES DE
UNA ESTACION SISMICA DE 3 COMPONENTES (LYA)
MANUEL LARA LINCE
EAP de Ingeniería Geológica y Geotécnia
Universidad Nacional Jorge Basadre Grohmann - Tacna
mjara@usa.net
Prácticas dirigidas por: Dr. Hernando Tavera
       Centro Nacional de datos Geofísicos – Sismología
RESUMEN
Utilizando la información obtenida de la estación sísmica portátil UNJB, en este estudio se sigue un
procedimiento simple y práctico para identificar los diferentes tipos de fases presentes en los registros de
sismos regionales de diversa magnitud. En un total de 96 registros de sismos regionales, se ha
identificado las fases Pg, Pn, Sg y Sn, siendo la P* y S*, en general, difíciles de identificar debido a su
baja amplitud.
La información obtenida de la estación sísmica de La Yarada (LYA), estación digital de 3 componentes (Z,
NS, EW), es utilizada a fin de poner en práctica el método gráfico clásico para localizar sismos a partir de
la característica del primer impulso de la onda P en las tres componentes. Los resultados muestran, que
ha pesar del tiempo transcurrido, estos métodos permiten obtener resultados óptimos, tanto para la
identificación de fases sísmicas, como para la localización de sismos. Ambos procedimientos serán
ampliamente aplicados en la Universidad Jorge Basadre Grohmann de Tacna utilizando información de
las estaciones UNJB y LYA.
INTRODUCCIÓN
Existen muchos fenómenos naturales que
producen efectos beneficiosos para el
hombre, como las lluvias para la agricultura
o las corrientes marinas frías. Pero también
hay fenómenos que son perjudiciales, como
los terremotos y los tsunamis o maremotos.
A pesar que los terremotos a la escala
humana nos parecen fenómenos bruscos,
agresivos y en ocasiones de gran
envergadura con un marcado carácter de
incertidumbre, éstos a la escala de los
fenómenos que tienen lugar en el planeta,
corresponden a suaves y lentos procesos
que responden a una dinámica interna la
que por siglos ha atraído la curiosidad de
los hombres. Es quizás debido a lo
inesperado de su ocurrencia, o tal vez a su
inusual potencia destructiva a la cual no
estarnos cotidianamente enfrentados a
experimentar, que los terremotos
corresponden a uno de los fenómenos
naturales que más impacta al ser humano,
tanto en su dimensión social como en lo
personal.
Los sismos o terremotos son tan inevitables
como el clima, incluso la Luna y Marte los
tienen. Los sismólogos informan que cada
año ocurren un par de millones de
terremotos lo suficientemente fuertes como
para ser sentidos.
Terremoto significa movimiento de tierra,
por lo que cualquier sismo es en sí un
terremoto; sin embargo, el común de las
personas identifica al terremoto con el que
ocasiona destrucción y muertes y sismo o
temblor a aquel que ocasiona susto, pero
genéticamente es lo mismo; sólo se
diferencian en cuanto a su magnitud e
intensidad.
A fin de localizar los sismos que ocurren en
el mundo, se ha instalado a nivel global una
red sísmica de aproximadamente de tres mil
estaciones sísmicas que registran al instante
cualquier sismo. En el Perú, existe la Red
Sísmica Nacional (RSN), constituida por 30
estaciones, 20 integran la red telemétrica y
10 son digitales del tipo Banda Ancha.
Actualmente, en la localidad de La Yarada-
Tacna viene funcionando desde hace 14
M. Lara
84
meses una estación de Banda Ancha.
Asimismo,  la Universidad Nacional Jorge
Basadre G. de Tacna desde hace varios
años, viene manteniendo operativa una
estación sísmica del tipo MEQ – 800 de
período corto, componente vertical y
registro en papel ahumado. A la fecha, la
información obtenida de esa estación viene
siendo utilizada para tener una estadística
de los sismos que ocurren en la zona sur del
Perú.
El objetivo del  presente estudio, es conocer
y aplicar dos métodos, que permitan
aprovechar de manera adecuada la
información proporcionada por las
estaciones UNJB y La Yarada (LYA).
¿Qué son los Terremotos?
Comúnmente se suele asociar el término
terremoto a "sacudidas de la superficie de la
Tierra" o "vibraciones debido al paso de
ondas elásticas causadas por movimientos
en el interior de la tierra. Sin embargo, la
ciencia utiliza el concepto terremoto para
definir al fenómeno que tiene lugar en la
fuente misma o en el punto donde se
produce la radiación de energía. Los
terremotos pueden ser de diferentes tipos:
hay aquellos que pueden ser acompañados
de erupciones volcánicas, también aquellos
que se producen por grandes deslizamientos
de tierra y los debido a reventones de roca
durante el laboreo minero, pero lejos los
más importantes, tanto en términos de
tamaño (magnitud) como en número, son
los terremotos tectónicos. Estos últimos son
causados por un rápido deslizamiento que
tiene lugar en las fallas geológicas o bien
por un deslizamiento repentino en las zonas
de contacto entre dos Placas tectónicas.
La parte más superficial de la Tierra está
formada por un mosaico de placas (Figura
1.) a modo de un gran rompecabezas, que
se desplazan muy lentamente unas respecto
de otras. En este desplazamiento se produce
un choque y fricción en sus bordes,
rompiéndose allí donde la deformación
supera la resistencia de la roca. Debido a
esta ruptura se genera una perturbación
(ondas) que son las que constituyen el
terremoto.
¿Por qué se producen los Terremotos?
Clásicamente, se ha interpretado el origen
de los terremotos como consecuencia de la
lenta acumulación de esfuerzos en el
interior de la tierra que tienden a desplazar
la parte más superficial de la misma en
sentidos opuestos. En este estado, la roca se
deforma hasta que se supera su resistencia,
en cuyo caso se rompe y libera la energía
acumulada en forma de ondas, y además se
desplaza una parte de ella respecto de la
otra, formándose una discontinuidad entre
ambos bloques o falla.
Figura 1. Distribución de las Placas Tectónicas
Identificación de fases sísmicas y estimación de magnitud local
85
Debido al proceso de enfriamiento, las
capas más externas de la Tierra son
quebradizas o de comportamiento frágil y
frente a las fuerzas tectónicas responden
mediante fracturamiento. Las fallas son
fracturas en cizalla (corte) en las cuales el
deslizamiento ocurre en una dirección
paralela a la superficie de la fractura. Este
deslizamiento es resistido por la fricción,
debido a que las paredes de la falla se
encuentran pegadas una contra la otra,
como resultado del esfuerzo compresivo
que existe al interior de la Tierra. Sin
embargo, estos deslizamientos ocurren casi
enteramente mediante movimientos rápidos
y abruptos de carácter irregular,
constituyendo así en esencia el fenómeno
terremoto (Udias y Mézcua, 1990).
Cuando se observa un mapa de la
sismicidad global, se puede identificar las
regiones y las estructuras tectónicamente
más activas de la Tierra. Las más
destacadas corresponden a los límites entre
las placas, lugar donde se concentra la
mayor parte de la deformación de la
superficie terrestre (Figura 1).
¿Dónde se producen los Terremotos
grandes?
En las zonas de subducción, es donde se
producen los terremotos de mayor tamaño.
El Perú se ubica en una de estas zonas y
solo basta con recordar los terremotos
ocurridos en 1746, 1940, 1942, 1966, 1970,
1974, 1996, que afectaron a la región
central del Perú; los de 1868, 1913 y 1979 a
la región sur y los ocurridos  en 1947, 1968,
1969, 1986, 1990 y 1991 a algunas
localidades distribuidas a lo largo de la
zona andina y subandina del Perú. Sin
embargo, el gran terremoto de mayo de
1960 ocurrido en Valdivia (Chile), tiene el
liderazgo mundial como el mayor ocurrido
en tiempos modernos en el mundo. Este
terremoto liberó una energía equivalente al
35% del total liberado por todos los
terremotos que se han producido desde
1900 a la fecha.
CLASIFICACION DE LOS
TERREMOTOS
Los terremotos pueden clasificarse de
distintas maneras, ya sea por su origen, por
su tamaño, por la profundidad de sus focos
o por la forma de sus registros. Por su
origen, se clasifican en:
Terremotos Tectónicos.- Tipo de
terremotos que son producto de la
liberación de la energía acumulada en el
interior de la tierra, debido a la interacción
de las placas tectónicas.
Terremotos Volcánicos.- Estos terremotos
se desarrollan en el interior de una
estructura volcánica y se producen al
liberarse la energía acumulada en algún
punto del interior de la chimenea o en sus
proximidades.
Ondas Sísmicas
Al romperse un objeto (supongamos una
regla de plástico) se produce un chasquido
u ondas sonoras que se desplazan por el
aire. De igual forma, cuando arrojamos una
piedra a un estanque también se producen
ondas que se propagan desde donde cayó la
piedra hacia las orillas del estanque. Algo
similar ocurre con los terremotos, al
romperse la roca se generan ondas que se
propagan a través de la Tierra, tanto en el
interior como por la superficie.
Básicamente hay dos tipos de ondas
(Newman, 1976):
Ondas Internas- Son aquellas que se
propagan en todas direcciones como ondas
libres y son:
Figura 2. Representación del modo de propagación
de la Onda P
M. Lara
86
Onda Longitudinal- Llamada Onda P u
Onda Primaria y es aproximadamente 1.7
veces más rápida que la onda transversal.
Las partículas a las que afecta este tipo de
onda, son movidas hacia atrás y hacia
delante en dirección de la onda.
Onda Transversal. Es llamada onda S u
Onda Secundaria y su movimiento es
análogo a la vibración transversal de una
cuerda.
Figura 3. Representación del modo de propagación
de la Onda S
Ondas Superficiales.- Llamadas así debido
a que solo se propagan por las capas más
superficiales de la Tierra. Estas llevan la
mayor cantidad de energía y son la
principal causa de la destrucción sísmica.
En estas la amplitud decrece con la
profundidad.
Onda Love (LQ)- Este tipo de ondas se
mueven en un plano horizontal, en ángulo
recto a la dirección de las ondas de
propagación. Esta onda se puede observar
mejor en la componente horizontal y viajan
más rápido que la onda Rayleigh; por lo
tanto, siempre se les identifica primero en
los registros.
Figura 4. Representación del modo de propagación
de la Onda Love
Onda Rayleigh (LR). Ondas cuyo
movimiento de sus partículas sigue una
órbita elíptica en un plano vertical, o sea en
el de la generación del sismo. En los
registros de la componente vertical,
presentan amplitudes largas.
Figura 5. Representación del modo de propagación
de la Onda Rayleigh
Intensidad y Magnitud
El tamaño de los terremotos puede ser
medido de dos maneras, ya sea mediante su
intensidad  o su magnitud. A nivel popular,
e incluso en algunos medios de
comunicación es frecuente la confusión de
estos dos conceptos.
Intensidad.- Es la medida cualitativa de los
efectos que produce el terremoto. La
intensidad mide el grado de destrucción
observado en la superficie, los efectos sobre
las personas, objetos y construcciones. Esta
es distinta en cada lugar ya que varía con la
distancia al foco del terremoto; por lo tanto
un terremoto tendrá intensidades diferentes
en cada localidad.
Magnitud.- Es una medida cuantitativa del
tamaño del terremoto; es decir, indica la
cantidad de energía liberada por el
terremoto. Cada terremoto tiene una
magnitud única. La primera escala de
magnitud fue desarrollada por Richter en
1935, y fue definida como:
0loglog AAM L -=
donde:
A0 = Amplitud del registro de un sismo
de magnitud cero.
A = Amplitud máxima observada
en el registro de un terremoto
a una distancia D
Identificación de fases sísmicas y estimación de magnitud local
87
A partir de esta definición, se ha
desarrollado numerosos métodos para
medir la magnitud de los terremotos. En
general, la magnitud de un terremoto, suele
ser comparada con la energía que liberaría
una explosión de TNT. Por ejemplo, se
tiene que una magnitud de 8.0 equivalente a
la energía liberada por 31,550,000 ton de
TNT, similar a la liberada por el terremoto
ocurrido en la región Sur de Perú en 1868.
ANÁLISIS E INTERPRETACIÓN DE
SISMOGRAMAS
El registro continuo en papel o formato
digital de cualquier movimiento del suelo o
perturbación que se produzca en el interior
de la tierra, se le conoce como sismograma.
Por identificación de sismogramas, se hace
referencia al tipo de sismograma y por
interpretación a la identificación de la
mayoría de los impulsos notables
registrados en el mismo (Simon, 1980).
Básicamente, existen 3 tipos de
sismogramas: Período Largo, Período Corto
y Banda Ancha.
Sismogramas de Período Largo: En este
tipo de sismograma se logra identificar
correctamente sismos regionales y
telesismos y se caracterizan porque
registran bajas frecuencias  de la energía
liberada por los terremotos, 0.0016 Hz.
Sismogramas de Período Corto: En este se
registran correctamente sismos locales y
regionales caracterizados por presentar altas
frecuencias, del orden de 1 Hz. A distancias
cortas, los impulsos o fases más
características reciben el nombre de Pn, P*,
Pg, Sn, S*, Sg.
Sismogramas de Banda Ancha: Estos son
digitales, y abarcan tanto al Período Corto
como al Período Largo, porque registran un
gran espectro de frecuencias, el cual va
desde 0.008 Hz a 50 Hz aproximadamente.
Tipos de Registros Sísmicos
Los sismos pueden ser clasificados en
función de la distancia epicentral a la cual
se obtiene su registro. En cada tipo de
registro se puede identificar distintas fases
u ondas sísmicas, pero este estudio solo está
limitado al análisis de registros sísmicos
obtenidos a distancias locales; es decir,
menor a 10º. El interés en este tipo de
registros, es que en la ciudad de Tacna,
viene funcionando desde hace varios años
una estación de período corto y componente
vertical del tipo MEQ-800; por lo tanto, se
dispone de un gran numero de registros de
sismos ocurridos en el sur del Perú y norte
de Chile.
Figura 6.  Esquema en el que se muestra el recorrido
de las diferentes ondas en la corteza  (Kulhánek,
1990)
Terremotos Locales (0º a 10º). Los
terremotos o sismos que se producen a estas
distancias, son llamados regionales o
locales y se caracterizan porque sus ondas
se propagan a través de la corteza y/o a lo
largo de las discontinuidades de Moho y
Conrad. Las ondas más notables son las Pg,
Sg, Pn y Sn; además, de las ondas
denominadas P* y S*. Los subíndices  n, g,
*; nos indican el camino que ha recorrido la
onda (Figura 6).
Identificación de fases sísmicas. En el
presente estudio, se ha utilizado los
sismogramas obtenidos en la estación
sísmica de Período Corto de la Universidad
Nacional Jorge Basadre G.– Tacna
(UNJBG), para los meses de Enero, Marzo,
Abril, Septiembre, Octubre y Noviembre de
1999. Del total de sismogramas, se ha
seleccionado 96 sismos registrados en
forma clara y en los cuales podían
identificarse un mayor número de fases, ya
que en su mayoría, los registros  eran
emergentes o se encontraban
completamente saturados.
Identificados los sismos, se  realizó la
lectura de los tiempos de llegada de las
ondas P y S a fin de estimar la distancia
epicentral, según la siguiente ecuación:
M. Lara
88
TVpe D*=
donde:
Vp = Velocidad de la onda P (6.8 km/s).
DT = Diferencia de tiempos de llegada de
las ondas P y S, en segundos.
Para este procedimiento se asumió una
velocidad para la onda P de 6,8 Km/s,
(velocidad promedio para la corteza).
Debido a la diversidad de distancias
epicentrales obtenidas, se procedió a
seleccionar los sismos que se encontraban a
distancias epicentrales comprendidas entre
150 y 600 Km de la estación UNJB. Para
identificar con claridad los diferentes tipos
de fases del grupo de la onda P, se utilizó
una dromocrónica para distancias
regionales (Figura 7).
A estas distancias, por lo general, es fácil
identificar las fases Pn, Pg, P*, Sn, Sg, S*;
sin embargo, es frecuente para algunas
regiones notar la ausencia de los fases P* y
S* (fases que se propagan por la
discontinuidad de Conrad). Así mismo, tal
como se puede observar en la Figura 7, hay
fases sísmicas que para determinadas
distancias no pueden ser observadas o se
confunden entre ellas. Esta características
sugiere que el tipo y número de fases en el
registro de un sismo dependerá de la
distancia a la cual se registre el mismo.
En este estudio, inicialmente se procedió a
identificar en todos los registros sísmicos,
la fase Pn y con ayuda de la dromocrónica
se calcularon los tiempos en los cuales
debían ser observadas las fases P* o Pg, las
mismas que coincidían con cambios
importantes en la frecuencia del registro del
sismo.
En la Tabla 1, se presenta el resumen de los
resultados obtenidos para algunos sismos y
en la Figura 8, dos ejemplos de los registros
analizados en este estudio y en los cuales se
logró identificar el total de las fases.
Figura 7. Dromocrónica para distancias regionales
según Payo (1986)
ESTIMACIÓN DE LA MAGNITUD
LOCAL PARA LA ESTACIÓN UNJB
Existen varios procedimientos para estimar
la magnitud de un terremoto utilizando
diferentes características del registro de un
sismo. El procedimiento más común,
permite utilizar la duración total del registro
del terremoto, asumiendo que este es
proporcional al tamaño del mismo. La
duración del registro debe considerarse
desde primer impulso de la onda, hasta que
la señal se confunda con el ruido de fondo
en el sismograma. En este estudio se utiliza
este procedimiento a fin de obtener una
relación numérica que permita estimar la
magnitud de los sismos registrados por la
estación UNJB.
La base de datos utilizada, considera todos
los sismos ocurridos en Perú durante el año
1999 y para los cuales el Instituto Geofísico
del Perú (IGP) y el National Earthquake
Information Center (NEIC) determinaron su
magnitud mb (magnitud de ondas de ondas
de volumen). Luego, estos sismos fueron
identificados en los registros obtenidos de
la estación UNJB, siendo en total 19 sismos
para los cuales se procedió a leer la
duración de su registro. Luego se tabuló la
magnitud mb asignada para sismo y el
logaritmo de la duración de sus registros,
mediante un ajuste de mínimos cuadrados
(Figura 9).
Identificación de fases sísmicas y estimación de magnitud local
89
Grupo de la onda P
Grupo de la onda S
Grupo de la onda P
Grupo de la onda S
Figura 8. a) Registro del sismo ocurrido el 14 de enero de 1999. Obsérvese la característica de las diferentes fases
identificadas en el registro de la onda P y S .b) Registro del sismo ocurrido el 10 de marzo de 1999. En este registro
se observa con claridad las fases Pn, Pg, Sn y Sg. Las fases P* y S* son difíciles de distinguir.
Tabla 1. Tiempos de llegada para algunas fases sísmicas registradas identificadas con los registros obtenidos de la
estación UNJB.
Fecha Hora S – P Pn P* Pg Sn S* Sg
14.01.1999 12:54 230.46 12:54:25.36 12:54:27.1 12:54:27.6 12:54:59.25 12:55:10.0 12:55:1.51
20.01.1999 18:11 617.97 18:11:33.14 18:11:35.65 18:11:39.36 18:13:02.7 18:13:9.04 18:13:14.0
02.03.1999 12:46 525.65 12:46:48.0 12:46:51.50 12:46:52.80 12:48:2.0 12:48:3.70 12:46:7.1
10.03.1999 01:18 425.07 01:18:55.5 01:18:59.60 01:19:3.50 01:21:0.0 01:21:5.80 01:21:12.0
21.04.1999 19:49 231.82 19:50:7.5 19:50:11.0 19:50:12.0 19:51:15.49 19:451:16.7 19:51:20.4
28.04.1999 18:19 189.48 18:20:2.0 18:20:5.80 18:20:57.5 18:21:0.2
05.10.1999 09:31 217.48 09:31:49.8 09:31:53.80 09:32:53.5 09:32:57.1
18.11.1999 22:56 209.97 09:31:52.5 09:31:56.50 09:32:54.0 09:31:7.1
Pn
Pg
Sn
Sg
Pg
Pn P*
Sn
S*
Sg
a.
b.
M. Lara
90
Figura 9. Magnitud (mb) vs el logaritmo de la
duración  total  del registro de terremotos en la
estación UNJB
bDaDmb += )log()(
donde:
md(D) = Magnitud en función de la
duración del registro.
Log (D) = Logaritmo de la duración
total del registro en
centímetros.
Los valores de a y b son calculados a partir
de una regresión lineal, con la finalidad de
tener como único dato de entrada la
duración total del registro del terremoto.
Los pasos seguidos son:
( )
( ) åå å
ååå
+=Þ+=Þ
+=Þ+=Þ
+=
==
xbxaxybxaxxyx
ybxyaybyaxyyy
baxy
Dxmby
22
22
*
*
)log(y
donde: a = 0.455
b = 3.346
Finalmente, la ecuación que permite
estimar la magnitud en función de la
duración de su registro es:
( ) 346.3log455.0)( += DDmb
LOCALIZACIÓN DE EPICENTROS
UTILIZANDO UNA ESTACIÓN
DIGITAL DE TRES COMPONENTES
A fin de poner en práctica una metodología
sencilla, que permita estimar la localización
epicentral de un sismo utilizando los
registros del mismo en una estación de tres
componentes, se seleccionó un total de 12
sismos ocurridos en Perú y registrados por
la estación digital LYA instalada en la
localidad de La Yarada, Tacna.
Cálculo de la Distancia Epicentral
Para calcular la distancia epicentral se
procedió a calcular la diferencia de tiempos
de llegada entre las ondas P y S (DT = Ts –
Tp) y la relación:
TVP D*=D .
Donde: V es la velocidad media de la onda.
Esta distancia epicentral no se considera
una profundidad para el foco (h), ya que
asume que todos los sismos ocurren cerca
de la superficie, pero se debe tener en
cuenta que si h varía, la velocidad de la
onda P debe variar.
Figura 10. Registro en la estación sísmica LYA (La
Yarada - Tacna), correspondiente al sismo ocurrido
el 22 de octubre de 1999. Z, N y E, corresponden a
los registros en las componentes Vertical, Norte-Sur
y Este-Oeste.
Cálculo del Azimut
Para calcular el azimut estación-epicentro,
se asume que el sentido del primer impulso
de la onda P en las componentes N-S y E-
W, define la orientación de un vector, el
cual indicaría la dirección de llegada de las
ondas y la componente vertical Z, indicaría
la posición del epicentro en un cuadrante u
otro (en este estudio se representó por la
letra R). Una vez que se ha determinado la
Z
N
E
0
1
2
3
2 4 6 8
mb
lo
g
 (D
)
Identificación de fases sísmicas y estimación de magnitud local
91
distancia epicentral, es fácil determinar la
región epicentral. El método consiste
básicamente en fijarse bien en la
orientación de los impulsos de la onda P en
las tres componentes.
En el presente estudio, estas amplitudes
fueron medidas directamente sobre las
reales (cuentas), aunque la lectura se puede
realizar manualmente (con el uso de una
regla y a una escala arbitraria de amplitud),
tal como se muestra en la Figura 11.
Figura 11. Esquema en el que se muestra la
interpretación gráfica del primer impulso del sismo
registrado.
Determinadas ambas direcciones, el vector
resultante viene a representar el posible
azimut del epicentro. La orientación de la
componente vertical indicaría si la
resultante obtenida es la correcta o no, es
decir que si es de dilatación (negativo)
indicaría que el epicentro se encuentra en el
mismo sentido del vector (Figura 12a) y si
es de compresión (positivo) el epicentro se
encuentra en el sentido opuesto (se debe
rotar 180º), Figura 12b.
Figura 12. a) Diagrama que muestra al
procedimiento a seguir cuando la componente
vertical (Z) es de Dilatación y
b) Cuando la componente vertical (Z) es de
Compresión.
                                 Þ  +
N – S
                                  Þ -
                                 Þ  +
E – W
                                  Þ  -
                            Þ  1/R
Z
                             Þ   R
N
5.64222 E+03
Amplitud de la
componente N - S
Azimuth
- 1.91419 E +03
Amplitud de la
Componente E - W
Amplitud de la
Componente E
- W
N
- 9.38473 E+02
Angulo de
rotación de 180º
AzimuthAmplitud de la
componente N - S
0.315527 E+02
a.
b.
M. Lara
92
Tabla 2. Resultados obtenidos para los 12 sismos registrados por LYA y analizados en este estudio
Fecha Azimut Dist. Epicentral(km) Latitud Longitud
Julio.02.1999 340º 187.4828 -17° 38´ -70° 19´
Julio.07.1999 335º 149.3484 -17° 37´ -70° 23´
Oct.12.1999 100º 192.78 -18° 22´ -69° 15´
Oct.14.1999 2º 43.696 -17° 34´ -70° 06´
Oct.22.1999 346.5º 148.6412 -17° 55´ -70° 09´
Nov.04.1999 134º 124.1272 -18° 28´ -69° 52´
Nov.10.1999 68.5º 120.394 -18° 06´ -69° 27´
Nov.14.1999 34º 115.756 - -
Nov.18.1999 142º 46.042 -19° 10´ -69° 31´
Dic.12.1999 118º 77.6968 -18° 22´ -69° 55´
Junio.26.1999 92º 141.576 -18° 15´ -69° 09´
Junio.28.1999 25º 114.444 -18° 01´ -70° 06´
Una vez obtenida la dirección del epicentro,
se procede a localizarlo, haciendo uso de la
distancia epicentral calculada anteriormente
y un mapa a escala, tomando como punto
central la localización de la estación LYA.
Los resultados obtenidos en este estudio,
indican que los 12 sismos analizados
ocurrieron en continente: 7 al norte de la
estación LYA y 5 hacia el Sur a distancias
entre 43.696 y 192.78 Km de la estación
LYA (Tabla 2).
CONCLUSIONES
En el desarrollo del siguiente estudio, se ha
llegado a las siguientes conclusiones:
Las fases principales en el campo cercano,
han sido identificadas correctamente en los
registros analógicos de la estación UNJB.
Las fases P* y S* han sido difíciles de
reconocer debido a que, por lo general,
presentan bajas amplitudes.
La identificación de los diferentes tipos de
fases contenidos en un registro sísmico,
proporcionan información importante sobre
las características del medio en el cual se
propagan.
En vista que no se contaba con un
procedimiento práctico para estimar la
magnitud de los sismos registrados en la
estación UNJB – Tacna, se ha hecho uso de
la duración total del registro del sismo para
proponer la siguiente relación:
( ) 3462.3log455.0)( += DDmb
Esta relación permitirá de manera
aproximada, bajo ciertas condiciones de
operatividad de la estación UNJB, calcular
una magnitud aproximada para los sismos
que puedan ocurrir en la región Sur del
Perú.
La localización epicentral de los terremotos
es muy importante; por lo tanto, es
necesario contar con una red sísmica bien
distribuida, la cual permita hacer uso de
más de 3 estaciones para poder localizar un
sismo. En la región Sur de Perú y más
precisamente en Tacna, solo se cuenta con
una estación digital de banda ancha y de
tres componentes (LYA). El uso de la
información obtenida de esta estación, bajo
ciertas condiciones de contorno, permitiría
localizar adecuadamente el epicentro de un
sismo y que con la experiencia debida,
puede establecerse como una rutina.
AGRADECIMIENTOS
El autor agradece al Dr. H. Tavera, Director
del Centro Nacional de Datos Geofísicos –
Sismología (CNDG - Sismología), por su
constante apoyo y por brindarme la
Identificación de fases sísmicas y estimación de magnitud local
93
información necesaria para el desarrollo del
presente estudio. A todas las personas que
integran el grupo del CNDG. Al Instituto
Geofísico del Perú por haber concedido la
Beca para la realización de Prácticas Pre-
Profesionales en la Dirección del CNDG -
Sismología
BIBLIOGRAFIA
Kulhánek, O. (1990): Anatomy of
seismograms, IASPEI, 19-28 p.
Newman, F. (1976): Fundamentos para la
interpretación de sismogramas, Ceresis, 200
p.
Payo, G. (1986): Introducción al análisis de
sismogramas, Instituto Sismográfico
Nacional de España, 300 p.
Simon, R. (1980): Earthquake
interpretations, CERESIS, 250 p.
Udias, A. y Mézcua, J. (1990):
Fundamentos de sismología, UCA Editores,
300 p.
Web del Centro Nacional de Datos
Geofísicos - Sismología del Instituto
Geofísico del Perú: http://cns.igp.gob.pe
Trabajos de investigación. CNDG – Biblioteca
Instituto Geofísico del Perú. V. 2 (2001) p.95 - 108
EVALUACION DE LOS PARÁMETROS HIPOCENTRALES DEL SISMO DE
AREQUIPA DEL 3 DE ABRIL DE 1999
RONALD YUPA PAREDES
Escuela Profesional de Geofísica
Universidad Nacional San Agustín de Arequipa
Practicas dirigidas por: Dr. Hernando Tavera
       Centro Nacional de Datos Geofísicos - Sismología
RESUMEN
En este estudio se evalúa los parámetros hipocentrales del sismo de Arequipa ocurrido el 3 de Abril de 1999
(M=6.2). Los parámetros hipocentrales de este sismo, han sido obtenidos utilizando información de la Red
Sísmica Nacional a cargo del Instituto Geofísico del Perú. Se ha utilizado el registro del sismo en 19
estaciones sísmicas, las mismas que fueron reagrupadas en cuatro grupos de acuerdo a su distancia
epicentral y cobertura azimutal alrededor del epicentro preliminar. Para evaluar los paramentos del foco se
ha hecho uso de dos algoritmos, uno numérico (EPI) y otro gráfico (EPIGRAF); además, de cada uno de los
cuatro grupos de estaciones. Los mejores resultados han sido obtenidos utilizando las estaciones del grupo
4, las mismas que se localizan a distancias menores a 500 km y presentan una buena cobertura azimutal
alrededor del epicentro. El sismo de Arequipa, esta asociado al proceso de subducción en la zona sur de
Perú y se constituye como el último de mayor magnitud ocurrido desde hace 20 años aproximadamente.
INTRODUCCIÓN
A lo largo de la costa Oeste de América del
Sur, dos placas tectónicas convergen dando
origen al proceso de subducción de la placa
oceánica de Nazca por debajo de la
continental o Sudamericana. El límite de
contacto entre estas dos placas, define la
geometría de dicho proceso y es la fuente del
alto índice de sismos que ocurren en el Perú.
La distribución de estos sismos, de norte a
sur, presenta características especiales, las
mismas que están directamente relacionadas
con la forma en que se produce el proceso de
subducción en cada región.
Las características espaciales de la
sismicidad y del proceso de subducción en la
región sur de Perú, han sido descritas y
discutidas por muchos autores (Stauder,
1975; Barazangi y Isacks, 1979; Grange,
1983; Tavera y Buforn,1998; Bernal, 1999);
siendo las principales relacionadas con la
distribución de los sismos en superficie y con
la profundidad de sus focos. En la Figura 1
se presenta el mapa de sismicidad de Perú
para el periodo 1990-1995 (M>5.0) según
Tavera et al (2000) y en la cual se observa
que al sur de 14°, los sismos con foco
superficial (círculos) se distribuyen entre las
líneas de costa y la fosa, siendo los sismos de
foco intermedio (cuadrados) los que en
mayor numero se localizan en el interior del
continente. En la Figura 1b, se observa que
los sismos asociados al proceso de
subducción, aumentan la profundidad de sus
focos de Oeste a Este siguiendo una línea de
inclinación de 30° hasta alcanzar la
profundidad de 300 km (Tavera et al, 2000).
Por lo general, en esta región los sismos de
mayor magnitud han ocurrido a niveles
intermedios de y casi siempre están
asociados al proceso de subducción.
El 3 de Abril de 1999 ocurre un sismo de
magnitud 6.2 mb e intensidad máxima de VI
MM en la región Sur de Perú. Este sismo
produjo daños de diverso grado en algunas
localidades del departamento de Arequipa.
En este estudio se evalúa la localización
epicentral de este sismo utilizando
información proveniente de la Red Sísmica
Nacional a cargo del Instituto Geofísico del
Perú y dos algoritmos, uno numérico y otro
gráfico. La base de datos considera el
registro del sismo en 19 estaciones sísmicas
R. Yupa
96
con las cuales se ha formado 4 grupos de
acuerdo a la distancia epicentral y a la
distribución azimutal de dichas estaciones
alrededor del epicentro preliminar del sismo.
El estudio considera además, la comparación
de los resultados obtenidos con cada grupo
de estaciones y ambos algoritmos siguiendo
la metodología presentada por Antayhua
(2000).
 
 
Figura 1. a) Sismicidad de Perú para el período 1990 – 1995 (mb> 5.0) según Engdahl et al (1998). Círculos = sismos
con foco superficial, cuadrados = sismos con foco intermedio y triángulos = sismos con foco profundo (Tavera et al
2000) b) Sección vertical de sismiciddad para el periodo indicado según la línea AA’ (Tavera et al, 2000) La estrella
indica la ubicación en profundidad del sismos evaluado en este estudio.
Evaluación de los parámetros hipocentrales del sismo de Arequipa
97
PARÁMETROS DEL SISMO DE
AREQUIPA DEL 3 DE ABRIL DE 1999
Datos
A fin de calcular los parámetros
hipocentrales del sismo de Arequipa del 3 de
Abril de 1999, se ha hecho uso de los
registros del sismo en 19 estaciones sísmicas
de la Red Sísmica Nacional a cargo del
Instituto Geofísico del Perú (Figura 2). De
estas estaciones, las de Cajamarca (CAJ),
Huancayo (HUA), Ñaña (NNA), Pucallpa
(PUC), Tambomachay (TAM), San Gregorio
(SGR), Misti (MIS) y Toquepala (TOQ) son
estaciones  de banda ancha con registro
digital y las de Camacho (CAM), Suche
(SCH), Quilmana (QUI), Paracas (PAR),
Guadalupe (GUA), Zamaca (ZAM),
Tablachaca (TBL), Atocpunta (ATP), y
Quimsachumpi (QCH) son estaciones
Telemétricas de período corto.
En todos los registros del sismo de Arequipa,
ha sido posible identificar de manera
correcta los tiempos de llegada de las fases P
y S, necesarias para localizar el hipocentro,
además de conocer la duración del registro
del sismo en las estaciones de periodo corto
para estimar la magnitud del mismo. La
localización del sismo se realiza utilizando
dos algoritmos, el primero corresponde a una
versión del Fasthypo (Hermman, 1978)
denominado EPI (Rodríguez, 1994) y el
segundo, es una versión iterativa del ya
conocido método gráfico que permite
localizar epicentros de manera directa en
función de la diferencia de tiempos de
llegada de las ondas P y S a un mínimo de
tres estaciones, EPIGRAF (Rodríguez,
1994).
La magnitud del sismo de Arequipa es
estimada a partir de la duración total de su
registro en las estaciones QUI, PAR, GUA y
SCH utilizando una relación del tipo,
donde,
D  corresponde a la duración total del
registro del sismo expresado en segundos y
del la distancia epicentral en km.
Aplicación del algoritmo numérico epi
El algoritmo EPI corresponde a una versión
modificada del Fasthypo (Hermann, 1978) y
utiliza como datos de entrada las lecturas de
los tiempos de llegada de las ondas P y S a
cada una de las estaciones a fin de calcular
los parámetros hipocentrales de los sismos
(tiempo origen, latitud, longitud,
profundidad) y la duración del registro del
sismo para estimar su magnitud. Este
algoritmo considera tres modelos de
velocidad, los mismos que son utilizados
dependiendo si el epicentro se localiza en la
región Norte, Centro o Sur del Perú. El caso
del sismo de Arequipa se utiliza el modelo
M2, el mismo que corresponde al propuesto
por Grange (1983) y que fuera utilizado en
diferentes estudios de sismicidad realizados
en la región Sur de Perú. Después de aplicar
el algoritmo EPI, se obtiene como resultados
para el sismo, su tiempo origen, coordenadas
epicentrales (latitud, longitud), profundidad
del foco y la magnitud con sus
correspondientes rangos de error.
La calidad de las soluciones obtenidas con el
EPI es evaluada en función de su RMC y de
los residuales de los tiempos de llegada de
las ondas P y S (Tt-To, tiempo teórico –
tiempo observado) a cada estación. A fin de
realizar el cálculo de los parámetros
hipocentrales del sismo de Arequipa, se ha
procedido a formar 4 grupos con el total de
las estaciones sísmicas que registraron el
sismo (19 registros), teniendo en cuenta que
para obtener una buena solución, es
importante considerar la distancia epicentral
y la cobertura azimutal de las estaciones
sísmicas que se utilizan en el cálculo de los
parámetros del sismo.
El primer grupo esta conformado por las 19
estaciones que registraron el sismo y los
resultados obtenidos con el algoritmo EPI se
muestran en la Tabla 1. En esta tabla se( ) ( ) ( )D++= cDbaDmb log
R. Yupa
98
observa que los residuales de la onda P para
las estaciones de Pucallpa (PUC) y
Cajamarca (CAJ), son altos con respecto a
los demás debido probablemente a que estas
se encuentran muy alejadas del epicentro
preliminar; por lo tanto, perturbarían la
localización epicentral del sismo. Nótese que
la raíz media cuadrática de la solución es
también bastante alta, al igual que los rangos
de error obtenidos para las coordenadas
epicentrales y profundidad del foco.
Figura 2. Distribución de las estaciones de la Red Sísmica Nacional utilizadas en el cálculo de los parámetros
hipocentrales del sismo de Arequipa del 3 de Abril de 1999.
Evaluación de los parámetros hipocentrales del sismo de Arequipa
99
Para intentar mejorar la cobertura azimutal
de las estaciones alrededor del epicentro
preliminar, se forma un segundo grupo con
las estaciones CAM, SCH, QUI, PAR, GUA,
ZAM, TOQ, MIS, TAM, HUA, NNA, CAY,
CSI, SGR, TBL, ATP y QCH. Los resultados
obtenidos con este grupo se presentan en la
Tabla 2 y en ella se observa que la raíz
media cuadrática disminuye
considerablemente con respecto a la
localización anterior, así como los residuales
de ondas P y S y en este caso indicarían que
los resultados son óptimos. Asimismo, se
observa que los errores en la localización
epicentral disminuyen al igual que la
profundidad del foco, siendo la profundidad
de 92 km próximo al obtenido por Tavera et
al (1999).
A fin de continuar evaluando la localización
hipocentral del sismo de Arequipa, se ha
formando un tercer grupo considerando
únicamente aquellas estaciones que se
encuentran próximas al epicentro y que
permitan tener una mejor cobertura azimutal:
QUI, PAR, GUA, ZAM, TOQ, MIS, TAM,
HUA, SGR, TBL y ATP. Para este grupo de
estaciones se ha dejado de lado las que se
encuentran muy cercanas una con respecto a
la otra (QCH), así como aquellas que no
presentaban un registro claro para la onda S
(CAM, SCH, PAR, CAY, NNA y CSI). De
las estaciones utilizadas, cuatro se localizan
en la región central y siete en la región sur.
Los resultados numéricos obtenidos con este
grupo de estaciones se presenta en la Tabla 3
y en ella se observa que los residuales para
las ondas P y S disminuyen poco con
relación a las anteriores soluciones; además,
la raíz media cuadrática se mantiene casi
igual, así como la profundidad y la
localización epicentral del sismo.
Finalmente, un cuarto grupo de estaciones
está compuesto por GUA, TOQ, MIS, TAM,
SGR y TBL las mismas que presentan una
mejor cobertura azimutal alrededor del
posible epicentro. Asimismo, en estas
estaciones ha sido posible identificar de
manera clara y precisa el tiempo de llegada
de las ondas P y S. Cabe mencionar que de
estas estaciones, dos son telemétricas
(registros de periodo corto) y cuatro digitales
(registros de banda ancha). Los resultados
numéricos obtenidos con este grupo de
estaciones se presenta en la Tabla 4. En esta
tabla se observa que los residuales de las
ondas P y S son menores a las obtenidas
anteriormente y esto se debe probablemente
a que las distancias epicentrales respecto al
epicentro son menores a 500 Km. Asimismo,
se observa que la localización epicentral y la
profundidad varían ligeramente respecto a
los resultados anteriores.
De las soluciones mostradas en las Tablas 1,
2, 3 y 4 se puede concluir que la solución
obtenida con el grupo 4 de estaciones
sísmicas (Tabla 6) proporciona el mejor
resultado, debido principalmente a que las
estaciones utilizadas se distribuyen alrededor
del epicentro de tal forma que ofrecen una
buena cobertura azimutal y se encuentran
próximas al epicentro. En esta solución el
RMC no varía mucho con relación a las
soluciones anteriores; sin embargo, los
residuales disminuyen o se mantienen
constantes siguiendo esta solución puede ser
considerada como óptima.
En la Tabla 5 se muestra los resultados
obtenidos utilizando los 4 grupos de
estaciones sísmicas y el algoritmo EPI. En
general, se observa que el tiempo origen, las
coordenadas epicentrales y la profundidad
del foco son muy similares; sin embargo,
tanto el RMC y los residuales de las ondas P
y S han sido los únicos parámetros que han
permitido discernir cual de las soluciones es
la más óptima. La magnitud estimada en
función de la duración del registro del sismo
es de 6.3 mb(D).
R. Yupa
100
Tabla 1. Solución numérica del algoritmo EPI, utilizando las 19 estaciones que registraron el sismo de Arequipa del 3
de Abril de 1999. La Latitud y Longitud están expresadas en grados; mb es la magnitud; Distan, es la distancia
epicentral en km; Azm, azimut epicentro-estación en grados; Ain, es el ángulo de incidencia en el foco; Tpcal, es el
tiempo teórico de la onda P; P-seg, es el tiempo de llegada de la onda P; P-res, es la residual de la onda P; S-seg, es el
tiempo de llegada de la onda S; S-res, es la residual de la onda S; W, es el peso para las lecturas del tiempo de llegada
de la onda P y S; rmc, es la raíz media cuadrática.
   Fecha:  03 Abr 1999   Hora Origen (GMT):  6h 17m 17.03s
   Latitud:  -16.6017       ±  5.5 km.
   Longitud:  -72.8207       ±  3.7 km.
Profundidad:   94.4 km.      ±  6.1 km.
   Magnitud:  6.2 mb
 Intensidad:
Esta  Distan  Azm  Ain  TPCal  P-Seg  P-Res W  S-Seg  S-Res W
CAM    672.4  318  113   89.1  105.9   -0.2 0    0.0    0.0 0
SCH    653.4  322  113   86.7  103.4   -0.3 0    0.0    0.0 0
QUI    562.1  316  113   75.3   92.0   -0.3 0    0.0    0.0 0
PAR    486.4  309  114   65.9   83.6    0.7 0    0.0    0.0 0
GUA    430.0  312  114   58.9   76.5    0.6 0    0.0    0.0 0
ZAM    368.0  306  114   51.2   69.2    1.0 0    0.0    0.0 0
TOQ    244.3  109  116   36.0   52.5   -0.6 0   79.8    0.4 0
MIS    151.9   77  121   25.1   41.3   -0.8 0    0.0    0.0 0
TAM    362.1   17  114   50.5   68.7    1.2 0  104.8    0.3 0
PUC    933.3  348  113  121.6  136.5   -2.2 0    0.0    0.0 0
CAJ   1220.0  330  113  157.5  170.8   -3.7 0    0.0    0.0 0
HUA    574.0  332  113   76.8   94.5    0.7 0    0.0    0.0 0
NNA    670.7  320  113   88.8  106.6    0.7 0  171.5    0.6 0
CAY    138.2   80  122   23.5   41.3    0.8 0    0.0    0.0 0
CSI    136.2   85  122   23.3   40.6    0.3 0    0.0    0.0 0
SGR     11.8   73  172   13.6   31.0    0.4 0   39.9   -0.6 0
TBL    505.7  335  114   68.3   85.5    0.2 0    0.0    0.0 0
ATP    512.2  335  114   69.1   86.5    0.4 0    0.0    0.0 0
QCH    511.8  337  114   69.1   86.7    0.6 0    0.0    0.0 0
   rmc =  1.17
Tabla 2. Resultado de la aplicación del algoritmo EPI utilizando el grupo 2. Otro ver Tabla 1.
   Fecha:  03 Abr 1999   Hora Origen (GMT):  6h 17m 17.28s
   Latitud:  -16.6180       ±  2.6 km.
   Longitud:  -72.8210       ±  1.7 km.
Profundidad:   91.6 km.      ±  2.8 km.
   Magnitud:  6.3 mb
 Intensidad:
Esta  Distan  Azm  Ain  TPCal  P-Seg  P-Res W  S-Seg  S-Res W
CAM    673.7  319  113   89.2  105.9   -0.6 0    0.0    0.0 0
SCH    654.8  322  113   86.8  103.4   -0.7 0    0.0    0.0 0
QUI    563.4  316  113   75.4   92.0   -0.7 0    0.0    0.0 0
PAR    487.5  309  114   66.0   83.6    0.3 0    0.0    0.0 0
GUA    431.2  312  114   59.0   76.5    0.2 0    0.0    0.0 0
ZAM    369.0  306  114   51.3   69.2    0.6 0    0.0    0.0 0
TOQ    243.8  108  115   35.9   52.5   -0.7 0   79.8    0.4 0
MIS    152.4   77  120   25.0   41.3   -0.9 0    0.0    0.0 0
TAM    363.8   16  114   50.6   68.7    0.8 0  104.8   -0.2 0
HUA    575.6  332  113   77.0   94.5    0.2 0    0.0    0.0 0
NNA    672.0  320  113   89.0  106.6    0.3 0  171.5    0.1 0
CAY    138.6   79  121   23.4   41.3    0.6 0    0.0    0.0 0
CSI    136.4   84  122   23.2   40.6    0.2 0    0.0    0.0 0
SGR     12.5   65  171   13.2   31.0    0.5 0   39.9   -0.3 0
TBL    507.4  335  114   68.5   85.5   -0.3 0    0.0    0.0 0
ATP    513.8  335  114   69.3   86.5   -0.1 0    0.0    0.0 0
QCH    513.5  337  114   69.2   86.7    0.2 0    0.0    0.0 0
   rmc =  0.55
Evaluación de los parámetros hipocentrales del sismo de Arequipa
101
Tabla 3. Resultado de la aplicación del algoritmo EPI utilizando el grupo 3 comformado por 11 estaciones de la Red
Sísmica Nacional (RSN). Otros ver Tabla 3.
   Fecha:  03 Abr 1999    Hora Origen (GMT):  6h 17m 17.31s
   Latitud:  -16.6149       ±  2.9 km.
   Longitud:  -72.8087       ±  2.1 km.
Profundidad:   91.3 km.      ±  3.1 km.
   Magnitud:  6.3 mb
 Intensidad:
Esta  Distan  Azm  Ain  TPCal  P-Seg  P-Res W  S-Seg  S-Res W
QUI    564.0  316  113   75.5   92.0   -0.8 0    0.0    0.0 0
PAR    488.3  309  114   66.1   83.6    0.2 0    0.0    0.0 0
GUA    431.9  312  114   59.1   76.5    0.1 0    0.0    0.0 0
ZAM    369.9  306  114   51.4   69.2    0.5 0    0.0    0.0 0
TOQ    242.7  108  115   35.7   52.5   -0.5 0   79.8    0.6 0
MIS    151.0   77  120   24.8   41.3   -0.8 0    0.0    0.0 0
TAM    363.1   16  114   50.6   68.7    0.8 0  104.8   -0.1 0
HUA    575.9  332  113   77.0   94.5    0.2 0    0.0    0.0 0
SGR     11.2   63  172   13.2   31.0    0.5 0   39.9   -0.2 0
TBL    507.6  335  114   68.5   85.5   -0.3 0    0.0    0.0 0
ATP    514.0  335  114   69.3   86.5   -0.1 0    0.0    0.0 0
   rmc =  0.59
Tabla 4. Solución de la aplicación del algoritmo EPI, utilizando el grupo 4 conformado por seis estaciones.
 Otros ver Tabla 3.
   Fecha:  03 Abr 1999   Hora Origen (GMT):  6h 17m 17.49s
   Latitud:  -16.6171       ±  3.7 km.
   Longitud:  -72.8095       ±  3.4 km.
Profundidad:   90.4 km.      ±  4.0 km.
   Magnitud:  6.3 mb
 Intensidad:
?U???
?U???????????????????????
???????????
MIS    151.1   77  120   24.8   41.3   -0.5 0    0.0    0.0 0
TAM    363.4   16  114   50.6   68.7    0.5 0  104.8   -0.1 0
SGR     11.3   63  172   13.2   31.0    0.3 0   39.9   -0.2 0
TBL    507.8  335  114   68.5   85.5   -0.1 0    0.0    0.0 0
   rmc =  0.70
Tabla 6. Parámetros hipocentrales obtenidos para el sismo de Arequipa del 3 de Abril de 1999 utilizando los 4 grupos
de estaciones descritos en el texto y el algoritmo EPI.
GRUPO Tiempo origen Latitud Longitud Profundidad Magnitud
GRUPO 1 6h 17m 17.03s -16.60 -72.82 94 km. 6.2mb
GRUPO 2 6h 17m 17.28s -16.61 -72.82 92 km. 6.3mb
GRUPO 3 6h 17m 17.31s -16.61 -72.80 91 km. 6.3mb
GRUPO 4 6h 17m 17.49s -16.61 -72.80 90 km. 6.3mb
Trabajos de investigación. CNDG – Biblioteca
Instituto Geofísico del Perú. V. 2 (2001) p.95 - 108