Universidad Nacional de Ingeniería
Facultad de Ciencias
TESIS
Estudio de las capas E esporádicas tipo
Blanketing sobre el Radio Observatorio de
Jicamarca
Para obtener el título profesional
de Licenciado en Física
Elaborado por:
José Manuel Suclupe Osorio
Asesor:
PhD. Edgardo Enrique Pacheco Josán
Lima - Perú
2019
Estudio de las capas E esporádicas tipo
Blanketing sobre el Radio Observatorio de
Jicamarca
José Manuel Suclupe Osorio
Propuesto para obtener el título de Licenciado en Física
Resumen
Las capas E esporádicas (Es) son regiones de incremento de la densidad
de electrones observadas entre 90 y 130 km de altura y constituidas de iones
metálicos de origen meteórico, tienen diferentes mecanismos de formación de
acuerdo a la latitud donde se presentan. Las capas Es son de tipo blanketing
(Esb) cuando pueden bloquear parcial o totalmente las ondas de radio en las
frecuencias transmitidas por las ionosondas para el sondeo de la ionósfera
superior (entre 1.0 MHz y 14.0 MHz). Estas capas suelen aparecer durante
15 – 45 minutos y sus mecanismos físicos de formación en regiones cercanas
al ecuador magnético aún siguen siendo objeto de estudio. Las capas Esb
pueden influir en las comunicaciones vía señales de alta frecuencia o HF (High
Frequency).
Uno de los principales retos para el estudio estadístico de las capas E
esporádicas tipo blanketing (Esb) en estaciones ecuatoriales es la forma de
identificarlos. Anteriormente estos han sido identificados únicamente de forma
visual a partir de los ionogramas, probablemente porque el software disponible
de escalado automático no consigue identificar adecuadamente los eventos
i
de Esb. En esta tesis se ha utilizado técnicas de procesamiento de imágenes
y algoritmos de machine learning para la identificación automática de los
eventos Esb, consiguiendo un 89% de sensibilidad y un F1 - score de 80%.
En esta tesis se ha desarrollado el primer estudio estadístico de la ocu-
rrencia de las capas Esb sobre el Radio Observatorio de Jicamarca usando
ionogramas de la Digital Portable Sounder (DPS) – 4 registrados entre 2001
y 2018. Se ha encontrado que estas capas Esb ocurren principalmente en los
meses del solsticio de Diciembre sobre todo en años de mínima actividad
solar. Además presentan mayor ocurrencia en años de mínima actividad solar
respecto a años de máxima actividad solar. Estas capas ocurren principal-
mente entre las 0700 y las 2000 horas LT con un pico principal alrededor
de las 1600 LT y un segundo pico alrededor de las 0800-0900 LT. Se ha
propuesto un nuevo criterio para identificar las capas Esb teniendo en cuenta
la tendencia normal de la frecuencia mínima de la capa F de la ionósfera
debido principalmente a la absorción de la región D (región entre 50 y 80 km
de altura). Además se ha realizado comparaciones de eventos Esb registrados
por la digisonda DPS-4 y por la ionosonda VIPIR. Adicionalmente se ha
obtenido el MH entre los magnetómetros de Jicamarca y Piura para medir
la intensidad del electrochorro ecuatorial y contra electrochorro ecuatorial
y su comportamiento en los tiempos donde ocurren capas Esb. Finalmente
discutimos las posibles condiciones que favorecen la formación de las capas
Esb.
ii

A mi madre María...
Agradecimientos
Agradezco al Instituto Geofísico del Perú por darme las facilidades para
realizar esta tesis, a todo el personal del Radio Observatorio de Jicamarca por
la ayuda brindada en todo este tiempo. A mi asesor el Dr. Edgardo Pacheco
por las constantes sugerencias, al Msc. Percy Cóndor, al ingeniero Fernando
Villanueva, al Msc. Luis Condori y al Dr. Marco Milla por sus acertados
comentarios.
v

Índice general
Resumen i
Dedicatoria iv
Agradecimientos v
1. Introducción 2
1.1. Marco teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1. Electrochorro ecuatorial . . . . . . . . . . . . . . . . . 4
1.1.2. El ciclo solar, las manchas solares y el índice F10.7 . . 10
1.1.3. Días calmados y disturbados . . . . . . . . . . . . . . . 12
1.2. Planteamiento del problema . . . . . . . . . . . . . . . . . . . 14
1.2.1. Descripción y análisis del tema . . . . . . . . . . . . . 14
1.2.2. Problema . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3. Objetivos y alcance de la investigación . . . . . . . . . . . . . 18
1.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.2. Alcance . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4. Importancia y justificación de la investigación . . . . . . . . . 19
2. Desarrollo del software de identificación automática de capas
E esporádicas Blanketing 21
2.1. Generación y obtención de los datos . . . . . . . . . . . . . . . 21
2.1.1. Ionosonda . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.2. Digisonde Portable Sounder - 4 (DPS-4) . . . . . . . . 22
2.1.3. Ionosonda VIPIR . . . . . . . . . . . . . . . . . . . . . 24
2.1.4. Ionogramas . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.5. Parámetros de interés de las capas E esporádicas Blan-
keting: h’Es, fbEs y foEs . . . . . . . . . . . . . . . . . 26
2.2. Elección de métodos y algoritmos de procesamiento . . . . . . 31
2.3. Métodos y algoritmos . . . . . . . . . . . . . . . . . . . . . . . 33
2.3.1. Fuzzy C Means . . . . . . . . . . . . . . . . . . . . . . 35
vii
2.3.2. Análisis de Componentes Principales . . . . . . . . . . 39
2.3.3. Bosques aleatorios . . . . . . . . . . . . . . . . . . . . 40
2.3.4. Implementación de rutina para eliminar múltiplos de
las capas Es (nEs) y el primer múltiplo de la capa F (1F) 46
2.3.5. Caracterización de la región F . . . . . . . . . . . . . . 57
2.3.6. Modelo de rotores . . . . . . . . . . . . . . . . . . . . . 71
2.4. Evaluación y eficiencia del software . . . . . . . . . . . . . . . 87
3. Estadística de la ocurrencia de las capas E esporádicas Blan-
keting 89
3.1. Datos entre 2001 y 2018 de la digisonda DPS-4 . . . . . . . . 89
3.1.1. Variabilidad respecto a días y horas del día . . . . . . . 89
3.1.2. Variabilidad respecto a estaciones del año . . . . . . . 94
3.1.3. Variabilidad con el ciclo solar . . . . . . . . . . . . . . 97
3.1.4. Variabilidad en días calmados y disturbados . . . . . . 99
3.1.5. Parámetros h’Es, fbEs y foEs . . . . . . . . . . . . . . 99
3.2. Comparación con ionogramas de la ionosonda VIPIR . . . . . 102
3.3. Magnetogramas . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.3.1. En la ocurrencia de los eventos Esb . . . . . . . . . . . 105
3.3.2. En los días de no ocurrencia de los eventos Esb . . . . 110
4. Análisis de los resultados estadísticos 112
4.1. Comparación de resultados . . . . . . . . . . . . . . . . . . . . 112
4.2. Posibles condiciones que favorecen la aparición de las capas Esb114
5. Conclusiones y trabajos futuros 117
5.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
5.2. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . 119
Bibliografía 163
viii
Índice de figuras
1.1. Perfiles de densidad de neutros, obtenidos con el modelo MSIS-
E 90 y perfil de densidad de electrones para las 00:00 horas
LT y las 12:00 horas LT obtenidos con el modelo IRI, para el
Radio Observatorio de Jicamarca para el día 15 de enero del
2015. Fuente: Modificado de Reyes [1]. . . . . . . . . . . . . . 3
1.2. Perfiles verticales típicos diurnos de las conductividades de Hall
(σH), Pedersen (σP ) y paralelas (σo) de la ionosfera. Las con-
ductividades de Hall (σH) y Pedersen (σP ) están multiplicadas
por un factor de 104. Fuente: Shume [6]. . . . . . . . . . . . . 5
1.3. Direcciones asumidas para las coordenadas cartesianas y cam-
pos eléctrico y magnético en el modelo simple del electrochorro
ecuatorial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Modelo laminar del electrochorro ecuatorial. En la izquierda se
representa el perfil de densidad de corriente JX generado por
el campo principal ~E0 y el campo de polarización ~EP . Fuente:
Modificado de Muralikrishna y Kulkarni [11]. . . . . . . . . . . 8
1.5. Modelo de electrochorro ecuatorial y efecto de partículas de
polvo cargadas. En la izquierda se representa el perfil de densi-
dad de corriente JX alterado debido al campo de polarización
~E ′P que ha sido generado debido a la presencia de las partícu-
las de polvo meteórico. Fuente: Modificado de Muralikrishna
y Kulkarni [11]. . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6. Serie de tiempo de número de manchas solares e índice F10.7
promediado para cada día, entre 1993 y 2018. . . . . . . . . . 12
1.7. Observatorios Kp. Fuente: http://isgi.unistra.fr/indices_
kp.php. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.8. Capas E esporádicas blanketing y no blanketing . . . . . . . . 15
1.9. Serie de ionogramas registrados cada 15 minutos el 11/01/2007
a partir de las 21:30:00 horas UT. A las 21:45, 22:00 y 22:15 se
observa la presencia de Es blanketing. . . . . . . . . . . . . . 16
ix
2.1. Sistema digisonda DPS-4 del ROJ. a) El sistema DSP-4, donde
están, entrada (teclado), salida (pantalla) del programa, el
generador de pulsos, transmisor y el receptor; b) Una de las
cuatro antenas receptoras; y c) antena transmisora. . . . . . . 22
2.2. Esquema de la ubicación y geometría de la antena de trans-
misión y el arreglo de antenas de recepción de la digisonda
DPS-4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3. Orientación del arreglo de antenas receptoras de la digisonda
DPS-4. Fuente: http://jro.igp.gob.pe/digisonde/dps4text.
htm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4. Antena transmisora log-periodic de banda ancha (arriba) y
antena receptora, arreglo de 8 dipolos de la ionosonda VIPIR
(abajo). Fuente: Reyes [1]. . . . . . . . . . . . . . . . . . . . . 25
2.5. Ionograma típico en horas del día sobre el ROJ, registrado
con la DPS-4 el 04/02/2008 a las 17:15:00 UT. Fuente: http:
//digisonde.igp.gob.pe/. . . . . . . . . . . . . . . . . . . . 26
2.6. Ionograma típico en horas de las noches del ROJ en presencia
de F dispersa, registrado con la DPS-4 el 04/02/2008 a las
05:00:00 UT. Fuente: http://digisonde.igp.gob.pe/. . . . . 27
2.7. Parámetros de las capas Es a ser escaladas. Fuente: Modificado
de Piggott y Rawer [36]. . . . . . . . . . . . . . . . . . . . . . 28
2.8. Esquema de una posible configuración de un archivo .GRM
con bloques en formato .RSF. Los asteriscos indican que dichos
tamaños pueden variar dependiendo de los parámetros que
contiene el Header y el Prelude. . . . . . . . . . . . . . . . . . 29
2.9. Visualización de ionograma sin procesar y no umbralizado del
día 23 de Julio del 2006 registrado a las 00:05:00.000 horas
UTC usando el script grm2txt.py. Solo se visualizan los ecos
de la onda ordinaria . . . . . . . . . . . . . . . . . . . . . . . 29
2.10. Visualización de ionograma sin procesar y umbralizado del día
23 de Julio del 2006 registrado a las 00:05:00.000 horas UTC
usando el programa SAO-XPLORER. Solo se visualizan los
ecos de la onda ordinaria de incidencia vertical. . . . . . . . . 30
2.11. Número de días con ionogramas disponibles de la DPS-4. . . . 32
2.12. Esquema del algoritmo de identificación de las capas Esb. . . . 34
2.13. Segmentación Fuzzy C Means aplicado a la región E de un
ionograma registrado el 16/02/2008 a las 20:00 horas UT con 5
clusters. En el segundo cluster se obtiene los ecos de la capa Esb. 37
2.14. Imagen Base de 84 subimágenes (Regiones E de ionogramas)
del día 16/02/2008 desde las 00:00 hasta las 20:45 horas. . . . 38
x
2.15. Segmentación en 5 cluster de la Imagen Base aplicando Fuzzy
C Means. En el cluster 1 de la imagen base se ha obtenido los
ecos de la capa Es de una de las subimágenes. . . . . . . . . . 39
2.16. Análisis de Componentes Principales para cada cluster. Vec-
tores propios son las componentes principales y los valores
propios miden el grado de dispersión en cada componente. . . 41
2.17. Esquema del algoritmo de Bosques Aleatorios de Clasificación.
Fuente: Modificado de https://cdn-images-1.medium.com/
max/1600/1*i0o8mjFfCn-uD79-F1Cqkw.png . . . . . . . . . . 42
2.18. Fichero PCA-Es_serieX.txt donde la columna Etiqueta Es
será 1 si se ha identificado una capa Es o será 0 si no, además
la columna foEs muestra el valor de la foEs estimado y h’Es
muestra la altura mínima (en km) de la capa Es en caso
estuviera presente. . . . . . . . . . . . . . . . . . . . . . . . . 45
2.19. Ionograma registrado 02/01/2008 a las 21:00 horas UT. a)
Umbralizado para cada frecuencia (Max-40dB), b) Filtro de
45 grados y c) Filtro de 135 grados. . . . . . . . . . . . . . . . 48
2.20. Esquema de la aplicación del filtro de 45 grados por ventanas
de ancho “D” píxeles con desplazamiento “d” píxeles. Este filtro
consiste en conservar el máximo valor en cada ventana. . . . . 49
2.21. Diagrama para buscar múltiplos nEs . . . . . . . . . . . . . . 50
2.22. Aplicación de b) filtro de 45 grados, c) eliminación del primer
múltiplo de la capa F (1F), d) Eliminación de todos los múlti-
plos de la capa Es (nEs) y e) Resultado de aplicar los filtros
anteriores a un evento de blanketing total. . . . . . . . . . . . 51
2.23. Aplicación de b) filtro de 45 grados, c) eliminación del primer
múltiplo de la capa F (1F), d) Eliminación de todos los múlti-
plos de la capa Es (nEs) y e) Resultado de aplicar los filtros
anteriores a un ionograma donde hay presencia de múltiplo de
la capa F. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.24. Características de la capa F: La capa F1 suele presentarse con
pendiente alta. . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.25. Características de la capa F: Si aparecen ecos del primer múl-
tiplo de la capa F (1F), entonces deberían aparecer los ecos de
la capa F para la misma frecuencia. . . . . . . . . . . . . . . . 55
2.26. Algoritmo de eliminación nEs. a) Filtro leakage y se resalta el
múltiplo 1F identificado. b) Filtro de 45 Y 135 grados. c) Elimi-
nación del primer múltiplo de la capa F (1F). d) Eliminación de
todos los múltiplos de la capa Es (nEs). e) Resultado de aplicar
los filtros anteriores a un ionograma donde hay presencia de
múltiplo de la capa F. . . . . . . . . . . . . . . . . . . . . . . 56
xi
2.27. Algoritmo de eliminación nEs. a) Filtro leakage y no hay presen-
cia del múltiplo 1F. b) Filtro de 45 y 135 grados. c) Eliminación
del primer múltiplo de la capa F (1F). d) Eliminación de todos
los múltiplos de la capa Es (nEs). e) Resultado de aplicar
los filtros anteriores a un ionograma donde hay presencia de
múltiplo de la capa Es. . . . . . . . . . . . . . . . . . . . . . . 57
2.28. Segmentación de la región F en 8 clusters en presencia de F
dispersa en los ionogramas. . . . . . . . . . . . . . . . . . . . . 58
2.29. Segmentación de la región F en 8 clusters en ausencia de F
dispersa en los ionogramas y donde hay una capa F bien definida. 59
2.30. Algoritmo para identificar la presencia de F dispersa en los
ionogramas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.31. Cálculo de parámetro pc3 de cada cada columna de cada cluster 62
2.32. Algoritmo para identificar si los ionogramas contienen F dis-
persa (info_Fregion=1), trazas de la capa F (info_Fregion=2)
o solo contienen ruido o ningún eco (info_Fregion=0). . . . . . 65
2.33. Fichero SpreadF.txt donde se caracteriza la región F.InfoFreg =
2: Si existe capa F, InfoFreg = 1: Si hay F dispersa, y
InfoFreg = 0: si no hay región F. . . . . . . . . . . . . . . . . 66
2.34. Caracterización de la región F desde el 2001 al 2006 usando el
algoritmo implementado. . . . . . . . . . . . . . . . . . . . . . 68
2.35. Caracterización de la región F desde el 2007 al 2012 usando el
algoritmo implementado. . . . . . . . . . . . . . . . . . . . . . 69
2.36. Caracterización de la región F desde el 2013 al 2018 usando el
algoritmo implementado. . . . . . . . . . . . . . . . . . . . . . 70
2.37. Rutinas del modelo de rotores. a) Bordes b) Histograma angular
c) Optimización de rotores d) Identificación de trazas. . . . . 72
2.38. Rutinas del modelo de rotores aplicado a la región F de un
ionograma para identificar las trazas de las capas F1 y F2. . . 73
2.39. Histograma angular. Modificado de Galkin [47]. . . . . . . . . 74
2.40. Esquema de Redes Neuronales Artificiales Feedback. Fuente
Galkin [47]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.41. Definición de los parámetros de los rotores 1. Modificado de
Galkin y cols. [42]. . . . . . . . . . . . . . . . . . . . . . . . . 76
2.42. Definición de los parámetros de los rotores 2. Modificado de
Galkin y cols. [42]. . . . . . . . . . . . . . . . . . . . . . . . . 77
2.43. Zonas de interacción de los rotores. Modificado de Galkin y
cols. [42]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.44. Fichero freq_min.txt. La última columna muestra el valor de
fminF, en caso no fuera posible encontrar la capa F, muestra nan 80
xii
2.45. Serie de tiempo de la frecuencia mínima de la capa F para 84
ionogramas consecutivos. Tendencia típica durante el día, para
el 29 de marzo del 2008. Los eventos cuyo fminF se aleje un
valor 0.5 MHz de la curva roja ajustada (círculo amarillo) son
los posibles eventos Esb . . . . . . . . . . . . . . . . . . . . . 83
2.46. Ejemplo de un estudio de una sola capa para una frecuencia en
un período de tres días. Los puntos azules representan las altu-
ras de los ecos seleccionados (eje vertical derecho); los puntos
negros representan la atenuación ionosférica, calculada des-
pués de restar la atenuación geométrica (eje vertical izquierdo).
Fuente: Gilli y cols. [49]. . . . . . . . . . . . . . . . . . . . . . 84
2.47. Ejemplo de la absorción media mensual en 2.3 MHz. Cada linea
representa las atenuaciones como en la figura 2.46 promediadas
a lo largo de un mes (solo para ecos entre 95 y 140 km). Fuente:
Gilli y cols. [49]. . . . . . . . . . . . . . . . . . . . . . . . . . 85
2.48. Comparación de la medición de la atenuación ionosférica de 2.3
MHz por la ionosonda AIS-INGV (de Gilli y cols. [49]) versus
la atenuación predicha que tiene en cuenta la absorción de la
onda ordinaria y extraordinaria. Los datos fueron registrados
el 03/09/2016 desde las 00:00 horas a las 17:00 horas UTC.
Los efectos de la atenuación geométrica han sido sustraídos de
la data empírica. Fuente: Fontell [52]. . . . . . . . . . . . . . 86
3.1. Ocurrencia Esb identificado entre 2001 y 2006. . . . . . . . . . 90
3.2. Ocurrencia Esb identificado entre 2007 y 2012. . . . . . . . . . 91
3.3. Ocurrencia Esb identificado entre 2013 y 2018. . . . . . . . . . 92
3.4. Distribución de ocurrencia de eventos Esb identificados en
función de la hora local entre 2001 y 2018. . . . . . . . . . . . 93
3.5. Distribución de ocurrencia de eventos Esb identificados en
función de días del año entre 2001 y 2018. . . . . . . . . . . . 94
3.6. Distribución de ocurrencia de ionogramas con Esb identificados
en función de alturas de las Esb identificado entre 2001 y 2018
en km. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.7. Días de ocurrencia de Esb por estaciones entre 2001 y 2018. . 96
3.8. Histograma de horas de ocurrencia de Esb por estaciones entre
2001 y 2018. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.9. Histograma de alturas de km de Esb por estaciones entre 2001
y 2018. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.10. Días de ocurrencia de Esb por año. . . . . . . . . . . . . . . . 98
3.11. Días calmados o disturbados con Esb por año, el eje de la
derecha muestra el porcentaje de data faltante. . . . . . . . . . 99
xiii
3.12. Porcentaje de días con Esb respecto a los días calmados. . . . 100
3.13. Porcentaje de días con Esb respecto a los días disturbados. . . 101
3.14. Diagrama de cajas de las frecuencias de blanketing por año. . 102
3.15. E esporádica blanketing en los ionogramas de VIPIR y la DPS-4.103
3.16. E esporádica blanketing en los ionogramas de la DPS-4 mas
no en VIPIR. . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.17. Magnetograma muestra el ∆H y los parámetros calculados alre-
dedor de 6 minutos antes y 6 minutos después de la ocurrencia
del Esb a las 20:30 horas UT el día 20/02/2008. . . . . . . . . 106
3.18. Histograma de los valores promedio de los ∆H por minuto en
un rango desde 6 minutos antes hasta 6 minutos después de
las ocurrencias de los Esb. . . . . . . . . . . . . . . . . . . . . 107
3.19. Histograma de las pendientes de los ∆H obtenida al ajustar
los valores de ∆H a una recta en un rango desde 6 minutos
antes hasta 6 minutos después de las ocurrencias de los Esb. . 107
3.20. Histograma de los errores cuadrático medio obtenidos a partir
de los valores reales y la recta ajustada para los valores de ∆H
en un rango desde 6 minutos antes hasta 6 minutos después de
las ocurrencias de los Esb. . . . . . . . . . . . . . . . . . . . . 108
3.21. Histograma de la razón entre el valor promedio de los ∆H
(en un rango de 6 minutos antes y después del registro de las
capas Esb) y el valor máximo (mínimo) de los valores de ∆H
si el promedio de los ∆H es positivo (negativo), este máximo
(mínimo) es tomado en un rango de 5 horas antes y después
del registro de la capas Esb. . . . . . . . . . . . . . . . . . . . 109
3.22. Tasa ∆H/∆Hmaximo vs ∆Hpromedio. . . . . . . . . . . . . 109
3.23. ∆H promedio vs pendiente de ∆H en un rango desde 6 minutos
antes hasta 6 minutos después de las ocurrencias de los Esb. . 110
3.24. ∆H promedio entre las 11 y las 13 horas (hora local) para días
calmados en los que no hubo ocurrencia de Esb para años de a)
Mínima actividad solar (2007, 2008, 2009. 2016, 2017 y 2018)
y b) Máxima actividad solar (2001, 2002, 2003, 2013 y 2014). . 111
4.1. Evento Esb de altura 160 km aparentemente generado a partir
de la parte baja de la capa F1 registrado el día 17/07/2007
que inicia a las 21:00 horas UT. . . . . . . . . . . . . . . . . . 116
4.2. Posibles condiciones que favorecen la formación de las capas Esb.116
5.1. Distribución global de las estaciones de las digisondas di-
señadas por el UMLCAR. Fuente: http://ulcar.uml.edu/
stationmap.html . . . . . . . . . . . . . . . . . . . . . . . . . 120
xiv
5.2. Imágen RTI (rango-tiempo-intensidad) del radar principal del
ROJ en modo JULIA - 150 km del dia 24 de noviembre del
2018, los dos eventos Esb registrados por la digisonda a las
11:15 y a las 13:00 horas LT se observan como capas delgadas
que duran alrededor de 15 minutos. Imagen proporcionada por
Iván Manay del Radio Observatorio de Jicamarca. . . . . . . . 120
xv

Capítulo 1
Introducción
La ionósfera es un gas parcialmente ionizado que envuelve la Tierra que
se extiende aproximadamente desde los 50 km a los 1000 km de altitud, es
decir es aquella región en donde los electrones libres y iones coexisten con
las moléculas y átomos neutros. De acuerdo a la concentración de electrones
libres la ionósfera puede ser dividida en la región D, región E y región F.
La figura 1.1, muestra la concentración de electrones libres como función de la
altura y se indican las diferentes capas (regiones D, E y F) de la ionósfera. En
esta figura Ne (Nn) indica el número de electrones (partículas neutras) por
metro cúbico. La ionización de la especie neutra en la atmósfera es causada
por la radiación solar, especialmente por los rayos X y la radiación ultravioleta,
que proporcionan la cantidad adecuada de energía a un electrón unido a un
átomo (o molécula) para hacer que escape de su pozo potencial y se obtenga
un electrón libre y un ión cargado positivamente [1].
Los electrones libres en la región D (región entre 50 y 80 km) existen solo
durante el día. Esta región se caracteriza por ser la región más absorbente de
las ondas de radio. En la región E (entre 80 y 150 km), la ionización varía
notablemente durante el día y la noche, y en el caso de la región F (150 a
1000 km), el pico de densidad de electrones varía aproximadamente en un
rango de 1011 y 1012 electrones por metro cúbico.
El Radio Observatorio de Jicamarca (ROJ), sede científica del Instituto
Geofísico del Perú, es la principal estación ecuatorial de la cadena de radio
observatorios de dispersión incoherente del hemisferio oeste, la más importante
en el mundo para el estudio de la ionosfera ecuatorial, cuyo radar principal
posee un arreglo de antenas de 18432 dipolos que cubre un área de 85 000
m2 y está compuesto de tres transmisores de 1.5 MW. En el ROJ se han
realizado estudios de distintos fenómenos ionosféricos, en la región E, se ha
venido estudiando por ejemplo el electrochorro ecuatorial (EEJ - Equatorial
Electrojet), que es una gran corriente de electrones que se genera a una altura
2
Figura 1.1: Perfiles de densidad de neutros, obtenidos con el modelo MSIS-E
90 y perfil de densidad de electrones para las 00:00 horas LT y las 12:00 horas
LT obtenidos con el modelo IRI, para el Radio Observatorio de Jicamarca
para el día 15 de enero del 2015. Fuente: Modificado de Reyes [1].
aproximada de 100 km a lo largo del ecuador magnético, sobre el Perú y otros
países, y está presente la mayor parte del día y la noche salvo en los periodos
llamados de reversión diurna y reversión nocturna [2]. Otro fenómeno que se
viene estudiando en la parte superior de la región E, son los Ecos de 150 km,
los cuales son ecos que se observan en horas del día en latitudes magnéticas
ecuatoriales confinados alrededor de 150 km, entre 140 km y 170 km [3].
Además en la región F, se realizan estudios de un fenómeno típico de las
noches en latitudes magnéticas ecuatoriales, llamado F dispersa que vienen a
ser irregularidades en el plasma de la región F [4].
3
1.1. Marco teórico
1.1.1. Electrochorro ecuatorial
El electrochorro ecuatorial es una corriente, que existe en la región E ecua-
torial magnética entre 95-120 km durante el día. Esta corriente transporta
principalmente electrones magnetizados (en presencia del campo magnético
de la Tierra) y fluye al este durante el día y se revierte durante la noche
con densidad de corriente menor debido al decrecimiento de la densidad de
electrones. Su extensión norte-sur es aproximadamente 600 kilómetros [5].
La dinámica de las corrientes eléctricas en la ionósfera es causada por
la interacción entre los diversos constituyentes del plasma y los campos de
fuerza: Campos eléctricos y geomagnéticos, el campo de viento de la atmósfera
neutra, el campo gravitatorio, los gradientes de presión de plasma, etc. Las
conductividades ionosféricas dependen de la dirección debido a la presencia
del campo geomagnético y, por lo tanto, la corriente ionosférica es anisotrópica.
La deducción para la expresión general del vector densidad de corriente se
encuentra en Shume [6] y Kelley [7]. Para la región E, podemos considerar que
las principales contribuciones al vector densidad de corriente vienen dadas
por:
~J = σP ( ~E⊥ + ~U × ~B) + σH b̂× ( ~E + ~U × ~B) + σo( ~E||) (1.1.1)
Los coeficientes, σP , σH y σo son las conductividades de Pedersen, Hall
y directa (o paralela), respectivamente. ~E representa el campo eléctrico. ~U
representa el vector velocidad del viento neutro, b̂ = ~B|B| , y los subíndices ⊥ y
|| denotan componentes del vector perpendicular y paralelo al campo geomag-
nético ~B. La figura 1.2 muestra los valores típicos de las conductividades en
el día. El primer, segundo y tercer término en la ecuación 1.1.1, son conocidos
como las corrientes de Pedersen, Hall, y directa (o paralela), respectivamente.
Ellos están en la dirección perpendicular al campo magnético, en la dirección
perpendicular al campo magnético y eléctrico, y paralelo al campo magnético
respectivamente.
Se está considerando un sistema de coordenadas, donde el eje X apunta
hacia el Este geomagnético, el eje Y hacia el norte geomagnético y el eje Z en
la dirección vertical apuntando hacia arriba.
Por simplicidad, no vamos a considerar los campos de vientos (~U). Además
para latitudes sobre el ecuador magnético tenemos que el campo geomagnético
4
Figura 1.2: Perfiles verticales típicos diurnos de las conductividades de Hall
(σH), Pedersen (σP ) y paralelas (σo) de la ionosfera. Las conductividades de
Hall (σH) y Pedersen (σP ) están multiplicadas por un factor de 104. Fuente:
Shume [6].
5
Figura 1.3: Direcciones asumidas para las coordenadas cartesianas y campos
eléctrico y magnético en el modelo simple del electrochorro ecuatorial.
se caracteriza por ser casi completamente horizontal, entonces podemos
considerar que ~B está en la dirección +Y. Además siempre que el campo
eléctrico sea perpendicular al campo geomagnético podemos escribir ~E⊥ = ~E
y ~E|| = ~0 (ver figura 1.3). Entonces para estas condiciones se obtiene la
siguiente expresión para el vector densidad de corriente:
~J = σP ~E︸︷︷︸
~JPedersen
+ σH b̂× ~E︸ ︷︷ ︸
~JHall
(1.1.2)
Durante horas del día, para un día calmado, el campo eléctrico primario
~E0 está en la dirección +X (ver figura 1.4) e impulsa los electrones libres en la
dirección −X y los iones positivos en la dirección +X causando una corriente
neta de Pedersen de σPE0 en la dirección +X (ver ecuación 1.1.2). ~E0 además
causa una deriva de Hall hacia arriba de electrones e iones en la dirección
+Z. Esta deriva se produce debido a que una partícula cargada en un campo
magnético ~B y eléctrico ~E, con ~E y ~B perpendiculares se moverá con una
velocidad de deriva en la dirección ~E× ~B [8]. En la región del electrochorro la
movilidad de Hall de electrones es mucho mayor que de los iones positivos [9],
por lo que los electrones se moverán mucho más rápido que los iones. Esta
diferencia en las movilidades de los electrones e iones (debido a la diferencia
de masa y otros factores) es responsable que el efecto neto sea producir una
corriente neta de Hall de σHE0 en la dirección −Z (ver ecuación 1.1.2). Como
una simple aproximación para la dinámica de la región E, el modelo laminar
asume que no hay densidad de corriente en el eje vertical, es decir Jz = 0,
produciendo la inhibición de corriente en el eje vertical tal como se discute en
[7, 10]. La inhibición de esta corriente vertical, resulta en la acumulación de
electrones en la parte superior del bloque de espesor finito e iones positivos en
la parte inferior, generando así un campo de polarización ~EP en la dirección
6
+Z. Este campo eléctrico de polarización ~EP genera una corriente de Pedersen
(σPEP ) en la dirección +Z y una corriente de Hall σHEP en la dirección +X
(ver ecuación 1.1.2).
Una forma simplificada de ver las corrientes del electrochorro es que la
corriente de Pedersen debido al campo de polarización ~EP en la dirección +Z
es anulada por la corriente de Hall debido a ~E0 en la dirección −Z, dando la
relación [11]:
σPEP − σHE0 = 0, (1.1.3)
EP =
σH
σP
E0. (1.1.4)
La corriente neta en la dirección +X es la resultante de la corriente de
Pedersen causada por ~E0 y la corriente de Hall causada por ~EP (ver figura
1.4). Esta corriente se representa en la parte izquierda de la figura 1.4 y puede
ser escrita como:
JX = σPE0 + σHEP . (1.1.5)
Sustituyendo para EP de la ecuación 1.1.4, se tiene:
JX =
[
σP +
σ2H
σP
]
E0, (1.1.6)
JX = σCE0, (1.1.7)
donde,
σC =
[
σP +
σ2H
σP
]
, (1.1.8)
σC es la conductividad de Cowling.
Influencia de las partículas de polvo meteórico en el EEJ - modelo
de Muralikrishna y Kulkarni [11]
Muralikrishna y Kulkarni [11, 12] reportaron el efecto de las partículas
de polvo de origen meteórico compuestas de iones metálicos (como Fe+,
Mg+ y Ca+) que terminan capturando electrones del ambiente de plasma,
quedándose finalmente cargadas negativamente, reduciendo el número de
densidad de electrones. Las conductividades de Pedersen y Hall en la región
del electrochorro son principalmente debido a los electrones, ya que estos
7
Figura 1.4: Modelo laminar del electrochorro ecuatorial. En la izquierda se
representa el perfil de densidad de corriente JX generado por el campo principal
~E0 y el campo de polarización ~EP . Fuente: Modificado de Muralikrishna
y Kulkarni [11].
tienen mucha mayor movilidad comparada con los iones positivos en esta
región. Cualquier variación en la densidad de electrones debido a las partículas
de polvo cargadas, por lo tanto afectarán la conductividad. Debe notarse que
las partículas de polvo tienen masas en el rango de 50 000 - 150 000 uma y
por lo tanto son mucho más pesadas que los iones positivos. El valor de su
movilidad en la región del electrochorro puede ser asumida prácticamente
cero. Si ellos existen en gran número del orden de 104 por centímetro cúbico,
ellos pueden afectar la corriente de Hall, especialmente en la región debajo del
pico del electrochorro donde la densidad de electrones son del orden de 104.
Durante los días de lluvias de meteoros, se pueden esperar partículas de polvo
de un amplio espectro de tamaños que van desde unos pocos nanómetros
hasta unos pocos micrómetros o incluso más en cantidades suficientes para
atraer todos los electrones en la región de altura por debajo del pico del
electrochorro. Esto puede causar una reducción o incluso revertir la corriente
normal del electrochorro en las alturas de esta región, a este fenómeno se le
llama contraelectrochorro ecuatorial. Si esto resulta en la reversión del campo
de polarización de Hall vertical en la región de la capa de polvo, incluso
podría esperarse que las corrientes invertidas sean lo suficientemente grande
como para causar el fenómeno de contraelectrochorro como se identifica en
los magnetogramas.
En las alturas de la región sobre el pico del electrochorro, donde las par-
tículas de polvo están prácticamente ausentes, el campo de polarización ~Ep
aumenta la corriente del electrochorro como se explica a través de las ecuacio-
nes (1.1.6) - (1.1.7). En esta región, la deriva de Hall tanto de los electrones
8
libres como de los iones positivos está en la dirección ~EP × ~B (dirección -X),
y debido a que la deriva de Hall de los electrones es mucho mayor que la
de los iones, esto causa una corriente neta de Hall en la dirección − ~EP × ~B
(dirección +X). Pero en la región debajo del pico del electrochorro, donde las
partículas de polvo cargadas eliminan una gran cantidad de electrones libres
del plasma ambiental, la figura es diferente. Si bien la densidad de corriente
neta se debe a las derivas de Pedersen y Hall de los electrones y los iones
positivos, la densidad de números de electrones e iones positivos no son iguales
en esta región. Las contribuciones relativas de electrones e iones positivos
a esta corriente neta depende mucho de la densidad de número relativa. La
adquisición de electrones por las partículas de polvo depende de su densidad
numérica y distribución de tamaño. En el caso extremo, cuando todos los
electrones libres están unidos a las partículas de polvo, la corriente de Hall
neta está determinada por la deriva de Hall de los iones positivos y estará
en la dirección -X, opuesta a la corriente del electrochorro normal. Aunque
esto representa una fracción pequeña de la corriente total de Hall, su efecto
es reducir la corriente normal en la región inferior del electrochorro o incluso
causar que se revierta.
La figura 1.5 muestra como la presencia de una capa delgada de polvo puede
alterar el perfil vertical del campo de polarización de Hall. Bajo condiciones
normales de electrochorro (en ausencia del efecto de la capa de polvo) el campo
primario ~E0 conduce a una deriva de Hall vertical ~E0 × ~B. Los electrones
con movilidad alta se mueven más rápido y se acumulan en la parte superior
del límite del electrochorro, mientras que los iones positivos permanecen más
cerca del límite inferior, lo que provoca el desarrollo del campo de polarización
de Hall ~EP dirigido hacia arriba (ver figura 1.5). La presencia de una capa de
polvo con partículas de polvo cargadas que son mucho más pesadas que los
electrones e iones positivos afecta el desarrollo de ~EP y causa una distorsión
en este campo como se muestra en la figura 1.5. Las cargas negativas en la
capa de polvo, siendo muy pesados en comparación con los electrones libres
no participan en la deriva de Hall vertical hacia arriba ~E0× ~B de electrones e
iones causa por el campo eléctrico primario ~E0. Los electrones libres así como
los iones positivos se mueven hacia arriba más rápido que las partículas de
polvo cargadas negativamente, creando la acumulación de cargas positivas en
el límite superior de la capa de polvo y las cargas negativas (de las partículas
de polvo) en el límite inferior. El campo de polarización dentro de la capa
de polvo ~E ′p se dirige hacia abajo. Esto produce una distorsión en el campo
de polarización vertical normal ~Ep que incluso puede dar como resultado la
inversión de este campo por debajo del pico del electrochorro, y por tanto
9
Figura 1.5: Modelo de electrochorro ecuatorial y efecto de partículas de polvo
cargadas. En la izquierda se representa el perfil de densidad de corriente JX
alterado debido al campo de polarización ~E ′P que ha sido generado debido
a la presencia de las partículas de polvo meteórico. Fuente: Modificado de
Muralikrishna y Kulkarni [11].
la inversión de las corrientes del electrochorro en esta región. Por lo tanto,
considerando el efecto de las partículas de polvo cargadas en las corrientes
del electrochorro, uno puede tener las siguientes situaciones diferentes.
La cantidad de partículas de polvo cargadas es despreciablemente pe-
queña. Esto deja inalterado el perfil vertical de las corrientes del elec-
trochorro y se tiene la situación del electrochorro normal.
El número de partículas de polvo cargadas es considerable, especialmente
en la región de altura debajo del pico del electrochorro. Incluso si se
supone que esta capa de polvo cargado no afecta el campo de polarización
de Hall Vertical, puede reducir las corrientes de Hall debidas a los
electrones en esta región, reduciendo la corriente del electrochorro en la
dirección +X.
El número de partículas de polvo cargadas es significativamente alto
en la región debajo del pico del electrochorro y puede distorsionar el
perfil de altura del campo de polarización vertical, produciendo regiones
donde el campo de polarización vertical esté invertida, lo que provoca
una inversión en la corriente normal del electrochorro en estas regiones.
Esto puede resultar en el flujo de un contra electrochorro parcial o total.
1.1.2. El ciclo solar, las manchas solares y el índice F10.7
El Sol es la principal fuente de radiación electromagnética y responsable
de la ionización del gas neutro de nuestra atmósfera terrestre. Este emite
10
radiación en una amplia región del espectro electromagnético, además de
plasma y partículas energéticas [13].
El Sol tiene un periodo de rotación de aproximadamente 27 días, pero
debido a que la superficie del Sol no es sólida hay una rotación diferencial entre
el ecuador (25 días) y los polos (31 días). Esta rotación y la convección del
plasma actúan para producir intensas corrientes eléctricas y campos magnéti-
cos vía acción del dínamo. Sin embargo, los campos magnéticos que se generan
muestran una variación temporal distinta. Específicamente, hay un aumento
y disminución general de la actividad magnética que sigue un ciclo total de
22 años (2 ciclos de 11 años), que coincide con el cambio en la polaridad de
los polos magnéticos del Sol. Es decir, que la polaridad del Sol cambia paula-
tinamente, tal que cada 11 años ocurre una inversión en sus polos magnéticos.
Una de las principales manifestaciones de la actividad magnética solar es
la aparición de manchas solares que son regiones oscuras en un Sol activo.
Se sabe que la cantidad de manchas solares varía con este ciclo de 11 años [14].
El espectro de radiación presenta un máximo absoluto en el visible, para
luego decaer en longitudes de onda más largas (infrarrojo y radio) y más
cortas (ultravioleta y rayos X). Las emisiones en longitudes de radio, rayos X y
ultravioleta lejano muestran importantes fluctuaciones que dependen del nivel
de actividad solar. El número de manchas solares es un indicador del nivel de
actividad solar. Estas manchas solares son regiones frías del Sol que emiten
una cantidad de radiación significativamente menor a la de sus alrededores,
por lo que se observan como regiones oscuras en comparación con el resto
de la superficie visible del Sol. En épocas de alta actividad solar se observa
mayor número de manchas en comparación a épocas de baja actividad solar
[13].
El índice F10.7 mide el grado de actividad solar mediante el flujo de
emisiones de radio en la banda 10.7 cm. Dicho índice muestra una fuerte
correlación empírica con el número de manchas solares y sirve como medida
de la potencia de emisión solar media en el ultravioleta y en rayos X [13].
Diversos parámetros de la variabilidad solar se pueden descargar de
https://omniweb.gsfc.nasa.gov/form/dx1.html. La figura 1.6 muestra
una serie de tiempo de promedio diario del índice F10.7 y del número de
manchas solares entre los años 1993 y 2018 descargados de esta web. Se
observa la alta correlación entre ambos parámetros.
11
Figura 1.6: Serie de tiempo de número de manchas solares e índice F10.7
promediado para cada día, entre 1993 y 2018.
1.1.3. Días calmados y disturbados
Los índices geomagnéticos se suelen usar para cuantificar cómo responde
la Tierra a un tipo dado de estructura de viento solar; un índice comúnmente
usado es el índice Kp, que es calculado usando mediciones de la componente
horizontal del campo magnético de 13 estaciones terrenas de magnetómetros
subaurorales [15].
El índice Kp, el cual es un índice planetario o global, es derivado del índice
K, el cual es un índice local, de cada una de las 13 estaciones. La distribución
de estos observatorios se muestra en la figura 1.7.
El índice K, fue introducido por Bartels y cols. [16], es un índice diseñado
para cuantificar el nivel de perturbación causado por la influencia del viento
solar sobre un punto de la superficie terrestre. Este índice es derivado a partir
de mediciones de las componentes horizontales del campo magnético de cada
observatorio, tiene un valor entero entre 0 y 9, se caracteriza por ser obtenido
en intervalos de 3 horas y por tener una escala cuasi-logarítmica que depende
del observatorio. Los indices K se miden y calculan para cada observatorio en
particular, teniendo en cuenta datos característicos del observatorio como su
12
Figura 1.7: Observatorios Kp. Fuente: http://isgi.unistra.fr/indices_
kp.php.
posición geográfica y tipo de instrumento usado para su medición.
El índice Kp se obtiene a partir del índice K y fue introducido por Bartels
[17], igualmente a K, es un dígito que va de 0 a 9 con una subdivisión en tercios
(0, 0+, 1–, 1, 1+, 2–, 2, 2+, ...) para cada intervalo de 3 horas que comienza
a la media noche, UT. Bartels reconoció que los índices K de diferentes obser-
vatorios tenían que ser estandarizados (Ks) antes de que pudieran combinarse
en un índice planetario. Bartels realizó las correcciones latitudinales y de
tiempo local/estacional a través de unas tablas de conversión para determinar
así el índice Ks estandarizado para cada uno de los 13 observatorios. El
índice Kp nos brinda información sobre la actividad magnética global y se
calcula a partir del promedio de los Ks para los observatorios seleccionados [18].
La serie de tiempo Kp por hora ha sido descargado de https://omniweb.
gsfc.nasa.gov/form/dx1.html. En esta base de datos se muestra la siguien-
te variación en el formato de los valores del Kp estándar los cuales aparecen
como: 0, 0+, 1-, 1, 1+, 2-, 2, 2+, 3-, 3, 3+,4... en esta base de datos son
13
mapeados como: 0.0, 0.3, 0.7, 1.0, 1.3, 1.7, 2.0, 2.3, 2.7, 3.0, 3.3, 3.7, 4.0,...
Se debe notar que en la escala estándar 0 corresponde a 0.0 en la escala de
omniweb, que 0+ en la escala estándar corresponde a 0.3 en la escala omniweb,
que 1- en la escala estándar corresponde a 0.7 en la escala omniweb, que 1
en la escala estándar corresponde a 1.0 en la escala omniweb, que 1+ en la
escala estándar corresponde a 1.3 en la escala omniweb, y así suceviamente.
En nuestro caso vamos a considerar los días con
∑
Kp > 24 como días
disturbados, y el resto como días calmados, igual que en Yadav y cols. [19].
1.2. Planteamiento del problema
1.2.1. Descripción y análisis del tema
De las distintas definiciones que existen para las capas E esporádicas (Es),
vemos conveniente usar la definición general dada por Resende y cols. [20].
Ellos las definen como regiones de incremento de la densidad de electrones,
observadas entre 90 y 130 km de altura y constituidas de iones metálicos
como Mg+, Si+, Fe+, Ca+ ,Na+, tienen diferentes mecanismos de formación
de acuerdo a la región del globo donde son detectados (latitudes ecuatoriales,
bajas/medias y auroral).
Las capas E esporádicas son de tipo blanketing (Esb) cuando pueden blo-
quear parcial o totalmente las ondas de radio en las frecuencias transmitidas
por las ionosondas para el sondeo de la ionósfera superior (entre 1.0 MHz y
14.0 MHz). La figura 1.8 muestra un esquema de las capas E esporádicas y
su clasificación de blanketing y no blanketing. Se puede observar que en el
caso blanketing ocurre una reflexión total en una zona de la región E por lo
que a ciertas frecuencias no se puede sondear la región F.
La figura 1.9 muestra una serie de cinco ionogramas registrados en el Radio
Observatorio de Jicamarca (ROJ) por la digisonda DPS-4 cada 15 minutos el
día 11 de enero del 2007 a partir de las 21:30:00 UT. Cada ionograma es una
matriz cuyo eje horizontal indica la frecuencia de la onda transmitida por la
ionosonda y el eje vertical muestra la altura virtual, es decir la distancia que
recorrería la onda electromagnética en regresar como un eco asumiendo que
la onda viaja a la velocidad de la luz en la ionósfera. El valor almacenado en
cada posición de la matriz es la amplitud de la señal recibida expresada en
escala de colores.
14
Figura 1.8: Capas E esporádicas blanketing y no blanketing
En la figura 1.9 podemos notar la aparición de las capas Esb en la serie
de ionogramas. A las 21:30:00 horas no hay presencia de Esb y la capa F es
observada entre 200 y 500 km, a las 21:45:00 horas se observa la repentina
aparición de una capa Esb la cual oculta parcialmente la capa F, a las 22:00:00
horas permanece la capa Esb, a las 22:15:00 empieza a desvanecerse y a las
22:30:00 horas la capa Esb desaparece y la traza de la capa F vuelve a aparecer.
En cuanto a los mecanismos de formación de las capas Es, la teoría de
Cizalladura Vertical de Vientos (Vertical Windshear) es la más aceptada para
explicar la formación de las capas Es en latitudes medias y bajas, sin em-
bargo esta teoría no explica su formación en latitudes ecuatoriales (latitudes
cercanas al ecuador magnético) donde el campo magnético es principalmente
horizontal [21]. Por lo tanto, esta teoría no explicaría la presencia de Esb sobre
el Radio Observatorio de Jicamarca (latitud 11.95o Sur, longitud 76.87o Oeste
y v 1o dip latitude). En la región ecuatorial los mecanismos de convergencia
de iones para la formación de las capas Esb aún debe ser ampliamente ex-
plorado [22] y se necesitan mayores esfuerzos para un mejor entendimiento [19].
Debe aclararse que históricamente se ha llamado E esporádica ecuatorial
(Esq) a los ecos provenientes de una región de dispersión anómala en la
Región E que se registran en los ionogramas en estaciones ecuatoriales y se
caracterizan por ser no blanketing, estos eventos están relacionados con el
Electrochorro Ecuatorial (EEJ) y han sido bien explicados por las inestabi-
lidades del EEJ [23]. En esta tesis, estudiaremos aquellas capas Es de tipo
blanketing que ocurren muy cerca al ecuador magnético (como es el caso del
ROJ) y cuyos mecanismos físicos de formación aún siguen siendo objeto de
15
Figura 1.9: Serie de ionogramas registrados cada 15 minutos el 11/01/2007
a partir de las 21:30:00 horas UT. A las 21:45, 22:00 y 22:15 se observa la
presencia de Es blanketing.
16
estudio.
La mayoría de estudios estadísticos sobre las capas E esporádicas blanke-
ting ecuatoriales son de hace más de 40 años y/o abarcan eventos particulares
o cortos periodos de tiempo por ejemplo los estudios realizados por Reddy
y Devasia [24], Devasia [25] y Chandra y Rastogi [26] en la India o por
Oyinloye [27] en Nigeria, así como por Oyinloye [28] en Perú, excepto los
estudios recientes de Yadav y cols. [19, 29]. Estos últimos realizaron un estudio
estadístico de la ocurrencia de las capas Esb identificadas visualmente en
ionogramas registrados entre 1996 y 2006 sobre la estación de Trivandrum en
la India con dip latitude de 0.5 grados Norte. No se ha realizado anteriormente
un estudio estadístico de la ocurrencia de las capas Esb sobre el ROJ.
Uno de los principales retos para el estudio estadístico de las capas Esb en
estaciones ecuatoriales es la forma de identificarlos, anteriormente y hasta
la actualidad estos han sido identificados de forma visual y no de forma
automática probablemente porque el software disponible de escalado automá-
tico no consiguen identificar adecuadamente los eventos de Esb en estaciones
ecuatoriales debido a la presencia de los ecos del Electrochorro Ecuatorial
durante el día, lo que genera una gran cantidad de falsos positivos en los pro-
gramas que se utilizan para el escalado automático de los ionogramas, como
el SAO-XPLORER cuyo algoritmo de escalado automático es el ARTIST [30].
El escalado se refiere a la identificación de las distintas trazas de las capas E,
Es, F1 y F2 a partir de la cual se identifican los parámetros de interés. En
esta tesis se ha desarrollado un algoritmo y se ha implementado un software
para la identificación automática de eventos Esb usando técnicas y métodos
de procesamiento de imágenes y machine learning o aprendizaje de máquina.
Varios autores han encontrado características o condiciones que se presen-
tan en la ocurrencia de las capas E esporádicas blanketing cerca al ecuador
magnético pero en longitudes diferentes a las del ROJ, como la dependencia
con el nivel de actividad solar, las estaciones del año, tiempo local, contraelec-
trochorro ecuatorial [19, 26, 28, 29, 31]. Debido a que en Jicamarca no se ha
realizado anteriormente un estudio estadístico de la ocurrencia de las capas
Esb, resulta interesante encontrar las condiciones que favorecen su aparición
en el ROJ y compararlas con estudios de otros observatorios ecuatoriales. En
la presente tesis se obtendrá una estadística de la ocurrencia de las capas Esb
sobre el ROJ a fin de poder encontrar las características y condiciones en las
que se presentan.
Respecto a la data disponible para realizar este estudio, la digisonda
DPS-4 del ROJ está registrando ionogramas por lo general cada 15 minutos
17
desde el año 1993, por lo que se tienen registros de al menos dos ciclos solares
entre 1993 y 2018. Además se tienen ionogramas registrados por la ionosonda
VIPIR a partir del año 2008 este último nos permitirá hacer una comparación
de las capas Esb en ionogramas provenientes de ambas ionosondas. Toda esta
data disponible permitirá que las conclusiones sean representativas.
1.2.2. Problema
Lo que se pretende analizar y responder es la siguiente interrogante: ¿Cuá-
les son las características de la ocurrencia de eventos Esb sobre el ROJ y qué
condiciones favorecen la formación de las capas Esb? .
1.3. Objetivos y alcance de la investigación
1.3.1. Objetivos
Objetivo general
El objetivo general es estudiar la ocurrencia de las capas E esporádicas
blanketing en la región ecuatorial sobre el Radio Observatorio de Jicamarca, a
partir de ahí poder identificar posibles condiciones que favorecen su formación.
Objetivos específicos
Realizar una estadística de las capas Esb, su ocurrencia y sus parámetros
con ionogramas disponibles registrados desde 2001 al 2018 en el ROJ.
Realizar un algoritmo e implementar un software de identificación
automática de las capas Es blanketing ecuatoriales utilizando métodos
de procesamiento de imágenes y aprendizaje de máquina.
Caracterizar las capas Esb sobre el ROJ, estudiar su variabilidad con el
ciclo solar, días calmados y disturbados, estaciones del año, horas del
día, frecuencia de blanketing, alturas de las capas Esb.
Buscar posibles periodos o tendencias de la formación de las capas Esb.
Identificar las posibles condiciones que favorecen la formación de las
capas Esb.
18
1.3.2. Alcance
La presente tesis es una investigación de alcance descriptiva de la ocurrencia
de las capas E esporádicas de tipo blanketing en la región ecuatorial sobre el
Radio Observatorio de Jicamarca.
1.4. Importancia y justificación de la investiga-
ción
Las capas Esb influyen en las comunicaciones vía señales de alta fre-
cuencia o HF (de las siglas en inglés High Frequency) de manera que las
distancias de propagaciones se ven afectadas lo que trae efectos positivos
y negativos para los que usan este tipo de comunicaciones, por lo tanto
este estudio podría aportar para el entendimiento de estos fenómenos y
así poder aprovechar los efectos positivos como la propagación via HF
a más larga distancia que la usual.
Aún no existe una teoría que pueda explicar los mecanismos que generan
las capas Esb en latitudes ecuatoriales por lo que viene siendo una
pregunta abierta, posiblemente por la falta de caracterización de este
fenómeno en distintas estaciones ecuatoriales, por lo que este estudio
cuantitativo y cualitativo daría información importante para futuras
teorías.
No se ha realizado anteriormente un estudio estadístico de la ocurrencia
de las capas Esb sobre el ROJ por lo que los resultados serían novedosos
en esta región.
La mayoría de estudios sobre las capas E esporádicas abarcan eventos
particulares o cortos periodos de tiempo, por tanto sus conclusiones no
son muy representativas, en esta investigación se usaron ionogramas
entre 2001 y 2018 lo cual nos permite obtener conclusiones representan-
tivas.
El software disponible (SAO-XPLORER) no consiguen calcular los
parámetros ni identificar adecuadamente las capas Esb en regiones
ecuatoriales debido a la presencia de ecos del EEJ en los ionogramas,
esta puede ser la razón por la que la mayoría de estadísticas han sido
realizadas de forma visual lo que se convierte en una dificultad cuando
se tiene una gran cantidad de ionogramas. En esta investigación se
ha puesto énfasis en desarrollar un algoritmo y un software para la
19
identificación de las capas Esb en regiones ecuatoriales usando técnicas
de procesamiento de imágenes y machine learning o aprendizaje de
máquina.
Existen varios estudios donde correlacionan los eventos de Esb en
diferentes latitudes con otros fenómenos, como tormentas solares [32], el
ciclo solar [31], F dispersa [33], ionización de meteoros [34] en diferentes
latitudes, por lo que estos resultados permitirían comparar si estas
correlaciones se siguen cumpliendo en el ROJ.
20
Capítulo 2
Desarrollo del software de
identificación automática de
capas E esporádicas Blanketing
2.1. Generación y obtención de los datos
2.1.1. Ionosonda
La ionosonda es aquel sistema de radar que permite medir parámetros
de señales reflejadas (en incidencia vertical) en la ionósfera a través de un
sondeo para distintas frecuencias HF. Debido a que los parámetros físicos del
plasma ionosférico afectan la reflexión o refracción de las ondas de radio a
través de la ionósfera, es posible medir estos parámetros observables en una
serie de alturas discretas y frecuencias discretas para mapear y caracterizar
la estructura del plasma en la ionósfera. La ionosonda empieza a transmitir
señales de radio frecuencia al espacio, haciendo un barrido de frecuencia en
un rango de 1.0 a 15.0 MHz. Estas señales se reflejan en la ionósfera y son
recepcionadas para luego identificar los parámetros de las capas ionosféricas.
Esta medición resultante se llama ionograma (Ref: Manual Digisonda DPS-4).
El Radio Observatorio de Jicamarca cuenta con dos ionosondas:
Digisonde Portable Sounder - 4 (DPS-4) de Lowell Digisonde Interna-
tional.
Ionosonda Vertical Incidence Pulsed Ionospheric Radar (VIPIR) de la
red LOW LATITUDE IONOSPHERIC SENSOR NETWORK (LISN)
[1, 35].
21
Figura 2.1: Sistema digisonda DPS-4 del ROJ. a) El sistema DSP-4, donde
están, entrada (teclado), salida (pantalla) del programa, el generador de
pulsos, transmisor y el receptor; b) Una de las cuatro antenas receptoras; y c)
antena transmisora.
2.1.2. Digisonde Portable Sounder - 4 (DPS-4)
La figura 2.1-a muestra el sistema del DSP-4, donde están, entrada (tecla-
do), salida (pantalla) del programa, el generador de pulsos, transmisor y el
receptor. La figura 2.1-b muestra una de las cuatro antenas de recepción y la
2.1-c muestra la antena de transmisión. La figura 2.2 muestra un esquema
de las antenas de transmisión y recepción. La antena transmisora de este
modelo de la digisonda (DPS-4) tiene forma de dos rombos perpendiculares
y la antena receptora consiste de un arreglo de cuatro antenas, cada una en
forma de dos hexágonos perpendiculares, la potencia de transmisión es 250
W para cada antena de transmisión, las antenas receptoras están distribuidas
en los vértices de un triángulo equilátero y en su respectivo circuncentro
orientados según la figura 2.3 (notar la referencia del polo magnético).
22
Figura 2.2: Esquema de la ubicación y geometría de la antena de transmisión
y el arreglo de antenas de recepción de la digisonda DPS-4.
Figura 2.3: Orientación del arreglo de antenas receptoras de la digisonda
DPS-4. Fuente: http://jro.igp.gob.pe/digisonde/dps4text.htm.
23
2.1.3. Ionosonda VIPIR
La ionosonda VIPIR del ROJ consiste en una antena log-periodic de banda
ancha (ver figura superior de 2.4) que envía pulsos de onda de radio que se
propagan verticalmente, por medio de un transmisor de potencia pico de 4
kW que barre su frecuencia de 0.3 a 25.0 MHz. Los pulsos transmitidos tienen
una longitud de 70µs (10.5 km), afiliados con un pulso coseno elevado. La
detección de los pulsos reflejados se realiza mediante 8 dipolos cortos (ver
figura inferior de 2.4) conectados a 8 receptores. Las antenas receptoras forman
dos conjuntos de líneas de base interferométricas ortogonales, en las direcciones
noroeste y noreste, que se utilizarán para detectar el ángulo de llegada de
las ondas de radio reflejadas. Las antenas en las líneas de base del noroeste
están polarizadas en la dirección norte-oeste, mientras que las antenas en las
líneas de base del noreste están polarizadas en la dirección norte-este [1]. Las
imágenes (ESR, POWER, SNR, OX), ionogramas (ngi) y archivos escalados
(SAO) están disponibles para descargar en http://lisn.igp.gob.pe/.
2.1.4. Ionogramas
La digisonda DPS-4 genera ionogramas que muestran la altura virtual de
los ecos correspondientes en las frecuencias de las señales transmitidas. Para
cada altura virtual (o rango) y frecuencia transmitida almacena medidas de
amplitud (que son mostradas como intensidad) y polarización de la onda. La
figura 2.5 muestra un ionograma típico en horas del día de Jicamarca. Los
píxeles de la tonalidad roja representan los ecos de la onda ordinaria y los
ecos de la tonalidad verde los ecos de la onda extraordinaria provenientes del
sondeo vertical. Se observan los ecos de las capas E, F1 y F2, así como ecos del
electrochorro ecuatorial. La onda ordinaria (extraordinaria) hace referencia a
la polarización de la onda, es decir, es aquella en la que el campo eléctrico es
paralelo (perpendicular) al campo magnético terrestre. Además se muestra
el perfil de densidad de electrones N(h) calculado automáticamente por la
digisonda (a partir de la traza de la onda ordinaria) luego de su escalado
automático. El proceso de escalado en los ionogramas consiste en identificar
las trazas o curvas que representan los ecos provenientes de las distintas
capas de la ionósfera. El proceso de escalado es importante pues a partir de
información de la curva escalada distintos modelos son capaces de estimar
información física relevante como un perfil de la densidad de electrones. El
software de la digisonda llamado ARTIST (el DPS-4 del ROJ utiliza la ver-
sión 4 del ARTIST) escala los ionogramas e identifica automáticamente los
parámetros de interés, por ejemplo calcula la frecuencia crítica de la capa F2,
24
Figura 2.4: Antena transmisora log-periodic de banda ancha (arriba) y antena
receptora, arreglo de 8 dipolos de la ionosonda VIPIR (abajo). Fuente: Reyes
[1].
25
Figura 2.5: Ionograma típico en horas del día sobre el ROJ, registrado con
la DPS-4 el 04/02/2008 a las 17:15:00 UT. Fuente: http://digisonde.igp.
gob.pe/.
es decir la frecuencia máxima a la que se reciben ecos de la capa F2, foF2.
Este parámetro le permite estimar el perfil de densidad de electrones. De
igual forma se tiene las frecuencias críticas de las capas F1 y E, denotadas
por foF1 y foE. Asimismo las alturas virtuales de dichas capas vienen a ser
las alturas mínimas a las que se reciben los ecos, denotadas por h’F1, h’F2 y
h’E.
La figura 2.6 muestra un ionograma típico en horas de las noches del ROJ
cuando se presenta un fenómeno llamado F dispersa, cuyos ionogramas se
caracterizan por mostrar ecos dispersos para las distintas frecuencias.
2.1.5. Parámetros de interés de las capas E esporádicas
Blanketing: h’Es, fbEs y foEs
El manual de la U.R.S.I. (International Union of Radio Science) contiene
las reglas estándar acordadas para la interpretación de ionogramas, así como
las técnicas y nomenclaturas para el escalado de estos [36, 37].
Los siguientes parámetros son normalmente escalados para las capas Es,
estos se muestran en la figura 2.7
26
Figura 2.6: Ionograma típico en horas de las noches del ROJ en presencia de
F dispersa, registrado con la DPS-4 el 04/02/2008 a las 05:00:00 UT. Fuente:
http://digisonde.igp.gob.pe/.
foEs: La frecuencia superior de la onda ordinaria correspondiente a
la frecuencia más alta en la que se observa una traza E esporádica
principalmente continua.
h’Es: La altura virtual más baja de la traza usada para identificar la
traza de la capa Es.
fbEs: La frecuencia de blanketing de una capa Es, es decir la frecuencia
de la onda ordinaria en que la capa Es empieza a ser transparente.
Esto es usualmente determinado de la frecuencia mínima en que las
reflexiones de la onda ordinaria de la capa F son observadas. Por razones
prácticas la frecuencia de blanketing fbEs y la altura virtual h’Es debe
siempre referirse a la componente de la onda ordinaria.
Obtención de ionogramas crudos
Se implementó el script grm2txt.py en python para desempaquetar los ar-
chivos binarios .GRM que contienen la información de los ionogramas crudos y
sin umbralizar. El formato de los archivos .GRM se encuentra en el manual de
la digisonda y se muestra un esquema del mismo en la figura 2.8. Los archivos
27
Figura 2.7: Parámetros de las capas Es a ser escaladas. Fuente: Modificado
de Piggott y Rawer [36].
.GRM son archivos binarios que empaquetan los ionogramas en los formatos
MMM, RSF y SBF. Estos formatos consisten en bloques consecutivos de
4096 bytes, cada bloque contiene un header y grupos de frecuencia, cada
grupo de frecuencia contiene un prelude el cual contiene información de la
polarización, la frecuencia leída, la ganancia adicional, a continuación de cada
prelude vienen los bins que dependiendo del formato contienen información
de la amplitud, de la fase, el número doppler o el azimuth. Para mayor infor-
mación de estos formatos, revisar el manual de la digisonda DPS-4D (http:
//www.digisonde.com/pdfs/Digisonde4DManual_LDI-web1-2-6.pdf).
En la figura 2.9 se visualiza un ionograma sin procesar y sin umbralizar
leído y desempaquetado con el script grm2txt.py (solo se visualizan los ecos de
la onda ordinaria). La figura 2.10 muestra el respectivo ionograma visualizado
con el programa SAO-XPLORER. Se puede notar la presencia de interferen-
cias en el ionograma sin umbralizar.
El script grm2txt.py permite obtener sin mayor problema los ionogramas
con bloques en formato .RSF, y .SBF. los ionogramas generados por la digi-
sonda a partir de abril del 2001 tienen formatos .RSF o .SBF. Los ionogramas
de años anteriores al 2001 tienen el formato .MMM debido a que en este
año se realizó una actualización del sistema digisonda del ROJ. En esta tesis
solo consideraremos los ionogramas a partir del 2001 con el fin de comparar
ionogramas registrados con el mismo sistema. Los formatos se diferencian en
28
Figura 2.8: Esquema de una posible configuración de un archivo .GRM con
bloques en formato .RSF. Los asteriscos indican que dichos tamaños pueden
variar dependiendo de los parámetros que contiene el Header y el Prelude.
Figura 2.9: Visualización de ionograma sin procesar y no umbralizado del día
23 de Julio del 2006 registrado a las 00:05:00.000 horas UTC usando el script
grm2txt.py. Solo se visualizan los ecos de la onda ordinaria
29
Figura 2.10: Visualización de ionograma sin procesar y umbralizado del día 23
de Julio del 2006 registrado a las 00:05:00.000 horas UTC usando el programa
SAO-XPLORER. Solo se visualizan los ecos de la onda ordinaria de incidencia
vertical.
30
cuanto a la interpretación de los bins.
Ionogramas disponibles
El número de días con ionogramas disponibles para cada mes y año regis-
trados por la digisonda del ROJ desde 1993 hasta el 2018, se muestran en la
figura 2.11.
2.2. Elección de métodos y algoritmos de pro-
cesamiento
Considerando que la digisonda DPS-4 registra datos desde el año 1993,
se tiene data de alrededor de 25 años, y como en casi todos los días se tiene
registros de cada 15 minutos, entonces se tienen alrededor de 876000 ionogra-
mas. Además, suponiendo que los eventos E esporádicos de tipo blanketing
buscados pueden ocurrir en cualquier momento del día se debe hacer una
búsqueda por cada ionogroma. En lugar de realizar la identificación y bús-
queda de forma visual, se optó por implementar técnicas de procesamiento
de imágenes e implementar un algoritmo para la identificación de las Esb.
Además se decidió usar la tecnología de procesamiento paralelo en unidad
de procesamiento gráfico (GPU por sus siglas en inglés, Graphics Processing
Unit) en el lenguaje CUDA de las tarjetas Nvidia, este último a fin de probar
este tipo de tecnologías y minimizar el tiempo de procesamiento. Se utilizó la
versión CUDA 9.0 y la tarjeta gráfica GTX 1080, la cual tiene 20 Streaming
Multiprocessors y 2560 CUDA cores y 8 GB de memoria. El procesador usado
fue Intel(R) Core(TM) i5-4670 CPU @ 3.40GHz.
Los métodos que se implementaron son los siguientes y están basados en
las siguientes referencias.
C-medias difuso o Fuzzy C Means implementado en CUDA:
• Ghosh y Berkey [38]
• Ghosh y Kumar [39]
• Matloff [40]
Análisis de Componentes Principales en python:
• Ghosh y Berkey [38]
31
Figura 2.11: Número de días con ionogramas disponibles de la DPS-4.
32
• Jackson [41]
Modelo de rotores en python:
• Galkin y cols. [42]
• Galkin y cols. [30]
2.3. Métodos y algoritmos
La figura 2.12 muestra un esquema del algoritmo desarrollado para la
identificación de las capas Esb. El input inicial vienen a ser los ionogramas
umbralizados de las ondas ordinarias del sondeo vertical. Umbralizados signi-
fica que los píxeles cuyo valor menor a un valor umbral son reemplazados por
cero. Los píxeles de los ionogramas almacenan valores de la amplitud, y el
valor umbral para cada frecuencia (para cada columna) viene a ser MPA+ 6,
donde MPA es la amplitud más probable y es dado en cada Prelude. De cada
ionograma, considerado una matriz o imagen, se obtendrán dos subimágenes,
que vendrían a ser las regiones E y F de cada ionograma.
El rango considerado para la región E ha sido entre 80 y 180 km. El rango
de la región F ha sido considerado dependiendo de la hora del día, entre las
10:00 y las 16:00 horas LT se ha considerado un rango de 160 a 680 km y
en el resto de horas entre 180 a 700 km, esto es debido a que la región F
de la ionósfera tiende a tener su límite inferior menor en el día que durante
la noche. El tamaño en píxeles para cada región son 20 filas x 73 columnas
para la región E y 104 filas x 73 columnas para la región F. Se debe tener en
cuenta que la altura inicial de los ionogramas ha sido tomada en 80 km en
pasos de 5 km y la frecuencia inicial ha sido tomada en 1.0 MHz en pasos
de 0.1 MHz. Para los ionogramas cuyo rango ha sido registrado en pasos de
2.5 km, o cuyo rango inicial ha sido 90 km, o cuyos pasos de frecuencia han
sido 0.05 MHz o frecuencia inicial ha sido 1.5 MHz, se ha hecho el escalado
necesario para llevarla a las condiciones antes mencionadas, ya sea agregando
o quitando filas, o tomando solo las columnas pares.
Se han aplicado los siguientes algoritmos para cada región, en el orden en el
que aparecen en la figura 2.12.
Entrada: Región E y Salida: Eventos con capas Es
• Segmentación: Fuzzy C Means (FCM)
• Identificación: Análisis de Componentes Principales (ACP)
• Modelo de clasificación: Bosques aleatorios
33
Figura 2.12: Esquema del algoritmo de identificación de las capas Esb.
.
Entrada: Región F y
Salidas: Información de la región F y serie de tiempo de fminF
• Eliminación de múltiplos nEs y 1F
• Segmentación: Fuzzy C Means (FCM)
• Caracterización de Región F
• Escalado: Modelo de rotores
Las tres salidas anteriores (Eventos con capas Es, información de la región
F y serie de tiempo de fminF) ingresarán a un criterio propuesto para la
identificación de las capas Esb, obteniendo finalmente la ocurrencia de los
eventos Esb y sus parámetros de interés (h’Es y fbEs).
34
2.3.1. Fuzzy C Means
Fuzzy C Means o C medias difuso es un algoritmo de aprendizaje no
supervisado. Este algoritmo es usado para segmentar o separar en clusters o
grupos un conjunto de puntos de datos de entrada basado en la distancia de
cada punto con el centroide de cada grupo, minimizando iterativamente una
función de error mínimo cuadrático. Este algoritmo se utiliza para el análisis
basado en la distancia entre varios puntos de datos de entrada. Los grupos se
forman según la distancia entre los puntos de datos y los centros del grupo se
forman para cada grupo. El algoritmo se resume a continuación:
Sea X = (x1, x2, x3, ..., xn) un subconjunto del espacio R3, donde xkj es
la j-ésima componente (j = 1, 2, 3) del k-ésimo dato (k = 1, 2, ...n) y c un
entero positivo mayor que 1 que será el número de clusters esperados y m un
valor fijo (m = 2 en nuestro caso), sea ν = (ν1, ν2, ν3, ..., νc) el conjunto de
los centroides, donde νij es la j-ésima componente del centroide del grupo i
(i = 1, 2, ...c) , y sea U = [µik]cxn la matriz de partición donde µik es el grado
de pertenencia del k-ésimo dato al grupo i.
PASO 1: Inicializamos la matriz de partición U (0), cada paso de este
algoritmo será etiquetado como r, donde r = 0, 1, 2....
PASO 2: Calcular los centros de los grupos para cada paso con:
νij =
∑n
k=1(µik)
mxkj∑n
k=1(µik)
m
. (2.3.1)
PASO 3: Calcular la matriz de distancias D[c,n]:
dik = ||xk − νi||. (2.3.2)
PASO 4: Actualizar la matriz de partición para el rth ésimo paso, con
µik =
1
(
∑c
j=1 d
r
ik/d
r
jk)
2
m−1
. (2.3.3)
Si se cumple un criterio de parada, entonces regresamos al paso 2, actualizando
los centroides y los grados de pertenencia iterativamente. El criterio de parada
usado es
||U (K+1) − U (K)|| < δ, (2.3.4)
donde δ toma el valor de 0.225, lo cual indica que la variación de la matriz de
pertenencia es muy pequeña.
35
En este caso, los elementos del conjunto X, son xi=(fila, columna, ampli-
tud) de cada píxel de la imagen. Teniendo en cuenta que las componentes de
X están en diferentes escalas, es necesario realizar un escalado estándar, es
decir restarle la media y dividirla entre la desviación estándar, antes de que
ingrese al algoritmo del FCM. Para fines prácticos se multiplicó por 10 a la
transformación del escalado estándar. Una característica de este algoritmo
FCM es que cada elemento tiene cierto grado de pertenencia a cada cluster o
grupo. Tal como se indicó anteriormente µik es el grado de pertenencia del
k-ésimo elemento al cluster i. En este trabajo, se utilizó el máximo grado de
pertenencia para definir la pertenencia de cada elemento a cada cluster, por
lo que siendo más específicos se ha utilizado el método K-Means o K medias.
El objetivo de aplicar esta segmentación a la región E de los ionogramas
es separar los ecos de las capas Es de los ecos del electrochorro ecuatorial, los
primeros se caracterizan por ser más intensos y no dispersos. La figura 2.13
muestra en la parte izquierda superior un ionograma registrado el 16/02/2008
a las 20:00:00 horas; en la parte central se muestra la segmentación en 5
clusters a la región E del ionograma (en este caso tomada desde 80 a 145 km),
se observa que los ecos de la capa Esb se obtienen en el segundo cluster y en
el resto de clusters se obtienen ecos del electrochorro ecuatorial. Los ecos de
las capas Esb se presentan más intensas que los ecos del EEJ. Los ecos del
EEJ se presentan dispersos.
Paralelización del método Fuzzy C Means para segmentar las re-
giones E y F de varios ionogramas en simultáneo
Se ha paralelizado el algoritmo Fuzzy C Means para más de una imagen,
haciendo las siguientes variaciones, respecto a lo implementado anteriormente:
Se crea una Imagen Base que contiene 84 subimágenes (distribuidos en
6 subimágenes por cada fila y 14 subimágenes por cada columna), cada
subimagen representa la sección del ionograma donde se encuentra la
región E (o F) de su respectivo ionograma (ver figura 2.14).
El conjunto de datos a ser segmentados: X es de dimensión S=3, donde
cada elemento almacena las características (fila del píxel en la subimagen,
columna del píxel en la subimagen, intensidad del píxel), se escogió
pasar la data con este formato a fin de evitar pasar la data como una
matriz (pasar la subimagen tal cual) para no saturar la memoria de la
GPU al cargar innecesariamente píxeles vacíos.
Al momento de lanzar los bloques de hilos se optó por lanzar un bloque
36
Figura 2.13: Segmentación Fuzzy C Means aplicado a la región E de un
ionograma registrado el 16/02/2008 a las 20:00 horas UT con 5 clusters. En
el segundo cluster se obtiene los ecos de la capa Esb.
37
Figura 2.14: Imagen Base de 84 subimágenes (Regiones E de ionogramas) del
día 16/02/2008 desde las 00:00 hasta las 20:45 horas.
de hilo por cada subimagen. Seguidamente el algoritmo FCM es aplicado
para cada subimagen. De esta forma con una GPU (Nvidia GTX 1080)
de 20 Streaming Multiprocessors, se pueden segmentar 20 subimágenes
en simultáneo.
Para el criterio de parada, es decir para el cual el algoritmo FCM
se detiene, se optó por detener el método FCM cuando TODAS las
subimágenes que contienen al menos 5 píxeles (5 elementos) contienen
un error menor al delta dado (ver expresión 2.3.4 para δ =0.225).
Se han implementado los programas IdentifyEs1.X.Y.cu y load_iono_iden-
tify1.X.Y.cu que generan el ejecutable fcm-Eregion.out, el cual se encarga de
segmentar la región E de los ionogramas en bloques de 84 subimágenes en
paralelo. La figura 2.14 muestra la imagen base de 84 subimágenes (regiones
E de 84 ionogramas), en este caso han sido segmentadas en 5 clusters (figura
2.15). Por ejemplo en el cluster 1 de la imagen base se obtienen los ecos de la
capa Es de una de las subimágenes.
De igual forma se han implementado los programas Identify-F-RegionX.Y.cu
y load_iono_identify-F-Region1.X.Y.cu que generan el ejecutable fcm-Fregion.out
que segmentan las regiones F de los ionogramas. Para la segmentación de la
38
Figura 2.15: Segmentación en 5 cluster de la Imagen Base aplicando Fuzzy C
Means. En el cluster 1 de la imagen base se ha obtenido los ecos de la capa
Es de una de las subimágenes.
región E y F final se usó c=8, es decir 8 clusters o grupos en la segmentación.
2.3.2. Análisis de Componentes Principales
El Análisis de Componentes Principales (ACP) es un método de apren-
dizaje no supervisado. Este método es muy usado para reconocimiento de
patrones y describir un conjunto de datos en una nueva base de menor dimen-
sionalidad sin perder información significativa. El método consiste en hallar la
matriz de covarianza de los datos centrados y calcular los vectores propios que
vendrían a ser las componentes principales y sus respectivos valores propios
miden el grado de dispersión en cada componente principal. En nuestro caso
lo aplicaremos al caso más sencillo en R2 para obtener los ejes de máxima
dispersión.
A continuación mostramos el teorema que nos permite obtener las componen-
tes principales y sus propiedades:
Sean nuestros datos un conjunto ( ~x1, ~x2, ~x3, ..., ~xn) de n vectores en Rem,
y sea el vector ~u = 1
n
( ~x1 + ~x2 + ~x3 + ...+ ~xn) que almacena la media de todos
los n vectores (cada vector tiene m componentes), es común centrar los datos
tal que la media sea cero, esto se consigue restando el vector ~u a cada vector
39
~xi.
Sea B la matriz m× n cuya i-ésima columna es ~xi − ~u :
B =

x11 − u1 x21 − u1 ... xn1 − u1
x12 − u2 x22 − u2 ... xn2 − u2
...
...
...
...
x1m − um x2m − um ... xnm − um
 (2.3.5)
Sea la matriz de covarianza definida como:
S =
1
n− 1(BB
T ) (2.3.6)
Debido a que S es una matriz m×m simétrica, esta puede ser ortogonalmente
diagonalizada, sean λi los vectores propios:
λ1 >= λ2 >= λ3 >= ... >= λm >= 0 (2.3.7)
de S, tal que (en orden decreciente) con sus correspondientes vectores propios
~u1, ~u2, ..., ~um. Esos eigenvectores son llamados las componentes principales
del conjunto de datos.
Observación: Sea T la traza de S, la cual viene a ser la suma de las
varianzas de las m variables y debido a la conservación de la varianza total, se
tiene que la dirección en Rem dada por ~u1, la primera componente principal,
“explica” o “representa” una cantidad λ1
T
del total de la varianza, de igual forma,
~u2 “explica” una cantidad λ2T del total de la varianza, y así sucesivamente [43,
44].
Considerando los clusters obtenidos luego de aplicar el FCM a cada subima-
gen (ver figura 2.16) y considerando cada elemento como las coordenadas
de cada píxel en la subimagen (es decir xi=(columna, fila) del i-ésimo píxel
de la subimagen) se calcula los vectores propios que representan los nuevos
ejes luego de realizar una rotación de coordenadas para conseguir los ejes
donde la dispersión es máxima, además el valor propio del vector propio
correspondiente al eje de mínima dispersión (V2) representa una medida del
ancho de la capa Es si hubiera.
2.3.3. Bosques aleatorios
Random Forest Classification o bosques aleatorios de clasificación es un
método de aprendizaje supervisado que se caracteriza por la formación de
40
Figura 2.16: Análisis de Componentes Principales para cada cluster. Vectores
propios son las componentes principales y los valores propios miden el grado
de dispersión en cada componente.
41
Figura 2.17: Esquema del algoritmo de Bosques Aleatorios de Clasifi-
cación. Fuente: Modificado de https://cdn-images-1.medium.com/max/
1600/1*i0o8mjFfCn-uD79-F1Cqkw.png
.
diversos árboles de decisión a partir de muestras aleatorias de la data total de
entrenamiento, finalmente se verificará los resultados de cada árbol obteniendo
la clasificación de mayor votos como la clasificación final [45]. La figura 2.17
muestra un esquema de este algoritmo. Primero a partir de un subconjunto
aleatorio de instancias o registros del conjunto de entrenamiento (Train) se
forman n árboles de decisión, estos vienen a ser nuestros bosques aleatorios.
Finalmente cada nueva instancia del conjunto de prueba (Test) recorrerá cada
uno de los n-árboles, obteniendo la etiqueta de capa Es o no capa Es, la
etiqueta final será obtenida por el voto mayoritario de todos los árboles.
El método de bosques aleatorios de clasificación viene implementado
con el nombre de RandomForestClassifier que se encuentra en el módulo
sklearn.ensemble de la librería scikit-learn de python.
Para el entrenamiento del modelo se usaron parámetros de las capas E
esporádicas blanketing presentes en ionogramas que fueron identificados vi-
sualmente en los registros del año 2008, 2009, 2013, 2014 y 2015.
Las variables que usa el modelo fueron obtenidas a partir del método
Análisis de Componentes Principales (ACP) de la sección anterior, además de
percentiles de la distribución de la intensidad de los ecos en la región E, así
42
como un parámetro pc3 (que será descrito más adelante) que da una medida
de que tan juntos o compactos están los ecos en un eje para cada cluster de
la región E. A continuación se describen las variables explicativas del modelo
para identificar capas E esporádicas.
Esta versión del FCM requiere un número de clusters “c” predeterminado.
Entonces puede ocurrir que en el proceso de segmentación se tenga los ecos
pertenecientes a la capa Esb en un solo cluster (como es el caso de la figura
2.16). Sin embargo, para nuestro caso donde hemos escogido c = 8 se puede
dar que los ecos de la capa Esb se obtengan en dos clusters distintos. Con el
fin de reconstruir la capa Esb completa (o en su mayoría) se han combinado
los clusters de 2 en 2 (esta combinación de dos clusters consiste en superponer
dos clusters para generar uno nuevo). Teniendo en cuenta esta consideración,
se procede a calcular las siguientes variables explicativas para cada cluster
(cluster 0, cluster 1, ... , cluster 7) y cada grupo de clusters de dos en dos
(clusters 0 y 1, clusters 0 y 2 , ..., clusters 6 y 7):
eigenvalor_minimo: Este parámetro se obtiene del ACP, se refiere al
mínimo valor propio del vector propio que es paralelo al eje de mínima
dispersión, es decir λ2 en la figura 2.16.
pend_eigenvector : Este parámetro se obtiene del ACP, se refiere a la
pendiente del vector propio del eje de máxima dispersión (V 1 en la
figura 2.16).
pc3 : Este parámetro se describirá más adelante y mide que tan juntos o
compactos están los píxeles en el eje X.
hEs : Altura mínima a la que aparecen los píxeles en cada cluster (de la
capa Es si hubiera).
Esright-Esleft : Viene a ser una medida del ancho del cluster. Esleft
(Esright) es calculado junto al parámetro pc3 y viene a ser el extremo
izquierdo (derecho) de la region_in que se describirá más adelante.
num_pixeles_si : Número total de píxeles de la subimagen (Región E).
perc_A_95/perc_Asi_95 : Es un parámetro que mide la tasa de in-
tensidad máxima (en realidad son percentiles 95 de la distribución de
sus amplitudes) del cluster con la subimagen. Este parámetro permite
diferenciar los ecos de las capas Esb del electrochorro que suelen ser
menos intensos cuando se superponen.
43
perc_A50/perc_Atot_hh_95 : Es un valor que mide la tasa de la me-
diana de la distribución de las amplitudes del cluster con el percentil
95 de la distribución de las amplitudes del grupo de subimágenes de la
respectiva hora.
num_pixeles_si/num_pixeles_CCs : Es un parámetro que mide la tasa
del número de píxeles de la subimagen con el número de píxeles del
cluster.
perc_Asi_50/perc_A50 : Es un parámetro que mide la tasa de la me-
diana de la distribución de amplitudes de la subimagen con la mediana
de la distribución de amplitudes del cluster.
Los parámetros usados para entrenar el modelo de RandomForestClassifier
fueron:
criterion=‘entropy’ ,
n_estimators = 3000,
min_samples_leaf=5,
max_depth = 6.
Se ha implementado el script pca_prueba_ionog1.X.Y.py que aplica
el método de Análisis de Componentes Principales a cada cluster y a sus
combinaciones de 2 en 2 clusters de las regiones E obtenidas por el FCM.
Se genera el fichero PCA-Es_serieX.txt, que tiene el formato mostrado en
la figura 2.18, la hora y fecha se encuentra en UT. La columna Etiqueta
Es será 1 si se ha identificado una capa Es o será 0 si no, además la
columna foEs muestra el valor de la foEs estimado y h’Es muestra la altura
mínima (en km) de la capa Es en caso esta estuviera presente. De esta forma
tenemos la primera salida que nos identifica los ionogramas con capas Es.
44
Figura 2.18: Fichero PCA-Es_serieX.txt donde la columna Etiqueta Es será
1 si se ha identificado una capa Es o será 0 si no, además la columna foEs
muestra el valor de la foEs estimado y h’Es muestra la altura mínima (en km)
de la capa Es en caso estuviera presente.
45
2.3.4. Implementación de rutina para eliminar múlti-
plos de las capas Es (nEs) y el primer múltiplo
de la capa F (1F)
A partir de este punto empezamos a ver los algoritmos para el procesa-
miento de la región F de los ionogramas (ver figura 2.12).
Los ionogramas suelen presentar trazas repetidas de las capas de la ionósfera
que aparecen a una distancia que es múltiplo de la distancia de la capa original.
Estos múltiplos se producen debido a las múltiples reflexiones que existe entre
la capa ionosférica y la Tierra, razón por la que se suelen presentar al doble,
triple , ... de distancia (en altura virtual) de la capa ionosférica original. Es
importante, y suele ser todo un reto, identificar y eliminar los múltiplos de las
capas Esb. Es importante eliminarlas pues al aparecer en la región F suelen
confundir a los software de escalado automático. Y el reto para identificarlos
viene debido a que muchas veces el múltiplo se superpone con los ecos de la
parte inferior de la capa F. Por lo que de eliminar un aparente múltiplo de la
capa Es que en realidad no lo sea, estaríamos eliminando parte de la región
F y esta inadecuada eliminación podría parecer que se hubiera debido a la
presencia de una capa Es blanketing. El algoritmo que aquí implementamos
debe ser mejorado, a fin de mejorar la precisión del algoritmo de identificación
de los eventos Esb aquí propuesto.
Filtro leakage, de 45 y 135 grados por ventana
Según Galkin y cols. [30] quienes describen algunos aspectos del Artist
5, sugieren un filtro leakage que consiste en establecer un valor umbral de la
máxima amplitud menos 40 dB para cada frecuencia en el ionograma crudo
(para cada columna), este filtro leakage se muestra en la figura 2.19-a. Los
mismos autores aplican seguidamente un filtro de 45 grados para determinar
los bordes (edges) de los ionogramas.
El filtro de 45 grados aplicado aquí, consiste en mantener únicamente el
eco de máximo valor en ventanas continuas inclinadas 45 grados, el ancho
de cada ventana es D = 20 píxeles, el filtro se realiza dos veces, la segunda
vez con un corrimiento d = 10 píxeles (figura 2.20), los valores de las casillas
representan los valores de los píxeles en los ionogramas.
Debe notarse que el filtro de 45 grados, permite salvar los ecos del lado
derecho de las cúspides, tal como se muestra en la figura 2.19-b. Este filtro es
adecuado cuando se pone énfasis en la obtención de la frecuencia crítica de
la capa F2 (foF2), sin embargo, si el interés es la obtención de la frecuencia
46
mínima de la capa F (fminF) este filtro solo no es adecuado pues se pierden
ecos en el lado izquierdo de la cúspide. Con el fin de salvar los ecos de la
cúspide se procede a aplicar una variación del filtro de 45 grados, al que se le
ha llamado filtro de 135 grados, con el mismo procedimiento pero con una
inclinación de 135 grados.
La figura 2.19-c muestra la aplicación del filtro de 45 y 135 grados por
ventana, se observa que ambos lados de la cúspide se mantienen en buena
medida.
Función en python para eliminar el primer múltiplo de la capa F
(1F) y los n-ésimos múltiplos de las capas Es (nEs)
Basándonos en una variación del método usado por Tang y cols. [46] para
identificar los ecos de los múltiplos de las capas Es (nEs), procedemos a buscar
los múltiplos de las capas Es de la siguiente forma. Para cada frecuencia, es
decir para cada columna, se tendrá un perfil de alturas como se muestra en
la figura 2.21, distinguiendo dos regiones:
Región E: Entre 80 y 155 km. La altura de la capa Es (h0Es) estará
entre 0 y 15 píxeles.
Región F: Entre 160 y 695 km. La altura de los n-ésimos múltiplos Es
(hnEs, n>=1) estarán entre 0 y 91 píxeles.
En la figura 2.21, la columna Tags, resaltada con amarillo, muestra las
posibles alturas donde se podría encontrar los múltiplos de la capa Es, asu-
miendo que la altura de la capa Es se registra a una altura de 100 km
(con un ancho en píxeles de w = 1) o en píxeles h0Es = 4, por tanto el
primer múltiplo se espera que aparezca en 200 o 205 km (o en píxeles en
h1Es = 2 ∗ h0Es+ j , j = 0,+1, en este caso h1Es = 9). Debido a la escala
de las alturas solo algunos ecos en el rango máximo que presenta el múltiplo
serán etiquetados (marcados con x en la figura), de tal forma que para mejorar
la búsqueda del siguiente múltiplo, se debe partir considerando la altura (en
píxeles) del múltiplo anterior, entonces h2Es =(3.0/2) ∗ h1Es+ (32.0/2) + j
con j = 0,+1, en este caso h2Es = 29 y 30, para el siguiente múltiplo tenemos
h3Es = (4.0/3) ∗ h2Es+ (32.0/3) + j con j = 0,+1, para cada h2Es, en este
caso h3Es = 50.
Generalizando:
hn+1Es = An ∗ hnEs+Bn, (2.3.8)
47
Figura 2.19: Ionograma registrado 02/01/2008 a las 21:00 horas UT. a)
Umbralizado para cada frecuencia (Max-40dB), b) Filtro de 45 grados y c)
Filtro de 135 grados.
.
48
Figura 2.20: Esquema de la aplicación del filtro de 45 grados por ventanas
de ancho “D” píxeles con desplazamiento “d” píxeles. Este filtro consiste en
conservar el máximo valor en cada ventana.
donde
An =
n+ 2
n+ 1
(2.3.9)
y
Bn =
32
n+ 1
∗ δ(n > 0) (2.3.10)
y δ(n > 0) es cero si n = 0 y es 1 para n mayor a cero.
De esta forma se puede buscar los ecos pertenecientes a los múltiplos de
las capas Es en cada paso de frecuencia y para distintos tipos de Es. La
condición que se ha puesto para identificar y eliminar el siguiente múltiplo a
partir del actual es que al menos se haya encontrado 5 ecos en el múltiplo
buscado. De forma similar se elimina el primer múltiplo de la capa F (1F).
La figura 2.22 muestra el resultado de aplicar el algoritmo a un evento de
blanketing total donde se aprecian hasta 5 múltiplos. Todos son detectados y
eliminados. En 2.22-a muestra un primer filtro, llamado filtro leakages que
consiste en umbralizar para cada columna teniendo como umbral el máximo
de la columna menos 40. En 2.22-b se ha aplicado el filtro de 45 grados.
En 2.22-c se aplica el algoritmo que elimina el primer múltiplo de la capa
49
Figura 2.21: Diagrama para buscar múltiplos nEs
.
50
Figura 2.22: Aplicación de b) filtro de 45 grados, c) eliminación del primer
múltiplo de la capa F (1F), d) Eliminación de todos los múltiplos de la capa Es
(nEs) y e) Resultado de aplicar los filtros anteriores a un evento de blanketing
total.
.
F, en este caso como no hay capa F, el programa toma al primer múltiplo
de la capa Es como si fuera la capa F, de tal forma que elimina el tercer
múltiplo de la capa Es como si fuera el primer múltiplo de la capa F (1F). En
2.22-d se aplica el algoritmo que elimina todos los múltiplos de la capa Es.
Finalmente en 2.22-e se tiene el resultado de aplicar todos los filtros anteriores.
La figura 2.23 muestra el resultado de aplicar el algoritmo para eliminar el
primer múltiplo de la capa F. Se observa que el primer múltiplo es eliminado
casi completamente. En 2.23-a muestra un primer filtro leakages que umbraliza
para cada columna teniendo como umbral el máximo valor de la columna
menos 40. En 2.23-b se ha aplicado el filtro de 45 grados. En 2.23-c se elimina
el primer múltiplo de la capa F. En 2.23-d se aplica el filtro que elimina todos
los múltiplos de la capa Es (en este caso como no hay capa Es, el filtro no
hace nada). Finalmente en 2.23-e se tiene el resultado de aplicar todos los
filtros anteriores.
51
Figura 2.23: Aplicación de b) filtro de 45 grados, c) eliminación del primer
múltiplo de la capa F (1F), d) Eliminación de todos los múltiplos de la capa
Es (nEs) y e) Resultado de aplicar los filtros anteriores a un ionograma donde
hay presencia de múltiplo de la capa F.
.
52
Se debe tener presente que en horas del día, en la región F suelen aparecer
dos trazas debido a que están presentes la capa F1 Y F2 (como es el caso del
ionograma de la figura 2.20) y en horas de la noche suele aparecer únicamente
una capa F, la consideraremos que es la capa F2 (como es el caso de la figura
2.23).
Además a fin de evitar eliminar ecos de la capa F1 que podrían coincidir
en la posición en la que se podría encontrar un múltiplo nEs, se han considera-
do los siguientes criterios morfológicos de la capa F1 a fin de no ser eliminados:
La capa F, por lo general, tiene las siguientes características (ver figura
2.24, la secuencia de filtros es similar a los anteriores, excepto que en
2.24-b se aplica el filtro de 45 y 135 grados):
• F1: Tiene un valor alto y positivo de su pendiente.
• F2 (o F): Es la traza más grande.
Si aparece el primer múltiplo de la capa F (1F) entonces deberían apa-
recer los ecos de la capa F en el ionograma para las mismas frecuencias
(ver figura 2.25, la secuencia de filtros es similar a los anteriores, excepto
que en 2.25-b se aplica el filtro de 45 y 135 grados).
Además, se ha incluido un valor umbral de la amplitud de los posibles
ecos de una capa E esporádica para diferenciarla de ecos del Electrochorro, a
groso modo se ha considerado el valor de 90. Debemos notar que al considerar
un valor constante para todos los ionogramas no es muy óptimo, sin embargo
en este caso este valor umbral a groso modo, se respalda por el criterio morfo-
lógico de la capa F1 para evitar eliminar ecos de la capa F1 que no son ecos
de algún múltiplo nEs.
Se ha implementado la rutina DeleteMultipleEsX.py que identifica y elimi-
na el primer múltiplo de la capa F (1F) y los múltiplos de las capas Es (nEs).
La figura 2.26 muestra un ionograma donde se elimina el primer múltiplo 1F.
En 2.26-a) se aplica el filtro leakage y se resalta el múltiplo 1F identificado,
en b) se aplica el filtro de 45 y 135 grados, en c) se elimina el primer múltiplo
de la capa F (1F), en d) se aplica el filtro que elimina todos los múltiplos de
la capa Es (nEs) ( en este caso no hay múltiplos nEs), y en e) se muestra el
resultado de aplicar los filtros anteriores a un ionograma donde hay presencia
del múltiplo de la capa F.
53
Figura 2.24: Características de la capa F: La capa F1 suele presentarse con
pendiente alta.
54
Figura 2.25: Características de la capa F: Si aparecen ecos del primer múltiplo
de la capa F (1F), entonces deberían aparecer los ecos de la capa F para la
misma frecuencia.
55
Figura 2.26: Algoritmo de eliminación nEs. a) Filtro leakage y se resalta el
múltiplo 1F identificado. b) Filtro de 45 Y 135 grados. c) Eliminación del
primer múltiplo de la capa F (1F). d) Eliminación de todos los múltiplos de
la capa Es (nEs). e) Resultado de aplicar los filtros anteriores a un ionograma
donde hay presencia de múltiplo de la capa F.
56
Figura 2.27: Algoritmo de eliminación nEs. a) Filtro leakage y no hay presencia
del múltiplo 1F. b) Filtro de 45 y 135 grados. c) Eliminación del primer
múltiplo de la capa F (1F). d) Eliminación de todos los múltiplos de la capa
Es (nEs). e) Resultado de aplicar los filtros anteriores a un ionograma donde
hay presencia de múltiplo de la capa Es.
La figura 2.27 muestra la identificación y eliminación del primer múltiplo
de la capa Es. En 2.27-a se aplica el filtro leakage y no hay presencia de
múltiplo 1F, en b) se aplica el filtro de 45 y 135 grados, en c) se aplica el
filtro de eliminación del primer múltiplo de la capa F (1F), en d) se aplica el
filtro de eliminación de todos los múltiplos de la capa Es (nEs), y en e) se
muestra el resultado de aplicar los filtros anteriores a un ionograma donde
hay presencia de múltiplo de la capa Es.
2.3.5. Caracterización de la región F
Los algoritmos de esta sección tiene el objetivo de obtener información de
la región F de los ionogramas, es decir, obtener etiquetas que indiquen si es
un caso de F dispersa, si está la traza de la capa F o si no hay ecos presentes.
La importancia de caracterizar la región F y principalmente de identificar
los ionogramas con F dispersa (donde no hay una traza de la capa F bien
57
Figura 2.28: Segmentación de la región F en 8 clusters en presencia de F
dispersa en los ionogramas.
.
definida) es debido a que en estos ionogramas no tiene sentido aplicar el
algoritmo de escalado (que se explicará más adelante), pues no hay una traza
de la capa F bien definida. Entonces evitando aplicar el algoritmo de escalado
automático en ionogramas con F dispersa se evitaría el costo computacional
de procesamiento.
Implementación de rutina para identificar F dispersa
Se implementó una rutina en python para identificar los eventos de F
dispersa y en tales eventos no se aplicó el algoritmo de escalado (modelo
de rotores) con el fin de ahorrar tiempo de procesamiento. El nombre de la
función que identifica los posibles eventos de F dispersa es is_spreadFX.
Primero, se aplica el método Fuzzy C Means a la región F con el fin de seg-
mentarla en 8 clusters (la figura 2.28 muestra la segmentación en 8 clusters en
caso de F dispersa, la figura 2.29 muestra la segmentación en 8 clusters en caso
se encuentre la capa F) luego se calcula un parámetro que hemos llamado PC3.
Para cada cluster se procede a calcular un parámetro que se ha llama-
do PC3, el cual permite decidir si hay presencia de F dispersa o no. Este
parámetro PC3 se calcula a partir de la multiplicación de todos los pc3
que se calculan para cada columna del cluster (notar que se está haciendo
58
Figura 2.29: Segmentación de la región F en 8 clusters en ausencia de F
dispersa en los ionogramas y donde hay una capa F bien definida.
referencia a dos parámetros distintos: PC3 Y pc3). El pc3 mide cuan juntos
(o no dispersos) se encuentran los ecos del cluster en alturas virtuales (por
columnas). Mientras más se acerque al valor de 1 serán ecos que están más
juntos (menos dispersos) y mientras más se acerque a 0 estarán menos juntos
(más dispersos). La figura 2.31 muestra la definición del parámetro pc3 para
una distribución de píxeles en una fila.
La figura 2.30 muestra el algoritmo para identificar F dispersa en los
ionogramas. A continuación se detalla cada paso:
Entradas: Clusters obtenidos por el método Fuzzy C Means aplicado a
la región F con el fin de segmentarla en 8 clusters. Además, se inicializa
el parámetro Flag_SpreadF = True.
Cálculo del parámetro PC3: Para cada cluster se procede a calcular
el parámetro PC3, el cual mide cuan disperso se encuentran los ecos
del cluster en alturas virtuales (por columnas). Los pasos para calcular
PC3 para cada cluster son:
• Para cada columna que contenga 3 o más píxeles se obtiene la
posición de las filas donde hay ecos (ver figura 2.31 para mayor
entendimiento, los cuadros de color amarillo representan los píxeles
y el número en los cuadros representa la fila en la que aparecen).
59
• Se calculan los percentiles 5 y 95 (cuadros color lila).
• Seguidamente se forma una región cuyos elementos (las posiciones)
sean mayores al percentil 5 y menor al percentil 95, finalmente si
fuera posible (siempre que hayan píxeles consecutivos), se amplía
la región hacia los extremos. Esta región, originalmente delimitada
por los percentiles 5 y 95, luego de la ampliación se convierte
en la región de verde y gris, esta región ampliada la llamaremos
región_in (ver figura 2.31 ).
• Luego se calcula:
num_in: Números de píxeles en dicha región region_in (píxeles
verdes).
num_zeros: Número de píxeles ceros (vacíos) en dicha región
region_in (píxeles gris) y
num_tot: Número total de píxeles (píxeles amarillos) .
• Se calculan los parámetros:
pc1 =
num_in
num_tot
(2.3.11)
pc2 =
num_in
num_in+ num_tot
(2.3.12)
• Finalmente,
pc3 = pc1 ∗ pc2. (2.3.13)
“pc3” mide cuan juntos están los píxeles, mientras más se acerque al
valor de 1 los píxeles estarán menos dispersos (más juntos) y mientras
más se acerquen a 0 estarán más dispersos (menos juntos).
Seguidamente, se calcula PC3 como la multiplicación de todos los pará-
metros pc3 de cada columna del cluster y si este valor (PC3) es mayor o
igual (PARAM_PC3) elevado al número de elementos considerados en
la multiplicación para obtener PC3, entonces en este caso NO SE TEN-
DRÁ F DISPERSA, y se actualiza el valor de Flag_SpreadF (a partir
de la operación lógica Flag_SpreadF = Flag_SpreadF and False )
y si no se cumpliera la condición entonces se tendrá un posible caso de
F dispersa, por lo que se vuelve a actualizar el valor de Flag_SpreadF
(a partir de la operación lógica Flag_SpreadF = Flag_SpreadF and
True). Debe notarse que basta que algún cluster cumpla la anterior
condición, entonces el ionograma no contiene F dispersa. El valor dado
a PARAM_PC3 es 0.7. Notar que PARAM_PC3 se comporta como
un umbral para decidir si hay F dispersa o no.
60
Figura 2.30: Algoritmo para identificar la presencia de F dispersa en los
ionogramas.
.
61
Figura 2.31: Cálculo de parámetro pc3 de cada cada columna de cada cluster
.
Finalmente, obtenemos que hasta el momento el criterio para identificar F
dispersa podría identificar ecos de ruido como si fueran F dispersa, entonces
a fin de hacer esta separación y con el objetivo de caracterizar la región F,
es decir obtener si hay capa F (en tal caso se aplicará el modelo de rotores),
o si hay F dispersa, o si no hay ecos de la región F y solo hay ruido, se ha
desarrollado el algoritmo que se muestra a continuación.
Rutina para identificar si la región F del ionograma contiene F
dispersa, trazas de la capa F o no contiene ecos de la región F,
además, identificar y eliminar los múltiplos Es si hubieran
Una vez identificados y eliminados los múltiplos Es podría tenerse diversos
casos, el caso más común es donde se tiene la traza de la capa F, otro caso
común es donde se tiene F dispersa (F dispersa suele aparecer en horas de
la noche), y el siguiente caso menos común es donde solo se tendrá ruido
o ningún eco de la capa F, este último caso son los posibles eventos de Es
blanketing total, para esto debería tenerse, además, la condición de haber
identificado una capa Es en el ionograma.
La figura 2.32 muestra el algoritmo que se ha implementando para iden-
tificar los casos antes mencionados que se presentan en la región F de los
ionogramas.
62
El algortimo se describe a continuación:
Entrada: F_REGION con los múltiplos nEs eliminados y el múltiplo
de la capa F eliminado, num_multiples = 0, info_Fregion = 0.
El parámetro num_multiples = 0 almacenará el número de múltiplos
Es detectados en la F_region (como previamente ya se eliminaron los
múltiplos, este parámetro se espera que siempre sea cero) y el parámetro
info_Fregion, al final del algoritmo, almacenará la información de la
región F, con los siguientes valores:
0: No hay ecos de la capa F o si hay ruido,
1: Si hay F dispersa y
2: Si está presente la traza de la capa F.
Identificar y eliminar los múltiplos Es: Usando la función dele-
te_multipleEsX antes descrita se identifican y eliminan el número de
múltiplos presentes en la región F (si hubieran). El número de múltiplos
se actualizan en el parámetro num_multiples. Se tendrá como salida
el ionograma sin los múltiplos Es. Esta función es redundante, pues la
región F del input, se espera que no contenga los múltiplos nEs, de todas
formas se sigue aplicando para corroborar que no se han encontrado
múltiplos nEs.
Búsqueda de F dispersa: Teniendo como input los clusters de la
región F cuyos múltiplos Es ya han sido identificados y eliminados se
procede a identificar la presencia de un posible caso de F dispersa, para
esto se usa la función is_spreadFX anteriormente descrita, según sea
el caso para la salida de esta función (Flag_SpreadF ahora llamado
is_spreadF ), se tiene:
• is_spreadF: True:
Aquí se identificarán dos casos, el primero es cuando exista un
evento de F dispersa y el segundo cuando exista ruido, tal como
se muestra en la figura 2.32, para diferenciar tales casos, se usa
la función is_there_Fregion que identificará si existe o no una
traza, en caso sea positivo se tendrá un evento de F dispersa, de
lo contrario se tendrá una región F que solo contiene ruido.
• is_spreadF: False:
Aquí se identificarán dos casos, el primero es cuando exista la traza
63
de la capa F y el segundo cuando exista poco ruido o cuando no se
tengan ecos en la región F, tal como se muestra en la figura 2.32,
para diferenciar tales casos, se usa la función is_there_Fregion
que identificará si existe o no una traza, en caso sea positivo se
tendrá la traza de la capa F, de lo contrario se tendrá una región
F que contiene poco ruido o ningún eco de la región F.
En el módulo identify_SpreadF.py se ha implementado la función
is_there_Fregion el cual se encarga de identificar trazas en la
región F, el criterio básico es enumerar y etiquetar el número
de objetos presentes (cada objeto agrupa un número de píxeles
conectados para esto se usa la función ndimage.label del módulo
scipy de python). Una vez identificados los objetos se mide el ancho
(en columnas) de cada objeto. La condición que se está evaluando
es que existan al menos tres objetos cuyo ancho sea mayor o igual
a 4, o 1 cuyo ancho sea mayor o igual a 5. Esta condición descarta
el caso donde esté presente el ruido o interferencias, pues el ruido
suele aparecer aleatorio en la imagen y las interferencias en una
misma columna.
Asignación de parámetros y creación del file spreadF.txt: Luego
de almacenar el respectivo valor al parámetro info_Fregion, se procede
a crear un archivo spreadF.txt con 84 filas en cada archivo (los cuales
contienen información de 84 ionogramas), con el siguiente formato para
cada fila:
YYYY(año) DDD(día del año) HH(hora) MM(minutos) SS(segundos)
info_Fregion num_multiples.
De esta forma más adelante se podrá buscar los eventos de Es blanketing
total, en aquellos registros que tengan info_Fregion=0 y que, además,
presenten capa E esporádica (En la región E). Además, se podrá buscar
eventos donde se tenga blanketing parcial (info_Fregion=2) o si hay
presencia de F dispersa (info_Fregion=1).
Se ha implementado la rutina test_RNA_RegionFX.Y.py que a partir
de la matriz de la región F, genera el archivo spreadF.txt el cual caracteriza
la región F, y en su penúltima fila, nos indica 2 si hay capa F, 1 si hay F
dispersa, y 0 si no hay región F, tal como se muestran en la figura 2.33.
Las figuras 2.34, 2.35 y 2.36 muestran información de las regiones F.
El color azul indica la presencia de capa F, el color rojo indica presencia
64
Figura 2.32: Algoritmo para identificar si los ionogramas contienen F dispersa
(info_Fregion=1), trazas de la capa F (info_Fregion=2) o solo contienen
ruido o ningún eco (info_Fregion=0).
.
65
Figura 2.33: Fichero SpreadF.txt donde se caracteriza la región F.InfoFreg =
2: Si existe capa F, InfoFreg = 1: Si hay F dispersa, y InfoFreg = 0: si no
hay región F.
.
66
de F dispersa, el verde indica ausencia de ecos en la región F y el color
celeste indica falta de datos. Los eventos de F dispersa han sido obtenidos a
partir del algoritmo antes mencionado, el cual usa el parámetro PC3 descrito
anteriormente. El objetivo de identificar los eventos de F dispersa fue evitar
aplicar el modelo de rotores en estos ionogramas con F dispersa, pues sería
innecesario y con mucho costo computacional. Además, podemos tener una
visión rápida y general de como están los ionogramas en el año. Sabiendo que
la ocurrencia del F dispersa es mayor en los meses de enero y diciembre, y
aparecen en horas de la noche y madrugada, además, que nunca aparecen en
horas del día. Por ejemplo, si observamos la predicción de F dispersa para
el año 2018, notamos que supuestos eventos F dispersa en el día no tienen
sentido, y más bien estos son debido a que la digisonda estuvo fallando en los
primeros meses del 2018.
67
Figura 2.34: Caracterización de la región F desde el 2001 al 2006 usando el
algoritmo implementado.
.
68
Figura 2.35: Caracterización de la región F desde el 2007 al 2012 usando el
algoritmo implementado.
.
69
Figura 2.36: Caracterización de la región F desde el 2013 al 2018 usando el
algoritmo implementado.
.
70
2.3.6. Modelo de rotores
Con el fin de medir los cambios de la frecuencia mínima de la capa F se
ha implementado una variación del modelo de rotores de Galkin [47] para
escalar las trazas de la región F e identificar cada capa presente. El modelo
de rotores de Galkin [47] es usado en la nueva versión del Artist, Artist 5 [30],
este es un software de escalado automático y es más eficiente que la versión
del Artist 4 (versión actual con el que cuenta la digisonda del ROJ) en su
escalado. Cabe resaltar que el modelo de rotores implementado en el Artist 5
está optimizado en el cálculo de las frecuencias críticas de la capa F y no en
las frecuencias mínimas, por lo que se optó por su implementación y mejora
en ese aspecto.
La figura 2.37 muestra un esquema de como funciona este algoritmo. La
figura 2.38 muestra la aplicación del modelo de rotores a la región F de un
ionograma para identificar la capa F1 y F2, notar que discrimina bien el ruido.
Algoritmo de modelo de rotores
El algoritmo del modelo de rotores de Galkin [47] ha sido implementado
en tres rutinas principalmente:
Histograma angular, teniendo como entrada los bordes (píxeles o
puntos) se obtiene como salida una orientación inicial de los rotores.
Optimización de rotores, teniendo como entrada los rotores ya inicia-
lizados se obtiene como salida los rotores con sus direcciones optimizadas.
Esta rutina, en la tesis original de Galkin [47] usa un método de Redes
Neuronales Artificiales (Feedback) en el modelo original, en este trabajo
hemos modificado la regla de optimización de tal manera que se tiene
una regla autoconsistente que va buscando las direcciones óptimas de
los rotores.
Identificación de trazas, teniendo como entrada los rotores ya opti-
mizados se obtiene como salida las trazas presentes, capas F1, F2, Es,
etc. Los bordes pertenecientes a ruidos ya no aparecen en esta salida.
Histograma angular
El histograma angular consiste en realizar un conteo de la cantidad de
bordes que aparecen en las dos secciones circulares que se generan cada Θ
grados, tal como se muestra en la figura 2.39. El radio tomado para la sección
71
Figura 2.37: Rutinas del modelo de rotores. a) Bordes b) Histograma angular
c) Optimización de rotores d) Identificación de trazas.
72
Figura 2.38: Rutinas del modelo de rotores aplicado a la región F de un
ionograma para identificar las trazas de las capas F1 y F2.
73
Figura 2.39: Histograma angular. Modificado de Galkin [47].
circular es P .
En la figura 2.39 se observa que para la sección sombreada se obtiene una
frecuencia de 4, y para otra sección una frecuencia de 1. Por tanto la direc-
ción del rotor será Θ/2 orientado en el sector circular que contiene más bordes.
Los parámetros que usamos para dicha optimización han sido los siguientes:
Θ = 45o
P =2.5∗2.5=6.25
Optimización de rotores
La optimización de rotores de Galkin [47] utiliza un método de Redes
Neuronales Artificiales de tipo feedback, la figura 2.40 muestra el esquema de
como funciona esta optimización de la dirección de los rotores. Cada rotor i
interacciona con el resto de rotores j (j=1...N) y se obtiene el nuevo rotor de
salida.
~Vi = tanh(
N∑
j=1
wj ∗ ~Vj). (2.3.14)
De esta forma los pesos van cambiando en cada iteración y los vectores de
entrada se van actualizando (las salidas serán las nuevos entradas). Este
proceso continúa hasta que las salidas se vuelvan casi constante, es decir hasta
74
Figura 2.40: Esquema de Redes Neuronales Artificiales Feedback. Fuente
Galkin [47].
que el sistema se vuelva estable.
En nuestro caso hemos optado por hacer una variación al modelo de rotores
descrito por Galkin [47] y Galkin y cols. [42], el cambio viene básicamente en
la definición de la regla de evolución, el cambio es el siguiente:
~Vi = tanh(
N∑
j=1
wj ∗ ~Uj) (2.3.15)
En la anterior ecuación se está modificando el vector ~Vj por ~Uj , a continuación
se describe la regla de evolución utilizada para cada iteración.
~Vi = tanh(
N∑
j 6=i
wj∗ ~Uj)

wj =
(Cos(γij))
e
|Cij|f ,
~Uj = ~Cij si |Cij| < ρ
wj =
(Cos(βij))
c
|Cij|d ,
~Uj = ~Vj si ρ < |Cij| < P |θij − βij| < Θ/2
wj = 0 En los otros casos
(2.3.16)
Los parámetros son los siguientes:
75
Figura 2.41: Definición de los parámetros de los rotores 1. Modificado de
Galkin y cols. [42].
γij: Es el ángulo formado por el rotor actual ~Vi y ~Cij
~Cij : Es el vector que se forma teniendo como origen la posición del borde
i y como fin el borde j (o al revés, con la condición que la componente
horizontal sea positiva). |Cij| es su módulo.
βij: Es el ángulo formado entre el rotor ~Vi y el rotor ~V ′j .
~V ′j es el rotor ~Vj reflejado en la cuerda |Cij|. Se puede obtener con la
siguiente transformación: ~V ′j = Wij ~Vj,
donde Wij =
[
Cos(2θij) Sen(2θij)
−Sen(2θij) Cos(2θij)
]
, y θij es el ángulo entre ~Cij y
~Vj.
Ver las figuras 2.41 y 2.42 para interpretar los parámetros anteriores.
En la regla de evolución se pueden apreciar tres zonas, las cuales están
delimitadas por los parámetros Θ, ρ y P. La figura 2.43 muestra estas zonas.
Zona Transaxial: Zona en la cual |Cij| < ρ. Debemos notar que Galkin y
cols. [42] colocan sus parámetros de tal forma que el rotor base se alinee
76
Figura 2.42: Definición de los parámetros de los rotores 2. Modificado de
Galkin y cols. [42].
77
Figura 2.43: Zonas de interacción de los rotores. Modificado de Galkin y cols.
[42].
con los otros rotores, sin embargo en nuestro caso estamos haciendo que
el rotor base se alinee a los vectores ~Cij.
Zona Coaxial: Zona en la cual ρ < |Cij| < P y |θij − βij| < Θ/2.
Zona Muerta: En los otros casos.
Los parámetros y constantes usados para la optimización han sidos los
siguientes:
c = d = e = f = 1.0
Θ = 15o, ρ = 2.5 y P = 2.5∗ρ
Finalmente para cada iteración, se reorientan a la derecha aquellos rotores
que tienen componente horizontal negativa, es decir se multiplica por menos
su componente x, y se reorientan hacia arriba aquellos rotores que apuntan
hacia abajo, esto se hace con el fin de que los rotores extremos de la traza
tengan siempre la dirección +x en su componente horizontal y los ángulos
entre ellos sean calculados apropiadamente.
Identificación de trazas
Una vez optimizado los rotores, es decir cuando ya se tiene un mapa de
prominencia (este nombre le da Galkin [47] a los rotores optimizados) viene
78
la parte de identificar las trazas.
Esta última rutina ha sido implementada buscando la suavidad de las
curvas, haciendo un barrido de abajo hacia arriba, de izquierda a derecha, pri-
mero se ubica un grupo de rotores que sirvan como base de su traza, al menos
deben ser 4 rotores, la condición es que estos sean casi paralelos, sean cercanos
en distancia y a una línea. Una vez ubicado los rotores base se procede a ir
uniendo los demás rotores de acuerdo a un criterio de pertenencia. El criterio
de pertenencia a este grupo base es tal que haya una suavidad y continuidad
en el grupo de rotores. De esta forma se procede hasta haber comprobado
si todos los rotores pertenecen o no a dicho grupo. Luego, iterativamente se
vuelve a buscar un grupo de rotores base y se repite el mismo proceso hasta
que no se puedan encontrar algún grupo de rotores base.
Se ha implementado el script test_RNA_RegionFX.Y.py que implementa
el método del modelo de rotores para identificar la capa F y calcular la frecuen-
cia mínima de la capa F (fminF en MHz). Se genera el fichero freq_min.txt,
que tiene el formato mostrado en la figura 2.44. La última columna muestra
el valor de fminF, en caso no fuera posible encontrar la capa F, muestra nan.
Criterio para identificar eventos de blanketing
Antes de mencionar los criterios que algunos autores han usado para
identificar las capas Esb que indirectamente tienen en cuenta la absorción de
la región D, vamos a describir brevemente este proceso.
Absorción de la región D
La región D es la parte más baja de la ionósfera, entre 50 y 80 km (algunos
la consideran entre 60 y 90 km), con densidad de número de electrones varian-
do desde 108 a las 1010 m−3. En esta región hay iones negativos y positivos.
En las regiones E y F no hay iones negativos, debido a que los electrones
libres se recombinan con los iones positivos más rápidamente de lo que pueden
encontrar una molécula neutra para unirse. Sin embargo, en la región D, hay
una densidad mucho mayor de moléculas neutras, de modo que el electrón
libre puede colisionar con una molécula neutra y unirse a ella antes que tenga
tiempo de recombinarse con un ion positivo [48]
Cuando una onda de radio viaja a través del plasma, las colisiones entre
electrones y otras partículas, principalmente átomos neutros y moléculas
causa la reducción de su amplitud. Esto es el resultado de la conversión
79
Figura 2.44: Fichero freq_min.txt. La última columna muestra el valor de
fminF, en caso no fuera posible encontrar la capa F, muestra nan
.
80
del momento ordenado en movimiento térmico o aleatorio. Si no hubieran
colisiones, los electrones o iones oscilantes reirradiarian toda su energía que
podría ser devuelta a la onda [1]
A partir de la señal reflejada por la ionosonda se puede deducir la ate-
nuación a lo largo del camino entre el transmisor y receptor, obteniendo una
atenuación total que puede dividirse en la atenuación geométrica (debido a la
longitud del camino) y la atenuación ionosférica (debido a la absorción de la
región D) descrita en los párrafos anteriores [49].
A continuación, se resume los criterios que han usado algunos autores para
la identificación de las capas Esb y la región en las que han sido aplicadas.:
Oyinloye [28]: fbEs − foE >=0.5 MHz
Este criterio asegura que la frecuencia crítica de la capa E normal esté
bien definida, es decir que exista la traza de la capa E y que pueda
ser diferenciada de la capa E esporádica blanketing. Además, que la
porción inferior de la capa F no haya sido afectada por la absorción.
Estación ecuatorial.
Yadav y cols. [19, 29]: fbEs >= 4.0 MHz Estos autores solo exigen
que la frecuencia de blanketing sea mayor o igual a 4.0 MHz. Estación
ecuatorial.
Baggaley [50]:
• foEs >= 5.0 MHz y fbEs >= 4.0 MHz para el día (10:00-14:00
LMT)
• foEs >= 4.0 MHz y fbEs >= 2.0 MHz para la noche (19:00-04:00
LMT)
Estación de latitudes medias del hemisferio sur.
Notamos que el criterio de Oyinloye [28] tiene en cuenta la absorción
debido a la región D y E que sufren los ecos de mínima frecuencia de la capa
F; y el criterio de Baggaley [50] considera umbrales constantes para las fbEs,
para el día y la noche, lo cual indirectamente refleja la diferente absorción
que existe en el día y la noche. La frecuencia mínima (fmin) es considerada
un indicador de la absorción ionosférica [51]. Por tal razón, en este estudio
hemos planteado un nuevo criterio para la identificación de las capas Esb
que tenga en cuenta la absorción de la capa D durante el día a partir de la
tendencia que sigue la frecuencia mínima de la capa F todos los días.
81
El criterio propuesto en este trabajo para identificar los eventos de blan-
keting, teniendo en cuenta el efecto de la absorción de la región D, es el
siguiente:
Esb parcial: A partir de la tendencia normal de la fminF durante
el día, observamos un incremento y posterior descenso alcanzando el
pico máximo alrededor del medio día. Esta tendencia se debe a que la
absorción de la capa D es mínima hasta las 6 am, hora en al que empieza
a aumentar con una tendencia de parábola invertida, alcanzando el pico
máximo al medio día, y disminuyendo al segundo mínimo a las 6 pm
aproximadamente. La curva ajustada es una parábola invertida, la figura
2.45 muestra la tendencia normal de la fminF durante el día y la curva
ajustada. Un criterio para identificar los eventos de Esb serán aquellos
eventos cuyo valor de fminF se aleje un cierto valor umbral de la curva
(tomado 0.5MHz) y que además su fminF sea mayor a 3.7MHz. Este
criterio combinado con el modelo de bosques aleatorios para identificar
capas E esporádicas nos da los casos de eventos Esb parcial.
Esb total: Serán Esb total aquellos cuya fminF sea mayor a 7.7 MHz
o que NO haya capa F (esto se obtiene a partir del parámetro antes
mencionado donde info_Fregion = 0), y en ambos casos debe haberse
identificado una capa E esporádica con el modelo de bosques aleatorios.
Se ha escogido realizar el ajuste a la curva de parábola invertida debido a
que se ha observado esta tendencia diaria en todos los años, por otro lado
mostramos a continuación los resultados de algunos autores que respaldan
nuestra elección.
En el Instituto Nacional Italiano para Geofísica y Vulcanología (INGV) se
ha ideado un método de calibración de la ionosonda AIS-INGV para atenuación
ionosférica, proporcionando datos empíricos de la pérdida por absorción [49].
La figura 2.46 incluye dos gráficos, los puntos negros representan la principal
información sobre las atenuaciones (eje vertical izquierdo), los puntos azules
representan la altura de cada eco (eje vertical derecho) medidos simultane-
mente (eje X en UT, en este observatorio, UniversalT ime = LocalT ime− 1).
Una barra de dispersión es agregada para cada punto negro, deducido de las
incertidumbres de calibración. Este sondeo fue presentado empezando el 2
de septiembre del 2016 a las 08:49 UT, hasta el 4 de septiembre del 2016 a
las 5:49 UT, repitiendo el sondeo cada 5 minutos, usando una frecuencia de
2.3MHz y un intervalo de altura seleccionada de 95 a 140 km.
82
Figura 2.45: Serie de tiempo de la frecuencia mínima de la capa F para 84
ionogramas consecutivos. Tendencia típica durante el día, para el 29 de marzo
del 2008. Los eventos cuyo fminF se aleje un valor 0.5 MHz de la curva roja
ajustada (círculo amarillo) son los posibles eventos Esb
.
83
Figura 2.46: Ejemplo de un estudio de una sola capa para una frecuencia
en un período de tres días. Los puntos azules representan las alturas de los
ecos seleccionados (eje vertical derecho); los puntos negros representan la
atenuación ionosférica, calculada después de restar la atenuación geométrica
(eje vertical izquierdo). Fuente: Gilli y cols. [49].
Las líneas verticales turquezas/azules representan los momentos de la
salida del Sol (sunrise) y la puesta de Sol (sunset), estimado para una altura
de 75 km, esto es debido a que la principal contribución de la atenuación
es debido a la absorción de la capa D, mientras la contribución de la capa
E (donde ocurre la reflexión) se espera que sea despreciable. Se observa el
incremento de la atenuación durante el día y la disminución durante la noche.
Este tipo de gráficos es útil para monitorear la tendencia temporal para una
capa particular. Las atenuaciones son absolutas pero, incluso pensando que
sus valores son afectados por errores, las diferencias no lo son, tal que la
evaluación de la tendencia de la atenuación es confiable [49].
Gilli y cols. [49] obtuvieron la atenuación para varios meses para la fre-
cuencia 2-3 MHz para las horas diurnas. Los valores de atenuación medidos
en las distintas horas se promediaron (valor de mediana) para todos los días
de cada mes, de agosto a noviembre del 2017. El resultado se muestra en
la figura 2.47, en la que cada curva se refiere a un mes diferente, en el eje
horizontal se tiene la hora UT, y en el eje vertical la atenuación ionosférica
(después de restar la atenuación geométrica). Las curvas se extienden solo
desde aproximadamente las 5:30 a las 16:30 UT debido al interés solo en las
84
Figura 2.47: Ejemplo de la absorción media mensual en 2.3 MHz. Cada linea
representa las atenuaciones como en la figura 2.46 promediadas a lo largo de
un mes (solo para ecos entre 95 y 140 km). Fuente: Gilli y cols. [49].
.
horas del día. Incluso después de este simple estudio es posible notar que en
todos los meses el máximo de atenuación ocurre al medio día (local time),
mayormente debido a la capa D, además, al pasar de agosto a los meses
de otoño la insolación decrece, al igual que la absorción de la capa D. Las
curvas de la figura 2.47 pueden ser tomadas como representativas de una
ionosfera calmada, y usarse como referencia para resaltar las desviaciones en
condiciones particulares, por ejemplo tormentas solares y otros [49].
Fontell [52] han comparado un método para la pérdida por absorción
que tiene en cuenta la absorción para cada onda ordinaria y extraordinaria
con el método anteriormente descrito (el método de Gilli y cols. [49]). La
comparación de ambos métodos se muestra en la figura 2.48, la medición de
la atenuación ionosférica de 2.3 MHz por la ionosonda AIS-INGV versus la
atenuación predecida que tiene en cuenta la absorción de la onda ordinaria y
extraordinaria (aparecen como x de color rojo, etiquetadas como Ray Tracer).
Los datos fueron registrados el 03/09/2016 desde las 00:00 horas a las 17:00
horas UTC. Los efectos de la atenuación geométrica han sido sustraidos de la
data empírica.
En los resultados anteriores de otros autores se aprecia la tendencia de
parábola para la absorción con máxima absorción al medio día y mínima ab-
sorción a la salida y puesta del sol, lo cual respalda nuestro criterio propuesto
para la identificación de los eventos Esb.
Los resultados de la identificación automática del algoritmo propuesto
85
Figura 2.48: Comparación de la medición de la atenuación ionosférica de 2.3
MHz por la ionosonda AIS-INGV (de Gilli y cols. [49]) versus la atenuación
predicha que tiene en cuenta la absorción de la onda ordinaria y extraordinaria.
Los datos fueron registrados el 03/09/2016 desde las 00:00 horas a las 17:00
horas UTC. Los efectos de la atenuación geométrica han sido sustraídos de la
data empírica. Fuente: Fontell [52].
.
86
Clase predicha = 1 Clase predicha = 0
Clase real = 1 Verdaderos positivos (VP) Falsos negativos (FN)
Clase real = 0 Falsos positivos (FP) Verdaderos negativos (VN)
Cuadro 2.1: Matriz de Confusión
e implementado se muestran en el anexo 1, incluido los falsos positivos. Se
muestra también los parámetros anteriormente descritos.
2.4. Evaluación y eficiencia del software
Para la evaluación de la eficiencia se ha comparado con los eventos de Esb
identificados visualmente de los años 2007, 2008 y 2009 por Percy Cóndor,
investigador del Instituto Geofísico del Perú y del estudiante de Física Luis D.
Cárdenas Andrade de la Universidad Nacional de Ingeniería, quien identificó
y escaló manualmente los eventos Esb de los años 2010, 2011, 2013, 2014, 2015
y 2016. Las capas E esporádicas blanketing observadas con los ionogramas de
la DPS-4 del Radio Observatorio de Jicamarca podrían considerarse como
eventos raros pues pueden llegar a presentarse cerca a 60 eventos en un año
de mínima actividad solar (teniendo en cuenta el criterio para identificarlos
considerados en esta tesis) y 10 eventos en un año de máxima actividad solar.
Para este tipo de eventos raros, las métricas usadas para medir la eficiencia
de los métodos de identificación suelen ser la Sensibilidad (S), la Presición
(P) y el F1-Score [53]. Estos son calculados a partir de la matriz de confusión
mostradas en la tabla 2.1.
Se consideran la siguiente definición de las métricas:
PRESICION = P =
V P
V P + FP
, (2.4.1)
SENSIBILIDAD = S =
V P
V P + FN
, (2.4.2)
F1− SCORE = 2 ∗ V P
2 ∗ V P + FP + FN , (2.4.3)
Debido a que se utilizó los años 2008, 2009, 2013, 2014 y 2015 para
entrenar el modelo de bosques aleatorios visto en 2.3.3, entonces para evaluar
las métricas anteriores usaremos eventos Esb de otros años. Usando para el
test, los años 2007, 2010, 2011 y 2016 (la tabla de identificación visual se
87
Esb identificado Esb no identificado
Esb real 161 18
No Esb real 55 –
Cuadro 2.2: Matriz de Confusión por evento de Esb identificado por el software
de identificación desarrollado.
encuentra en el anexo 2), tenemos la siguiente matriz de confusión mostrada
en la tabla 2.2
A partir de la cual se obtuvo:
S = 89 %,
P = 72 %,
F1 = 80 %.
Notamos que tenemos una sensibilidad de 89 % lo cual asegura que no se per-
derá información relevante y podremos estudiar las tendencias. Sin embargo,
se tiene una precisión de 72 % debido principalmente a la baja sensibilidad
de la DPS-4 al detectar las capas F1 y esto introduce muchos falsos positivos
en el algoritmo que ajusta la fminF y corrige la absorción de la capa D,
esto se discutirá más adelante. Para salvar el bajo porcentaje de precisión,
común en eventos raros, se descartarán manual/visualmente estos eventos de
la predicción dada por la DPS-4.
Además haciendo una comparación de los valores obtenidos por el progra-
ma de identificación para los Esb de los años de validación (2007, 2010, 2011
y 2016) con los obtenidos visualmente, se obtiene un error raíz cuadrático
medio (RMSE) para los parámetros fbEs y hEs para los eventos Esb parciales.
Se obtuvo:
RMSEfbEs = 0.4 MHz y
RMSEhEs = 4.6 km .
88
Capítulo 3
Estadística de la ocurrencia de las
capas E esporádicas Blanketing
3.1. Datos entre 2001 y 2018 de la digisonda
DPS-4
Los eventos identificados por el programa y algoritmo desarrollado en esta
tesis, presentados en matrices de ocurrencia para registros entre el 2001 y
2018, se muestran en las figuras 3.1 (2001 - 2006), 3.2(2007 - 2012) y 3.3(2013
- 2018). Las matrices de ocurrencia muestran la ocurrencia de capas Esb en
función de la hora local en sus filas y el día del año en sus columnas (para
fines prácticos se ha etiquetado los meses). Los últimos meses del 2017 y los
primeros meses del 2018 la digisonda estuvo fallando por eso faltan datos.
3.1.1. Variabilidad respecto a días y horas del día
La figura 3.4 muestra un histograma de las horas del día en la que se
presentaban los Esb entre el 2001 y 2018. Tener en cuenta que en algunos
años falta datos. Notamos que principalmente se presentan entre las 7 am y
las 8 pm, con un pico máximo a las 4 pm y otro segundo pico menor a las
8-9 am. Si en una misma hora aparecen más de 1 ionograma, solo se está
considerando un conteo por hora.
La figura 3.5 muestra un histograma de los días del año en los que se
presentaban los Esb entre el 2001 y 2018. Tener en cuenta que en algunos
años falta datos. En general, ocurre con mayor frecuencia en los meses del
solsticio de diciembre, es decir, en noviembre, diciembre y enero. Si en un
mismo día aparecen más de 1 ionograma, solo se está considerando un conteo
89
Figura 3.1: Ocurrencia Esb identificado entre 2001 y 2006.
90
Figura 3.2: Ocurrencia Esb identificado entre 2007 y 2012.
91
Figura 3.3: Ocurrencia Esb identificado entre 2013 y 2018.
92
Figura 3.4: Distribución de ocurrencia de eventos Esb identificados en función
de la hora local entre 2001 y 2018.
93
Figura 3.5: Distribución de ocurrencia de eventos Esb identificados en función
de días del año entre 2001 y 2018.
por día.
La figura 3.6 muestra un histograma de las alturas de las Esb entre el
2001 y 2018. Tener en cuenta que en algunos años falta datos. En general,
se observa que aparecen entre 90 y 135 km, con un pico entre 95 y 100 km.
Aquí se están considerando todos los ionogramas identificados.
3.1.2. Variabilidad respecto a estaciones del año
La figura 3.7 muestra los días de ocurrencia de las Esb por días cercanos
a los solsticios y equinoccios en los que se presentaban los Esb entre el 2001 y
2018. La curva roja cuyo eje se encuentra en el lado derecho indica el porcen-
taje de días en los que no hay datos para cada año. El rango de días exactos
para hacer referencia a los días más próximos a los solsticios y equinoccios
han sido tomados similares a los considerados en Chau y Kudeki [3].
94
Figura 3.6: Distribución de ocurrencia de ionogramas con Esb identificados
en función de alturas de las Esb identificado entre 2001 y 2018 en km.
95
Figura 3.7: Días de ocurrencia de Esb por estaciones entre 2001 y 2018.
Equinoccio de septiembre: 220 - 314 días del año
Solsticio de diciembre: 315 - 33 días del año
Equinoccio de marzo: 34 - 128 días del año
Solsticio de junio: 129 - 219 días del año
Con el fin de no ser redundante, cada vez que se mencione equinoccio o solsti-
cio (o los meses cercanos a los equinoccios o solsticios), se estará haciendo
referencia a los días del año en el rango de días presentado lineas arriba. Por
ejemplo, para el caso del solsticio de diciembre, se están considerando días
del mes de noviembre, diciembre del respectivo año y días del mes de enero
(y los dos primeros días de febrero) del siguiente año.
La figura 3.8 muestra histogramas de las horas de ocurrencia de las Esb
por solsticios y equinoccios en los que se presentaban los Esb entre el 2001 y
2018. Notamos que los picos de ocurrencia aún se conservan en el solsticio de
diciembre y equinoccio de marzo. Para el solsticio de junio se tiene la mayor
96
Figura 3.8: Histograma de horas de ocurrencia de Esb por estaciones entre
2001 y 2018.
Figura 3.9: Histograma de alturas de km de Esb por estaciones entre 2001 y
2018.
ocurrencia entre las 4 y las 7 pm.
La figura 3.9 muestra histogramas de las alturas de las capas Esb por
solsticios y equinoccios en los que se presentaban los Esb entre el 2001 y 2018.
Notamos que en los meses del solsticio de junio y los equinoccios, los eventos
Esb se presentan mayormente en un rango de 95 y 110 km. En los meses del
solsticio de diciembre se presentan mayormente entre 90 y 135 km.
3.1.3. Variabilidad con el ciclo solar
La figura 3.10 muestra un conteo de los días donde ocurrió Esb para los
años entre 2001 y 2018 y en el eje de la derecha (curva roja) se muestra el
porcentaje de la data faltante.
97
Figura 3.10: Días de ocurrencia de Esb por año.
98
Figura 3.11: Días calmados o disturbados con Esb por año, el eje de la derecha
muestra el porcentaje de data faltante.
3.1.4. Variabilidad en días calmados y disturbados
La figura 3.11 muestra un conteo de los días calmados y disturbados donde
ocurrió Esb para los años entre 2001 y 2018.
En las figuras 3.12 y 3.13 se muestra el porcentaje de ocurrencia de días
con Esb y el porcentaje de días donde faltan datos para los días calmados y
disturbados del respectivo año.
3.1.5. Parámetros h’Es, fbEs y foEs
La figura 3.14 muestra un diagrama de cajas de las frecuencias de blanke-
ting. Aquellos blanketing total en los que no aparece la traza de la capa F
han sido considerados con fbEs igual a 8.0 MHz. Los extremos de las caja
están limitadas por sus cuartiles, es decir el extremo inferior es el percentil
25, la linea interior es el percentil 50 y el extremo superior es el percentil 75.
Este diagrama de cajas ha sido generado con el método boxplot del módulo
seaborn de python. Además, se está considerando los días del solsticio de
99
Figura 3.12: Porcentaje de días con Esb respecto a los días calmados.
100
Figura 3.13: Porcentaje de días con Esb respecto a los días disturbados.
101
Figura 3.14: Diagrama de cajas de las frecuencias de blanketing por año.
diciembre como aquellos que abarcan los respectivos días de los meses de
noviembre y diciembre del año que figura, así como los pertenecientes al mes
de enero del siguiente año.
3.2. Comparación con ionogramas de la iono-
sonda VIPIR
Se ha realizado la comparación de los Esb encontrados en los ionogramas
de la DPS4 con los ionogramas disponibles de la ionosonda VIPIR y se ha
obtenido que en algunos casos coincide que en ambos ionogramas las capas
E esporádicas son blanketing (ver figura 3.15) y en otros casos, solo son
blanketing en la DPS-4 mas no en VIPIR (ver figura 3.16).
Se realizó una comparación de los ionogramas que en la digisonda presen-
taban eventos de blanketing con los ionogramas de VIPIR, luego de comparar
la data disponible de VIPIR para el año 2009 y cuyos ionogramas son adecua-
102
Figura 3.15: E esporádica blanketing en los ionogramas de VIPIR y la DPS-4.
DPS-4 VIPIR
Potencia de transmisores 2 x 250 W 4 x 1 kW
Rango de frecuencias
de operación 1.0 - 12.0 MHz 0.3 - 20 MHz
Pasos de frecuencia 0.1 MHz logarítmica
Ganancia 0 dB 10 dB
Cuadro 3.1: Comparación características ionosonda VIPIR y DPS-4 del ROJ
dos y no polémicos, se hizo una comparación para 27 eventos de blanketing
identificados con la digisonda y se encontró que 7 de dichos eventos no eran
blanketing en VIPIR (ver anexo 3), la mayoría asociados al ocultamiento de
la capa F1. Esto podría deberse a la mayor potencia que posee la ionosonda
VIPIR (VIPIR tiene 4kW vs los 500 W de la digisonda), lo que le permite
detectar mejor la capa F1. La tabla 3.1 muestra una comparación de algunas
características de la ionosonda VIPIR y la DPS-4 del ROJ. Las características
de la digisonda han sido obtenidas de su manual y de conversaciones con el
operador local, y de VIPIR han sido obtenidas de Reyes [1] y conversaciones
con el operador local.
103
Figura 3.16: E esporádica blanketing en los ionogramas de la DPS-4 mas no
en VIPIR.
104
3.3. Magnetogramas
3.3.1. En la ocurrencia de los eventos Esb
Con el fin de observar la variación y comportamiento de la intensidad del
electrochorro ecuatorial (o contraelectrochorro) en el tiempo de ocurrencia
de las capas Esb obtenidas a partir de la data de la digisonda, usualmente
se observa la variación de la componente horizontal del campo magnético
terrestre registrado por los magnetómetros de dos estaciones terrenas, una
ubicada en la región del electrochorro ecuatorial y otra fuera de esta región.
En este estudio se usará el ∆H de la estación de Piura (PIU), fuera del
ecuador magnético y de Jicamarca (ROJ ), en el ecuador magnético. Ambos
pertenecientes a la red IGP. Tenemos ∆H = HROJ −HPIU . Este parámetro
∆H es proporcional a la intensidad del electrochorro ecuatorial (contraelec-
trochorro ecuatorial) cuando ∆H es positivo (negativo).
La serie de tiempo ∆H por minuto ha sido descargado de la página de
LISN (http://lisn.igp.gob.pe/data/) para los días calmados de los años
entre 2001 y 2018. Para cada serie de tiempo de ∆H de los magnetogramas
se han obtenido los siguientes parámetros para los ∆H en las ocurrencias
de los Esb, en un rango desde 6 minutos antes hasta 6 minutos después del
registro de la capas Esb (ver figura 3.17 ):
El promedio de los ∆H (figura 3.18).
La pendiente obtenida al ajustar los valores de ∆H a una recta (figura
3.19).
El error cuadrático medio obtenido a partir de los valores reales y la
recta ajustada para los valores de ∆H (figura 3.20).
La razón entre el valor promedio de los ∆H, en un rango desde 6 minutos
antes hasta 6 minutos después del registro de la capas Esb, y el valor
máximo (mínimo) de los valores de ∆H si el promedio de los ∆H es
positivo (negativo), este máximo (mínimo) es tomado en un rango de 5
horas antes y después del registro de la capas Esb. (figura 3.21).
La figura 3.18 muestra el histograma de los valores promedio de los ∆H
por minuto en un rango desde 6 minutos antes hasta 6 minutos después de
las ocurrencias de los Esb. Se observa una distribución cuyos percentiles 10,
50 y 90 son -24.2, 2.4 y 26.8 nT respectivamente, lo cual puede indicar que
las condiciones en las que se producen las Esb son en condiciones de contra-
electrochorro ecuatorial (para ∆H negativos) y condiciones de electrochorro
105
Figura 3.17: Magnetograma muestra el ∆H y los parámetros calculados
alrededor de 6 minutos antes y 6 minutos después de la ocurrencia del Esb a
las 20:30 horas UT el día 20/02/2008.
ecuatorial no muy intensas (valores de ∆H positivos).
La figura 3.19 muestra el histograma de las pendientes de los ∆H obte-
nida al ajustar los valores de ∆H a una recta en un rango desde 6 minutos
antes hasta 6 minutos después de las ocurrencias de los Esb. Se observa una
distribución cuyos percentiles 10, 50 y 90 son -18.4, 4.4 y 35.7 nT/hora respec-
tivamente, lo cual puede indicar que las condiciones en las que se producen
las capas Esb son en condiciones donde la corriente del contraelectrochorro o
electrochorro está variando lentamente.
La figura 3.20 muestra el error cuadrático medio obtenido a partir de
los valores reales y la recta ajustada para los valores de ∆H en un rango
desde 6 minutos antes hasta 6 minutos después de las ocurrencias de los
Esb. Se observa una distribución cuyos percentiles 10, 50 y 90 son 0.3, 0.7 y
1.6 nT/hora respectivamente, lo cual muestra que en el rango tomado estos
valores se ajustan muy bien a una recta.
La figura 3.21 muestra un histograma de la razón entre el valor promedio
de los ∆H (en un rango de 6 minutos antes y después del registro de las capas
Esb) y el valor máximo (mínimo) de los valores de ∆H si el promedio de los
106
Figura 3.18: Histograma de los valores promedio de los ∆H por minuto en
un rango desde 6 minutos antes hasta 6 minutos después de las ocurrencias
de los Esb.
Figura 3.19: Histograma de las pendientes de los ∆H obtenida al ajustar
los valores de ∆H a una recta en un rango desde 6 minutos antes hasta 6
minutos después de las ocurrencias de los Esb.
107
Figura 3.20: Histograma de los errores cuadrático medio obtenidos a partir
de los valores reales y la recta ajustada para los valores de ∆H en un rango
desde 6 minutos antes hasta 6 minutos después de las ocurrencias de los Esb.
∆H es positivo (negativo), este máximo (mínimo) es tomado en un rango de
5 horas antes y después del registro de la capas Esb. Se observa una distri-
bución cuyos percentiles 10, 50 y 90 son -0.77, 0.05 y 0.63 respectivamente,
lo cual muestra que ocurren en condiciones de contra electrochorro (inclu-
so alrededor de su pico mínimo) y electrochorro débil (al inicio o final del EEJ).
La figura 3.22 muestra un gráfico de los ∆H promedio (en un rango de 6
minutos antes y después del registro de la capas Esb) y la razón definida en
el párrafo anterior, es decir la razón entre ∆H promedio y el valor máximo
(mínimo) de los valores de ∆H si el promedio de los ∆H es positivo (negativo)
de los registros de las capas Esb, se observa que los eventos ocurren en igual
medida en electrochorro ( ∆H positivo) y contraelectrochorro (∆H negativo)
y que en el caso de electrochorro estos ocurren mayormente cuando el electro-
chorro es débil (considerando valores menores a 25 nT) y mayormente cuando
está iniciando o terminando (valores en el eje Y menores a 0.5); en el caso de
contraelectrochorro se tiene que estos pueden ocurrir de forma significativa
cuando el electrochorro está iniciando así como cuando está llegando a su
valor mínimo.
La figura 3.23 muestra un gráfico de ∆H promedio vs pendiente de ∆H
108
Figura 3.21: Histograma de la razón entre el valor promedio de los ∆H (en
un rango de 6 minutos antes y después del registro de las capas Esb) y el
valor máximo (mínimo) de los valores de ∆H si el promedio de los ∆H es
positivo (negativo), este máximo (mínimo) es tomado en un rango de 5 horas
antes y después del registro de la capas Esb.
Figura 3.22: Tasa ∆H/∆Hmaximo vs ∆Hpromedio.
109
Figura 3.23: ∆H promedio vs pendiente de ∆H en un rango desde 6 minutos
antes hasta 6 minutos después de las ocurrencias de los Esb.
en un rango desde 6 minutos antes hasta 6 minutos después de las ocurrencias
de los Esb. Se observa que las capas Esb se presentan en cantidades similares
tanto para cuando el electrochorro débil o contraelectrochorro están iniciando
(pendiente positiva) o terminando (pendiente negativa).
3.3.2. En los días de no ocurrencia de los eventos Esb
Con el fin de observar la intensidad del electrochorro para días calmados
en años de mínima y baja actividad solar en días en los que no se identificó
eventos Esb, a fin de no considerar la posible influencia de las capas Esb en los
∆H, se ha calculado el ∆H promedio (promedio desde 6 minutos antes hasta
minutos después) para tiempos aleatorios entre las 11 y las 13 horas (hora
local). Se han considerado los años 2007, 2008, 2009. 2016, 2017 y 2018 como
años de mínima actividad solar y 2001, 2002, 2003, 2013 y 2014 como máximo
solar. La figura 3.24 muestra los histogramas de estos ∆H, se observa que
los percentiles 10, 50 y 90 para el histograma de ∆H promedio en años de
mínima actividad solar son 12.0, 47.0 y 79.5 respectivamente, y para máximo
solar son 17.0, 62.6 y 104.9 respectivamente. Esto nos muestra que en años
de máxima actividad solar se tiene una mayor corriente del electrochorro
ecuatorial para días calmados.
110
Figura 3.24: ∆H promedio entre las 11 y las 13 horas (hora local) para días
calmados en los que no hubo ocurrencia de Esb para años de a) Mínima
actividad solar (2007, 2008, 2009. 2016, 2017 y 2018) y b) Máxima actividad
solar (2001, 2002, 2003, 2013 y 2014).
111
Capítulo 4
Análisis de los resultados
estadísticos
4.1. Comparación de resultados
A continuación, mostramos una comparación de los resultados obtenidos
en esta tesis con los resultados de otros autores.
En general, ocurre con mayor frecuencia en los meses próximos al
solsticio de diciembre (solsticio de verano en el hemisferio sur), es decir
en noviembre, diciembre y enero. Sobre todo en los años de mínima
actividad solar (ver figuras 3.5 y 3.7). Lo cual coincide con los estudios
recientes de Yadav y cols. [19] para ionogramas registrados cada quince
minutos para los años entre 1996 y 2006 en el observatorio ecuatorial de
Trivandrum (dip latitude 0.5o N) en la India. Además, Prasad y cols. [54]
realizaron una comparación de la ocurrencia de Esb en tres observatorios
de distintas latitudes, Trivandrum (India, latitud ecuatorial, 0.3o N),
Waltair (India, latitud baja, 20o N) y Kokubunji (Japón, latitud media,
49.1o N) para el año 2001 (año de máxima actividad solar) para los
meses de octubre, diciembre y julio representando un mes próximo al
equinoccio (equinoccio de septiembre en el hemisferio norte), invierno y
verano (en el hemisferio norte) respectivamente, registrados cada hora.
Prasad y cols. [54] encontraron que la ocurrencia de Esb es mayor en la
estación Kokubunji de latitud media para los tres meses considerados, y
para baja latitud (estación de Waltair) la ocurrencia es mayor en el mes
de julio del verano local. Reddy y Matsushita [55] usaron ionogramas
obtenidos cada hora en el periodo desde 1958 a 1965 registrados entre
las 04 y 20 horas para diez observatorios de distintas latitudes (bajas y
medias) con dip latitude variando entre -27 y 56 grados y encontraron
112
que la ocurrencia de Esb en los meses del verano local es mayor que en
los equinoccios e invierno.
En años de mínima actividad solar aparecen más eventos Esb que en años
de máxima actividad solar (figura 3.10) lo cual coincide con los estudios
recientes de Yadav y cols. [19]. Los estudios de Reddy y Matsushita
[55] para latitudes medias y bajas también está de acuerdo con este
resultado.
Respecto a los días calmados y disturbados, se observa que la tendencia
de mayor ocurrencia en años de mínima actividad se mantiene para
días calmados y no se observa esta tendencia para días disturbados (ver
figuras 3.12 y 3.13).
Respecto a la hora de ocurrencia, notamos que se presentan entre las
7 am y las 8 pm, con un pico máximo a las 4 pm (ver figura 3.4), y
otro segundo pico menor a las 8-9 am. Estos picos aún se conservan
en el solsticio de diciembre y equinoccio de marzo (figura 3.8). Para el
solsticio de junio se tiene la mayor ocurrencia entre las 4 y las 7 pm.
Picos similares de ocurrencia han sido anteriormente identificados en
el año 1958 por Bandyopadhyay y Montes [56, 57] en una cadena de
estaciones transecuatoriales del Perú. Bandyopadhyay y Montes [56,
57] encontraron que la ocurrencia diaría de capas E esporádicas tipo c
y h (que a menudo son blanketing) para el año 1958 (año de máxima
actividad solar) para siete estaciones sudamericanas (Talara, Chiclayo,
Chimbote, Huancayo, Juliaca, La Paz e Ilo) alrededor del ecuador
magnético, en los meses del solsticio de diciembre se caracterizan por
la ocurrencia de dos picos, uno en la mañana alrededor de las 08 horas
y otro en la tarde alrededor de las 16 horas. Reddy y Matsushita [55]
encontraron la presencia de dos máximos de ocurrencia para distintas
latitudes, siendo prominentes para latitudes medias altas, menos notorios
para latitudes medias y en latitudes bajas apenas son perceptibles en
su verano local.
Las frecuencias de blanketing se presentan en su mayoría, entre 4.0 y
5.5 MHz (figura 3.14). Se debe tener en cuenta que el criterio propuesto
para la identificación de Esb en este trabajo tiene la restricción de
fbEs >=3.7 MHz.
Respecto a las alturas de las Esb, en los meses del solsticio de junio y
los equinoccios se presentan mayormente en un rango de 95 y 110 km,
mientras que en los meses del solsticio de diciembre se presentan en un
113
rango más amplio mayormente entre 90 y 135 km (ver figuras 3.6 y 3.9).
Se han encontrado algunos casos donde la capa se presenta en 160 km y
en varios de estos casos aparentemente inician de la parte inferior de la
capa F1, por ejemplo el evento Esb mostrado en la figura 4.1. Eventos
con las mismas características ya han sido reportados anteriormente
por Khan y cols. [58].
4.2. Posibles condiciones que favorecen la apa-
rición de las capas Esb
El modelo propuesto por Muralikrishna y Kulkarni [11] muestra la
influencia de las partículas de polvo meteórico en el electrochorro ecua-
torial para la generación del contraelectrochorro ecuatorial lo cual,
además, nos puede permitir explicar la ocurrencia de las capas Esb.
En principio, el modelo de Muralikrishna y Kulkarni [11] muestra que la
presencia de polvo meteórico considerable puede generar una reducción
en la corriente del electrochorro ecuatorial (electrochorro débil) o incluso
su reversión (contraelectrochorro ecuatorial), lo cual está de acuerdo con
lo obtenido en la figura 3.22. Este muestra que la mayoría de eventos
Esb se presentan en condiciones de electrochorro débil (considerando
0 <= ∆H < 25nT ) o contraelectrochorro (considerando ∆H < 0nT ).
A partir del modelo de Muralikrishna y Kulkarni [11] y de nuestras
observaciones podemos considerar tres condiciones físicas que pueden
influir en la formación del CEJ y en las capas Esb (ver figura 4.2), estas
son:
• Presencia de partículas de polvo meteórico
• Nivel adecuado de ionización
• Corriente de EEJ normal no muy intensa
Mayor presencia de partículas de polvo meteórico podría tener como
consecuencia que estas partículas consigan capturar más electrones
del ambiente y así formar unas capas Esb más densas. En el mismo
sentido, un nivel adecuado de ionización facilitaría que mayor cantidad
de electrones puedan ser capturados por los iones positivos del polvo
meteórico. Intuitivamente se puede pensar que una corriente de EEJ
intensa impulsaría los electrones del medio de tal forma que no se favo-
recería su captura por los iones metálicos.
114
Además, Fang y cols. [59] y Fang y cols. [60] han mostrado que para ba-
jos niveles de flujo solar disminuye la tasa de ionización de la atmósfera
y se tiene una menor conductividad ionosférica, causando corrientes
del electrochorro ecuatorial (normal) menos intensas, esta afirmación
se puede reforzar a partir de los resultados obtenidos en la figura 3.24,
lo cual muestra que en general para años de máxima actividad solar se
tienen corrientes del EEJ más intensas respecto a los años de mínima
actividad solar. Entonces, esto podría explicar porque las capas Esb
presentan mayor ocurrencia en los años de mínima actividad solar.
La mayor ocurrencia en los meses del solsticio de verano puede ser expli-
cada debido a que en estos meses se tiene mayor ionización con respecto
a las otras estaciones del año, pudiéndose alcanzar el nivel adecuado de
ionización en estos meses del solsticio de verano. Considerando que en
la tarde podría tenerse mayor ionización que durante la mañana (pues
en horas de la mañana recién se empieza a ionizar la ionósfera y en la
tarde ya se tiene una ionósfera ionizada) y como la corriente del EEJ es
débil en la mañana (cuando empieza a aumentar) y durante la tarde
(cuando empieza a disminuir), entonces esto puede explicar el porqué se
tienen dos picos de ocurrencia y el mayor pico es en horas de la tarde.
115
Figura 4.1: Evento Esb de altura 160 km aparentemente generado a partir
de la parte baja de la capa F1 registrado el día 17/07/2007 que inicia a las
21:00 horas UT.
Figura 4.2: Posibles condiciones que favorecen la formación de las capas Esb.
116
Capítulo 5
Conclusiones y trabajos futuros
5.1. Conclusiones
Se ha obtenido la primera estadística de ocurrencia de las capas E esporá-
dicas de tipo blanketing sobre el Radio Observatorio de Jicamarca, usando
ionogramas de la digisonda DPS-4 registrados entre el 2001 y 2018.
Los resultados, en general, coinciden con los obtenidos por Yadav y cols.
[19], es decir ocurren con mayor frecuencia en los meses próximos al solsticio
de verano y en los años de mínima actividad solar.
En el ROJ, para los meses de noviembre, diciembre y enero, en los años
de mínima actividad solar, aparecen más eventos Esb que en años de máxima
actividad solar. Se presentan estos eventos entre las 7 am y las 8 pm, con un
pico máximo a las 4 pm y otro segundo pico entre las 8 y las 9 am. Además las
frecuencias de blanketing se presentan en su mayoría entre 4.0 y 5.5 MHz. Se
debe tener en cuenta que solo se han considerado eventos Esb con fbEs >=
3.7 MHz. A partir del modelo de Muralikrishna y Kulkarni [11] se ha discutido
tres posibles condiciones físicas que pueden influir en la formación de las
capas Esb, estas son: Presencia de partículas de polvo meteórico, un nivel
adecuado de ionización y una corriente del EEJ normal no muy intensa.
Se ha propuesto un criterio para identificar las capas E esporádicas blan-
keting teniendo en cuenta el cambio normal de la frecuencia mínima de la
capa F debido a la absorción de la capa D de la ionósfera durante el día. Este
método permite evitar ambigüedades de si el ocultamiento ocurrió debido a
la capa Esb o a la absorción de la capa D.
117
Se ha desarrollado e implementado un algoritmo para identificar las ca-
pas E esporádicas tipo blanketing en estaciones ecuatoriales como el Radio
Observatorio de Jicamarca, en base a la bibliografía revisada este sería el
primer algoritmo orientado a identificar las capas E esporádicas blanketing y
sus parámetros de interés en estaciones ecuatoriales, en cuyos ionogramas se
presentan ecos del electrochorro ecuatorial que se superponen a las capas E
esporádicas blanketing. Por lo que se ha desarrollado una herramienta que
permitirá el estudio estadístico de eventos Esb en varios años de forma auto-
mática y con una sensibilidad de 89%, y reduciendo de manera significativa el
tiempo empleado para la identificación de Esb y sus parámetros ionosféricos
realizados tradicionalmente de forma visual. Para el desarrollo de este algorit-
mo de identificación se han usado métodos de procesamiento de imágenes y
machine learning y han sido implementados en los lenguajes python y CUDA.
Este último es un lenguaje de programación paralela orientada a GPUs, con
el fin de optimizar el tiempo de procesamiento. Se ha obtenido una precisión
del 72% (por mejorar) en el programa lo cual se debe a la baja calidad de los
ionogramas de los días cuando hay interferencias de la digisonda con el radar
principal del ROJ y cuando no hubo una correcta sincronización, o aquellos
días donde las trazas de las capas de los ionogramas aparecian muy débiles
que incluso para el ojo humano es complicado la detección de Esb en estas
condiciones.
Se ha realizado la comparación de eventos Esb de la digisonda DPS-4 con
la ionosonda VIPIR y se ha encontrado que un grupo de eventos que son
blanketing en la digisonda no lo son en VIPIR. Por lo que se puede concluir
que la identificación de las capas E esporádicas blanketing puede depender
de las características de la ionosonda como su potencia de transmisión y
sensibilidad. En ambos casos el criterio de considerar la tendencia de la
absorción de la frecuencia mínima de la capa F debería funcionar bien.
118
5.2. Trabajos futuros
Mejorar el algoritmo encargado de identificar y eliminar los múltiplos de
las capas E esporádicas, lo cual permitirá aumentar la sensibilidad y reducir
el número de falsos positivos del programa de identificación. Las mejoras
vienen en el criterio para diferenciar la capa F1 de los múltiplos nEs, con el
fin de no eliminar ecos de la capa F1, debido a que su incorrecta eliminación
está generando falsos Esb. Otra mejora viene por establecer el valor umbral
adecuado de la amplitud de los posibles ecos de una capa Esb para diferen-
ciarlos de ecos del EEJ. Aquí se ha considerado un valor umbral constante de
90 dB, pero podría hacerse dinámico, y obtenerlo a partir de las amplitudes
de los ecos de la región E en el ionograma actual y ionogramas anteriores y
posteriores.
Completar el procesamiento del resto de años cuyos ionogramas estén
disponibles y no presenten mucho ruido entre 1993 y 2000 del Radio Observa-
torio de Jicamarca.
Realizar un mapa de la ocurrencia de Esb en las estaciones ecuatoriales
de las digisondas diseñadas por el UMass Lowell Center for Atmospheric
Research (UMLCAR) (ver figura 5.1).
Existen varios estudios donde correlacionan los eventos de Esb en dife-
rentes latitudes (incluidas latitudes ecuatoriales) con otros fenómenos, como
tormentas solares [32], el ciclo solar [31], spread-F [33], ionización de meteoros
[34], por lo que estos resultados permitirían buscar si estas correlaciones se
siguen cumpliendo en el ROJ o en otras estaciones ecuatoriales. La búsqueda
de estas correlaciones en varios años de datos permitirá plantear una teoría
que pueda explicar la formación de las capas E esporádicas blanketing en
latitudes ecuatoriales. El ROJ cuenta con distintos instrumentos para el
monitoreo y estudio ionosférico que pueden servir para observar y explicar
la formación de este fenómeno junto con la observación de los ionogramas.
Por ejemplo, la figura 5.2 es una imágen RTI (rango-tiempo-intensidad) del
radar principal del ROJ en modo JULIA - 150 km del dia 24 de noviembre del
2018, los dos eventos Esb registrados por la digisonda a las 11:15 y a las 13:00
horas LT se observan como capas delgadas que duran alrededor de 15 minutos.
119
Figura 5.1: Distribución global de las estaciones de las digisondas diseñadas
por el UMLCAR. Fuente: http://ulcar.uml.edu/stationmap.html
Figura 5.2: Imágen RTI (rango-tiempo-intensidad) del radar principal del
ROJ en modo JULIA - 150 km del dia 24 de noviembre del 2018, los dos
eventos Esb registrados por la digisonda a las 11:15 y a las 13:00 horas LT se
observan como capas delgadas que duran alrededor de 15 minutos. Imagen
proporcionada por Iván Manay del Radio Observatorio de Jicamarca.
120
Anexos
Anexo 1: Tabla de identificación de ionogramas con Esb
y sus parámetros obtenidos con el programa de identifi-
cación de Esb, entre el 2001 y 2018
Ionogramas con Esb y sus parámetros obtenidos con el programa de
identificación de Esb, entre el 2001 y 2018. Para los registros donde infoFregion
es cero (blanketing total), el valor de fbEs no debe ser considerado.
N Año Día hora mm ss fbEs (MHz) hEs foEs (MHz) infoFregion
1 2001 198 16 45 0 3.7 160 5.3 2
2 2001 221 15 15 1 5 125 5.3 2
3 2001 221 15 30 1 5.6 120 5.9 2
4 2001 221 16 45 1 4.2 125 4.8 2
5 2001 337 12 0 1 7.2 125 7.7 2
6 2001 337 13 0 0 6.4 115 8.2 2
7 2001 342 11 30 0 6.6 125 7.8 2
8 2001 353 7 45 0 4.8 95 5.9 2
9 2001 353 8 15 1 6.2 100 8.2 2
10 2002 11 15 0 0 6.2 120 7.4 2
11 2002 29 15 44 59 6 120 7 2
12 2002 116 16 15 0 4.2 115 5.6 2
13 2002 118 17 0 0 3.8 145 5.1 2
14 2002 118 17 15 0 3.9 140 4.7 2
15 2002 144 17 59 59 4 130 4.3 2
16 2002 148 17 14 59 3.7 105 7.8 2
17 2002 179 19 29 59 6.2 100 8.2 2
18 2002 197 17 15 0 3.8 140 5.2 2
19 2002 204 19 14 59 3.9 100 8.2 2
20 2002 204 19 44 59 6.6 100 8.2 2
21 2002 215 12 30 0 5.2 130 7.8 2
22 2002 251 21 45 0 4 105 4 2
121
23 2002 251 22 45 0 3.8 100 4.2 2
24 2002 282 8 15 0 5.9 125 6.4 2
25 2002 282 8 30 0 5 140 4.7 2
26 2002 308 6 30 0 3.9 90 3.7 2
27 2002 311 7 0 0 4 120 3.7 2
28 2002 334 12 52 3 5 105 7.9 2
29 2002 334 13 0 0 5.1 145 7.9 2
30 2002 339 14 0 0 5.1 120 5.7 2
31 2002 339 14 15 0 5.5 120 5.8 2
32 2002 339 14 30 0 5.6 115 6.1 2
33 2002 339 14 45 0 6.4 110 7.1 2
34 2002 339 15 0 0 5.9 115 7.8 2
35 2002 339 15 30 0 4.1 120 8 2
36 2002 339 15 45 0 4.3 120 8.2 2
37 2002 350 16 15 0 5.3 125 5.4 2
38 2002 350 16 20 3 5.3 125 6.8 2
39 2002 350 16 30 0 3.9 110 5.6 2
40 2002 355 7 15 0 4.2 95 8.2 2
41 2002 355 7 22 3 4.9 95 8.2 2
42 2002 355 7 45 0 4.4 100 6.9 2
43 2002 355 8 0 0 4.1 100 8.2 2
44 2002 364 16 0 0 4.1 125 8 2
45 2002 364 16 5 0 4.4 115 7.1 2
46 2002 365 13 45 0 6.5 115 8.2 2
47 2002 365 14 0 0 5.2 115 8.2 2
48 2002 365 14 30 0 7.7 115 8.2 2
49 2002 365 14 45 0 5.5 115 8.2 2
50 2003 3 13 45 0 4.8 95 8.2 2
51 2003 3 14 0 0 5.1 90 8.2 2
52 2003 4 15 0 0 4.8 105 8.2 2
53 2003 4 15 15 0 5.7 100 8.2 2
54 2003 4 15 22 3 5.1 95 8.2 2
55 2003 4 15 30 0 4.8 95 8.2 2
56 2003 4 15 45 0 4.6 90 7.6 2
57 2003 4 16 5 0 4.7 90 6.4 2
58 2003 4 16 10 0 4.5 90 6.7 2
59 2003 4 16 15 0 4.4 90 6.5 2
60 2003 4 16 20 0 4.3 90 4 2
122
61 2003 4 16 25 0 4.2 95 5 2
62 2003 4 16 30 0 4.4 90 4.6 2
63 2003 13 8 15 0 4.3 105 5.2 2
64 2003 13 9 15 0 5.3 105 8.2 2
65 2003 13 10 30 0 5 105 8.1 2
66 2003 15 10 30 0 4.9 95 8.2 2
67 2003 20 8 15 0 6.5 115 8.2 2
68 2003 20 17 5 0 4.4 115 4.7 2
69 2003 20 17 10 0 4.6 115 5.2 2
70 2003 20 17 15 0 3.9 120 5.2 2
71 2003 38 8 0 0 3.9 105 7.8 2
72 2003 38 8 15 0 4 105 8.2 2
73 2003 38 8 45 0 4.6 100 5.4 2
74 2003 41 8 0 0 3.8 105 7.6 2
75 2003 41 8 15 2 4.5 105 7.9 2
76 2003 41 8 30 0 4.8 105 5.5 2
77 2003 41 8 52 3 4.3 110 6.5 2
78 2003 52 14 30 0 4.6 140 7.3 2
79 2003 62 14 15 0 4.9 105 8.2 2
80 2003 95 8 15 0 4.1 140 8 2
81 2003 127 17 30 0 4 95 8.2 2
82 2003 163 16 30 0 3.7 110 4.3 2
83 2003 163 16 45 0 3.9 110 7.9 2
84 2003 243 21 0 1 3.7 95 8.1 2
85 2003 243 21 30 0 3.9 100 7 2
86 2003 243 21 45 0 3.8 95 4.2 2
87 2003 330 8 30 0 4.5 135 6.8 2
88 2003 338 8 0 0 3.8 120 6 2
89 2003 338 8 15 0 3.7 120 4.8 2
90 2003 345 15 30 0 4.1 100 5.9 2
91 2004 10 15 30 0 4.2 90 8.2 2
92 2004 17 12 45 0 7 115 8.2 2
93 2004 21 13 0 0 4.9 150 4.9 2
94 2004 21 16 30 0 4.2 130 4.9 2
95 2004 24 15 45 0 4.5 110 4.8 2
96 2004 24 16 0 0 4.9 110 6.3 2
97 2004 24 16 15 0 4.8 105 7.6 2
98 2004 24 16 30 0 4 115 6.1 2
123
99 2004 27 17 45 0 3.9 120 4.3 2
100 2004 27 18 15 0 4 90 4.4 2
101 2004 27 18 30 0 5 90 5.2 2
102 2004 27 18 45 0 5 90 4.6 2
103 2004 32 14 0 0 4.6 140 4.9 2
104 2004 34 12 45 0 5.9 135 6.2 2
105 2004 34 13 15 0 5.7 130 6.3 2
106 2004 34 13 30 0 6.9 125 6.8 2
107 2004 38 8 30 0 3.8 95 7.8 2
108 2004 42 9 0 0 5 120 5.3 2
109 2004 45 8 0 0 3.9 100 7.3 2
110 2004 95 7 30 0 3.9 90 8.2 2
111 2004 103 16 0 1 3.8 105 5.5 2
112 2004 137 19 0 0 5.1 100 8.2 2
113 2004 137 19 15 0 5.1 95 7.8 2
114 2004 198 15 15 1 4.5 105 7.9 2
115 2004 198 15 30 0 4.2 105 7.8 2
116 2004 320 7 15 0 4.1 105 7.5 2
117 2004 320 7 30 0 4.4 105 8.2 2
118 2004 323 10 45 0 5 105 5.7 2
119 2004 329 13 15 0 7.9 120 8.2 0
120 2004 329 13 30 0 6.5 120 8.2 2
121 2004 329 13 45 0 6.4 120 8.2 2
122 2004 329 14 45 0 7.3 100 8.2 2
123 2004 329 15 0 0 6.3 100 8.2 2
124 2004 329 15 15 0 5 130 7.6 2
125 2004 329 15 30 0 4.5 165 7.8 2
126 2004 332 14 45 0 4.6 95 7.3 2
127 2004 339 9 50 0 5.1 110 5.8 2
128 2004 339 9 55 0 4.9 115 5.4 2
129 2004 341 11 0 0 4.5 115 8.2 2
130 2004 345 7 45 0 3.7 110 6.1 2
131 2004 348 14 30 0 5.8 90 8.2 2
132 2004 348 14 45 0 6 90 8.2 2
133 2004 348 15 0 0 4.6 95 8.2 2
134 2004 348 15 15 0 4.3 95 7.8 2
135 2004 348 15 30 0 4.1 95 8.2 2
136 2004 349 16 0 0 4.3 110 6.5 2
124
137 2004 349 16 15 0 3.9 110 5.4 2
138 2004 354 9 30 0 4.1 110 4.5 2
139 2004 354 9 45 0 4.5 105 7.6 2
140 2004 362 16 0 0 4.5 110 7.5 2
141 2004 362 16 15 0 4.2 115 4.8 2
142 2004 362 16 30 0 3.8 110 4.8 2
143 2004 364 13 0 0 4.3 115 7.7 2
144 2004 364 13 30 0 6.7 115 8.2 2
145 2004 364 14 45 0 5 120 8.2 2
146 2005 9 14 0 0 4.3 100 8.2 2
147 2005 9 14 15 0 4.9 100 8.2 2
148 2005 10 16 15 0 4.4 95 7.6 2
149 2005 10 16 30 0 4.4 90 7.7 2
150 2005 10 16 45 0 3.8 95 5.1 2
151 2005 14 16 45 0 4 115 4.1 2
152 2005 26 16 30 0 3.8 105 8.2 2
153 2005 31 5 0 0 1.8 90 8.2 0
154 2005 33 8 15 1 3.8 100 8.2 2
155 2005 37 15 15 0 8 105 8.2 2
156 2005 37 15 30 0 8 105 8.2 2
157 2005 37 16 0 0 4.1 105 5.8 2
158 2005 37 16 15 0 5 105 8.2 2
159 2005 37 16 30 0 4.5 115 6.2 2
160 2005 38 10 45 0 5.7 105 8.2 2
161 2005 44 9 0 0 3.8 100 7.9 2
162 2005 44 9 45 0 4.6 100 8.1 2
163 2005 44 10 0 1 4.2 100 8.2 2
164 2005 49 11 15 0 4.3 100 8.2 2
165 2005 50 17 15 0 4 105 6.3 2
166 2005 52 14 15 0 4.3 90 8.2 2
167 2005 52 14 30 0 4.4 90 8.2 2
168 2005 52 14 45 0 4.5 90 8.2 2
169 2005 52 15 0 0 4.3 90 8.2 2
170 2005 88 8 30 0 3.7 125 6.8 2
171 2005 88 8 40 0 4.2 125 7.8 2
172 2005 88 16 55 0 4.1 105 6 2
173 2005 88 17 0 0 5.9 105 7.1 2
174 2005 88 17 5 0 6.2 105 8.2 2
125
175 2005 88 17 15 0 5.2 105 7.6 2
176 2005 88 17 20 0 4.1 105 8 2
177 2005 100 18 15 0 5.1 120 4.7 2
178 2005 108 0 45 0 4 100 7.8 2
179 2005 108 1 30 0 4 95 8.2 2
180 2005 108 1 45 0 4 95 8.2 2
181 2005 108 22 45 0 3.9 110 8.2 2
182 2005 116 17 36 32 4.3 100 8.2 2
183 2005 136 18 0 2 4.6 100 7.8 2
184 2005 136 18 10 0 4.2 100 8 2
185 2005 138 8 50 0 4 110 4 2
186 2005 170 17 45 0 3.8 100 7.8 2
187 2005 176 17 15 0 4.1 105 8.2 2
188 2005 178 3 15 0 2 100 8.2 0
189 2005 222 8 45 0 3.8 110 4.1 2
190 2005 235 19 30 0 3.7 120 4.4 2
191 2005 244 9 45 0 4 135 3.9 2
192 2005 279 17 3 2 5.3 100 8.2 2
193 2005 279 17 15 0 5.3 100 8.2 2
194 2005 279 17 45 0 5.1 100 8.2 2
195 2005 279 18 0 0 3.8 100 6.8 2
196 2005 316 9 15 0 5 105 7.9 2
197 2005 316 10 15 0 5 145 5.1 2
198 2005 317 12 0 0 5 105 7.8 2
199 2005 328 12 45 0 5 105 6 2
200 2005 328 14 15 0 5.6 95 7.6 2
201 2005 334 14 30 0 4.4 115 4.2 2
202 2005 334 15 30 0 4.5 115 5.9 2
203 2005 335 12 0 0 4.8 125 5.9 2
204 2005 335 12 15 0 4.8 125 4.8 2
205 2005 341 10 45 0 4.9 120 8.2 2
206 2005 343 12 15 0 5.3 130 4.9 2
207 2005 343 12 30 0 4.9 130 6.3 2
208 2005 343 12 45 0 4.9 135 4.9 2
209 2005 343 19 45 0 4 105 4.3 2
210 2005 343 20 0 0 3.8 105 5.3 2
211 2005 349 13 0 0 4.8 140 8.1 2
212 2005 349 13 15 0 5 130 5.7 2
126
213 2005 349 13 30 0 4.6 130 4.8 2
214 2005 349 17 0 0 4.4 110 4.9 2
215 2005 352 11 30 0 4.8 140 7.3 2
216 2005 352 15 15 0 4.7 110 8 2
217 2005 352 15 30 0 4 115 7.9 2
218 2005 352 15 45 0 4 110 8.2 2
219 2005 353 18 15 0 4.5 85 4.4 2
220 2005 353 18 45 2 3.9 85 5.3 2
221 2005 355 16 50 0 3.9 120 3.9 2
222 2005 355 16 55 0 3.7 115 4.4 2
223 2005 355 17 0 0 4.3 115 4.1 2
224 2005 355 17 5 0 4.8 115 4.8 2
225 2005 355 17 10 0 4.5 115 4.6 2
226 2005 355 17 15 0 4 115 4.2 2
227 2005 355 17 20 0 3.8 110 4.9 2
228 2005 355 17 25 0 3.9 110 4.7 2
229 2005 356 16 10 0 4.4 100 8.2 2
230 2005 356 16 15 0 4.5 100 8.2 2
231 2005 356 16 20 0 5.6 100 8.2 2
232 2005 356 16 25 0 4.6 100 7.9 2
233 2005 356 16 30 0 5.8 95 8.2 2
234 2005 356 16 35 0 6.2 100 8.2 2
235 2005 356 16 40 0 6.7 100 8.2 2
236 2005 356 16 45 0 5.1 100 8.2 2
237 2005 356 16 50 0 4.1 100 4.9 2
238 2005 362 16 15 0 3.9 115 6.7 2
239 2005 362 16 30 0 3.8 125 5.3 2
240 2006 9 8 30 0 3.7 95 8.2 2
241 2006 9 13 15 0 4.9 115 5.2 2
242 2006 9 13 30 0 4.4 115 5.6 2
243 2006 9 14 30 0 4.8 145 8.2 2
244 2006 11 11 15 2 4.8 95 8.2 2
245 2006 12 14 15 0 4.7 95 8.2 2
246 2006 12 14 30 0 5.9 95 8.2 2
247 2006 12 14 45 0 4.8 95 8.2 2
248 2006 12 15 15 0 4 95 8.2 2
249 2006 14 14 15 0 6 95 8.2 2
250 2006 14 14 30 0 5.4 95 8.2 2
127
251 2006 19 17 15 0 3.7 100 7.8 2
252 2006 20 17 0 0 5.4 100 8.2 2
253 2006 20 17 15 0 5.4 100 8.2 2
254 2006 20 17 30 0 3.7 100 5.2 2
255 2006 27 13 0 0 4.7 140 8.2 2
256 2006 27 13 30 0 5.1 135 8.2 2
257 2006 27 14 0 0 5.2 130 8.2 2
258 2006 28 10 45 0 4.9 145 8.2 2
259 2006 28 13 30 0 4.9 105 8.2 2
260 2006 28 14 0 0 5.3 100 8.2 2
261 2006 28 14 15 0 5.1 100 8.2 2
262 2006 28 15 45 0 4 100 3.9 2
263 2006 28 16 45 0 4.8 130 7.9 2
264 2006 30 16 30 0 4.4 100 8.2 2
265 2006 39 14 15 0 4.1 140 4.1 2
266 2006 39 14 30 0 4.3 135 4.7 2
267 2006 39 14 45 0 4.2 130 4.6 2
268 2006 39 15 0 0 4.3 120 4.7 2
269 2006 39 15 45 0 4.8 105 5.9 2
270 2006 39 16 0 0 4.7 95 7.4 2
271 2006 39 16 30 0 4.1 120 4.8 2
272 2006 58 15 45 0 4.9 90 8.2 2
273 2006 90 17 40 0 3.9 95 4.7 2
274 2006 90 17 45 0 3.8 90 7.4 2
275 2006 104 2 45 0 3.9 105 7.9 2
276 2006 104 3 0 0 4.1 95 7.9 2
277 2006 104 3 15 0 3.8 95 8.2 2
278 2006 104 17 0 0 3.7 90 7.7 2
279 2006 109 10 0 0 4.4 150 4.3 2
280 2006 115 16 0 0 3.8 110 3.8 2
281 2006 124 18 30 0 4 100 8.2 2
282 2006 124 18 45 0 4.2 100 7.7 2
283 2006 128 8 45 0 5.6 120 7.5 2
284 2006 132 17 45 0 4 100 8.2 2
285 2006 132 18 0 0 4.5 100 8.2 2
286 2006 140 18 15 0 4.2 95 8.2 2
287 2006 140 19 0 0 4.2 95 8.2 2
288 2006 140 19 15 0 3.7 95 5.2 2
128
289 2006 142 18 15 0 4.4 95 7.9 2
290 2006 142 18 30 0 5.1 95 8.2 2
291 2006 142 18 45 0 1 95 8.2 0
292 2006 191 17 0 0 4.6 80 6.6 2
293 2006 191 17 15 0 4 90 4.7 2
294 2006 356 15 5 3 5 110 8.2 2
295 2006 356 15 10 0 7 105 8.2 2
296 2006 356 15 15 1 6.8 105 8.2 2
297 2006 356 15 20 0 6.5 100 8.2 2
298 2006 356 15 25 0 5.3 100 8.2 2
299 2006 356 15 30 0 5.1 100 8.2 2
300 2006 356 15 35 0 4.3 105 8.2 2
301 2006 356 16 15 0 4.5 100 4.8 2
302 2006 356 16 20 0 4.1 100 4.6 2
303 2007 11 16 45 0 8 110 8.2 0
304 2007 11 17 0 1 1 110 8.2 0
305 2007 16 11 15 0 6.9 125 6.9 2
306 2007 16 13 30 0 5.6 130 6 2
307 2007 16 13 45 2 4.5 135 5.4 2
308 2007 18 16 45 0 6.7 115 6.6 2
309 2007 22 5 15 0 1 95 8.2 0
310 2007 27 7 45 3 3.7 115 3.7 2
311 2007 30 16 30 0 5.9 105 6.8 2
312 2007 33 18 30 0 4 115 5.7 2
313 2007 35 18 0 0 3.8 100 7.2 2
314 2007 41 15 15 0 4.4 130 4.7 2
315 2007 41 15 45 0 4.3 125 4.6 2
316 2007 41 16 0 0 4.6 125 4.6 2
317 2007 42 16 0 0 5.1 125 5.3 2
318 2007 50 16 30 0 5.2 110 4.9 2
319 2007 92 22 0 2 4 115 4.6 2
320 2007 95 15 45 0 4.1 125 4.8 2
321 2007 96 7 45 0 3.9 90 7.7 2
322 2007 99 18 0 0 4.1 100 8.2 2
323 2007 99 18 15 0 4.4 85 5.1 2
324 2007 99 18 30 0 4.3 90 7.6 2
325 2007 99 18 45 0 4.9 90 7.7 2
326 2007 99 19 0 0 3.7 95 3.7 2
129
327 2007 100 2 15 0 4 105 5.1 2
328 2007 105 21 15 0 4.6 110 4.7 2
329 2007 107 15 30 0 4.3 95 8.2 2
330 2007 107 15 45 0 5.1 95 7.8 2
331 2007 111 10 30 0 4.8 135 4.6 2
332 2007 113 18 15 0 4.1 100 4.6 2
333 2007 113 18 45 0 4.9 105 7.8 2
334 2007 113 19 30 0 4.5 105 8.2 2
335 2007 113 19 45 0 5 95 8 2
336 2007 118 20 45 0 5 100 5.7 2
337 2007 118 21 0 0 4.4 100 8.2 2
338 2007 118 21 15 0 4.3 100 8.2 2
339 2007 118 22 0 0 3.9 95 8.2 2
340 2007 119 18 45 0 3.8 100 4.3 2
341 2007 121 8 30 0 3.9 135 4.1 2
342 2007 122 18 15 0 3.7 90 3.9 2
343 2007 123 8 15 0 4.1 120 4.1 2
344 2007 127 18 30 0 3.9 100 8.2 2
345 2007 127 18 45 0 1 90 8.2 0
346 2007 129 18 45 0 5 100 5.4 2
347 2007 129 20 30 0 4 110 8.2 2
348 2007 131 18 45 2 3.9 95 4.2 2
349 2007 133 19 30 0 4 95 8.2 2
350 2007 134 19 0 0 3.8 95 8.2 2
351 2007 135 18 15 0 4.6 90 8.2 2
352 2007 135 18 30 0 5.2 95 8.2 2
353 2007 135 18 45 0 4 95 4.7 2
354 2007 139 18 30 0 4.2 95 8.2 2
355 2007 139 19 0 0 3.8 95 8.2 2
356 2007 189 13 0 0 6.3 110 6.3 0
357 2007 191 15 45 0 3.7 90 7.7 2
358 2007 246 8 45 0 4.2 105 4.7 2
359 2007 250 18 30 0 3.7 100 4.2 2
360 2007 250 18 45 0 4.3 100 5.6 2
361 2007 254 17 0 0 4.2 125 4 2
362 2007 255 1 0 0 3.5 100 8.1 0
363 2007 256 15 0 0 4.4 100 4.6 2
364 2007 270 13 45 0 4.6 120 4.6 2
130
365 2007 270 15 15 0 4.6 110 4.8 2
366 2007 270 15 30 0 4.9 110 6.2 2
367 2007 270 15 45 0 4.7 110 5.4 2
368 2007 289 8 30 0 4.1 145 3.8 2
369 2007 292 19 15 0 4.1 105 8.2 2
370 2007 297 15 15 1 4.2 95 8 2
371 2007 306 14 51 12 4.6 130 5.6 2
372 2007 322 14 30 0 4.6 130 8.2 2
373 2007 326 16 30 0 4 115 4.5 2
374 2007 335 11 45 0 4.8 135 4.6 2
375 2007 335 12 0 0 4.7 130 4.6 2
376 2007 335 12 15 0 4.5 130 4.4 2
377 2007 335 19 30 0 3.8 95 5.7 2
378 2007 338 13 0 1 5.4 135 8.2 2
379 2007 338 13 15 0 7.1 120 8.2 2
380 2007 338 16 15 0 4 130 3.9 2
381 2007 345 15 45 0 4.1 95 5.7 2
382 2007 347 9 30 0 4.9 165 4.7 2
383 2007 351 13 15 0 4.5 130 4.4 2
384 2007 351 15 0 0 4.3 115 4.1 2
385 2007 351 15 30 0 4.4 115 4.4 2
386 2007 357 13 0 0 5.5 85 7.8 2
387 2007 360 16 15 0 4.1 100 6 2
388 2008 3 10 45 0 4.8 130 4.6 2
389 2008 3 11 0 0 4.9 130 4.7 2
390 2008 7 16 45 2 4 110 4.8 2
391 2008 8 16 45 0 3.9 115 4.2 2
392 2008 8 17 0 0 3.9 120 5.9 2
393 2008 8 17 30 0 4.6 145 5.5 2
394 2008 8 17 45 0 6.1 140 6.3 2
395 2008 8 18 0 2 4.2 150 5 2
396 2008 25 13 0 0 4.6 110 8.2 2
397 2008 32 8 45 0 3.9 95 8.2 2
398 2008 45 11 30 0 4.8 145 8.2 2
399 2008 45 12 0 0 4.7 145 7.9 2
400 2008 45 12 15 0 4.8 135 7.6 2
401 2008 45 12 30 0 5.7 130 8 2
402 2008 45 12 45 0 5.5 130 8.1 2
131
403 2008 45 13 0 0 6.1 125 7.2 2
404 2008 45 13 15 0 7.2 120 8.2 2
405 2008 45 13 30 0 5.7 120 6.2 2
406 2008 45 13 45 0 4.6 130 7.5 2
407 2008 45 17 45 0 5.5 110 8.2 2
408 2008 47 13 15 0 4.5 125 7.6 2
409 2008 47 14 15 0 4.4 110 5.3 2
410 2008 47 14 30 0 4.3 110 5.8 2
411 2008 47 15 0 0 5.4 105 6.1 2
412 2008 47 15 15 0 4.5 110 6.9 2
413 2008 47 15 30 0 4.1 110 4.4 2
414 2008 51 15 30 0 4.2 90 7.8 2
415 2008 74 21 0 0 3.8 100 8.2 2
416 2008 85 9 0 0 4 140 8.2 2
417 2008 85 9 15 0 4.1 100 8.2 2
418 2008 89 9 15 0 4 150 8.2 2
419 2008 89 18 0 0 4 105 8.2 2
420 2008 89 18 15 0 4.3 90 8.2 2
421 2008 96 16 15 2 4.6 105 7.7 2
422 2008 135 17 45 0 1 95 8.2 0
423 2008 142 16 0 0 4.5 100 4.4 2
424 2008 146 16 45 0 4.3 105 8.2 2
425 2008 146 17 15 0 4.2 105 8.2 2
426 2008 164 18 15 0 4.1 95 7.8 2
427 2008 181 18 15 0 3.7 100 8.2 2
428 2008 215 16 0 0 3.8 110 4.2 2
429 2008 240 19 15 0 4 100 7.9 2
430 2008 240 19 30 0 4.1 100 5.9 2
431 2008 240 19 45 0 3.9 95 8.2 2
432 2008 251 18 45 0 3.9 100 8.2 2
433 2008 251 19 0 0 3.7 105 8.2 2
434 2008 252 18 30 0 4.6 100 8.2 2
435 2008 258 16 45 0 3.8 130 4.2 2
436 2008 279 18 30 0 3.8 95 4.2 2
437 2008 291 3 0 0 2 95 8.2 0
438 2008 291 20 45 0 3.7 100 8.2 2
439 2008 305 9 30 0 5.8 125 8.2 2
440 2008 305 9 45 0 5.6 125 8.1 2
132
441 2008 310 20 0 0 6.1 100 8.2 0
442 2008 317 7 15 0 3.8 130 3.8 2
443 2008 317 14 15 0 7.1 115 8.2 0
444 2008 317 14 30 0 6.1 120 8 2
445 2008 320 15 45 0 4.2 120 6 2
446 2008 328 13 15 0 7 125 7.2 2
447 2008 328 13 30 0 6.7 125 7 2
448 2008 328 13 45 0 5.1 125 6.7 2
449 2008 328 14 0 0 5.6 125 7.4 2
450 2008 328 14 15 0 6.4 125 8.2 2
451 2008 328 14 30 0 5.5 125 8.1 2
452 2008 329 14 15 0 4.4 130 8.2 2
453 2008 330 13 50 0 4.6 110 4.8 2
454 2008 332 12 5 0 4.4 160 7.8 2
455 2008 332 12 25 0 4.5 155 4.6 2
456 2008 332 12 40 0 4.5 145 4.4 2
457 2008 332 14 50 0 4.2 125 4.1 2
458 2008 332 15 0 0 4.5 120 7 2
459 2008 332 15 10 0 4.1 115 8.2 2
460 2008 332 15 25 0 4.3 120 6.2 2
461 2008 332 15 40 0 4.1 120 7 2
462 2008 332 15 45 0 4 120 3.9 2
463 2008 332 15 50 0 3.9 120 4.3 2
464 2008 332 15 55 0 3.8 130 5.7 2
465 2008 332 16 5 0 5.5 125 6 2
466 2008 332 16 10 0 4.1 125 6.9 2
467 2008 332 16 15 0 3.8 130 6.2 2
468 2008 332 16 20 0 4.1 125 6.9 2
469 2008 334 12 45 0 4.9 125 7.8 2
470 2008 334 13 5 0 4.8 125 8.2 2
471 2008 334 13 20 0 5.6 120 7.9 2
472 2008 334 13 25 0 5.6 120 7.7 2
473 2008 334 13 30 0 5.6 120 7.8 2
474 2008 334 13 40 0 4.8 125 7.9 2
475 2008 334 13 55 0 6.9 120 8.2 2
476 2008 334 14 0 0 6.5 120 7.9 2
477 2008 334 14 5 0 5.7 120 8.2 2
478 2008 334 14 10 0 6.7 115 8.2 2
133
479 2008 334 14 15 0 6.8 120 8.2 2
480 2008 334 14 20 0 6.3 115 8.2 2
481 2008 334 14 25 0 5.7 115 7.7 2
482 2008 334 14 30 0 5.2 115 7.8 2
483 2008 334 14 35 0 5.5 115 7.2 2
484 2008 334 14 40 0 5.6 115 8.2 2
485 2008 334 14 50 0 4.7 115 7 2
486 2008 334 14 55 0 4.5 105 6.1 2
487 2008 334 15 0 0 4.9 115 7.1 2
488 2008 334 15 5 0 5.6 110 7.8 2
489 2008 334 15 25 0 4.5 110 7.8 2
490 2008 334 15 30 0 4.3 110 8 2
491 2008 334 16 5 0 3.9 110 8.2 2
492 2008 334 16 25 0 4 105 8.2 2
493 2008 334 21 10 0 3.8 100 8.2 2
494 2008 334 21 20 0 4.2 95 8.2 2
495 2008 336 14 15 0 4.3 125 4.7 2
496 2008 336 14 30 0 4.7 115 7.2 2
497 2008 336 14 45 0 4.7 115 8.2 2
498 2008 336 15 0 0 4.6 105 7.7 2
499 2008 346 16 45 0 3.9 110 4.1 2
500 2008 347 8 30 0 4.1 150 7.8 2
501 2008 347 8 45 0 4.5 140 8.2 2
502 2008 347 12 15 0 4.7 135 4.6 2
503 2008 347 12 30 0 5.1 125 4.9 2
504 2008 347 12 45 0 5.3 125 5.1 2
505 2008 347 13 0 0 4.6 125 4.9 2
506 2008 347 13 15 0 4.7 125 4.4 2
507 2008 352 13 15 0 6.1 125 5.8 2
508 2008 355 8 45 0 4.4 115 5.3 2
509 2008 355 9 45 0 4.5 145 4.2 2
510 2008 362 22 30 0 2.2 110 8.2 0
511 2008 363 17 15 0 3.7 95 4.4 2
512 2008 363 17 45 0 4 90 4.1 2
513 2009 1 16 30 0 4.1 110 4.3 2
514 2009 1 17 45 0 3.8 105 5.3 2
515 2009 1 18 0 0 4.1 105 8.2 2
516 2009 2 16 30 0 5.3 110 7.3 2
134
517 2009 2 16 45 0 7 115 8.2 2
518 2009 2 17 0 0 4.2 120 4.7 2
519 2009 2 17 15 0 5.2 115 7.9 2
520 2009 2 17 30 0 4.7 115 6.8 2
521 2009 2 18 0 0 4 115 8.2 2
522 2009 5 16 30 0 4 135 3.9 2
523 2009 6 12 45 0 6.8 120 8.2 2
524 2009 8 9 45 0 4.4 100 7.3 2
525 2009 32 17 0 0 3.9 105 4.4 2
N Año Día hora mm ss fbEs (MHz) hEs foEs (MHz) infoFregion
526 2009 42 9 0 0 5.2 130 4.9 2
527 2009 59 17 30 0 4.5 105 8.2 2
528 2009 91 10 0 0 4.9 130 7.8 2
529 2009 98 15 15 0 4.4 90 8.2 2
530 2009 99 16 45 0 3.8 95 8.1 2
531 2009 103 18 15 0 4 100 4.2 2
532 2009 110 6 0 0 1 100 8.2 0
533 2009 111 15 15 0 4 100 8.2 2
534 2009 111 17 0 0 3.8 95 6.8 2
535 2009 111 17 15 0 3.8 90 4.2 2
536 2009 112 16 15 0 5.2 105 8.2 2
537 2009 112 16 30 0 4.3 105 6 2
538 2009 112 18 15 0 4 125 4.7 2
539 2009 119 17 30 0 3.7 100 4.2 2
540 2009 128 18 45 0 4 100 5.2 2
541 2009 128 19 0 0 4.3 100 8.2 2
542 2009 137 18 15 0 4.6 100 8.2 2
543 2009 147 17 45 0 5.6 100 7.8 2
544 2009 147 18 0 0 4.3 95 8.2 2
545 2009 149 18 45 0 4 85 8.2 2
546 2009 164 20 0 0 3.9 90 8.2 2
547 2009 164 20 15 0 3.7 90 8 2
548 2009 165 18 15 0 4.6 95 8.2 2
549 2009 180 10 15 0 4.7 150 4.6 2
550 2009 187 17 30 0 4.2 100 8.2 2
551 2009 187 17 45 0 1 95 8.2 0
552 2009 207 18 45 0 3.7 95 8.2 2
135
553 2009 211 16 45 0 3.7 95 4.1 2
554 2009 232 16 30 0 3.8 110 3.7 2
555 2009 243 11 0 0 5.6 120 5.7 2
556 2009 246 3 45 0 1 95 8.2 0
557 2009 275 21 45 0 4 110 5.6 2
558 2009 291 14 30 0 4 160 7.5 2
559 2009 292 15 0 0 4.6 110 8.2 2
560 2009 292 15 15 0 3.9 100 8.2 2
561 2009 292 15 30 0 3.8 95 8.2 2
562 2009 294 16 45 0 4.2 105 4.6 2
563 2009 295 18 15 0 5.2 90 8.2 2
564 2009 295 18 30 0 7.5 90 7.8 2
565 2009 295 18 45 0 2.4 90 8.2 0
566 2009 295 19 0 0 4.5 90 7 2
567 2009 297 18 15 0 4.5 80 4.4 2
568 2009 315 9 30 0 5 145 4.6 2
569 2009 321 15 45 0 4.5 105 8.2 2
570 2009 321 16 0 0 6.1 105 8.2 2
571 2009 321 16 15 0 6.7 110 8.2 2
572 2009 321 16 30 0 5.9 110 8.2 2
573 2009 321 16 45 0 5.4 115 7.2 2
574 2009 321 17 15 0 4 100 4.6 2
575 2009 321 17 30 0 3.7 100 4.8 2
576 2009 321 17 45 0 4.2 100 4.7 2
577 2009 323 16 30 0 4.5 120 5.2 2
578 2009 327 14 30 0 5 120 4.9 2
579 2009 327 14 45 0 5 115 5.6 2
580 2009 327 15 0 0 4.7 115 5.5 2
581 2009 327 15 15 0 5 115 5.1 2
582 2009 327 16 15 0 4.1 115 4.4 2
583 2009 328 19 15 0 5.1 95 8.2 2
584 2009 328 19 30 0 2.2 95 8.2 0
585 2009 328 19 45 0 5 95 8.2 2
586 2009 328 20 0 0 4.3 95 8.2 2
587 2009 328 20 15 0 6.2 90 8.2 2
588 2009 334 15 45 0 4.3 130 4.2 2
589 2009 334 16 0 0 4 125 4.3 2
590 2009 338 19 15 0 4.6 100 8.2 2
136
591 2009 338 19 30 0 4.3 100 5.2 2
592 2009 340 16 15 0 4 115 4.1 2
593 2009 340 16 30 0 4.1 110 8.2 2
594 2009 343 7 45 0 3.9 100 4.1 2
595 2009 343 8 30 0 3.7 100 4.1 2
596 2009 345 19 30 0 4 100 8.1 2
597 2009 345 19 45 0 4.1 100 7.8 2
598 2009 345 20 0 0 3.7 105 8.2 2
599 2009 347 16 30 0 4.2 95 5.9 2
600 2009 349 18 0 0 3.8 95 5.2 2
601 2009 352 15 30 0 4.4 110 4.1 2
602 2009 352 15 45 0 4.8 105 4.7 2
603 2009 352 16 15 0 4.9 100 7.7 2
604 2009 352 17 30 0 3.9 105 4.6 2
605 2009 352 17 45 0 3.7 100 3.7 2
606 2009 356 9 15 0 4.5 135 4.5 2
607 2009 361 10 45 0 4.7 135 4.3 2
608 2009 361 11 0 0 5 130 4.6 2
609 2009 363 14 0 0 7 110 7.7 2
610 2009 363 14 15 0 6.6 100 7 2
611 2009 363 14 30 0 5.6 105 5.7 2
612 2009 363 14 45 0 5.3 110 6 2
613 2009 363 15 0 0 5.2 110 5.2 2
614 2009 363 16 45 0 5.6 115 7.9 2
615 2010 1 2 30 0 6.5 100 8.2 0
616 2010 1 2 45 0 4.8 100 8.2 0
617 2010 1 8 0 0 3.8 110 4.2 2
618 2010 1 17 15 0 5.5 90 8 2
619 2010 1 17 30 0 5.7 90 8.2 2
620 2010 2 19 15 2 4.5 95 5 2
621 2010 3 16 0 0 4.1 105 7.9 2
622 2010 3 16 15 0 5.9 105 8.2 2
623 2010 3 16 30 0 3.9 105 8.2 2
624 2010 5 19 45 0 4.3 100 5.2 2
625 2010 14 14 0 0 4.6 125 8.2 2
626 2010 16 17 15 0 5 95 8.2 2
627 2010 24 11 30 0 5.3 135 8.2 2
628 2010 25 15 45 0 4.2 125 8.1 2
137
629 2010 28 14 30 0 4.8 155 4.9 2
630 2010 28 14 45 0 4.7 155 4.6 2
631 2010 35 0 45 0 3.7 110 8.1 0
632 2010 47 17 0 0 3.9 110 4.8 2
633 2010 71 14 45 0 4.5 95 6 2
634 2010 71 15 0 0 6.1 95 8.2 2
635 2010 71 15 15 0 4.5 95 7.6 2
636 2010 71 15 30 0 4 95 8 2
637 2010 72 15 15 0 4.2 95 7.9 2
638 2010 72 15 45 0 4.2 95 8.2 2
639 2010 93 20 15 0 4 110 7.8 2
640 2010 97 5 45 0 3.2 100 8.2 0
641 2010 104 15 0 0 4 115 8.1 2
642 2010 112 8 0 0 3.9 100 6.2 2
643 2010 112 8 15 0 3.7 95 5.4 2
644 2010 119 17 45 0 3.8 95 3.8 2
645 2010 130 19 15 0 3.7 95 8.2 2
646 2010 130 20 0 0 5 95 8.1 2
647 2010 130 20 15 0 3.9 95 8.1 2
648 2010 130 21 0 0 3.7 95 8.2 2
649 2010 158 18 0 0 3.7 100 8.2 2
650 2010 162 10 45 0 4.1 125 3.8 2
651 2010 162 11 0 0 4.4 125 7.7 2
652 2010 162 11 15 0 4.2 125 4.1 2
653 2010 181 17 0 0 4.2 100 7.7 2
654 2010 181 17 15 0 4.9 100 8.2 2
655 2010 181 17 30 0 3.7 100 4.8 2
656 2010 193 17 15 0 4.2 165 4.3 2
657 2010 193 17 45 0 4.2 155 4.7 2
658 2010 193 19 30 0 3.7 100 8.2 2
659 2010 303 10 45 0 5 130 5.7 2
660 2010 316 12 14 59 4.8 160 8.1 2
661 2010 321 12 15 0 4.5 150 8.1 2
662 2010 326 14 30 0 4.6 115 5.4 2
663 2010 326 14 45 0 4.6 115 5.2 2
664 2010 326 15 0 0 4.5 110 4.6 2
665 2010 326 15 15 0 4.4 115 4 2
666 2010 326 15 30 0 4.2 110 4 2
138
667 2010 331 8 30 0 4.4 110 5 2
668 2010 331 11 45 0 4.9 135 4.9 2
669 2010 331 12 0 0 5.1 135 7.8 2
670 2010 331 12 15 3 5 135 4.7 2
671 2010 331 12 45 2 5.2 135 5 2
672 2010 331 13 0 0 5.7 125 6 2
673 2010 331 13 15 0 4.8 125 5.8 2
674 2010 331 14 15 0 4.6 120 5.6 2
675 2010 331 15 30 0 4.3 135 4.5 2
676 2010 331 15 45 0 4.8 135 5.3 2
677 2010 335 13 0 0 4.7 130 6.5 2
678 2010 335 13 15 0 5.2 135 5.1 2
679 2010 336 15 15 0 4.3 130 4.9 2
680 2010 336 15 30 0 4.1 125 5.6 2
681 2010 338 13 30 0 4.9 110 5.4 2
682 2010 338 13 45 0 5 105 8.1 2
683 2010 338 14 0 0 4.6 105 5.2 2
684 2010 348 9 45 0 4.5 135 7.7 2
685 2010 350 15 0 0 4.4 120 5.2 2
686 2010 350 15 15 0 4.1 125 6.1 2
687 2010 351 9 45 0 5.3 135 4.9 2
688 2010 351 16 45 0 4.1 120 5 2
689 2010 352 14 15 0 4.7 110 5.1 2
690 2010 352 15 15 0 5.3 90 6.9 2
691 2010 352 15 30 0 5.6 90 6.5 2
692 2010 357 16 15 0 3.8 105 8.1 2
693 2010 357 16 30 0 3.9 100 8.2 2
694 2010 365 12 30 0 6.1 115 8.1 2
695 2010 365 12 45 0 6.7 120 7.6 2
696 2010 365 13 0 0 6.8 115 7.9 2
697 2010 365 13 15 0 6.8 115 8 2
698 2011 1 15 30 0 4.6 95 5.6 2
699 2011 1 15 45 0 5.3 95 7.4 2
700 2011 2 12 45 0 4.9 140 4.6 2
701 2011 2 13 30 0 4.6 125 5.3 2
702 2011 2 13 45 0 5.6 115 6.3 2
703 2011 2 14 0 0 5.1 115 6.1 2
704 2011 2 14 15 0 5.3 115 8.1 2
139
705 2011 2 14 30 0 4.5 115 4.9 2
706 2011 4 12 45 0 5 155 8.2 2
707 2011 4 13 15 0 5.2 135 8.2 2
708 2011 4 13 30 0 4.8 135 5.3 2
709 2011 4 13 45 0 4.7 135 4.6 2
710 2011 4 15 0 0 4.6 95 6.3 2
711 2011 9 17 45 0 5.6 100 6.5 2
712 2011 9 18 0 0 6.9 100 8.2 2
713 2011 9 18 15 0 5.1 95 8.2 2
714 2011 15 14 30 0 6.3 115 7.1 2
715 2011 15 14 45 0 4.5 115 5.2 2
716 2011 18 14 30 0 4.6 105 4.8 2
717 2011 23 16 45 0 4.3 100 8.2 2
718 2011 23 17 0 0 5.1 100 7.8 2
719 2011 24 16 40 0 3.9 105 5.3 2
720 2011 28 9 15 0 4.1 115 4.8 2
721 2011 30 16 0 0 4.3 105 7.7 2
722 2011 30 16 15 0 4.1 105 4.4 2
723 2011 32 16 50 0 4 95 3.8 2
724 2011 32 16 55 0 3.8 95 4.3 2
725 2011 34 16 25 0 3.7 110 3.7 2
726 2011 41 15 45 0 4.1 165 8.2 2
727 2011 41 16 0 0 3.9 165 8.2 2
728 2011 43 8 45 0 3.9 105 7.9 2
729 2011 58 8 45 0 4.6 95 8 2
730 2011 76 14 30 0 4.2 155 8.2 2
731 2011 166 16 45 0 3.9 105 7.7 2
732 2011 166 17 0 0 3.7 105 4.9 2
733 2011 183 18 15 1 3.9 90 8.2 2
734 2011 219 17 30 0 4 100 8.2 2
735 2011 278 9 45 0 4.7 130 7.4 2
736 2011 278 10 0 0 5 140 5.3 2
737 2011 308 8 45 0 4.6 110 5.4 2
738 2011 308 9 0 0 4.7 115 7.6 2
739 2011 320 6 45 0 3.7 105 8.2 2
740 2011 351 11 15 0 5.4 130 6.2 2
741 2011 352 10 0 0 5 125 7.4 2
742 2011 352 10 30 0 4.9 115 7.8 2
140
743 2011 352 11 15 0 5.8 130 6.4 2
744 2011 353 10 45 0 5.7 120 5.7 2
745 2011 353 11 0 0 5.5 125 5.4 2
746 2011 354 16 15 0 4.6 110 4.4 2
747 2011 361 16 0 0 4.4 95 7.4 2
748 2012 6 14 15 0 4.8 95 8.2 2
749 2012 8 17 0 0 5.6 115 5.9 2
750 2012 8 17 30 0 4.5 125 4.8 2
751 2012 11 15 45 0 5.4 105 7.3 2
752 2012 11 16 0 0 6.4 105 7.1 2
753 2012 11 16 15 0 5.8 105 6.9 2
754 2012 11 16 30 0 5.6 105 7.9 2
755 2012 12 14 15 0 5.2 115 6.4 2
756 2012 20 16 30 0 4.4 95 4.7 2
757 2012 23 17 0 0 7.4 110 7.8 2
758 2012 29 8 45 0 4.7 110 5.4 2
759 2012 29 9 0 0 4.7 105 5.7 2
760 2012 29 12 15 0 6.2 130 6.1 2
761 2012 29 12 30 0 5.6 130 5.8 2
762 2012 35 14 15 0 5 140 4.8 2
763 2012 48 13 45 0 5.4 120 5.4 2
764 2012 48 14 0 0 5.2 125 5.5 2
765 2012 52 12 30 0 5 145 8 2
766 2012 52 13 45 0 5.1 125 6.7 2
767 2012 52 14 0 0 5.9 120 7.4 2
768 2012 58 8 0 2 4.5 95 7.9 2
769 2012 76 9 15 0 4.3 145 7.9 2
770 2012 88 7 45 0 3.9 95 7.2 2
771 2012 148 13 45 0 4.9 120 5 2
772 2012 148 14 0 0 4.8 120 5.1 2
773 2012 148 15 15 0 4.5 110 4.7 2
774 2012 266 9 15 0 4.5 150 4.1 2
775 2012 331 14 45 0 5.4 120 8.2 2
776 2012 331 15 0 0 6.5 120 8.2 2
777 2012 337 16 0 0 4 120 4.6 2
778 2012 338 11 15 0 4.7 140 7 2
779 2012 343 15 0 0 4.5 150 4.4 2
780 2012 344 13 30 0 4.9 140 4.8 2
141
781 2012 347 14 30 0 5 115 5.5 2
782 2012 347 14 45 0 6.7 120 7.7 2
783 2012 347 15 0 0 7.3 120 7.4 2
784 2012 347 15 15 0 7.1 125 8.2 2
785 2012 347 15 30 0 5.7 130 8.1 2
786 2012 349 14 30 0 4.7 120 5.1 2
787 2012 350 11 30 0 5.5 125 6.1 2
788 2012 357 10 15 0 4.6 115 5.4 2
789 2012 358 12 0 0 5.4 120 5 2
790 2012 358 13 45 0 5 110 6.2 2
791 2013 3 19 0 0 3.8 95 7.6 2
792 2013 7 12 30 0 5.2 140 4.8 2
793 2013 12 7 30 0 4.2 115 4.5 2
794 2013 12 17 15 0 3.9 120 5.3 2
795 2013 17 17 55 0 5.8 105 7.1 2
796 2013 17 18 0 0 4 105 8.2 2
797 2013 17 18 5 0 3.8 105 8.2 2
798 2013 17 18 10 0 4.3 110 7.9 2
799 2013 20 9 30 0 5 120 5.4 2
800 2013 23 13 15 0 7.3 120 7.5 2
801 2013 23 14 30 0 6 115 8 2
802 2013 23 14 45 0 7.2 100 7.8 2
803 2013 45 8 15 0 3.9 100 5.5 2
804 2013 50 8 30 0 3.8 95 4.7 2
805 2013 50 8 45 0 4.2 100 7.6 2
806 2013 118 17 45 0 4.7 95 5.8 2
807 2013 120 8 15 0 4.9 115 5.6 2
808 2013 127 16 0 0 4.4 140 4.9 2
809 2013 127 16 15 0 5.5 135 5.6 2
810 2013 127 16 30 0 5.1 125 6.3 2
811 2013 157 17 45 0 6.8 125 7.1 2
812 2013 157 18 0 0 7.7 125 8.1 2
813 2013 157 18 15 0 6.5 125 6.8 2
814 2013 171 16 45 0 3.9 110 5.4 2
815 2013 174 19 15 0 3.9 100 8.2 2
816 2013 182 17 15 0 4.4 95 6.9 2
817 2013 189 16 15 0 3.7 105 3.8 2
818 2013 214 16 0 0 3.9 110 4.2 2
142
819 2013 214 16 15 0 4.7 105 6.6 2
820 2013 214 16 30 0 4.5 110 5.9 2
821 2013 214 16 45 0 3.9 105 4.4 2
822 2013 252 9 15 0 4.7 130 4.9 2
823 2013 284 9 15 0 5.4 125 5.6 2
824 2013 309 9 10 0 5.6 120 5.9 2
825 2013 309 9 15 0 5.2 120 5.6 2
826 2013 325 11 15 0 5.4 130 5.1 2
827 2013 325 11 45 0 5.3 125 5.2 2
828 2013 325 12 0 0 5.2 130 5.2 2
829 2013 325 13 15 0 5.2 125 5.4 2
830 2013 325 13 30 0 5 130 4.9 2
831 2013 330 10 0 0 6 120 6.2 2
832 2013 343 9 0 0 4.6 125 5.2 2
833 2013 343 9 15 0 4.9 125 5 2
834 2013 350 7 15 0 3.9 100 4.7 2
835 2013 351 8 0 0 5.6 115 5.7 2
836 2014 20 1 0 0 3.9 100 7.3 2
837 2014 20 16 45 0 4.3 125 4.8 2
838 2014 20 17 0 0 3.8 145 3.9 2
839 2014 122 17 0 0 3.7 140 5.6 2
840 2014 122 17 15 0 6.2 120 7.2 2
841 2014 122 17 30 0 3.9 130 5.8 2
842 2014 171 16 45 0 3.8 100 8.1 2
843 2014 171 17 0 0 3.9 100 7.7 2
844 2014 255 14 55 0 4.6 125 5.1 2
845 2014 255 15 0 0 4.4 125 4.5 2
846 2014 304 10 45 0 5.6 115 5.6 2
847 2014 315 11 0 0 5.6 130 5.5 2
848 2014 330 9 45 0 6.4 115 7.9 2
849 2014 330 9 50 0 6.6 120 8.2 2
850 2014 330 9 55 0 6.4 120 7.4 2
851 2014 330 10 20 0 5 150 7.9 2
852 2014 330 10 25 0 5 150 7.6 2
853 2014 330 10 30 0 5 160 6.2 2
854 2014 330 10 35 0 5.2 165 7.6 2
855 2014 331 7 55 0 4.3 125 4.8 2
856 2014 351 9 5 0 4.6 95 8.2 2
143
857 2014 354 9 30 0 5 130 5.2 2
858 2014 354 9 35 0 5 125 5.2 2
859 2014 354 13 35 0 5.3 125 5.3 2
860 2014 354 13 40 0 5.2 125 5.2 2
861 2014 354 14 0 0 5.2 120 5.5 2
862 2014 354 15 10 0 4.9 120 5.7 2
863 2014 356 16 15 0 4.5 130 4.8 2
864 2015 8 17 45 0 3.7 120 4.1 2
865 2015 48 9 0 0 4.6 110 6.3 2
866 2015 48 9 15 0 4.5 120 6.5 2
867 2015 53 8 45 0 4.8 105 7.5 2
868 2015 53 9 0 0 4.6 100 7.3 2
869 2015 122 8 15 0 4.2 130 4.1 2
870 2015 174 11 0 0 3.7 120 7.8 0
871 2015 185 16 45 0 4.1 110 8.2 2
872 2015 339 12 0 0 5.2 135 5.4 2
873 2015 343 12 30 0 5 135 4.9 2
874 2015 345 15 0 0 5.5 115 5.4 2
875 2015 346 15 45 0 4.3 125 4.7 2
876 2015 359 10 45 0 5 130 5 2
877 2015 359 15 0 0 5 120 5.4 2
878 2015 359 15 15 0 4.7 120 6 2
879 2015 361 10 15 0 7.2 120 7.6 2
880 2015 362 12 45 0 6 125 6.8 2
881 2015 363 19 45 0 3.8 105 8.1 2
882 2015 364 15 15 0 6 120 5.8 2
883 2015 364 15 30 0 6 120 5.8 2
884 2015 364 15 45 0 4.2 120 4.2 2
885 2016 17 14 0 0 6.1 100 7.7 2
886 2016 20 18 0 0 4 95 5.5 2
887 2016 50 14 0 0 5.5 105 8.2 2
888 2016 54 23 45 0 4.3 100 8 2
889 2016 102 9 0 0 5.5 135 4.8 2
890 2016 137 18 30 0 4.2 100 8.2 2
891 2016 169 17 15 0 3.8 100 5.6 2
892 2016 189 15 45 0 3.9 105 8.2 2
893 2016 234 18 45 0 5.5 95 8.2 2
894 2016 234 19 0 0 3.9 95 4.3 2
144
895 2016 250 17 30 0 4.2 110 4.6 2
896 2016 259 16 15 0 4.4 135 4.3 2
897 2016 259 16 30 0 4 135 4.3 2
898 2016 280 16 30 0 4.5 135 4.2 2
899 2016 306 8 30 0 5.6 120 8.2 2
900 2016 314 12 45 0 4.9 140 5.1 2
901 2016 314 13 0 0 5 135 4.7 2
902 2016 323 16 15 0 5.4 80 6.6 2
903 2016 325 7 0 0 3.9 95 3.8 2
904 2016 336 14 55 0 4.5 95 5 2
905 2016 336 15 0 0 5.2 95 5.5 2
906 2016 336 15 10 0 4.8 95 4.6 2
907 2016 336 15 30 0 5.1 95 4.7 2
908 2016 339 8 10 0 4.4 125 4.3 2
909 2016 345 16 15 0 4 115 5.9 2
910 2016 346 14 15 0 5.2 125 5.1 2
911 2016 357 13 45 0 5.3 125 4.9 2
912 2016 357 14 15 0 5.2 120 5.1 2
913 2017 2 8 0 0 4.5 115 4.3 2
914 2017 2 9 0 0 4.6 135 5.3 2
915 2017 4 12 55 0 4.8 135 5 2
916 2017 4 16 25 0 4.2 110 4.5 2
917 2017 4 16 35 0 4.1 110 4.3 2
918 2017 4 16 40 0 4.1 110 6.6 2
919 2017 18 9 45 0 5.7 120 5.3 2
920 2017 28 17 15 0 4.6 100 7.2 2
921 2017 91 17 55 0 4.4 95 5.9 2
922 2017 91 18 0 0 4.2 95 5.5 2
923 2017 102 18 0 0 4.5 110 4.5 2
924 2017 130 19 15 0 4.5 110 6.7 2
925 2017 130 19 30 0 3.3 110 7.7 0
926 2017 205 17 0 0 3.8 100 4.4 2
927 2018 191 16 15 0 4.7 100 4.4 2
928 2018 219 5 5 0 1 95 8.2 0
929 2018 224 6 0 0 1 105 8.2 0
930 2018 244 10 30 0 4 125 4.5 2
931 2018 256 3 0 0 1.9 105 7.9 0
932 2018 271 18 0 0 4.4 95 8.2 2
145
933 2018 271 18 15 0 4.6 95 8.2 2
934 2018 271 18 30 0 4.3 95 4.7 2
935 2018 277 11 15 0 5 100 8.2 2
936 2018 285 9 15 0 5.5 110 7.4 2
937 2018 285 9 30 0 4.3 120 6.2 2
938 2018 286 16 30 0 4.4 145 4.2 2
939 2018 286 16 45 0 5.2 140 5.2 2
940 2018 304 18 15 0 4.6 100 8.2 2
941 2018 304 18 30 0 4.9 100 8 2
942 2018 304 18 45 0 3.8 105 8.2 2
943 2018 307 13 0 0 4.4 95 8.2 2
944 2018 307 13 15 0 4.5 95 8.2 2
945 2018 307 13 30 0 4.5 95 4.1 2
946 2018 318 11 15 0 5.1 125 5.3 2
947 2018 318 15 45 0 3.9 130 7.7 2
948 2018 320 14 15 0 4.6 145 8.2 2
949 2018 320 14 30 0 4.5 150 7.9 2
950 2018 321 16 30 0 5.3 110 5.9 2
951 2018 321 16 45 0 4.7 115 5.7 2
952 2018 321 17 0 0 3.9 115 7 2
953 2018 322 13 30 0 4.3 95 8.2 2
954 2018 322 13 45 0 4.3 95 7.8 2
955 2018 322 14 45 0 4.1 125 7.5 2
956 2018 322 15 0 0 4.3 125 8.1 2
957 2018 322 15 15 0 3.9 135 8.2 2
958 2018 326 13 45 0 4.8 95 7.9 2
959 2018 326 14 0 0 5.4 100 8 2
960 2018 328 11 15 0 4.6 140 4.6 2
961 2018 332 8 45 0 4.2 100 7.9 2
962 2018 334 14 30 0 4.1 120 4.6 2
963 2018 336 8 15 0 4.4 100 8.2 2
964 2018 339 10 45 0 4.4 150 4.9 2
965 2018 339 10 50 0 4.5 150 4.3 2
966 2018 339 10 55 0 4.4 145 4.4 2
967 2018 342 14 15 0 4.9 95 8.2 2
968 2018 342 16 45 0 4.1 90 5.5 2
969 2018 342 18 15 0 4.4 90 8.1 2
970 2018 343 16 45 0 4.5 115 5.9 2
146
971 2018 343 17 0 0 4 110 7.2 2
972 2018 343 17 15 0 4.4 110 8 2
973 2018 343 17 30 0 3.7 110 8.2 2
974 2018 346 15 0 0 4.4 135 4.7 2
975 2018 346 15 30 0 3.9 130 4.7 2
976 2018 352 12 15 0 4.5 115 4.5 2
977 2018 353 8 30 0 4.1 115 4.3 2
978 2018 353 8 45 0 4 125 4.4 2
979 2018 354 9 15 0 4 95 4.7 2
980 2018 355 11 45 0 4.5 135 4.2 2
981 2018 357 0 15 0 1.9 100 8.2 0
982 2018 365 13 50 0 5.4 110 8.2 2
983 2018 365 13 55 0 5.8 110 8.2 2
984 2018 365 14 0 0 5 110 8.2 2
985 2018 365 14 5 0 4.9 105 8.2 2
147
Anexo 2: Tabla de identificación visual de ionogramas
con Esb y sus respectivos parámetros
La siguiente tabla muestra la identificación visual de los ionogramas con
Esb y sus respectivos parámetros para los años 2007, 2010, 2011 y 2016.
YY, indica el año, D indica el día del año, h la hora local y mm los minutos.
fminF anterior (siguiente) indica la frecuencia mínima de la capa F del
ionograma anterior (siguiente) y fbEs la frecuencia de blanketing en MHz.
Los casos de Esb total tienen etiqueta Esbt y los casos de F dispersa tienen
etiqueta SF. hEs indica la altura de la capa Es y foEs la frecuencia crítica
de la Esb. Además evento indica el número de evento del respectivo año,
considerando cada evento como ionogramas que estén cercanos y no más
lejanos de 3 horas. No identificados, tiene etiqueta 1 para aquellos ionogramas
que no han sido identificados.
N YY D h mm
fminF
ant.
(MHz)
fbEs
(MHz)
fminF
sigu.
(MHz)
hEs
(km)
foEs
(MHz)
Even-
to de
año
No
Ident
1 2007 11 16 45 3.5 8 105.0 8.8 1
2 2007 11 17 0 Esbt 100.0 9.2 1
3 2007 11 17 15 4.9 2.8 105.0 5.2 1 1
4 2007 16 11 0 3.6 4.7 125.0 4.9 2 1
5 2007 16 11 15 6.9 120.0 6.9 2
6 2007 16 11 30 5.5 4.3 125.0 6.1 2 1
7 2007 16 13 30 3.7 5.7 130.0 6 2
8 2007 16 13 45 4.5 3.9 130.0 4.8 2
9 2007 18 16 45 2.9 6.7 2.9 115.0 6.6 3
10 2007 22 5 15 2.9 6.7 2.9 95.0 12 4
11 2007 27 7 45 3.2 3.7 3.4 115.0 4 5
12 2007 30 16 30 5.7 – 105.0 6.2 6
13 2007 33 18 30 2.6 4.4 1.6 110.0 5.7 7
14 2007 35 18 0 3.8 2.8 95.0 8.4 8
15 2007 41 15 0 4.4 4.3 130.0 4.5 9 1
16 2007 41 15 15 4.4 130.0 4.7 9
17 2007 41 15 30 4.2 130.0 4.7 9 1
18 2007 41 15 45 4.3 125.0 4.6 9
19 2007 41 16 0 4.6 3.2 125.0 4.6 9
20 2007 42 16 0 3.4 5.1 3.3 125.0 5.2 10
21 2007 50 16 30 3.2 5.1 3.1 110.0 4.9 11
22 2007 92 22 0 3.8 4.2 2.9 110.0 4.6 12
148
23 2007 92 22 30 2.9 4.3 2.7 95.0 4.3 12 1
24 2007 95 15 45 3.8 4.1 3.6 120.0 4.7 13
25 2007 96 7 45 2.6 3.9 3 95.0 3.7 14
26 2007 99 18 0 3.1 4.1 100.0 9 15
27 2007 99 18 15 5.1 95.0 5.4 15
28 2007 99 18 30 5.1 90.0 5.6 15
29 2007 99 18 45 5.3 90.0 7 15
30 2007 99 19 0 4 3.4 90.0 4.8 15
31 2007 100 2 15 2.8 Esbt SF 100.0 4.6 16
32 2007 101 2 45 2.8 Esbt SF 100.0 7.2 17
33 2007 105 21 15 2.6 3.7 2.9 115.0 4.6 18
34 2007 107 15 30 3.5 4.4 95.0 8 19
35 2007 107 15 45 5.6 3.9 95.0 9.4 19
36 2007 111 10 30 3.7 4.7 3.8 135.0 5 20
37 2007 112 9 0 3.4 4 90.0 4.7 21 1
38 2007 112 9 15 4.6 3.8 90.0 4.1 21 1
39 2007 113 18 15 1.6 4.5 100.0 4.9 22
40 2007 113 18 30 5.3 100.0 5.7 22 1
41 2007 113 18 45 5.2 100.0 7 22
42 2007 113 19 0 5 3.6 100.0 9.4 22 1
43 2007 113 19 30 3.6 5.2 100.0 9.3 22
44 2007 113 19 45 5.1 2.4 100.0 9.5 22
45 2007 118 20 45 5.1 100.0 5.4 23
46 2007 118 21 0 5.1 100.0 5.1 23
47 2007 118 21 15 5.5 100.0 9.5 23
48 2007 118 22 0 4.5 2.6 100.0 5.8 23
49 2007 119 18 45 1.6 3.8 3.6 100.0 5.8 24
50 2007 121 8 30 3.4 3.9 3.2 130.0 4.4 25
51 2007 122 18 15 3 4 95.0 4 26
52 2007 123 8 15 2.9 4.1 3.4 120.0 4.5 27
53 2007 125 20 15 3.2 3.7 2.3 100.0 4.7 28
54 2007 127 18 30 1.7 3.7 100.0 9.3 29
55 2007 127 18 45 Esbt 95.0 12.5 29
56 2007 129 18 45 1.8 5.1 100.0 5.5 30
57 2007 129 19 0 Esbt 100.0 6.7 31 1
58 2007 129 20 30 Esbt 110.0 9.5 31
59 2007 131 18 45 1.6 4.1 3.4 95.0 5.6 32
60 2007 133 19 30 2.8 4 3.3 95.0 8.9 33
149
61 2007 134 18 45 4 100.0 9.5 34 1
62 2007 134 19 0 Esbt 2.1 100.0 9.4 34
63 2007 135 18 15 3.5 5.1 95.0 5.5 35
64 2007 135 18 30 5.2 95.0 9 35
65 2007 135 18 45 4.5 3.5 95.0 9.5 35
66 2007 139 18 30 1.6 5.1 95.0 9 36
67 2007 139 18 45 5.1 95.0 9.5 36 1
68 2007 139 19 0 4 3.4 95.0 9.3 36
69 2007 167 5 30 Esbt 95.0 8 37 1
70 2007 167 5 45 Esbt 95.0 8.5 37 1
71 2007 189 13 0 4.5 6.3 3.5 115.0 6.3 38
72 2007 191 15 45 3.1 4 3.3 100.0 4.9 39
73 2007 213 18 30 5.5 1.6 100.0 9.8 40 1
74 2007 230 17 45 2.7 4.4 2.6 100.0 4.8 41 1
75 2007 240 18 0 1.9 4.1 1.7 105.0 6.3 42 1
76 2007 246 8 45 2.9 4.6 3.3 110.0 4.8 43
77 2007 250 18 30 1.6 3.8 100.0 3.9 44
78 2007 250 18 45 4.3 3.6 100.0 4.7 44
79 2007 254 17 0 3.2 4.1 2.1 125.0 4.3 45
80 2007 255 1 0 Esbt 100.0 9.5 46
81 2007 256 15 0 3.4 4.8 3.4 110.0 4.9 47
82 2007 270 13 45 4 4.5 115.0 4.9 48
83 2007 270 14 45 3.7 155.0 3.8 48 1
84 2007 270 15 0 3.8 150.0 3.8 48 1
85 2007 270 15 15 4.5 110.0 4.8 48
86 2007 270 15 30 4.8 110.0 4.8 48
87 2007 270 15 45 4.8 3.2 110.0 4.8 48
88 2007 289 8 30 3.5 3.8 3.5 145.0 3.9 49
89 2007 292 19 15 3.5 5.1 3.5 105.0 9.3 50
90 2007 297 15 15 3.1 4.2 3.2 95.0 10 51
91 2007 315 0 45 2.2 4 2.7 95.0 5.8 52
92 2007 322 13 30 3.9 4.3 3.7 125.0 4.5 53 1
93 2007 322 14 30 3.9 4.6 3.7 130.0 4.8 53
94 2007 326 16 30 2.9 4 2.8 115.0 4.5 54
95 2007 335 11 45 3.8 4.7 135.0 4.6 55
96 2007 335 12 0 4.7 130.0 4.9 55
97 2007 335 12 15 4.5 130.0 4.7 55
98 2007 335 12 30 4.1 3.6 145.0 4.4 55 1
150
99 2007 335 19 30 1.6 3.9 2.9 100.0 4.8 56
100 2007 338 12 45 3.9 4.6 145.0 4.3 57 1
101 2007 338 13 0 5.6 130.0 6 57
102 2007 338 13 15 7 4.3 130.0 8 57
103 2007 338 14 15 4 4.4 130.0 4.4 57 1
104 2007 338 14 30 4.2 130.0 4.2 57 1
105 2007 338 14 45 4.1 135.0 4.3 57 1
106 2007 338 15 0 4.2 130.0 4.5 57 1
107 2007 338 15 15 4.1 125.0 4.3 57 1
108 2007 338 15 30 4.1 130.0 4.3 57 1
109 2007 338 15 45 4 130.0 4.2 57 1
110 2007 338 16 0 4 130.0 4.9 57 1
111 2007 338 16 15 4 125.0 4 57
112 2007 338 16 30 4.6 3 120.0 4.9 57 1
113 2007 345 15 45 3.2 4.1 3.1 110.0 5.7 58
114 2007 347 9 15 3.4 4.4 170.0 4.7 59 1
115 2007 347 9 30 4.8 165.0 4.9 59
116 2007 347 9 45 4.7 155.0 4.8 59 1
117 2007 347 16 0 4 4 3.2 115.0 4.8 60 1
118 2007 351 13 0 4.2 4.5 130.0 4.5 61 1
119 2007 351 13 15 4.5 3.7 130.0 4.8 61
120 2007 351 15 0 3.5 4.3 3.6 120.0 4.1 61
121 2007 351 15 30 3.6 4.4 3.3 115.0 4.4 61
122 2007 357 8 30 3.5 3.9 150.0 3.9 62 1
123 2007 357 8 45 3.9 3.4 155.0 4 62 1
124 2007 360 16 15 3.5 3.9 3 100.0 5.6 63
125 2010 1 2 15 SF Esbt 105.0 14 1
126 2010 1 2 30 Esbt 100.0 14.5 1
127 2010 1 2 45 Esbt SF 100.0 9.6 1
128 2010 1 8 0 3.6 3.8 3.3 110.0 4.2 2
129 2010 1 17 0 2.9 4 90.0 4.5 3 1
130 2010 1 17 15 5.3 90.0 7 3
131 2010 1 17 30 5.7 3.1 90.0 8.6 3
132 2010 2 -5 15 3.2 5.1 95.0 4.9 4
133 2010 3 16 0 4 4.7 105.0 4.8 5
134 2010 3 16 15 5.9 105.0 6.2 5
135 2010 3 16 30 4.1 3.3 105.0 4.1 5
136 2010 5 19 30 2.3 3.9 100.0 3.9 6
151
137 2010 5 19 45 4.6 3.3 100.0 4.7 6
138 2010 14 14 0 4.2 4.5 3.5 95.0 5.7 7
139 2010 16 17 15 2.8 5.5 3.2 105.0 6.1 8
140 2010 24 11 30 4.6 5.3 138.0 5.7 9
141 2010 25 15 45 3.3 4.2 3.1 100.0 4.3 10
142 2010 28 9 15 3.2 5 3.6 100.0 4.9 11
143 2010 28 14 30 4.5 5.1 4.4 155.0 4.8 12
144 2010 29 16 30 3.2 4.5 3.2 105.0 4.9 13
145 2010 47 17 0 3.5 3.9 3.4 110.0 4.9 14
146 2010 71 14 45 3.8 5.1 95.0 4.9 15
147 2010 71 15 0 6.9 95.0 7.1 15
148 2010 71 15 15 6.2 3.7 95.0 5.8 15
149 2010 72 15 15 4.2 5.1 105.0 4.8 16
150 2010 91 19 30 4.1 2.4 105.0 4.1 17
151 2010 93 20 15 5.1 110.0 4.8 18
152 2010 97 5 45 1.8 Esbt 1.9 100.0 9.5 19
153 2010 112 8 0 3 4.1 110.0 4 20
154 2010 112 8 15 3.7 3.3 95.0 3.7 20
155 2010 119 17 45 2.7 3.8 3.5 95.0 3.8 21
156 2010 130 20 0 5.5 103.0 6.4 22
157 2010 130 20 15 4 3.3 95.0 4.4 22
158 2010 130 21 0 3 4 3.5 95.0 4 22
159 2010 140 19 30 2.9 3.7 105.0 4.4 23 1
160 2010 162 10 30 3.6 3.7 130.0 3.9 24 1
161 2010 162 10 45 3.7 120.0 4 24
162 2010 162 11 0 4.2 126.3 4.4 24
163 2010 162 11 15 4.2 3.4 125.0 4.2 24
164 2010 181 16 45 2.7 4 105.0 4.3 25 1
165 2010 181 17 0 4.5 100.0 4.7 25
166 2010 181 17 15 5.1 100.0 4.8 25
167 2010 181 17 30 5.2 1.9 100.0 4.4 25
168 2010 193 16 30 3.9 3.8 178.3 4.2 26 1
169 2010 193 16 45 4.2 170.0 4.3 26 1
170 2010 193 17 0 5.1 165.7 4.8 26 1
171 2010 193 17 15 4.4 168.2 4.3 26
172 2010 193 17 30 4.1 158.2 4.3 26 1
173 2010 193 17 45 4.1 153.2 4.1 26
174 2010 193 18 0 3.9 145.5 2.4 26 1
152
175 2010 193 18 15 5.1 145.5 4.6 26 1
176 2010 193 18 30 Esbt 138.0 4.7 26 1
177 2010 193 19 30 4 112.8 4.5 26
178 2010 193 19 45 4 3.4 135.0 4.1 26 1
179 2010 225 19 0 2.3 5.1 3.3 100.0 4.7 27 1
180 2010 303 10 45 3.9 4.7 4 128.8 5.2 28
181 2010 316 11 45 4.2 4.7 120.0 4.5 29 1
182 2010 316 12 0 4.6 177.6 4.5 29 1
183 2010 316 12 14 4.8 160.0 4.5 29
184 2010 316 12 30 4.6 165.0 4.6 29 1
185 2010 321 12 15 4.1 4.5 4.1 144.2 4.6 30
186 2010 326 14 30 3.8 4.6 110.0 4.9 31
187 2010 326 14 45 5.1 120.0 4.9 31
188 2010 326 15 0 4.5 3.9 115.0 4.5 31
189 2010 331 8 30 3.4 4.4 3.8 110.0 4.9 32
190 2010 331 12 45 5.1 5.2 139.0 4.9 33
191 2010 331 13 0 5.8 123.3 5.9 33
192 2010 331 13 15 4.8 130.0 4.9 33
193 2010 331 13 30 5.5 5.2 119.2 5.6 33
194 2010 331 14 0 5.2 5.1 125.0 4.7 33
195 2010 331 14 15 4.6 3.7 115.0 4.8 33
196 2010 331 15 30 4.1 132.0 4 33
197 2010 331 15 45 5.2 127.9 4.9 33
198 2010 331 16 30 4.8 228.0 4.6 33 1
199 2010 331 16 45 5.1 226.0 4.7 33 1
200 2010 331 17 15 4.5 – 226.0 4.4 33 1
201 2010 335 13 0 3.9 4.5 127.0 6 34
202 2010 335 13 15 5.2 3.6 134.0 5.1 34
203 2010 336 15 15 4.3 5.1 135.0 4.9 35
204 2010 336 15 30 5.1 3.5 120.0 4.9 35
205 2010 338 13 30 4.6 5.1 105.0 4.9 36
206 2010 338 13 45 5.1 105.0 5.7 36
207 2010 338 14 0 4.6 3.9 105.0 5.2 36
208 2010 348 9 45 4.2 4.7 4.2 134.0 4.7 37
209 2010 350 15 0 3.6 4.5 130.0 4.5 38
210 2010 350 15 15 4.4 3.4 100.0 4.3 38
211 2010 351 9 45 3.8 5.3 4 128.3 4.9 39
212 2010 352 14 15 3.8 4.5 3.6 110.0 4.5 40
153
213 2010 352 15 15 3.8 5.4 90.0 5.1 40
214 2010 352 15 30 5.7 90.0 6.1 40
215 2010 352 15 45 5.1 95.0 5.8 40 1
216 2010 352 16 0 4.9 – 90.0 4.6 40 1
217 2010 357 16 30 7.2 2.9 105.0 7.5 41
218 2010 365 11 45 4.7 5.1 124.0 4.9 42 1
219 2010 365 12 0 5.2 124.0 4.9 42 1
220 2010 365 12 15 5.2 128.0 4.9 42 1
221 2010 365 12 30 6.3 122.5 7.1 42
222 2010 365 12 45 7 120.0 7 42
223 2010 365 13 0 7.1 120.0 7.4 42
224 2010 365 13 15 6.9 117.5 6.8 42
225 2010 365 13 30 6.2 4.7 117.5 6.2 42 1
226 2011 1 15 30 3.4 4.6 100.0 4.6 1
227 2011 1 15 45 5.3 3.5 100.0 5.1 1
228 2011 2 13 30 4 4.6 120.0 5.3 2
229 2011 2 13 45 5.6 120.0 4.9 2
230 2011 2 14 0 5.2 100.0 4.9 2
231 2011 2 14 15 5.4 105.0 4.9 2
232 2011 2 14 30 4.5 3.8 115.0 4 2
233 2011 4 12 45 3.8 5.1 153.0 4.9 3
234 2011 4 13 0 4.9 148.1 4.8 3 1
235 2011 4 13 15 5.4 135.5 5.5 3
236 2011 4 13 30 4.8 4.4 132.9 4.8 3
237 2011 4 15 0 4.2 4.7 3.9 105.0 4.9 3
238 2011 9 17 45 2.9 5.7 103.3 5.5 4
239 2011 9 18 0 7 100.0 6.6 4
240 2011 9 18 15 6.5 100.0 6.3 4
241 2011 15 14 15 4.5 6.9 115.0 7.4 5 1
242 2011 15 14 30 6.3 110.0 6.6 5
243 2011 15 14 45 4.6 3.8 120.0 4.7 5
244 2011 18 14 30 3.9 4.6 3.7 115.0 4.6 6
245 2011 23 16 45 4.8 100.0 4.9 7
246 2011 23 17 0 6.5 100.0 7.1 7
247 2011 24 16 40 3.2 3.9 3.5 110.0 4.5 8
248 2011 28 9 15 3.6 4.6 3.7 115.0 5 9
249 2011 30 16 0 4.3 105.0 4.9 10
250 2011 30 16 15 4.1 3.4 105.0 3.9 10
154
251 2011 32 16 50 3.5 4 95.0 4.1 11
252 2011 32 16 55 4.5 95.0 4.6 11
253 2011 32 17 0 4 90.0 3.9 11 1
254 2011 32 17 5 3.8 3.6 93.3 4.1 11 1
255 2011 34 16 25 3.4 3.7 3.5 110.0 4 12
256 2011 41 15 45 3.4 4.1 165.0 4.3 13
257 2011 41 16 0 3.9 3.6 165.0 4 13
258 2011 43 8 30 3.6 4.6 105.0 9 14 1
259 2011 43 8 45 4.2 3.6 105.0 9 14
260 2011 58 8 45 3.2 4.8 3.4 95.0 4.9 15
261 2011 76 14 30 3.7 4.2 155.0 4.3 16
262 2011 76 14 45 3.9 3.6 150.0 4.2 16 1
263 2011 166 16 45 3.2 4 105.0 4 17
264 2011 171 14 15 3.5 4.5 3.4 143.5 3.4 18 1
265 2011 183 18 15 2.9 4.1 90.0 4.9 19
266 2011 219 17 30 2.3 4.4 3.5 100.0 4.3 20
267 2011 278 9 45 3.9 4.7 134.0 4.8 21
268 2011 278 10 0 5.1 141.7 4.9 21
269 2011 278 10 15 4.6 4.1 154.5 4.6 21 1
270 2011 308 8 45 4.7 4.8 110.0 5 22
271 2011 308 9 0 5.2 4.7 115.0 6 22
272 2011 338 9 15 3.1 4.5 4.3 125.0 4.9 22 1
273 2011 338 11 15 4.5 5.2 4.4 140.0 5.2 22
274 2011 351 11 15 4.5 5.2 130.0 6.1 23
275 2011 351 11 30 5.2 4.6 135.0 5.5 23 1
276 2011 352 11 15 4.6 5.7 4.7 130.0 6.2 24
277 2011 353 10 45 4.5 5.7 120.0 5.9 25
278 2011 353 11 0 5.5 4.4 125.0 5.7 25
279 2011 354 16 15 3.5 4.6 3.5 110.0 4.7 26
280 2011 361 16 0 3.6 4.5 4 95.0 6 27
281 2016 17 14 0 6.6 7 5.3 102.5 7.1 1
282 2016 20 18 0 4 2.6 85.0 4.1 2
283 2016 50 14 0 6.3 5.1 103.0 6.2 3
284 2016 54 23 45 1.8 3.9 3 100.0 4.8 4
285 2016 102 9 0 3.8 5.6 3.8 135.0 4.8 5
286 2016 137 18 30 1.7 4.3 2.9 100.0 6 6
287 2016 141 18 30 5.1 110.0 3.6 7 1
288 2016 169 17 15 2.4 3.9 3.3 94.4 3.6 8
155
289 2016 176 17 30 3.9 85.0 3.6 9 1
290 2016 189 15 45 3.3 3.9 100.0 3.6 10
291 2016 189 16 0 4.8 100.0 4.9 10 1
292 2016 210 16 0 3.1 3.8 3.3 95.0 4.1 11
293 2016 234 18 45 2.6 5.8 88.3 5.9 12
294 2016 234 19 0 4.1 2.6 85.0 4.5 13
295 2016 250 17 15 3.7 5.2 102.5 4.9 14 1
296 2016 250 17 30 4.3 2.8 110.0 4.3 14
297 2016 259 15 45 4.1 4.1 125.0 4.1 15 1
298 2016 259 16 0 4.3 140.5 4.2 15 1
299 2016 259 16 15 4.4 132.9 4.3 15
300 2016 259 16 30 4 3.3 135.0 4 15
301 2016 280 16 30 3.7 4.2 3.1 110.0 4.1 16
302 2016 306 8 30 3.3 5.8 98.8 6.1 17
303 2016 306 8 45 5.9 4.2 120.0 6 17 1
304 2016 314 12 45 4.7 4.8 140.0 5 18
305 2016 314 13 0 5.1 5.2 135.0 5 18
306 2016 323 16 15 3.1 5.4 3.6 85.0 5.7 19
307 2016 325 7 0 2.6 4 3.5 95.0 3.8 20
308 2016 332 14 15 4.2 4.5 4.2 120.0 4.6 21 1
309 2016 334 17 50 2.9 4.1 2.6 115.0 3.8 22 1
310 2016 336 14 35 3.9 4.5 100.0 4.2 23 1
311 2016 336 14 40 4.2 100.0 4.2 23 1
312 2016 336 14 45 4.5 113.3 4.5 23 1
313 2016 336 14 50 4.6 95.0 4.5 23 1
314 2016 336 14 55 4.8 100.0 4.8 23
315 2016 336 15 0 5.2 100.0 4.8 23
316 2016 336 15 5 4.7 95.0 4.5 23 1
317 2016 336 15 10 4.7 85.0 4.6 23
318 2016 336 15 15 5.1 103.3 4.4 23 1
319 2016 336 15 20 4.6 85.0 4.5 23 1
320 2016 336 15 25 4.5 100.0 4.5 23 1
321 2016 336 15 30 4.5 3.9 108.3 4.6 23
322 2016 339 8 10 3.9 4 3.8 109.6 4.3 24
323 2016 345 16 15 4.1 6.5 2.9 80.0 6.4 25
324 2016 346 14 0 3.6 5.1 135.5 4.5 26 1
325 2016 346 14 15 5.3 3.4 130.0 4.9 26
326 2016 346 15 30 3.7 4.2 3 95.0 4.6 26 1
156
327 2016 351 16 15 3.6 3.7 3 120.0 3.9 27 1
328 2016 357 13 45 5.2 5.3 5.1 125.0 5 28
329 2016 357 14 15 5.1 5.2 4.6 120.0 5.2 28
330 2016 366 16 30 4.1 5.8 3.6 100.0 5.8 29 1
157
Anexo 3: Tabla de comparación de eventos Esb de la
digisonda con VIPIR
La siguiente tabla muestra la comparación de los ionogramas que en la
digisonda presentaban eventos de blanketing con los ionogramas de VIPIR.
La comparación se hizo para ionogramas del año 2009 considerando la data
disponible de VIPIR y cuyos ionogramas son adecuados y no polémicos. Debe
notarse que la fecha y hora de ocurrencia está en UT. Además que en la
mayoría de los casos, no hay registros simultáneos, sino separados alrededor
de 8 minutos para VIPIR y la digisonda, por lo que esto podría influir en la
comparación. La comparación se hace con el ionograma más cercano de VIPIR,
y la etiqueta Identificado VIPIR-digisonda será 1 si en ambos ionogramas se
ha registrado un evento Esb sino será 0.
Digisonda VIPIR Identificado
VIPIR -
DigisondaEvento
Esb
Día
del
año
(UT)
Hora
(UT) min
Ionograma
anterior
(hh:mm:ss)
Ionograma
cercano
(hh:mm:ss)
Ionograma
posterior
(hh:mm:ss)
1 8 14 45 14:30:03 14:45:03 15:00:03 1
2 95 13 15 13:07:03 13:22:03 13:37:03 1
3 98 20 15 20:07:03 20:22:03 20:37:03 1
4 99 21 45 21:22:03 21:37:03 21:52:03 1
5 124 7 45 07:37:03 07:52:03 08:07:03 1
5 124 8 0 07:52:03 08:07:03 08:22:03 1
5 124 8 30 08:22:03 08:37:03 08:52:04 1
6 129 0 15 00:07:03 00:22:03 00:37:03 1
7 147 22 45 22:37:03 22:52:03 23:07:03 1
7 147 23 0 22:52:03 23:07:03 23:22:03 1
8 149 23 45 23:37:03 23:52:03 00:07:03 1
9 292 20 0 19:37:03 19:52:03 1
9 292 20 15 20:07:03 1
10 294 21 45 21:37:03 21:52:03 22:07:03 0
11 295 23 45 23:22:03 23:37:03 23:52:03 0
12 297 23 15 23:07:03 23:22:03 23:37:03 1
13 315 13 30 13:22:03 13:37:03 13:52:03 1
13 315 14 30 14:22:03 14:37:03 14:52:03 1
14 316 17 0 16:52:03 17:07:03 17:22:03 1
15 327 19 30 19:22:03 19:37:03 19:52:03 1
15 327 19 45 19:37:03 19:52:03 20:07:03 1
158
15 327 20 0 19:52:03 20:07:03 20:22:03 1
15 327 20 15 20:07:03 20:22:03 20:37:03 1
16 327 21 15 21:07:03 21:22:03 21:37:03 0
17 329 0 15 00:07:03 00:22:03 00:37:03 1
17 329 0 30 00:22:03 00:37:03 00:52:03 1
17 329 0 45 00:37:03 00:52:03 01:07:03 1
17 329 1 0 00:52:03 01:07:03 01:22:03 1
17 329 1 15 01:07:03 01:22:03 01:37:03 1
18 339 0 15 00:07:03 00:22:03 00:37:03 1
18 339 0 30 00:22:03 00:37:03 00:52:03 1
19 340 21 15 21:07:03 21:22:03 21:37:03 1
19 340 21 30 21:22:03 21:37:03 21:52:03 1
20 346 0 15 00:07:03 00:22:03 00:37:03 1
20 346 0 30 00:22:03 00:37:03 00:52:03 1
20 346 0 45 00:37:03 00:52:03 01:07:03 1
21 347 21 30 21:22:03 21:37:03 21:52:03 0
22 352 14 15 14:07:03 14:22:03 14:37:03 1
23 352 20 30 20:22:03 20:37:03 20:52:03 1
23 352 20 45 20:37:03 20:52:03 21:07:03 1
23 352 21 0 20:52:03 21:07:03 22:22:03 1
24 352 22 30 22:22:03 22:37:03 22:52:03 0
24 352 22 45 22:37:03 22:52:03 23:07:03 0
25 356 14 15 14:07:03 14:22:03 14:37:03 0
26 361 16 0 15:52:03 16:07:03 16:22:03 0
26 361 16 15 16:07:03 16:22:03 16:37:03 0
26 361 16 30 16:22:03 16:37:03 16:52:03 0
26 361 16 45 16:37:03 16:52:03 17:07:03 0
26 361 17 0 16:52:03 17:07:03 17:22:03 0
27 363 19 0 18:52:03 19:07:03 19:22:03 1
27 363 19 15 19:07:03 19:22:03 19:37:03 1
27 363 19 30 19:22:03 19:37:03 19:52:03 1
27 363 19 45 19:37:03 19:52:03 20:07:03 1
27 363 20 0 19:52:03 20:07:03 20:22:03 0
27 363 21 45 21:37:03 21:52:03 22:07:03 0
159
Bibliografía
[1] P. M. Reyes, “Study of waves observed in the equatorial ionospheric
valley region using jicamarca isr and vipir ionosonde”, tesis de doctorado
(University of Illinois at Urbana-Champaign, 2017).
[2] J. A. Chocos Núñez, “Diseño y establecimiento de un enlace de radioco-
municaciones vhf punto a punto vía el electrochorro ecuatorial”, Tesis
de pregrado (2005).
[3] J. Chau, y E. Kudeki, Ann. Geophys. 24 (2006) 10.5194/angeo-24-
1305-2006.
[4] S. A. Sánchez Juarez, “Estudio de la f dispersa en la ionósfera ecuatorial
con datos de radio observatorio de jicamarca”, Tesis de Licenciatura
(2013).
[5] F. Lu, “Aspect sensitivity studies of the small scale plasma irregularities
in the equatorial electrojet”, tesis de doctorado (Cornell University,
2005).
[6] E. Shume, “The equatorial electrojet : radar observations and modeling”,
tesis de doctorado (Cornell University, ago. de 2006).
[7] M. C. Kelley, The earth’s ionosphere: plasma physics and electrodynamics
(2009).
[8] S. Kato, Space Science Reviews 4, 223 (1965).
[9] S. Kato, Journal of Atmospheric and Terrestrial Physics 35, 1073 (1973).
[10] D. Hurtado de Mendoza, “Estudio teórico y experimental de la inesta-
bilidad de gradiente en la ionósfera”, tesis de doctorado (Facultad de
Ciencias Exactas y Naturales. Universidad de Buenos Aires, 1997).
[11] P. Muralikrishna, y V. Kulkarni, Advances in Space Research 42, 164
(2008).
[12] P. Muralikrishna, y V. Kulkarni, Annales Geophysicae 24 (2006) 10.
5194/angeo-24-2949-2006.
160
[13] J. F. Conte, “Perfeccionamiento del modelo ionosférico la plata (lpim)”,
tesis de doctorado (Facultad de Ciencias Astronómicas y Geofıésicas,
2015).
[14] R. Schunk, y A. Nagy, Ionospheres: physics, plasma physics, and che-
mistry, 2.a ed., Cambridge Atmospheric and Space Science Series (Cam-
bridge University Press, 2009).
[15] H. A. Elliott, J.-M. Jahn, y D. J. McComas, Space Weather 11, 339
(2013).
[16] J. Bartels, N. H. Heck, y H. F. Johnston, Terrestrial Magnetism and
Atmospheric Electricity 44, 411 (1939).
[17] J. Bartels, IATME Bull. 12b 97, 2021 (1949).
[18] A. Segarra, y J. J. Curto, Annals of Geophysics 58, 0440 (2015).
[19] V. Yadav, B. Kakad, A. Bhattacharyya, y T. Pant, Journal of Geophy-
sical Research: Space Physics (2017) 10.1002/2017ja023911.
[20] L. Resende, I. Batista, C. Denardini, A. Carrasco, V. Andrioli, J. Moro,
P. Batista, y S. Chen, Earth, Planets and Space 68 (2016) 10.1186/
s40623-016-0577-z.
[21] C. Haldoupis, Aeronomy of the Earth’s Atmosphere and Ionosphere, 381
(2011).
[22] A. Asokan Pillai, T. Pant, C. Vineeth, M. Neelakantan, y K. kishore
kumar, Advances in Space Research 62 (2018) 10.1016/j.asr.2018.
07.001.
[23] B. G. Fejer, y M. C. Kelley, Reviews of Geophysics 18, 401 (1980).
[24] C. Reddy, y C. Devasia, Planetary and Space Science 21, 811IN3813
(1973).
[25] C. Devasia, Indian Journal of Radio and Space Physics 5, 217 (1976).
[26] H. Chandra, y R. G. Rastogi, Journal of Geophysical Research (1896-
1977) 80, 149 (1975).
[27] J. O. Oyinloye, Radio Science 4, 765 (1969).
[28] J. Oyinloye, Planetary and Space Science 19, 1131 (1971).
[29] V. Yadav, B. Kakad, C. Nayak, G. Surve, y K. Emperumal, Annales
Geophysicae (2014) 10.5194/angeo-32-553-2014.
[30] I. A. Galkin, G. M. Khmyrov, A. V. Kozlov, B. W. Reinisch, X. Huang,
y V. V. Paznukhov, en Radio sounding and plasma physics, vol. 974,
ed. por P. Song, J. Foster, M. Mendillo, y D. Bilitza, American Institute
of Physics Conference Series (feb. de 2008), págs. 150-159.
161
[31] C. Devasia, S. Vadakke Veettil, y S. Ravindran, Annales Geophysicae
24 (2006) 10.5194/angeo-24-2931-2006.
[32] C. Denardini, L. Resende, J. Moro, y S. Chen, Earth, Planets and Space
68 (2016) 10.1186/s40623-016-0456-7.
[33] C. Haldoupis, M. Kelley, G. Hussey, y S. Shalimov, Journal of Geophy-
sical Research Atmospheres 108, 8 (2003).
[34] A. Malhotra, J. Mathews, y J. Urbina, Geophysical Research Letters -
GEOPHYS RES LETT 35 (2008) 10.1029/2008GL034661.
[35] S. Gopi Krishna, C. Valladares, P. Doherty, T. Bullet, y R. Livingston,
(2009).
[36] W. R. Piggott, y K. Rawer, URSI handbook of ionogram interpretation
and reduction, second edition, November 1972, revision of chapters 1-4,
inf. téc. (jul. de 1978).
[37] W. Piggott, y K. Rawer, Ursi handbook of ionogram interpretation
and reduction, world data center a for solar-terrestrial physics, inf. téc.
(1972).
[38] P. Ghosh, y F. Berkey, Earth and Space Science 2 (2015) 10.1002/
2014EA000091.
[39] S. Ghosh, y S. Kumar, International Journal of Advanced Computer
Science and Applications 4 (2013) 10.14569/IJACSA.2013.040406.
[40] N. Matloff, Parallel computing for data science: with examples in r, c++
and cuda, vol. 28 (CRC Press, 2015).
[41] J. E. Jackson, A user’s guide to principal components, vol. 587 (John
Wiley & Sons, 2005).
[42] I. Galkin, G. Khmyrov, A. Kozlov, B. Reinisch, y S. Fung, 2006 World
Automation Congress, WAC’06, 1 (2006).
[43] J. Jauregui, Philadelphia: Penn Arts & Sciences (2012).
[44] S. Ferrero, M. Palacio, y O. R. Campanella, Teledetección 17, 43 (2002).
[45] L. Breiman, Machine Learning 45, 5 (2001).
[46] J. Tang, R. R. Gamache, y B. W. Reinisch, Progress on artist im-
provements, inf. téc. (NORTHWEST RESEARCH ASSOCIATES INC
BELLEVUE WA, 1988).
[47] I. A. Galkin, “A pre-attentive vision model for automated data explora-
tion applied to space plasma remote sensing data”, tesis de doctorado
(Citeseer, 2004).
162
[48] P. Reyes, “Solar flare effects observed over jicamarca during mst-isr expe-
riments”, tesis de doctorado (University of Illinois at Urbana-Champaign,
2012).
[49] L. Gilli, U. Sciacca, y E. Zuccheretti, Sensors 18, 1564 (2018).
[50] W. Baggaley, Planetary and space science 33, 457 (1985).
[51] K. Davies, Ionospheric radio, 31 (IET, 1990).
[52] M. Fontell, y cols. “Numerical ray tracing of medium and high frequency
radio waves in the terrestrial ionosphere”, tesis de doctorado (University
of Oulu, 2018).
[53] M. Maalouf, y T. B. Trafalis, International Journal of Data Mining,
Modelling and Management 3, 375 (2011).
[54] S. Prasad, D. Prasad, K. Venkatesh, K. Niranjan, y P. Rao, 94.20. dg;
94.20. Vv (2012).
[55] C. A. Reddy, y S. Matsushita, Journal of Geophysical Research (1896-
1977) 74, 824 (1969).
[56] P. Bandyopadhyay, y H. Montes, Journal of Geophysical Research (1896-
1977) 68, 2453 (1963).
[57] P. Bandyopadhyay, y H. Montes, Journal of Research NBS/USNC-URSI
68D, 1237 (1964).
[58] Z. Khan, H. Ara, y G. Murtaza, 8. occurrence of a peculiar sequential
es at karachi, inf. téc. (1994).
[59] T.-W. Fang, A. Richmond, J.-Y. Liu, A. Maute, C.-H. Lin, C.-H. Chen,
y B. Harper, Journal of Atmospheric and Solar-Terrestrial Physics 70,
2203 (2008).
[60] T. Fang, T. Fuller-Rowell, H. Wang, R. Akmaev, y F. Wu, Jour-
nal of Geophysical Research: Space Physics 119 (2014) 10 . 1002 /
2014JA020142.
163