1
2 PPR / EL NIÑO - IGP
Contenido
Créditos
Introducción
Artículo de Divulgación Científica
Avances Científicos
Resumen del Informe Técnico
Comunicado Oficial ENFEN
3 - 4
5 - 9
10 - 12
13 - 17
18 - 19
Programa Presupuestal Nº 068 “Reducción de 
vulnerabilidad y atención de emergencias por desastres”.
Producto: “Estudios para la estimación del riesgo de 
desastres”. 
Actividad: “Generación de información y monitoreo del 
Fenómeno El Niño”.
Fabiola Muñoz
Ministra del Ambiente
Hernando Tavera  
Presidente Ejecutivo IGP 
Danny Scipión 
Director Científico IGP
Yamina Silva
Directora de Ciencias de la Atmósfera e Hidrósfera
Kobi Mosquera
Responsable de la elaboración del Boletín
El Niño - IGP
Equipo científico: Kobi Mosquera, Jorge Reupo, Berlín 
Segura, Andreé Galdós
Edición: Katherine Morón
Diseño y Diagramación: Luis Miguel Ybañez
Carátula: Desde mediados de enero, el Fenómeno 
El Niño Costero afecta a Perú y Ecuador. Las lluvias, 
huaicos y desbordes de ríos golpean el norte y 
centro del país. Foto: ANDINA 
Instituto Geofísico del Perú
Calle Badajoz 169 Mayorazgo 
IV Etapa - Ate
Teléfono (511) 3172300
Impreso por:
INVERSIONES IAKOB S.A.C.
Telf. (051-1) 2963911
Dirección: Av. Iquitos 1481 – La Victoria
Lima, octubre de 2018
 
Hecho el Depósito Legal en la
Biblioteca Nacional del Perú Nº 2014-02860
3BOLETÍN TÉCNICO - VOL.5 Nº 1 ENERO DEL 2018BOLETÍN ÉCNI O - VOL. 5  Nº 8 AGOST
El Programa Presupuestal por Resultados (PPR) es una 
estrategia de gestión pública que vincula la asignación 
de recursos a productos y resultados medibles a 
favor de la población. Dichos resultados se vienen 
implementando progresivamente a través de los 
programas presupuestales, las acciones de seguimiento 
del desempeño sobre la base de indicadores, las 
evaluaciones y los incentivos a la gestión, entre otros 
instrumentos que determina el Ministerio de Economía 
y Finanzas (MEF) a través de la Dirección General de 
Presupuesto Público, en colaboración con las demás 
entidades del Estado.
El Instituto Geofísico del Perú (IGP) viene participando 
en el Programa Presupuestal por Resultados 068: 
“Reducción de vulnerabilidad y atención de emergencias 
por desastres”. A partir del año 2014, algunas de las 
instituciones integrantes de la Comisión Multisectorial 
para el Estudio Nacional del Fenómeno El Niño (ENFEN) 
participan en este PPR con el producto denominado 
“Estudios para la estimación del riesgo de desastres”, 
que consiste en la entrega en forma oportuna de 
información científica sobre el monitoreo y pronóstico 
de este evento natural oceáno-atmosférico, mediante 
informes técnicos mensuales, que permitan la toma de 
decisiones a autoridades a nivel nacional y regional. 
Introducción
A este producto, el IGP contribuye con la actividad 
“Generación de información y monitoreo del 
Fenómeno El Niño”, la cual incluye la síntesis y 
evaluación de los pronósticos de modelos climáticos 
internacionales, el desarrollo y validación de nuevos 
modelos de pronóstico, así como el desarrollo de 
estudios científicos que fortalecerá en forma continua 
la capacidad para este fin. 
El presente Boletín tiene como objetivo difundir 
conocimientos científicos, avances científicos y 
noticias relacionadas a este tema, con la finalidad de 
mantener informados a los usuarios y proporcionarles 
las herramientas para un uso óptimo de la información 
presentada. Además, comparte una versión resumida 
del Informe Técnico que el IGP elabora mensualmente 
para cumplir con los compromisos asumidos en el 
marco del PPR 068. Dicho Informe contiene información 
actualizada operativamente y proporcionada por el 
IGP como insumo para que el ENFEN genere en forma 
colegiada la evaluación final que será diseminada a los 
usuarios. Se advierte que, en caso de discrepancias, el 
Informe Técnico del ENFEN prevalecerá.
Los resultados de esta actividad están disponibles en: 
http://intranet.igp.gob.pe/productonino/
4 PPR / EL NIÑO - IGP
IGP
El Instituto Geofísico del Perú es una 
institución pública al servicio del país, 
adscrito al Ministerio del Ambiente, que 
genera, utiliza y transfiere conocimientos 
e información científica y tecnológica en 
el campo de la geofísica y ciencias afines, 
forma parte de la comunidad científica 
internacional y contribuye a la gestión 
del ambiente geofísico con énfasis en 
la prevención y mitigación de desastres 
naturales y de origen antrópico.  
En el marco de la Comisión Multisectorial 
para el Estudio Nacional del Fenómeno 
El Niño (ENFEN), el IGP rutinariamente 
aporta información experta sobre 
modelos y pronósticos relacionados con 
El Niño y fenómenos asociados.
El mapa muestra las dos regiones 
que definen los principales índices 
de temperatura superficial del mar 
utilizadas para monitorizar El Niño y La 
Niña. La región Niño 1+2 (90º-80ºW, 
10ºS-0), en la que se basa el Índice 
Costero El Niño (ICEN), se relaciona con 
impactos en la costa peruana, mientras 
que la región Niño 3.4 (5ºS-5ºN, 170ºW-
120ºW) se asocia a impactos remotos en 
todo el mundo, incluyendo los Andes y 
Amazonía peruana.
IG ENFEN
La Comisión Multisectorial encargada del Estudio Nacional del 
Fenómeno El Niño (ENFEN), conformada por representantes 
de IMARPE, DHN, IGP, SENAMHI, ANA, INDECI y CENEPRED, 
es el ente que genera la información oficial de monitoreo y 
pronóstico del Fenómeno El Niño y otros asociados. 
Esta Comisión es de naturaleza permanente, depende del 
Ministerio de la Producción y tiene por objeto la emisión de 
informes técnicos de evaluación y pronóstico de las condiciones 
atmosféricas, oceanográficas, biológico-pesqueras, ecológico 
marinas e hidrológicas que permitan mejorar el conocimiento 
del Fenómeno “El Niño” para una eficiente y eficaz gestión de 
riesgos (Decreto Supremo Nº 007-2017-PRODUCE).
Para este fin, el ENFEN realiza el pronóstico, monitoreo y 
estudio continuo de las anomalías del océano y la atmósfera 
del mar peruano y a nivel global, a través de la elaboración 
de estudios y análisis científicos basados en la información 
proveniente de diversas redes de observación y modelos 
de variables oceanográficas, meteorológicas, hidrológicas 
y biológico-pesqueras. También, emite mensualmente 
pronunciamientos que son preparados colegiadamente, 
acopiando la mejor información científica disponible y de 
competencia de cada institución respecto de su sector y 
genera la información técnica para su difusión a los usuarios.
Además, un objetivo central del ENFEN es estudiar el Fenómeno 
El Niño, con el fin de lograr una mejor comprensión del mismo, 
poder predecirlo y determinar sus probables consecuencias, lo 
cual se desarrolla mediante la investigación científica.
El ENFEN es el ente que genera la información 
oficial de monitoreo y pronóstico del Fenómeno 
El Niño y otros asociados
90º W
90º W
120º W
120º W
150º W
150º W
180º 
180º 
150º E
150º E
30
º 
N
30
º 
N
0º
 
0º
 
30
º 
S
30
º 
S
NIÑO
(ICEN)
NIÑO 3.4
 + 21
5BOLETÍN TÉCNICO - VOL. 5  Nº 8  AGOSTO DEL 2018
Lluvias a lo largo 
de la costa del Perú 
durante los eventos 
fuertes de El Niño
Janeet  Sanabria Quispe, Ph.D 
INVESTIGADORA CIENTÍFICA
Es Ph.D en Océano, Atmósfera y Clima de la Univeristé Paul Sabatier Toulouse III-Francia. Además, es 
ingeniera meteoróloga de la Universidad Nacional Agraria La Molina (UNALM). Es autora de numerosos 
artículos publicados en revistas internacionales y nacionales en el dominio variabilidad interanual- ENSO 
(El Niño), climatología, agrometeorología, cambio climático y eventos extremos.
ARTÍCULO DE DIVULGACIÓN CIENTÍFICA
INTRODUCCIÓN
La vertiente Pacífico-peruana, climáticamente de 
características áridas y semiáridas, durante los eventos 
Fuertes de El Niño (FEN), es afectada por lluvias 
fuertes e inundaciones con severas implicancias 
socioeconómicas. El Niño, que es la fase cálida del 
ENOS (El Niño - Oscilación del Sur), influye en el 
clima regional a través de las llamadas teleconexiones 
atmosféricas (Bjerknes, 1969; Horel and Wallace, 1981; 
Trenberth et al., 1998; Diaz et al., 2001) y oceánicas (i.e. 
Ondas Kelvin). Al sur de los 7°S de la costa del Perú, 
donde usualmente prevalecen condiciones secas, 
durante los FEN, esta región experimenta lluvias fuertes 
(Takahashi y Martínez, 2017). Mientras el impacto de 
estos FEN es esperado en el norte del Perú, todavía 
hay incertidumbre sobre la magnitud y extensión de los 
patrones de anomalías de lluvia durante estos eventos 
(Rau et al., 2017). Esto ocurre debido a los complejos 
procesos físicos y al limitado número de FEN, así 
como a su diversidad. Estudios recientes señalan que 
ENOS puede entenderse como el resultado de dos 
regímenes distintos:  El Niño del Pacífico Este (EP) y 
Central (CP), los cuales se caracterizan por tener los 
máximos de las anomalías de la Temperatura Superficial 
del Mar (TSM) en el Pacífico Este y Central (Kug et 
al., 2009), respectivamente, y que están asociados a 
una teleconexión atmosférica distinta (Hastenrath, 
1978; Ropelewski y Halpert, 1987; Frauen et al., 2014; 
Capotondi et al., 2015). 
El impacto en la lluvia a lo largo de la costa del Perú 
es distinto durante estos dos tipos de eventos El Niño 
(Lavado y Espinoza, 2014; Bourrel et al., 2015; Rau et 
al., 2017). Los eventos de El Niño EP están asociados 
con lluvias fuertes en el norte del Perú, mientras que El 
Niño CP produce condiciones más secas en tierras altas 
a lo largo de la vertiente del Pacífico. Estos estudios 
se centraron en el promedio de la estación lluviosa y 
en la fase pico del ENOS, aunque es necesario indicar 
que estos eventos pueden diferir en su evolución. En 
este punto se evidencia la relación entre el ENOS y 
la lluvia durante los FEN, pero observando que estos 
eventos tienen diferentes evoluciones. Cuatro FEN, 
comparables en la región Niño 3.4, tomaron lugar 
sobre las cinco últimas décadas y produjeron lluvias 
notables en el Perú: El Niño 1972/73, 1982/83, 1997/98 
y 2015/16. Si bien estos eventos muestran magnitudes 
comparables (región Niño 3.4), su evolución y 
proyección en las anomalías de la TSM en el Pacífico 
tropical son diferentes (Ver Figura 1), lo cual se cree 
6 PPR / EL NIÑO - IGP
Figura 2. (a) Fase espacial de la evolución de los modos Ep y Cp. 
La evolución de los cuatro eventos fuertes de El Niño se resalta con 
líneas que conectan los puntos para los meses entre enero (J) del 
primer año J (Y0) y diciembre (D) del segundo año D (Y1). (Y0: El Niño 
desarrollándose, Y1: El Niño en descomposición). Los puntos en negro 
corresponden al valor de diciembre (Y1) de todos los demás eventos 
de El Niño. Zoom: (a) en el intervalo [-2,2] (lado derecho). (b) Patrones 
asociados (Ep y Cp) de anomalías de lluvia durante el período 1964-
2016. Modo Ep (primer modo) (lado izquierdo) y modo Cp (segundo 
modo) (lado derecho). La línea negra gruesa indica el contorno cero.
que influye en sus teleconexiones sobre el Perú. Esta 
evolución de FEN es descrita por los índices* C y E 
que caracteriza la variabilidad en El Niño EP o CP, 
respectivamente. También, un composite de evolución 
de 12 eventos moderados de El Niño del período 1950-
2016 es analizado como un punto de referencia para la 
comparación.
La Figura 1 muestra la diferencia entre El Niño EP 
y El Niño CP, donde el índice E muestra grandes 
anomalías para El Niño EP. Este  no es el caso para 
eventos El Niño CP. En cambio, en el índice C la 
magnitud es comparable para ambos tipos de 
eventos. La característica en esta figura es la gran 
dispersión en la evolución del índice E para eventos 
fuertes; por ejemplo, el evento El Niño 1997/1998 
alcanzó su máximo en diciembre de 1997, mientras 
que El Niño 1982/1983 presenta un doble pico: uno en 
diciembre de 1982 y el otro en junio de 1983. El Niño 
de 1972/1973 alcanzó su punto máximo a principios en 
agosto de 1972, con un pico secundario en diciembre 
del mismo año, incluyendo valores significativamente 
más bajos del índice E. El evento El Niño 2015/2016 es 
más comparable con El Niño 1972/1973 en términos 
de la magnitud del índice E.
Tal dispersión en la evolución y magnitud 
probablemente se refleje en la precipitación a lo 
largo de la costa, que es el foco de este artículo. Si 
bien previos estudios utilizaron los índices E y C 
para explicar la variabilidad de ENOS a escala de la 
cuenca del Pacífico e investigar cómo se proyectaron 
las precipitaciones en el Perú sobre estos índices, 
el propósito de este artículo es documentar la 
variabilidad de la precipitación sin asumir ninguna 
relación a priori con la diversidad del ENOS. El estudio 
está motivado por la demanda social y la necesidad 
de proporcionar una interpretación de las recientes 
condiciones de precipitación en el Perú asociadas 
con el evento El Niño 2015/2016, las cuales se han 
categorizado como un evento fuerte por la comunidad 
internacional (L’Heureux et al., 2017), pero tuvo mucho 
menos impacto que el Niño de 1997/1998 (SENAMHI, 
2015). En ese sentido, este estudio también tiene como 
objetivo evaluar la no linealidad de la teleconexión de 
ENOS en el Perú durante un fuerte episodio de El Niño.
MODOS DE LA VARIABILIDAD DE 
LLUVIAS
La variabilidad de la lluvia es descrita por los dos 
modos EOF rotados de la anomalía de la lluvia. La 
característica de la Figura 2 (a) es que solo los eventos El 
Niño 1997/1998 y 1982/1983 se alinean a lo largo del eje 
X durante su fase de desarrollo (con poco componente 
en el eje Y ), mientras que los eventos El Niño 1972/1973 
y 2015/2016 tienen su varianza explicada de manera 
dominante por el modo Cp (proyección principal a lo 
largo del eje Y ). El evento El Niño 1972/1973 y 2015/2016 
muestra anomalías de lluvia débiles o moderadas a lo 
Figura 1. Evolución de los índices (a) E y (b) C de los cuatro 
eventos fuertes de El Niño (1972/1973, 1982/1983, 1997/1998 y 
2015/2016) y el compuesto de eventos moderados. Los índices E y 
C se definen como en Takahashi et al. (2011) del conjunto de datos 
HadISST durante el período 1950-2016. El compuesto para eventos 
moderados incluye 12 eventos de 1950 a 2016 (1957/1958, 1963/1964, 
1965/1966, 1968/1969, 1969/1970, 1977/1978, 1987/1988, 1991/1992, 
1994/1995, 2002/2003, 2004/2005 y 2009/2010). La eclosión en línea 
gris representa la dispersión (desviación estándar) entre los 12 
eventos moderados de El Niño.
*Índices C y E definidos por Takahashi et al. (2011) los cuales se basan en las 
dos primeras series cronológicas de PC del análisis de la función empírica 
ortogonal (EOF) de la TSM en el Pacífico tropical.
ARTÍCULO DE DIVULGACIÓN CIENTÍFICA
7BOLETÍN TÉCNICO - VOL. 5  Nº 8  AGOSTO DEL 2018
largo del modo Cp, mientras que los eventos El Niño 
1997/1998 y 1982/1983 presentan condiciones de lluvia 
anómalas significativas a lo largo del modo Ep durante 
al menos 3 meses (enero - marzo). Los patrones de 
modo o lluvia (Figura 2b) revelan que el modo Ep es 
explicado por el 34% de la varianza con una fuerte 
carga en el norte del Perú (región de Piura) y consiste 
en un see-saw meridional con un nodo a la latitud de 
~ 12°S (Lima). Al sur de esta última, las anomalías de la 
precipitación durante los eventos extremos de El Niño 
tienden a ser negativas en las tierras altas, pero aún 
positivas cerca de la costa. El segundo patrón modal 
(Cp) explica el 21% de la varianza en las anomalías 
de lluvia y se caracteriza por un gradiente zonal este-
oeste que es más pronunciado al sur de 15°S. Este 
modo Cp indica que está más relacionado con la 
variabilidad de la precipitación en tierras altas. La serie 
temporal del modo Ep (Cp) está correlacionada con el 
índice E (C) al 44% (21%), que es significativo al nivel 
del 95%. Estos valores de correlación relativamente 
bajos están asociados, probablemente, con la distinta 
estacionalidad de las lluvias y las anomalías de la 
TSM en el Pacífico tropical durante el ENOS. Esto se 
investiga más a fondo en la sección siguiente.
ESTACIONALIDAD Y VÍNCULO CON 
ENOS 
Mientras que los eventos El Niño tienden a alcanzar su 
pico en el verano austral [septiembre (Y0) a enero (Y1)], 
la estación lluviosa en el norte del Perú se concentra 
alrededor de febrero (Y1) a abril (Y1) (Bourrel et al., 2015). 
Durante los FEN existe una fuerte alteración estacional 
de la relación entre anomalías de lluvia y ENOS. Un 
análisis de regresión bilineal de los modos Ep y Cp en 
los índices E y C proporciona los índices aproximados 
de Ep y Cp explicados por E y C: Ep = 0.44*E + 0.04*C 
y Cp = 0.15 *E - 0.24*C, que indica que el modo Ep está 
relacionado principalmente con el modo E, mientras 
que el modo Cp está influenciado por ambos modos (E 
y C). Para Cp, el coeficiente negativo sobre C significa 
que durante un evento El Niño CP (es decir, C> 0), Cp 
es negativo, de modo que las tierras altas a lo largo 
de la costa experimentan un déficit de precipitación 
(Figura 2b, derecha). Con el fin de refinar este análisis 
y tener en cuenta la marcada estacionalidad en ambos 
índices ENOS y lluvia, los coeficientes de regresión 
climatológica de los índices Ep y Cp sobre los índices E 
y C son estimados para cada mes calendario (Figura 3). 
La Figura 3 indica que el modo Ep está estrechamente 
relacionado con el índice E en marzo, el cual es el mes 
pico de la temporada de lluvias. Curiosamente, el 
modo Cp también está fuertemente relacionado con 
el índice C en febrero, que consiste en una relación 
inversa. Los eventos extremos de El Niño tienden así 
a producir un déficit de precipitación al inicio de la 
temporada de lluvias en las tierras altas. El coeficiente 
de regresión que vincula el índice Ep con el índice C 
alcanza su punto máximo en abril, lo que sugiere que la 
magnitud de las anomalías de la TSM en el CP (modo 
C) tiende a determinar la persistencia de anomalías de 
lluvia durante un FEN en la región norte del Perú. Por 
otro lado, el FEN EP (índice E) también puede influir en 
el modo Cp, que aumenta la precipitación en las tierras 
altas en abril y diciembre. A la luz de estos resultados, a 
continuación, observamos más de cerca las diferencias 
entre las evoluciones de los eventos fuertes.
DIFERENCIAS ENTRE EVENTOS 
FUERTES
En la Figura 4 se pueden observar claras diferencias 
en la evolución de los FEN. Una diferencia llamativa, 
en el pico de los eventos, es la magnitud del índice 
Ep. En el FEN de 1997/1998 (1982/1983) el Ep fue 
aproximadamente de 8 (10) y se dio en marzo (enero 
y abril), los que estuvieron asociados con una anomalía 
de lluvia mucho más intensa en la parte norte del Perú 
y un período prolongado de condiciones anómalas de 
lluvia que duran hasta junio (julio) de 1998 (1983). Por 
otro lado, los FEN de 1972/1973 y 2015/2016 tuvieron 
valores de Ep menores e iguales a ± 1. Estos dos últimos 
FEN difieren en términos de su proyección sobre el 
modo Cp. Por ejemplo, el de 1972/1973 exhibe un valor 
positivo del índice Cp en enero (Y1) mientras que el 
2015/2016 tiene un valor negativo del índice Cp, una 
Figura 3. Coeficientes de regresión climatológica de los modos Ep 
(a) y Cp (b) con los índices E (redondos) y C (losange). Los valores del 
coeficiente que son estadísticamente significativos en el nivel de 0.05 
(valor de p) están con el símbolo de lleno.
Figura 4. Evolución de los modos Ep y Cp durante los cuatro eventos 
fuertes de El Niño y el compuesto de eventos moderados: modo 
Ep (lado izquierdo) y modo Cp (lado derecho). La eclosión en línea 
gris representa la dispersión (desviación estándar) entre eventos 
moderados de El Niño.
LLUVIAS A LO LARGO DE LA COSTA DEL PERÚ DURANTE LOS EVENTOS FUERTES DE EL NIÑO
8 PPR / EL NIÑO - IGP
situación que se invierte en el mes siguiente [febrero 
(Y1)]. La evolución de los FEN 1972/1973 y 2015/2016 
cae así dentro del error para el compuesto de eventos 
moderados de El Niño. Nótese también que los 
FEN 1982/1983 y 2015/2016 tienen un valor negativo 
comparable del modo Cp en la fase pico, que es similar 
al compuesto de los eventos El Niño moderados. Esto 
significa que estos dos FEN están asociados con un 
déficit de lluvia en las tierras altas. Por otro lado, el FEN 
1997/1998 también tiene una proyección marcada en 
el Cp, pero valores positivos durante la temporada de 
lluvias, lo que indica que las tierras altas están asociadas 
con el exceso de lluvia. 
La evolución de los modos Ep y Cp durante los FEN 
capta, en general, las peculiaridades de las regiones 
homogéneas, en particular, el modo Ep, que en gran 
medida explica las anomalías de lluvia en regiones 
bajas durante los FEN 1997/1998 y 1982/1983, mientras 
que las anomalías de precipitación en las regiones de 
tierras altas evolucionan como el modo Cp para todos 
los eventos. Durante el evento 2015/2016, el modo Cp 
explica la evolución de las anomalías de lluvia solo en la 
región norte (ver detalles en Sanabria et al., 2017).
CONCLUSIONES
Si bien los eventos El Niño generalmente se clasifican 
a partir de la amplitud de algunos índices en su fase 
máxima (clásicamente, el índice NIÑO3.4), estos pueden 
exhibir diferencias significativas en su evolución, lo cual 
influye sobre sus teleconexiones y, en consecuencia, 
en su impacto local. Se ha demostrado que los cuatro 
eventos más fuertes de El Niño de las últimas cinco 
décadas están asociados con una distinta evolución de 
la anomalía de las precipitaciones a lo largo de la Costa 
y la vertiente del Pacífico. La diferente evolución de la 
anomalía de lluvia durante estos eventos de El Niño se 
interpreta como resultado de la contribución de dos 
modos: el primer modo representa la precipitación 
intensa en la parte norte del Perú y las lluvias leves 
en las zonas costeras del sur, caracterizándose por un 
patrón de see-saw meridional (Ep) con un nodo en la 
latitud de Lima (12°S); y el segundo modo asociado con 
alta variabilidad (condiciones de sequía y humedad) en 
las tierras altas a lo largo de la costa y caracterizado por 
un marcado contraste zonal (Cp).
Los resultados ilustran la naturaleza no lineal de la 
teleconexión ENSO de las precipitaciones sobre la 
costa occidental del Perú y la dificultad para predecir 
condiciones de lluvia anómala durante los eventos de El 
Niño fuerte, la cual tiene una gran relevancia social. En 
particular, los pequeños cambios en las precipitaciones 
en las zonas altas pueden afectar la agricultura, el nivel de 
almacenamiento de los depósitos de agua y los recursos 
hidroeléctricos (BCRP, 2016). El enfoque de este estudio 
ha sido modelar la complejidad de procesos físicos que 
operan en la naturaleza con una relación estadística 
lineal entre SST y variabilidad de lluvia durante ENOS 
que, aunque es conveniente para el propósito de 
pronóstico, puede considerarse simplificado en 
exceso debido a la diversidad en los mecanismos de 
forzamiento de la precipitación anómala en esta región. 
Sin embargo, este modelo tiene en cuenta la evolución 
no lineal de ENSO a través de la consideración de los 
dos regímenes ENSO que agregan una dimensión al 
enfoque comúnmente utilizado.
Del mismo modo, el patrón distinto de anomalías de la 
TSM entre los eventos podría conducir a la circulación 
atmosférica de bajo nivel a mesoescala e influir en 
la distribución de la convección profunda. Otros 
factores que explican las diferencias entre los eventos 
incluyen las características de procesos asociados 
con la variabilidad sinóptica debido a la oscilación 
Madden-Julian (Madden y Julian, 1972) o la actividad 
de tormentas extra-tropicales de latitudes medias, que 
son influyentes en los vientos a lo largo de la costa del 
Perú (Dewitte et al., 2011) o en el modo meridional del 
Pacífico Sur (Zhang et al., 2014). Asimismo, los procesos 
locales de interacción aire-mar están en acción durante 
los eventos de El Niño en esta región. Este estudio 
sugiere como siguiente paso investigar la sensibilidad 
de la distribución de la lluvia y su evolución frente a las 
condiciones oceánicas regionales, a través del uso de 
un modelo atmosférico regional. Cabe destacar que 
mientras la frecuencia del FEN podría aumentar en un 
clima más cálido (Cai et al., 2014), este estudio sugiere 
que podría no haber una relación directa con los 
eventos de lluvia en Perú considerando la dispersión 
entre los eventos documentados aquí sobre el registro 
observacional.
ARTÍCULO DE DIVULGACIÓN CIENTÍFICA
9BOLETÍN TÉCNICO - VOL. 5  Nº 8  AGOSTO DEL 2018
REFERENCIAS
Bjerknes, J. 1969. Atmospheric teleconnections from 
the equatorial Pacific. Mon. Weather Rev. 97: 163–172.
Bourrel, L., Rau, P., Dewitte, B., Labat, D., Lavado, W., 
Coutaud ,A., Vera, A., Alvarado, A., Ordoñez, J. 2015. 
Low-frequencymodulation and trend of the relationship 
between ENSO and precipitation along the northern to 
centre Peruvian Pacific coast. Hydrol. Processes 29(6): 
1252–1266. 
Cai, W., Borlace ,S., Lengaigne, M., van, Rensch. P, 
Collins .,M, Vecchi ,G., Timmermann, A., Santoso, 
A., McPhaden, MJ., Wu, L., England, MH., Wang, G., 
Guilyardi, E., Jin, F-F. 2014. Increasing frequency of 
extreme El Niño events due to greenhouse warming. 
Nat. Clim. Change 5(2): 1–6. https://doi.org/10.1038/
nclimate2100.
Capotondi, A., Wittenberg, AT., Newman, M., Di 
Lorenzo, E., Yu, J-Y., Bra- connot, P., Cole, J., Dewitte, B., 
Giese B, Guilyardi, E., Jin, F-F., Kar- nauskas, K., Kirtman, 
B., Lee, T., Schneider, N., Xue, Y., Yeh, S-W. 2015. 
Understanding ENSO diversity. Bull. Am. Meteorol. 
Soc. 96(June): 921–938.
Dewitte, B., Illig, S., Renault, L., Goubanova, K., 
Takahashi, K., Gushchina, D., Mosquera, K., Purca, 
S. 2011. Modes of covariability between sea surface 
temperature and wind stress intraseasonal anomalies 
along the coast ofPeru from satellite observations 
(2000-2008). J. Geophys. Res. 116: C04028. https://doi.
org/10.1029/2010JC006495.
Diaz, HF., Hoerling, MP., Eischeid, JK. 2001. ENSO 
variability, teleconnections and climate change climate 
variability; El Niño-Southern Oscillation (ENSO); 
teleconnections. Int. J. Climatol. 21(15): 1845–1862.
Frauen, C., Dommenget, D., Tyrrell, N., Rezny, M., 
Wales, S. 2014. Analysis of the nonlinearity of El Niño-
Southern Oscillation teleconnections. J. Clim. 27(16): 
6225–6244.
Hastenrath, S. 1978. On modes of tropical circulation 
and climate anoma- lies. J. Atmos. Sci. 35: 222–223.
Horel, JD., Wallace, JM. 1981. Planetary-scale 
atmospheric phenomena associated with the Southern 
Oscillation. Mon. Weather Rev. 109: 813–829.
Kug, JS., Jin, FF., An, SI. 2009. Two types of El Niño 
events: cold tongue El Niño and warm pool El Niño. J. 
Clim. 22(6): 1499–1515. 
Lavado, W., Espinoza, JC. 2014. Impactos de El Niño y 
La Niña en las lluvias del Perú (1965-2007). Rev. Brasil. 
Meteorol. 29(2): 171–182
L’Heureux ,ML., Takahashi, K., Watkins, AB., Barnston, 
AG., Becker, EJ., Di Liberto, TE., Gamble, F., Gottschalck 
J, Halpert, MS., Huang, B., Mosquera-Vásquez, K., 
Wittenberg, AT. 2017. Observing and predict- ing the 
2015–16 El Niño. Bull. Am. Meteorol. Soc. 98: 1363–
1382. https://doi.org/10.1175/BAMS-D-16-0009.1. 
Madden, R., Julian, P. 1972. Description of global-scale 
circulation cells in the tropics with a 40–50 day period. 
J. Atmos. Sci. 29: 1109–1123. 
Ropelewski, CF., Halpert, MS. 1987. Global and regional 
scale precip- itation patterns associated with El Niño/
Southern Oscillation. Mon. Weather Rev. 115: 1606–
1626.
Rau, P., Bourrel, L., Labat, D., Melo, P., Dewitte, B., 
Frappart, F., Lavado, W., Felipe, O. 2017. Regionalization 
of rainfall over the Peruvian Pacific slope and coast. Int. 
J. Climatol. 37(1): 143–158.
Sanabria, J., Bourrel, L., Dewitte, B., Frappart. F., Labat, 
D. 2017. Rainfall along the coast of Peru during strong 
El Niño events (Publised in International Journal of 
Climatology). Doi: 10.1002/joc.5292.
SENAMHI. 2015. Escenarios de Peligros Hídricos en el 
Perú ante la ocurrencia de Eventos Niño Extraordinarios. 
Documento técnico elaborado por la Dirección General 
de Hidrología y Recursos Hídricos. Servicio Nacional de 
Meteorología e Hidrología del Perú, Lima, Perú.
Takahashi, K., Martinez, AG. 2017. The very strong 
El Niño in 1925 in the far-eastern Pacific. Clim. Dyn. 
https://doi.org/10.1007/s00382- 017-3702-1. 
Trenberth, KE., Branstator, GW., Karoly, D. 1998. Progress 
during TOGA in understanding and modeling global 
teleconnections associated with tropical sea surface 
temperatures. J. Geophys. Res. 103(C7): 14291–14324.
Zhang, H., Clement, AC., DiNezio, P. 2014. The South 
Pacific meridional mode: a mechanism for ENSO-like 
variability. J. Clim. 27: 769–783. https://doi.org/10.1175/
JCLI-D-13-00082.1
LLUVIAS A LO LARGO DE LA COSTA DEL PERÚ DURANTE LOS EVENTOS FUERTES DE EL NIÑO
10 PPR / EL NIÑO - IGP
INTRODUCCIÓN
Tras “El Niño Costero 2017”, el IGP desarrolló el 
proyecto “Modelado hidrogeodinámico (lluvias, huaicos 
y deslizamientos) en Chosica, Lima”, cuyo objetivo fue 
desarrollar una campaña de medición de lluvias usando 
un radar meteorológico para el modelado de lluvias y 
huaicos en la cuenca del río Rímac. Este proyecto; que 
contó con la participación de 3 direcciones del IGP: 
Ciencias de la Atmósfera e Hidrósfera (CAH), Ciencias 
de Tierra la Sólida (CTS) y el Radio Observatorio 
de Jicamarca; fue financiado por el Fondo para 
Intervenciones ante la ocurrencia de Desastres Naturales 
(Fondes)” del Instituto Nacional de Defensa Civil (Indeci).
Para desarrollar el proyecto, el IGP, mediante 
colaboración con el Centro de Investigaciones 
Avanzadas de Radar (ARRC, por sus siglas en inglés), 
de la Universidad de Oklahoma, rentó un radar de 
doble polarización de banda X (PX-1000) para que se 
instale en la parte media de la cuenca del río Rímac, 
desde donde se monitoreó la atmósfera y los eventos 
meteorológicos durante los primeros meses de 2018. 
En el presente trabajo, mostraremos la metodología 
para cuantificar las lluvias a partir de los datos del radar 
PX-1000 usando la relación de Marshall y Palmer (1948).
CARACTERÍSTICAS DEL RADAR 
METEOROLÓGICO PX-1000
El radar meteorológico PX-1000 fue desarrollado por 
el ARRC de la Universidad de Oklahoma. Opera en la 
banda X a una frecuencia de 998 MHz, lo que lo hace 
sensible a precipitaciones y nubes con alto contenido 
de agua. Fue instalado específicamente a 55 km de la 
ciudad de Lima, en el Cerro Suche (12.0° S, 76.5° W), 
provincia de Huarochirí y a 2910 msnm (Figura 1). Estuvo 
operativo desde el 26 de enero al 4 abril de 2018.
El radar PX-1000 tiene un alcance de un radio de 60 km 
a la redonda y fue configurado para realizar escaneos 
horizontales para elevaciones que van desde 0° a 20° 
sobre el plano horizontal. El PX-1000 permite cuantificar 
las precipitaciones y estudiar la estructura vertical de 
las tormentas, asi como su orígen y evolución.
MÉTODO PARA CUANTIFICAR 
LA LLUVIA CON UN RADAR 
METEOROLÓGICO
Los radares miden la potencia de retorno una 
onda electromagnética producida por un objetivo 
volumétricamente desagregado, como son las gotas 
de agua que se encuentran en las nubes, las cuales 
pueden representarse como:
Observando las 
precipitaciones en 
Lima con un radar 
meteorológico
Jairo Valdivia, Josep Prado, Yamina Silva y Danny Scipión
Instituto Geofísico del Perú
Observando las precipitaciones en Lima con un radar 
meteorológico 
 
Jairo Valdivia, Josep Prado, Yamina Silva y Danny Scipión 
Instituto Geofísico del Perú 
 
Introducción 
Tras “El Niño Costero 2017”, el IGP desarrolló el proyecto “Modelado hidrogeodinámico (lluvias, huaicos 
y deslizamientos) en Chosica, Lima”, cuyo objetivo fue desarrollar una campaña de medición de lluvias 
usando un radar meteorológico para el modelado de lluvias y huaicos en la cuenca del río Rímac. Este 
proyecto; que contó con la participación de 3 direcciones del IGP: Ciencias de la Atmósfera e Hidrósfera 
(CAH), Ciencias de Tierra la Sólida (CTS) y el Radio Observatorio de Jicamarca; fue financiado por el 
Fondo para Intervenciones ante la ocurrencia de Desastres Naturales (Fondes)” del Instituto Nacional 
de Defensa Civil (Indeci). 
Para desarrollar el proyecto, el IGP, mediante colaboración con el  Centro de Investigaciones Avanzadas 
de Radar (ARRC, por sus siglas en inglés) de la Universidad de Oklahoma, rentó un radar de doble 
polarización de banda X (PX-1000) para que se instale en la parte media de la cuenca del río Rímac, 
desde donde se monitoreó la atmósfera y los eventos meteorológicos durante los primeros meses de 
2018.  
En el presente trabajo, mostraremos la metodología para cuantificar las lluvias a partir de los datos del 
radar PX-1000 usando la relación de Marshall y Palmer (1948). 
Características del radar meteorológico PX-1000 
El radar meteorológico PX-1000 fue des rrollado por el ARRC de la Universidad de Oklahoma. Opera en 
la banda X a una frecuencia 998 MHz, lo que lo hace sensible a precipitaciones y nubes con alto contenido 
de agua. Fu  instalado es ecíficamente a 55 km de la ciudad de Lima, en el Cerro Suche (12.0° S, 76.5° 
W), provincia d  Huarochirí y a 2910 msnm (Figura 1). Estuvo operativo desde el 26 de enero al 4 abril 
de 2018. 
El radar PX-1000 tiene un alcance de un r dio de 60 km  la redonda y fue configurado para realizar 
escaneos horizontales para elevaciones que van desde 0° a 20° sobre el plano horizontal. El PX-1000 
permite cuantificar la  precipitaciones y estudiar la estr ctura vertical de las tormentas, asi como su 
orígen y evolución. 
Métod  para cuantificar la lluvia con un radar meteorológico 
Los radares miden la po encia de retorno una onda electromagnética producida por un objetivo 
volumétricamente desagregado, como son las gotas e gua que se encuentran en las nubes, las cuales 
pueden representarse como: 
 
𝑷𝑷𝒓𝒓 =  
𝑷𝑷𝒕𝒕𝑮𝑮
𝟐𝟐𝝀𝝀𝟐𝟐
(𝟒𝟒𝟒𝟒)𝟑𝟑𝒓𝒓𝟒𝟒
∑ 𝝈𝝈𝒊𝒊
𝒏𝒏
𝒊𝒊=𝟏𝟏
 (1) 
Donde, 𝑷𝑷𝒕𝒕 es la potencia transmitida por el radar, 𝑷𝑷𝒓𝒓 es la potencia media de una serie de impulsos 
reflejados que llegan al receptor del radar, 𝝀𝝀 es la longitud de onda, 𝑮𝑮 es una característica de la antena 
(llamada ganancia de la antena), 𝒓𝒓 es el rango del objetivo y  𝝈𝝈𝒊𝒊 es la sección equivalente de 
AVANCES CIENTÍFICOS
11BOLETÍN TÉCNICO - VOL. 5  Nº 8  AGOSTO DEL 2018
Donde, Pt  es la potencia transmitida por el radar, Pr es la 
potencia media de una serie de impulsos reflejados que 
llegan al receptor del radar, λ es la longitud de onda, G 
es una característica de la antena (llamada ganancia de 
la antena), r es el rango del objetivo y σi es la sección 
equivalente de retrodispersión, siendo n la cantidad de 
partículas disipadas por unidad de volumen. σ se mide 
en unidades de área, de tal forma que si asumimos que 
lo que estamos observando es perfectamente reflejante, 
podríamos medir el área de su sección transversal 
directamente. La eficiencia de un material para retornar 
la energía incidente se puede calcular resolviendo las 
ecuaciones de Maxwel. En la región Rayleigh (cuando 
x = π D/λ < 0.2, D es el diámetro), el cálculo de las 
secciones equivalentes se puede realizar de la siguiente 
forma (Gunn and East, 1954):
Donde |Km|2 representa el índice complejo de 
refracción, para el agua |Km|2≈ 0.93. De tal forma que 
cuando observamos precipitación con un radar, en 
realidad medimos la suma de la sexta potencia de sus 
diámetros, el cual se llama factor de reflectividad y es 
representado con la letra Z: 
Una de las técnicas más utlizadas para estimar la 
precipitación a partir de la potencia, es la relación 
de Marshall-Palmer (Marshal and Palmer, 1948), que 
utilizaremos en el presente trabajo y que vincula el 
factor de reflectividad del radar (Z) con la intensidad de 
lluvia (R): 
Los valores a y b dependen de las caracteristicas de la 
precipitación, por lo que son ajustadas empíricamente. 
Con el objetivo de mostrar el desempeño del PX-1000 
en Lima, optimizamos la relación de Marshall-Palmer 
utilizando datos de precipitación de las estaciones 
meteorológicas ubicadas en Lima en el radio de 
influencia del radar. Expresamos R como un término 
dependiente de la reflectividad Z: 
Los valores de a y b fueron hallados como la solución 
del mínimo error entre la precipitación obtenida con el 
radar y la precipitación de la estación meteorológica 
como referencia: 
Donde R expresa el valor medido por la estación, Ȓ es la 
precipitación estimada dependiente de los parámetros 
a y b, mientras que Nr expresa la cantidad de datos.
RESULTADOS
Para calcular los valores más óptimos de a y b, utilizamos 
los datos de las estaciones meteorológicas de Chosica 
(-11.9298, -76.6897) y Santa Eulalia (-11.9200, -76.6667), 
pertenecientes a SENAMHI, del periodo febrero a 
marzo. Los valores hayados fueron de a y b, 0.001 y 
0.678, respectivamente, con un error medio de 0.3 
mm. Encontramos que el radar ve más eventos de 
precipitación de los que normalmente registran las 
Figura 1. Ubicación del 
radar PX-1000 en el Cerro 
Suche a 2910 msnm y 55 km 
de la ciudad de Lima.
retrodispersión, siendo 𝒏𝒏 la cantidad de partículas isipadas por unidad de volum n. 𝝈𝝈 s  mid  en 
unidades de área, de tal forma que si asumimos qu  l  q  estamos observand es perfect mente 
reflejante, podríamos medir el área de su sección transversal directamente. La eficiencia de u  m terial 
para retornar la energía incidente se puede calcular resolviendo las ecuaciones d  Maxwel. En la región 
Rayleigh (cuando 𝑥𝑥 = 𝜋𝜋𝜋𝜋/𝜆𝜆 < 0.2, 𝜋𝜋 es el diámetro), el cálculo de las secciones equivalentes se puede 
realizar de la siguiente forma (Gunn and East, 1954): 
 𝜎𝜎 =
𝜆𝜆2
𝜋𝜋
𝑥𝑥6|𝐾𝐾𝑚𝑚|
2 =
𝜋𝜋5
𝜆𝜆4
|𝐾𝐾𝑚𝑚|
2𝜋𝜋6, (2) 
Donde |𝐾𝐾𝑚𝑚|2 representa el índice complejo de refracción, para el agua |𝐾𝐾𝑚𝑚|2 ≈ 0.93. De tal forma que 
cuando observamos precipitación con un radar, en realidad medimos la suma de la sexta potencia de 
sus diámetros, el cual se llama factor de reflectividad y es representado con la letra Z:  
 𝑍𝑍 =  ∑ 𝜋𝜋𝑖𝑖6
𝑛𝑛
𝑖𝑖 =1
 (3) 
Una de las técnicas más utlizadas para estim r la precipitación a partir de la potencia, es la relación de 
Marshall-Palmer (Marshal and Palmer, 1948), que utilizaremos en el presente trabajo y que vincula el 
factor de reflectividad del radar (Z) con la intensidad de lluvia (R):  
 𝑍𝑍 = 𝑎𝑎. 𝑅𝑅𝑏𝑏 (4) 
Los valores 𝑎𝑎 y 𝑏𝑏 dependen de las caracteristicas de la precipitación, por lo que son ajustadas 
empíricamente. Con el objetivo de mostrar el desempeño del PX-1000 en Lima, optimizamos la relación 
de Marshall-Palmer utilizando datos de precipitación de las estaciones meteorológicas ubicadas en Lima 
en el radio de influencia del radar. Expresamos 𝑅𝑅 como un término dependiente de la reflectividad 𝑍𝑍:  
 𝑅𝑅(𝑍𝑍) = 𝑎𝑎𝑍𝑍𝑏𝑏 (5) 
Los valores de 𝑎𝑎 y 𝑏𝑏 fueron hallados como la solución de mínimo error entre la precipitación obtenida 
con el radar y la precipitación de estación meteorológica como referencia:  
 [𝑎𝑎, 𝑏𝑏] = arg 𝑚𝑚𝑚𝑚𝑚𝑚{𝑎𝑎 𝑦𝑦 𝑏𝑏}
1
𝑁𝑁𝑁𝑁
∑(𝑅𝑅(𝑚𝑚) − ?̂?𝑅(𝑎𝑎, 𝑏𝑏))2
𝑁𝑁𝑟𝑟
𝑖𝑖=1
 (6) 
Donde 𝑅𝑅 expresa el valor medido por la estación, ?̂?𝑅 es la precipitación estimada dependiente de los 
parámetros 𝑎𝑎 y 𝑏𝑏, mientras que 𝑁𝑁𝑟𝑟 expresa la cantidad de datos. 
Resultados 
Para calcular los valores más óptimos de 𝑎𝑎 y 𝑏𝑏, utilizamos los datos de las estaciones meteorológicas de 
Chosica (-11.9298, -76.6897) y Santa Eulalia (-11.9200, -76.6667), pertenecientes a SENAMHI, del 
periodo febrero a marzo. Los valores hayados fueron de 𝑎𝑎 y 𝑏𝑏, 0.001 y 0.678, respectivamente, con un 
error medio de 0.3 mm. Encontramos que el radar ve más eventos de precipitación de los que 
normalmente registran las estaciones, esto se puede observar especialmente cuando las precipitaciones 
son muy ligeras (Figura 2). Como era de esperase, el radar brinda mejor información sobre la 
distribución espacial de la lluvia, que puede llegar a ser muy compleja. En la Figura 3 se muestra una 
comparación de la distribución espacial de lluvia para el día 11 de marzo 2018, obtenida por el radar y 
la precipitación estimada por el algoritmo del Hydro-Estimador (Vicente, et al., 1998) del satélite GOES. 
retrodispersión, siendo 𝒏𝒏 la cantidad de partículas isipad s por unidad de volumen. 𝝈𝝈 se mide en 
unidades de área, de tal forma que si asumimos que lo que e tamos observando es perfe tamente 
reflejante, podríamos medir el área de su sección tr nsversal dir cta ente. La eficiencia de un material 
para retornar la energía incidente se puede calcular r solviendo las ecuacio es de Maxwel. En l  región 
Rayleigh (cuando 𝑥𝑥 = 𝜋𝜋𝜋𝜋/𝜆𝜆 < 0.2, 𝜋𝜋 es el diámetro), el álculo de las secciones equiv lentes se puede 
realizar de la siguiente forma (Gunn and East, 1954): 
 𝜎𝜎 =
𝜆𝜆2
𝜋𝜋
𝑥𝑥6|𝐾𝐾𝑚𝑚|
2 =
𝜋𝜋5
𝜆𝜆4
|𝐾𝐾𝑚𝑚|
2𝜋𝜋6, (2) 
Donde |𝐾𝐾𝑚𝑚|2 representa el índice complejo de refracció , para el agua |𝐾𝐾𝑚𝑚|2 ≈ 0.93. De tal forma que 
cuando observamos precipitación con un radar, en realidad medimos la suma de la sexta potencia de 
sus diámetros, el cual se llama factor de reflectividad y es representado con la letra Z:  
 𝑍𝑍 =  ∑ 𝜋𝜋𝑖𝑖6
𝑛𝑛
𝑖𝑖 =1
 (3) 
Una de las técnicas más utlizadas par  estimar la pr cipitación  rtir  la po encia, es la relación de 
Marshall-P lmer (Marshal and Palmer, 1948), que utilizare os l s nte trabajo y que vincula el 
factor de eflectividad del radar (Z) con la intensidad de lluvia (
 𝑍𝑍 = 𝑎𝑎. 𝑅𝑅𝑏𝑏 (4) 
Los valores 𝑎𝑎 y 𝑏𝑏 dependen de las caracteristicas de la precipitación, por lo que son ajustadas 
empíricamente. Con el objetivo de mostrar el desempeño del PX-1000 en Lima, optimizamos la relación 
de Marshall-Palmer utilizando datos de precipitación de las estaciones meteorológicas ubicadas en Lima 
en el radio de influencia del radar. Expresamos 𝑅𝑅 como un término dependiente de la reflectividad 𝑍𝑍:  
 𝑅𝑅(𝑍𝑍) = 𝑎𝑎𝑍𝑍𝑏𝑏 (5) 
Los valor s de 𝑎𝑎 y 𝑏𝑏 fueron halla os como la soluci n de mínimo error entre la precipitación obtenida 
con el radar y la precipitación de estación meteorológica como referencia:  
 [𝑎𝑎, 𝑏𝑏] = arg 𝑚𝑚𝑚𝑚𝑚𝑚{𝑎𝑎 𝑦𝑦 𝑏𝑏}
1
𝑁𝑁𝑁𝑁
∑(𝑅𝑅(𝑚𝑚) − ?̂?𝑅(𝑎𝑎, 𝑏𝑏))2
𝑁𝑁𝑟𝑟
𝑖𝑖=1
 (6) 
Donde 𝑅𝑅 expresa el valor medido por la estación, ?̂?𝑅 es la precipitación estimada dependiente de los 
parámetros 𝑎𝑎 y 𝑏𝑏, mientras que 𝑁𝑁𝑟𝑟 expresa la cantidad de datos. 
Resultados 
Para calcular los valores más óptim s de 𝑎𝑎 y 𝑏𝑏, utilizamos los datos de las estacion s met orológicas de 
Chosica (-11.9298, -76.6897) y Santa Eulalia (-11.9200, -76.6667), pertenecientes a SENAMHI, del 
period  febrero a marzo. Lo  valores hayad  fueron de 𝑎𝑎 y 𝑏𝑏, 0.001 y 0.678, respectivamente, con un 
error medio de 0.3 mm. Encontra os que el radar ve más eventos de precipitación de los que 
normalmente registran las estaciones, esto se puede observar especialmente cuando las precipitaciones 
son muy ligeras (Figura 2). Como era de esperase, el radar brinda mejor información sobre la 
distribución espacial de la lluvia, que puede llegar a ser muy compleja. En la Figura 3 se muestra una 
comparación de la distribución espacial de lluvia para el día 11 de marzo 2018, obtenida por el radar y 
la precipitación estimada por el algoritmo del Hydro-Estimador (Vicente, et al., 1998) del satélite GOES. 
retrodispersión, siendo 𝒏𝒏 la cantidad de partículas disipadas por unidad de volumen. 𝝈𝝈 se mide en 
unidades de área, de tal forma que si asumimos que lo que estamos observando es perfectamente 
reflejante, podríamos medir el área de su sección transversal directamente. La eficiencia de un material 
para retornar la energía incidente se puede calcular resolviendo las ecuaciones de Maxwel. En la región 
Rayleigh (cuando 𝑥𝑥 = 𝜋𝜋𝜋𝜋/𝜆𝜆 < 0.2, 𝜋𝜋 es el diámetro), el cálculo de las secciones equivalentes se puede 
realizar de la siguiente forma (Gunn and East, 1954): 
 𝜎𝜎 =
𝜆𝜆2
𝜋𝜋
𝑥𝑥6|𝐾𝐾𝑚𝑚|
2 =
𝜋𝜋5
𝜆𝜆4
|𝐾𝐾𝑚𝑚|
2𝜋𝜋6, (2) 
Donde |𝐾𝐾𝑚𝑚|2 representa el índice complejo de refracción, para el agua |𝐾𝐾𝑚𝑚|2 ≈ 0.93. De tal forma que 
cuando observamos precipitación con un radar, en realidad medimos la suma de la sexta potencia de 
sus diámetros, el cual se llama factor de reflectividad y es representado con la letra Z:  
 𝑍𝑍 =  ∑ 𝜋𝜋𝑖𝑖6
𝑛𝑛
𝑖𝑖 =1
 (3) 
Una de las técnicas más utlizadas para estimar la precipitación a partir de la potencia, es la relación de 
Marshall-Palmer (Marshal and Palmer, 1948), que utilizaremos en el presente trabajo y que vincula el 
factor de reflectividad del radar (Z) con la intensidad de lluvia (R):  
 𝑍𝑍 = 𝑎𝑎. 𝑅𝑅𝑏𝑏 (4) 
Los valo es 𝑎𝑎 y 𝑏𝑏 d penden de las aracteristic s e la precip tación, por lo que son ajustadas 
empíricamente. Con el objetivo de mostrar el es mp ño el PX-1000 en Lima, optimizamos la relación 
de Marshall-Palmer utilizando datos de precipitación de las estaciones meteorológicas ubicadas en Lima 
en el radio de influencia del radar. Expresamos 𝑅𝑅 como un término dependiente de la reflectividad 𝑍𝑍:  
 𝑅𝑅(𝑍𝑍) = 𝑎𝑎𝑍𝑍𝑏𝑏 (5) 
Los valores de 𝑎𝑎 y 𝑏𝑏 fu ron hallados como la solución d  mínimo error entre la precipitación obtenida 
con el radar y la precipitación de estación meteorológica como referencia:  
 [𝑎𝑎, 𝑏𝑏] = arg 𝑚𝑚𝑚𝑚𝑚𝑚{𝑎𝑎 𝑦𝑦 𝑏𝑏}
1
𝑁𝑁𝑁𝑁
∑(𝑅𝑅(𝑚𝑚) − ?̂?𝑅(𝑎𝑎, 𝑏𝑏))2
𝑁𝑁𝑟𝑟
𝑖𝑖=1
 (6) 
Donde 𝑅𝑅 expresa el valor medido por la estación, ?̂?𝑅 es la precipitación estimada dependiente de los 
parámetros 𝑎𝑎 y 𝑏𝑏, mientras que 𝑁𝑁𝑟𝑟 expresa la cantidad de datos. 
Resultados 
Para calcular lo v lores más óptimos de 𝑎𝑎 y 𝑏𝑏, utilizamos lo  datos de las estaciones meteorológicas de 
Chosica (-11.9298, -76.6897) y Santa Eulalia (-11.9200, -76.6667), pertenecientes a SENAMHI, del 
periodo febrero a marz . Los valores hayados fueron de 𝑎𝑎 y 𝑏𝑏, 0.001 y 0.678, respectivamente, con un 
error medio de 0.3 mm. Encontramos que el radar ve más eventos de precipitación de los que 
normalmente registran las estaciones, esto se puede observar especialmente cuando las precipitaciones 
son muy ligeras (Figura 2). Como era de esperase, el radar brinda mejor información sobre la 
distribución espacial de la lluvia, que puede llegar a ser muy compleja. En la Figura 3 se muestra una 
comparación de la distrib  espac al de lluvia para el día 11 de marzo 2018, obtenida por el radar y 
la re ipitación esti ada por el algoritmo del Hydro-Estimador (Vicente, et al., 1998) del satélite GOES. 
retrodispersión, siendo 𝒏𝒏 la cantidad de partículas disipadas por unidad de volumen. 𝝈𝝈 se mide en 
unidades de área, de tal forma que si asumimos que lo que estamos observando es perfectamente 
reflejante, podríamos medir el área de su sección transversal directamente. La eficiencia de un material 
para retornar la energía incidente se puede calcular resolviendo las ecuaciones de Maxwel. En la región 
Rayleigh (cuando 𝑥𝑥 = 𝜋𝜋𝜋𝜋/𝜆𝜆 < 0.2, 𝜋𝜋 es el diámetro), el cálculo de las secciones equivalentes se puede 
realizar de la siguiente forma (Gunn and East, 1954): 
 𝜎𝜎 =
𝜆𝜆2
𝜋𝜋
𝑥𝑥6|𝐾𝐾𝑚𝑚|
2 =
𝜋𝜋5
𝜆𝜆4
|𝐾𝐾𝑚𝑚|
2𝜋𝜋6, (2) 
Donde |𝐾𝐾𝑚𝑚|2 representa el índice complejo de refracción, para el agua |𝐾𝐾𝑚𝑚|2 ≈ 0.93. De tal forma qu  
cuando observamos precipitación con un radar, en realidad medimos la suma de la sexta potencia de 
sus diámetros, el cual se llama factor de reflectividad y es representado con la letra Z:  
 𝑍𝑍 =  𝜋𝜋𝑖𝑖6
𝑛𝑛
𝑖𝑖 =
 (3) 
Una de las técnicas más utlizadas para estimar la precipitación a partir de la potencia, es la relación de 
Marshall-Palmer (Marshal and Palmer, 1948), que utilizaremos en el presente trabajo y que vincula el 
factor de reflectividad del radar (Z) con la intensidad de lluvia (R):  
 𝑍𝑍 = 𝑎𝑎. 𝑅𝑅𝑏𝑏 (4) 
Los valores 𝑎𝑎 y 𝑏𝑏 dependen de las caracteristicas de la precipitación, por lo que son ajustadas 
e píricamente. Con el objetivo de ostrar l dese peño d l PX-1000 n Lima, optimizamos la relación 
de Marshall-Palmer utilizando datos de precipit ción de l s stacion s meteorológicas ubicadas en Lima 
en el radio de influencia del radar. Expresamos 𝑅𝑅 como un término dependiente de la reflectividad 𝑍𝑍:  
 𝑅𝑅(𝑍𝑍) = 𝑎𝑎𝑍𝑍𝑏𝑏 (5) 
Los valores de 𝑎𝑎 y 𝑏𝑏 fueron hallados como la solución de mínimo error entre la precipitación obtenida 
con el radar y la precipitación de estación meteorológica como referencia:  
 [𝑎𝑎, 𝑏𝑏] = arg 𝑚𝑚𝑚𝑚𝑚𝑚{𝑎𝑎 𝑦𝑦 𝑏𝑏}
1
𝑁𝑁𝑁𝑁
∑(𝑅𝑅(𝑚𝑚) − ?̂?𝑅(𝑎𝑎, 𝑏𝑏))2
𝑁𝑁𝑟𝑟
𝑖𝑖=1
 (6) 
Donde 𝑅𝑅 expresa el valor medido por la estación, ?̂?𝑅 es la precipitación estimada dependiente de los 
parámetros 𝑎𝑎 y 𝑏𝑏, mientras que 𝑁𝑁𝑟𝑟 expresa la cantidad de datos. 
Resultados 
Par  calcular los valores más óptimos de 𝑎𝑎 y 𝑏𝑏, utilizamos los datos de las estaciones meteorológicas de 
Chosica (-11.9298, -76.6897) y Santa Eulalia (-11.9200, -76.6667), pertenecientes a SENAMHI, del 
periodo febrero a marzo. Los valores hayados fueron de 𝑎𝑎 y 𝑏𝑏, 0.001 y 0.678, respectivamente, con un 
error medio de 0.3 mm. Encontramos que el radar ve más eventos de precipitación de los que 
normalmente registran las estaciones, esto se puede observar especialmente cuando las precipitaciones 
son muy ligeras (Figura 2). Como era de esperase, el radar brinda mejor información sobre la 
istribución espacial de la lluvia, que puede llegar a ser muy complej . En la Figura 3 se uestra una 
comparación de la distribución espacial de lluvia para el día 11 de marzo 2018, obtenida por el radar y 
la precipitación estimada por el algoritmo del Hydro-Estimador (Vicente, et al., 1998) del satélite GOES. 
retrodispersión, siendo 𝒏𝒏 la cantidad de partículas disipadas por unidad de volumen. 𝝈𝝈 se mide en 
unidades d  área, de tal forma que si asumimos que lo que estamos observando es perfectamente 
reflejante, podríamos medir el área de su sección transversal directamente. La eficiencia de un material 
para retornar la energía incidente s  puede calcular resolviendo las ecuaciones de Maxwel. En la región 
Rayleigh (cuando 𝑥𝑥 = 𝜋𝜋𝜋𝜋/𝜆𝜆 < 0.2, 𝜋𝜋 s l diámetro), el cálculo de las secciones equivalentes se puede 
realizar de la siguiente forma (Gunn and East, 1954): 
 𝜎𝜎 =
𝜆𝜆2
𝜋𝜋
𝑥𝑥6|𝐾𝐾𝑚𝑚|
2 =
𝜋𝜋5
𝜆𝜆4
|𝐾𝐾𝑚𝑚|
2𝜋𝜋6, (2) 
Donde |𝐾𝐾𝑚𝑚|2 representa el índice complejo de refracción, para el agua |𝐾𝐾𝑚𝑚|2 ≈ 0.93. De tal forma que 
cuando observamos precipitación con un radar, en realidad medi os la suma de la sexta potencia de 
sus diámetros, el cual se llama factor de reflectividad y es representado con la letra Z:  
 𝑍𝑍 =  ∑ 𝜋𝜋𝑖𝑖6
𝑛𝑛
𝑖𝑖 =1
 (3) 
Una de las técnicas más utlizadas para estimar la precipitación a partir de la potencia, es la relación de 
Marshall-Palmer (Marshal and Palmer, 1948), que utilizaremos en el presente trabajo y que vincula el 
f ctor  reflectividad del r ar (Z) con la intensidad de lluvia (R):  
 𝑍𝑍 = 𝑎𝑎. 𝑅𝑅𝑏𝑏 (4) 
Los valores 𝑎𝑎 y 𝑏𝑏 ependen de las caracteristicas de la precipitación, por lo que son ajustadas 
empíricamente. Con el objetivo de mostrar el desempeño del PX-1000 en Lima, optimizamos la relación 
de Marshall-Palmer tilizando datos de recipitación de las estaciones meteorológicas ubicad s en Lima 
en el radio de influencia del radar. Expresamos 𝑅𝑅 como un término dependiente de la reflectividad 𝑍𝑍:  
 𝑅𝑅(𝑍𝑍) = 𝑎𝑎𝑍𝑍𝑏𝑏 (5) 
Los valores de 𝑎𝑎 y 𝑏𝑏 fueron hallados como la solución de mínimo error entre la precipitación obtenida 
con el radar y la precipitación de esta ión meteorológica co o referencia:  
 [𝑎𝑎, 𝑏𝑏] = arg 𝑚𝑚𝑚𝑚𝑚𝑚{𝑎𝑎 𝑦𝑦 𝑏𝑏}
1
𝑁𝑁𝑁𝑁
∑(𝑅𝑅(𝑚𝑚) − ?̂?𝑅(𝑎𝑎, 𝑏𝑏))2
𝑁𝑁𝑟𝑟
𝑖𝑖=1
 (6) 
Donde 𝑅𝑅 expresa el valor edido por l  estación, ?̂?𝑅 es la recipitación estimada dependiente de los 
parámetros 𝑎𝑎 y 𝑏𝑏, mientras que 𝑁𝑁𝑟𝑟 expresa la cantidad de datos. 
Resultados 
Para calcular los valores más óptimos de 𝑎𝑎 y 𝑏𝑏, utilizamos los datos de las estaciones meteorológicas de 
Chosica (-11.9298, -76.6897) y Santa Eulalia (-11.9200, -76.6667), pertenecientes a SENAMHI, del 
periodo febrero a m rzo. Los valores hayados fueron de 𝑎𝑎 y 𝑏𝑏, 0.001 y 0.678, respectivamente, con un 
error medio de 0.3 mm. Encontramos que el radar ve más eventos de precipitación de los que 
normalmente registran las estaciones, esto se pu d  observar especialm nte cuando las precipitaciones 
son muy ligeras (Figura 2). Como era de esperase, el radar brinda mejor información sobre la 
distribución espacial de la lluvia, que puede llegar a ser muy compleja. En la Figura 3 se muestra una 
comparación de la distribución espacial de lluvia para el día 11 de marzo 2018, obtenida por el radar y 
la precipitación estimada por el algoritmo del Hydro-Estimador (Vicente, et al., 1998) del satélite GOES. 
OBSERVANDO LAS PRECIPITACIONES EN LIMA CON UN RADAR METEOROLÓGICO
12 PPR / EL NIÑO - IGP
estaciones, esto se puede observar especialmente 
cuando las precipitaciones son muy ligeras (Figura 
2). Como era de esperase, el radar brinda mejor 
información sobre la distribución espacial de la lluvia, 
que puede llegar a ser muy compleja. En la Figura 3 
se muestra una comparación de la distribución espacial 
de lluvia para el día 11 de marzo de 2018, obtenida por 
el radar y la precipitación estimada por el algoritmo 
del Hydro-Estimador (Vicente, et al., 1998) del satélite 
GOES. Se puede observar que el Hydro-Estimador 
sobrestima excesivamente las precipitaciones, además, 
se puede ver una diferencia significativa en la resolución 
espacial que existe entre ambos.
CONCLUSIONES Y  TRABAJO FUTURO
En este artículo mostramos cómo se estima la 
precipitación con una radar, utlizando la relación de 
Marshall-Palmer, que relaciona el factor de reflectividad 
con la precipitación. El método no es perfecto debido a 
Figura 2. Precipitación diaria medida por la estación meteorológica 
de Chosica (barras azules) y el radar PX-1000 (barras rojas) en el año 
2018.
Feb 02 Feb 12 Feb 22 Mar 04 Mar 14 Mar 24 Apr 03
Pr
ec
ip
ita
tio
n 
(m
m)
0
2
4
6
8
10
Estación SE
PX1000
que el factor de reflectividad depende más del tamaño 
de las gotas, que de su cantidad. Por lo que una buena 
estimación requiere conocer la distibución del tamaño 
de gotas de lluvia en la zona de estudio. Existen otros 
instrumentos, como los disdrómetros (Löffler-Mang and 
Joss, 2000) que nos ayudan con este objetivo.
A pesar que los radares proporcionan observación 
(directa) de la precipitación en alta resolución, su uso en 
hidrología no es tan extendido como uno esperaría. Los 
actuales retos son: estudios de validación, pronóstico 
de lluvias, estimaciones en topografía compleja, etc. 
(Berne and Krajewski, 2013). 
Aún quedan muchas preguntas por responder, ¿cómo 
se forman las precipitaciones?, ¿cuál es su ciclo de 
vida?, ¿qué patrones influyen en su formación y cómo 
se alteran éstos en condiciones atmosféricas extremas, 
por ejemplo, durante El Niño?. 
Analizar los datos de radar es un trabajo bastante arduo 
(ej. los datos ocupan mucho espacio de disco, existen 
muchos archivos, no están regularmente distanciados 
en el espacio ni tiempo, etc.), es por eso que el análisis 
de los mismos puede tomar bastante tiempo, y requiere 
amplios conocimientos sobre procesamiento de datos.
REFERENCIAS
Berne, A., and Krajewski, W. F. (2013). Radar for 
hydrology: Unfulfilled promise or unrecognized 
potential? Advances in Water Resources, 51, 357–366. 
https://doi.org/10.1016/j.advwatres.2012.05.005
Gunn, R., and East, T. (1954). The microwave properties 
of precipitation particles. Quarterly Journal of the Royal 
Meteorological Society, 80(346), 522–545. https://doi.
org/10.1002/qj.49708034603
Löffler-Mang, M., and Joss, J. (2000). An optical 
disdrometer for measuring size and velocity 
of hydrometeors. Journal of Atmospheric and 
Oceanic Technology, 17(2), 130–139. https://doi.
org/10.1175/1520-0426(2000)017<0130:AODFMS>2.0.
CO;2
Marshal, J. S., and Palmer, W. M. (1948). The Dristibution 
of Raindrops With Size. Journal of Meteorology, 5(4)
(Shorter Contributions), 165–166.
Vicente, G. A., R. A. Scofield, and W. P. Menzel, 1998: 
The operational GOES infrared rainfall estimation 
technique. Bull. Amer. Meteor. Soc., 79, 1883-1898. 
https://www.star.nesdis.noaa.gov/
Figura 3. Precipitación acumulada para el día 11 de marzo, 2018. 
Obtenida por (a) PX-1000 y (b) Hidro-Estimador. Las circunferencias 
indican el rango del PX-1000.
LAT (°)
-77.2 -77 -76.8 -76.6
LO
N 
(°)
-12.4
-12.2
-12
-11.8
-11.6
-11.4
15km30km45km60km
(a) 11-Mar-2018
LAT (°)
-77.2 -77 -76.8 -76.6
-12.4
-12.2
-12
-11.8
-11.6
-11.4
15km30km45km60km
(b) 11-Mar-2018
0.1
0.3
1  
5  
15 
35 
mm
AVANCES CIENTÍFICOS
13BOLETÍN TÉCNICO - VOL. 5  Nº 8  AGOSTO DEL 2018
Advertencia: El presente informe sirve como insumo para la Comisión Multisectorial para el Estudio 
Nacional del Fenómeno El Niño (ENFEN). El pronunciamiento colegiado del ENFEN es la información 
oficial definitiva. La presente información podrá ser utilizada bajo su propia responsabilidad.
RESUMEN
Según el valor del Índice Costero El Niño (ICEN), 
basado en los datos de ERSSTv3 para el mes de junio 
de 2018,  la condición climática para la  costa peruana 
es Neutra (ICEN =  -0,60) al igual que el valor estimado 
con OISSTv2 (ICENOI = -0,66). Los valores temporales 
del ICEN (ICENtmp) y el ICENOI (ICENOItmp) para 
los meses de julio y agosto coinciden  en condiciones 
Neutras. En lo que respecta al Pacífico Central, el valor 
del Índice Oceánico Niño (ONI) de la NOAA indica 
que en junio de 2018 se tuvo una condición Neutra 
(0,06ºC); la misma condición se tiene para los estimados 
temporales de julio y agosto.
En base al análisis de los datos y resultados de los 
modelos numéricos, se espera el arribo, primero, de 
una onda Kelvin fría en la segunda quincena de agosto y 
luego una onda Kelvin cálida para el mes de setiembre. 
Asimismo, de mantenerse los pronósticos de pulsos de 
vientos del oeste en el Pacífico Central, la onda Kelvin 
cálida podría verse fortalecida.
Según el promedio de los siete modelos numéricos 
de NMME, inicializados con condiciones del mes 
de agosto de 2018, se esperan condiciones Neutras 
para el Pacífico oriental hasta el mes de noviembre, 
y condiciones Cálidas Débiles entre los meses de 
diciembre de 2018 y febrero de 2019.
En la región del Pacífico central ecuatorial, el promedio 
de los modelos de NMME muestran condiciones 
Cálidas Débiles entre los meses de setiembre y octubre 
de 2018 y, condiciones Cálidas Moderadas entre los 
meses de noviembre y febrero de 2019.
ÍNDICE COSTERO EL NIÑO
Utilizando los datos de Temperatura Superficial del 
Mar (TSM) promediados sobre la región Niño1+2; 
actualizados hasta el mes de julio de 2018 del 
producto ERSST v3b, generados por el Climate 
Prediction Center (CPC) de la National Oceanic 
and Atmospheric Administration (NOAA, EEUU); 
se ha calculado el Índice Costero El  Niño  (ICEN; 
ENFEN 2012) hasta el mes de junio de 2018 y  cuyos 
valores se muestran  en la Tabla  1.  El valor  de junio 
corresponde a una condición Neutra.
Resumen del Informe Técnico
PP Nº 068 / El Niño-
IGP/2018-07
Año Mes ICEN
(ºC) Condiciones 
2018
2018
2018
2018
Marzo
Abril
Mayo
Junio
-1.48
-1.17
-0.80
-0.60
Fría Fuerte
Fría Débil
Neutra
Neutra
Tabla 1. Valores recientes del ICEN (ERSST v3b). 
(Descarga: http://www.met.igp.gob.pe/datos/icen.txt)
Los valores del ICENOItmp estimados para julio 
y agosto de 2018 corresponden a condiciones 
Neutras. El ICENOI de julio será confirmado cuando 
se disponga del valor de OISST v2 para el mes de 
agosto de 2018.
Por otro lado, para el Pacífico Central (Niño 3.4), 
el ONI (Ocean Niño Index en inglés; http://www.
cpc.ncep.noaa.gov/data/indices/oni.ascii .txt), 
actualizado por la NOAA al mes de junio de 2018, 
es de 0,06ºC, correspondiente a condición Neutra1.
14 PPR / EL NIÑO - IGP
DIAGNÓSTICO DEL PACÍFICO 
ECUATORIAL
Durante el mes de julio, las anomalías de la TSM 
diaria, según los datos observados (IR, MW, OSTIA), 
en el Pacífico central se presentaron dentro de las 
condiciones Neutras, manteniéndose en el orden de 
0.1 a 0.3ºC, con valores constante en los primeros 
días del mes de agosto. Para la región Niño 1+2, la 
anomalía de la TSM también indicó valores entre -0.4 
a 0.1ºC .
El promedio mensual de las anomalías de esfuerzo 
de viento zonal en el Pacífico central (160ºE-160ºW; 
5ºS-5ºN) continuó con anomalía del este, mostrando 
mayor  magnitud que el mes anterior; en la primera 
semana de julio se observaron anomalías negativas 
de baja magnitud en el Pacífico central entre 170ºE-
150ºW y 2ºS-2ºN. Por otro lado, también se observaron 
anomalías positivas en la segunda y tercera semana 
del mes de julio entre (149ºE-151ºE; 2ºS-2ºN). A partir 
de la última semana de julio la actividad convectiva 
en el Pacífico ecuatorial central-oriental, se encuentra 
cerca a sus valores climatológicos. La inclinación de 
la termoclina ecuatorial se presentó dentro de su 
posición normal, sin embargo, el contenido de calor 
es positivo y se mantiene constante durante el mes 
de julio.
Según los datos in situ y satelital, aún se observa 
la presencia de ondas Kelvin cálidas en la región 
oriental, como consecuencia de pulsos de viento del 
oeste que se dieron entre marzo e inicios de mayo.
Figura 1. Diagrama longitud-tiempo de las anomalías de esfuerzo de viento zonal ecuatorial basado en datos del escaterómetro ASCAT (a), 
anomalía de la profundidad de la isoterma de 20°C datos de TAO y los derivados de ARGO (b) , diagrama de la onda Kelvin y Rossby (c), 
diagrama de la onda Kelvin (d) y finalmente diagrama de la onda Rosbby, calculada con el modelo LOM-IGP (forzado por ASCAT, y tau=0 para 
el pronóstico). Las líneas diagonales representan la trayectoria de una onda Kelvin si tuviera una velocidad de 2.6 m/s. (Elaboración: IGP)
  Los umbrales para establecer la categoría de condiciones cálidas o frías 
débiles, moderadas, fuertes, y muy fuertes usando el ONI son ±0.50, ±1.00, 
±1.50, y ±2.00, respectivamente (Nota Técnica ENFEN, 02-2015).
1
INFORME TÉCNICO
15BOLETÍN TÉCNICO - VOL. 5  Nº 8  AGOSTO DEL 2018
La presencia de ondas Kelvin cálidas, producidas 
por  pulsos de viento del oeste entre marzo   y junio 
continuaron observándose tanto en la profundidad de 
la termoclina como en el nivel del mar pero confinadas 
al Pacífico Oriental. Por otro lado, se observa la 
presencia de una onda Kelvin fría producidas por 
pulso de viento del Este durante el mes de julio entre 
125º y 100ºW. En el extremo oriental se observa la 
presencia de ondas Kelvin cálidas que se habrían 
producido por la reflexión de ondas Rossby cálidas. 
En la región Niño 1+2 se puede observar, según la 
información de los flotadores ARGO, que las ondas 
Kelvin cálidas han impactado la temperatura del 
mar, principalmente por debajo de la superficie 
incrementando sus valores en 1ºC.
PRONÓSTICO A CORTO PLAZO 
CON MODELO DE ONDAS Y 
OBSERVACIONES
Según el análisis de los datos observados y resultados 
de los modelos numéricos, se espera  la llegada 
de una onda Kelvin fría en la segunda quincena de 
agosto y luego una onda Kelvin cálida para el mes de 
setiembre, esta última generada como consecuencia 
de la reflexión ondas Rossby, tal como se indicó en la 
sección anterior. (Figura 1).
Según el pronóstico de vientos del modelo GFS en 
el Pacífico ecuatorial central, se observa vientos del 
Figura 2. Índice Costero El Niño (ICEN negro con círculos llenos, fuente ERSSTv3; ICEN gris con triángulos, fuente OISSTv2 ) y sus valores 
temporales (ICENtmp, rojo con círculo lleno y ICENtmp- OI, rojo con triángulos llenos). Además, pronósticos numéricos del ICEN (media móvil 
de 3 meses de las anomalías pronosticadas de TSM en Niño 1+2) por diferentes modelos climáticos. Los pronósticos de los modelos CFSv2, 
CMC1, CMC2, GFDL, NASA_GEOS5v2 GFDL_FLOR y NCAR_CCSM4 tienen como condición inicial el mes de agosto de 2018. (Fuente: IGP, 
NOAA, proyecto NMME).
PP Nº 068/EL NIÑO-IGP/2018-07
16 PPR / EL NIÑO - IGP
6. La inclinación de la termoclina ecuatorial se 
presentó dentro de su posición normal, sin embargo, 
el contenido de calor es positivo y aparentemente 
constante durante el mes de junio.
7. Se observa la presencia de una onda Kelvin fría 
producidas por pulso de viento del este durante el 
mes de julio.
8. Se observa la presencia de ondas Kelvin cálidas 
en el extremo occidental como consecuencia de la 
reflexión de ondas Rossby.
9. En la región Niño 1+2 se puede observar, según 
la información de los flotadores ARGO, que las 
ondas Kelvin cálidas han impactado la temperatura 
del mar, principalmente por debajo de la superficie 
incrementando sus valores en 1ºC.
10. Se espera que continúe la presencia de ondas 
Kelvin cálidas en el extremo oriental.
11. La onda Kelvin fría debe arribar al extremo oriental 
durante la segunda quincena del mes de agosto.
12. Las ondas Kelvin en el extremo oriental producidas 
por la reflexión de ondas Rossby, de llegar al extremo 
oriental, lo harían en el mes de setiembre.
13. Para el Pacífico oriental (región Niño 1+2), los 
modelos de NMME en promedio indican condiciones 
neutras hasta noviembre y condiciones cálidas 
Débiles para el periodo de diciembre a febrero 2019.
14. Para el Pacífico central ( Región Niño 3.4), el 
promedio de los modelos de NMME indican para el 
Pacifico central condiciones cálidas débiles para los 
meses de setiembre y octubre y condiciones cálidas 
moderadas para el periodo noviembre febrero 2019.
REFERENCIAS
Aparco, J., K, Mosquera y K, Takahashi. 2014. 
Flotadores Argo para el cálculo de la anomalía de la 
profundidad de la termoclina ecuatorial (Aplicación 
Operacional), Boletín Técnico “Generación de 
modelos climáticos para el pronóstico de la ocurrencia 
del Fenómeno El Niño”, Instituto Geofísico del Perú, 
Mayo, 1, 5.
Cravatte, S., W. S. Kessler, N. Smith, S. E. Wijffels, 
Ando, K., Cronin, M., Farrar, T., Guilyardi, E., Kumar, 
A., Lee, T., Roemmich, D., Serra, Y, Sprintall, J., 
Strutton, P., Sutton, A., Takahashi, K. y Wittenberg, A. 
2016.First Report of TPOS 2020. GOOS- 215, 200 pp. 
[http://tpos2020.org/first-report]
oeste entre 170ºE y 150ºW en la segunda semana 
de agosto. De mantenerse este patrón de vientos, 
es posible que se generen ondas Kelvin cálidas que 
profundicen la termoclina en la franja ecuatorial las 
que fortalecerían la onda Kelvin cálida que arribaría a 
partir de setiembre.
PRONÓSTICO ESTACIONAL CON 
MODELOS CLIMÁTICOS
Para el Pacífico oriental (región Niño 1+2), según 
los 7 modelos climáticos de NMME (CFSv2, GFDL_
CMC2.1,   GFDL_FLOR,   NASA_GEOS5v2,   NCAR_
CCM4,   CMC1   y   CMC2),   con condiciones iniciales 
de agosto, indican en promedio condiciones Neutras 
de agosto a noviembre   de 2018; sin embargo, en 
el mes de octubre y noviembre 3 y 4 modelos indica 
condición Cálidas Débiles (Fig. 2);. El promedio de 
NMME indica condiciones Cálidas Débiles entre los 
meses de diciembre y febrero de 2019.
Para el Pacífico central (región Niño 3.4), según 
los modelos de NMME inicializados en agosto, el 
promedio de los 7 modelos indican  condiciones 
Cálida  Débiles  en  los meses  de setiembre y octubre 
y condiciones Cálidas Moderadas entre los meses de 
noviembre a febrero de 2019.
CONCLUSIONES:
1. El ICEN para junio de 2018 fue de -0.60 (Neutro) 
y el ICENtmp para julio y agosto es -0.47 y -0.16 
(Neutros). Usando OI mensual para el cálculo 
(ICENOI), los valores correspondientes son -0.66 
(Neutro) , y los temporales para julio y agosto son 
-0.41 y -0.14 (Neutros).
2. En el Pacífico central, el ONI de junio (MJJ) es 0.06 
y corresponde a condiciones Neutras y el estimado 
para julio también sería de condiciones Neutra. La 
ATSM en la región Niño 3.4, fue, en promedio, 0.3.
3. Durante el mes de julio, según TAO, el promedio 
mensual mostró vientos del oeste no muy intenso en 
algunas zonas del Pacífico Ecuatorial. Asimismo, se 
mantuvieron anomalías positivas tanto de la TSM y 
de la profundidad de la termoclina, esta última con 
un máximo entre 120º y 95ºW .
4. Según TAO, ASCAT y NCEP, durante julio se 
observó un pulso de viento del este entre la línea de 
cambio de fecha (180º) y 160ºW.
5. El patrón anómalo de convección ecuatorial, en 
lugares estratégicos, muestra valores cercanos a su 
valor climatológico.
INFORME TÉCNICO
17BOLETÍN TÉCNICO - VOL. 5  Nº 8  AGOSTO DEL 2018
DiNezio, P. 2016. Desafíos en la predicción de La Niña, 
Boletín Técnico “Generación de modelos climáticos 
para el pronóstico de la ocurrencia del Fenómeno El 
Niño”, Instituto Geofísico del Perú, 3 (9), 4-8.
ENFEN 2012: Definición operacional de los eventos 
“El Niño” y “La Niña” y sus magnitudes en la costa 
del Perú. Nota Técnica ENFEN.
ENFEN 2015: Pronóstico probabilístico de la 
magnitud de El Niño costero en el verano 2015-2016. 
Nota Técnica ENFEN 02-2015.
Huang, B.,Thorne, P.W, Banzon, V. F., Boyer, T., 
Chepurin, G., Lawrimore, J. H., Menne, M. J., 
Smith, T. M., Vose, R. S., Zhang, H.-M., 2017: 
Extended Reconstructed Sea Surface Temperature 
version 5 (ERSSTv5).Upgrades, validations, and 
intercomparisons, J. Climate, doi: 10.1175/
JCLI-D-16-0836.1
Kug, J.-S., Jin, F.-F., An, S.-I.2009. Two types 
of El Niño events: Cold tongue El Niño and 
warm pool El Niño. J. Climate 22, 6, 1499–1515, 
doi:10.1175/2008JCLI2624.1.
Lavado-Casimiro, W., Espinoza, J. C. 2014. Impactos 
de El Niño y La Niña en las lluvias del Perú (1965-
2007), Revista Brasileira de Meteorologia, 29 (2), 171-
182.
Meehl, G., Hu, A., Teng ,H. 2016. Initialized 
decadal prediction for transition to positive phase 
of the Interdecadal Pacific Oscillation. Nature 
Communications, doi: 10.1038/ncomms11718
Morera, S. B., Condom, T., Crave, A., Steer, P., and 
Guyot, J. L. 2017 The impact of extreme El Niño events 
on modern sediment transport along the western 
Peruvian Andes (1968-2012). Scientific Reports, v. 7, 
No. 1, p. 11947 DOI:10.1038/s41598-017- 12220-x.
Mosquera, K. 2009. Variabilidad Intra-estacional de la 
Onda de Kelvin Ecuatorial en el Pacífico (2000-2007): 
Simulación Numérica y datos observados. Tesis para 
obtener el grado de Magíster en Física - Mención 
Geofísica en la Universidad Nacional Mayor de San 
Marcos.
Mosquera, K.,B. Dewitte y P. Lagos. 2010. Variabilidad 
Intra-estacional de la onda de Kelvin ecuatorial 
en el Pacífico (2000-2007): simulación numérica y 
datos observados. Magistri et Doctores, Revista de 
la Escuela de Posgrado de la Universidad Nacional 
Mayor de San Marcos, Lima, Año 5, No9, julio-
diciembre de 2010, p. 55.
Mosquera, K. 2014. Ondas Kelvin oceánicas y un 
modelo oceánico simple para su diagnóstico y 
pronóstico, Boletín Técnico “Generación de modelos 
climáticos para el pronóstico de la ocurrencia del 
Fenómeno El Niño”, Instituto Geofísico del Perú, 
Enero, 1, 1, 4-7
Reupo, J. y Takahashi, K. 2014. Validación de 
pronósticos con modelos globales: Correlaciones 
de TSM (1982-2010). Boletín Técnico “Generación de 
modelos climáticos para el pronóstico de la ocurrencia 
del Fenómeno El Niño”, Instituto Geofísico del Perú, 
Enero, 1, 1, 8-9.
Sulca, J. Takahashi, K. Espinoza, J.C. Vuille, M. and 
Lavado-Casimiro, W. 2017. Impacts of different ENSO 
flavors and tropical Pacific convection variability (ITCZ, 
SPCZ) on austral summer rainfall in South America, 
with a focus on Peru. Int. J. Climatol. Doi:10.1002/
joc.5185
Takahashi, K. 2017. Verificación de los pronósticos 
probabilísticos de El Niño y La Niña costeros. Boletín 
Técnico “Generación de modelos climáticos para el 
pronóstico de la ocurrencia del Fenómeno El Niño”, 
Instituto Geofísico del Perú, 4 (8), 8-9.
Takahashi, K. Martínez, A. G. 2016. The very strong 
El Niño in 1925 in the far- eastern Pacific. Climate 
Dynamics, doi: 10.1007/s00382-017-3702-1.
Thoma, M., Greatbatch, R., Kadow, C., Gerdes,R. 
2015. Decadal hindcasts initialized using observed 
surface wind stress: Evaluation and prediction out to 
2024. Geophys. Res. Lett. doi:10.1002/2015GL064833
PP Nº 068/EL NIÑO-IGP/2018-07
18 PPR / EL NIÑO - IGP
IGP
la costa central y en la estación La Esperanza (-0,5°C) para la 
temperatura mínima en la costa norte.
Las anomalías de la temperatura superficial del mar en el 
litoral norte y centro cambiaron de negativas a positivas, 
hasta +1°C (Paita); mientras que, en el sur se mantuvieron con 
anomalías negativas. Por otro lado, el nivel medio del mar 
presentó incrementos de anomalías durante las dos primeras 
semanas de julio, con propagación de norte a sur; para luego 
normalizarse en las siguientes semanas.
Frente a Paita (05°S) y Chicama (08°S), se mantuvo la 
profundización de la termoclina dentro de las 100 millas de 
la costa, hasta 160 y 120 m, respectivamente; esta misma 
tendencia se observó en la profundidad de la zona de mínimo 
de oxígeno, pero con menor intensidad. En la zona más costera, 
se detectó la profundización de la estructura térmica frente a 
Paita y Chicama. Esto, así como las anomalías del nivel medio 
del mar, mencionadas en el párrafo anterior, son consistentes 
con la continuidad del paso de las ondas Kelvin cálidas.
En julio, tanto en los ríos de la costa como los de la “Región 
Hidrográfica del Amazonas” los caudales tendieron al 
descenso, con valores ligeramente por debajo de lo normal, 
COMISIÓN MULTISECTORIAL ENCARGADA DEL
ESTUDIO NACIONAL DEL FENÓMENO “EL NIÑO” - ENFEN
COMUNICADO OFICIAL ENFEN N°09-2018
Estado del sistema de alerta: No Activo1
La Comisión Multisectorial del ENFEN informa que, en la costa norte de Perú se espera en este mes la llegada de una 
onda Kelvin fría y en setiembre el arribo de una onda Kelvin cálida, esta última podría suscitar a un leve incremento de 
las anomalías de la temperatura y nivel del mar.
Para el próximo verano en el Pacífico central se espera la ocurrencia de condiciones El Niño con la probabilidad de 
72%; mientras que, en la región oriental (Niño 1+2, que incluye la costa peruana) la probabilidad de 48%, frente a 
una probabilidad de 50% de condiciones neutras. Según esta evaluación, se esperan lluvias de normal a ligeramente 
superior a ésta, más no extraordinarias, en la costa norte del Perú.
1 Definición de estado de Sistema de alerta “No activo”: Se da en condiciones 
neutras o cuando la Comisión ENFEN espera que El Niño o La Niña costeros 
están próximos a finalizar; “Vigilancia de La Niña costera”: Se denomina 
“Evento La Niña en la región costera de Perú” o “La Niña Costera” al periodo 
en el cual el ICEN indique “condiciones frías” durante al menos tres (3) meses 
consecutivos. (Nota Técnica ENFEN 01-2012).
2 Anomalías: positivas: es el valor positivo de diferencia del promedio del mes 
con el valor promedio multianual del mismo mes,
Anomalías negativas: es el valor negativo de diferencia del promedio del mes 
con el valor promedio multianual del mismo mes.
3 ICEN corresponde a la región Niño 1+2.
Comunicado oficial 
ENFEN
La Comisión Multisectorial encargada del Estudio 
Nacional del Fenómeno El Niño ENFEN se reunió para 
analizar la información de las condiciones meteorológicas, 
oceanográficas, biológico- pesqueras e hidrológicas 
actualizadas a la primera semana de agosto de 2018.
En el Pacífico ecuatorial central (Niño 3.4) la temperatura 
superficial del mar continuó con anomalías2 positivas, en 
promedio +0,3°C, mientras que en el extremo oriental (Niño 
1+2) presentó anomalía de -0,2°C, menos intensa respecto al 
mes anterior (-0,6°C) (Figura 1).
Durante el mes de julio en promedio, la circulación atmosférica 
ecuatorial (circulación de Walker) presentó condiciones 
propias de su patrón climático mensual, condiciones 
diferentes a los meses anteriores.
El valor del Índice Costero El Niño (ICEN3) de junio fue de 
-0,66°C (fuente NCEP OI SST v2), y el temporal (ICENtmp) de 
julio -0,30°C; ambos en el rango neutro. (Figura 2).
El Anticiclón del Pacífico Sur (APS) se configuró zonalmente y 
al sur de su posición habitual, con valores anómalos positivos 
de presión frente a la costa de Perú. El acercamiento anómalo 
del APS frente a la costa peruana (segunda quincena de julio) 
contribuyó al incremento anómalo del viento costero (>5 m/s) 
y éstas a la persistencia del afloramiento a lo largo del litoral.
Las temperaturas máximas y mínimas promedio del aire se 
presentaron alrededor de lo normal (Cuadro 1). Los valores 
más altos alcanzados en las anomalías de la temperatura 
mínima y máxima se registraron en las estaciones de Puerto 
Pizarro (1,8°C) y Huarmey (1,2°C), respectivamente. Mientras 
que, los valores de anomalías más bajas se registraron en la 
estación Alcantarilla (-0,8°C) para la temperatura máxima en 
19BOLETÍN TÉCNICO - VOL. 5  Nº 8  AGOSTO DEL 2018
Magnitud  del evento 
diciembre 2018 – marzo 2019 
Probabilidad de 
ocurrencia  
El Niño fuerte – extraordinario 0% 
El Niño moderado 8% 
El Niño débil 40% 
Neutro 50% 
La Niña débil 2% 
La Niña moderada – fuerte 0% 
Magnitud del evento 
diciembre 2018 – marzo 2019 
Probabilidad de 
ocurrencia  
El Niño fuerte – extraordinario 3% 
El Niño moderado 19% 
El Niño débil 50% 
Neutro 27% 
La Niña débil 1% 
La Niña moderada – fuerte 0% 
IGP
comportamiento propio de temporada seca. Las reservas 
hídricas de los principales embalses de la costa norte y sur 
vienen operando en promedio al 82% y 78% de su capacidad 
hidráulica, respectivamente.
La clorofila-a (indicador de la producción del fitoplancton), 
mostró valores ligeramente inferiores a su patrón normal.
Los índices reproductivos del stock norte – centro de la 
anchoveta muestran el inicio de la actividad desovante, de 
acuerdo con el patrón histórico.
PERSPECTIVAS
En la costa norte de Perú se espera la llegada de una onda 
Kelvin fría en la segunda quincena de agosto y luego una onda 
Kelvin cálida a inicios de setiembre; esta última contribuiría a 
un leve incremento de las anomalías de la temperatura y del 
nivel del mar.
Para el Pacífico central (Niño 3.4), los resultados de los 
modelos de las agencias internacionales hasta la primera 
semana de agosto indican en promedio condiciones cálidas 
débiles hasta setiembre, y condiciones cálidas moderadas de 
octubre de 2018 a febrero de 2019. Para el Pacífico oriental 
(Niño 1+2), estos mismos modelos señalan en promedio 
condiciones neutras de setiembre a noviembre y condiciones 
cálidas débiles de diciembre de 2018 a febrero de 2019.
Tomando en consideración el monitoreo y el análisis de la 
Comisión Multisectorial ENFEN, así como los pronósticos 
de las agencias internacionales, se espera que para lo que 
resta del año se desarrollen condiciones de El Niño débil en 
el Pacífico central. Para la región Niño 1+2, se esperaría el 
desarrollo de condiciones cálidas débiles hacia fin de año.
En vista que los principales impactos de El Niño y La Niña 
suelen darse en la temporada de lluvias, durante el verano 
austral, el ENFEN proporciona una estimación de las 
probabilidades de ocurrencia de éstos (Tabla N°1 y Tabla N°2) 
para el próximo verano (diciembre 2018 - marzo 2019). En el 
Pacífico central, la ocurrencia de condiciones El Niño tiene la 
probabilidad de 72%, siendo la más probable la de magnitud 
débil (50%), seguidas de condiciones neutras (27%). En tanto 
que, para el Pacífico oriental (Niño 1+2) la probabilidad de 
ocurrencia de El Niño es de 48%, (40% en la categoría de 
Niño débil) frente a una probabilidad de 50% de condiciones 
neutras.
Considerando las probabilidades anteriormente descritas 
para el verano de 2019 se esperaría para la costa norte de 
Perú la ocurrencia de lluvias de normal a ligeramente superior 
a ésta, no significando la ocurrencia de lluvias extraordinarias 
como las de los años 1983, 1998 o 2017.
La Comisión Multisectorial ENFEN continuará informando 
sobre la evolución de las condiciones actuales y sus 
perspectivas.
Callao, 08 de agosto de 2018
Figura 2. Serie del Índice Costero El Niño (ICEN), enero 2017 - julio 
2018. Fuente: Datos: OISST.V2/NCEP/NOAA, Gráfico IGP.
Figura 1. Anomalía superficial del mar mensual: Región Niño 3.4 (05°N 
- 0 5°S) / (170°W - 120°W) y Región Niño 1+2 (00° - 10°S) / (090°W 
- 080°W), enero 2017 - julio 2018. Fuente: Datos: OISST.V2/NCEP/
NOAA, Gráfico DHN.1+2 (00° - 10°S) / (090°W - 080°W), enero 2017 - 
julio 2018. Fuente: Datos: OISST.V2/NCEP/NOAA, Gráfico DHN.
Figura 3. Áreas de monitoreo, Región Niño 3.4 (5°N-5°S / 170°W-120°W) 
y Región Niño 1+2 (0°-10°S / 90°W-80°W) Fuente: NOAA.
Tabla 1. Probabilidades estimadas de las magnitudes de El Niño – La 
Niña en el Pacífico oriental en el verano diciembre 2018 – marzo 2019.
Tabla 2. Probabilidades estimadas de las magnitudes de El Niño – La 
Niña en el Pacífico central en el verano diciembre 2018 – marzo 2019.
COMUNICADO OFICIAL ENFEN