Scielo RSS <![CDATA[Atmósfera]]> http://www.scielo.org.mx/rss.php?pid=0187-623620160004&lang=es vol. 29 num. 4 lang. es <![CDATA[SciELO Logo]]> http://www.scielo.org.mx/img/en/fbpelogp.gif http://www.scielo.org.mx <![CDATA[Analysis of the simulated global temperature using a simple energy balance stochastic model]]> http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-62362016000400279&lng=es&nrm=iso&tlng=es Abstract: This work presents a study of the response of the simulated global temperature variability to additive and multiplicative stochastic parameterizations of heat fluxes, along with a description of the long-term variability in terms of simple autoregressive processes. The Earth's global temperature was simulated using a globally averaged energy balance climate model coupled to a thermodynamic ocean model. It was found that simple autoregressive processes explain the temperature variability in the case of additive parameterizations; whereas in the case of multiplicative parameterizations, the description of the temperature variability would involve higher order autoregressive processes, suggesting the presence of complex feedback mechanisms originated by the multiplicative forcing. Also, it was found that multiplicative parameterizations produced a rich structure that emulates closely observed climate processes. Finally, a new approach to describe the stability in the steady state of a general one-dimensional stochastic system, through its potential function, was proposed. From an analytical expression of the potential function, further insight into the description of a stochastic system was provided. <![CDATA[Flood frequency analysis using synthetic samples]]> http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-62362016000400299&lng=es&nrm=iso&tlng=es Abstract: The design flow is the basis for planning and designing different hydraulic works. The precision in estimated flows is important when analyzing the feasibility of such structures because the value directly influences the evaluation of the failure effects. However, due to flow variability, the precision of the estimate is drastically reduced when small samples are used in a conventional flood frequency analysis (FFA). This paper proposes a new approach based on a combined simulation of the annual peak and mean flows. The method was evaluated by considering 10-, 20-, 30-, 40- and 50-yr subsamples obtained from 13 gauging stations located in the Susquehanna River basin. The results were compared with those obtained by FFA and the regional station-year method. This new approach can reduce the uncertainty in estimating the design flow when few data are available.<hr/>Resumen: El flujo de diseño es la base para la planeación y el diseño de obras hidráulicas. La precisión en el cálculo de flujos es importante para el análisis de viabilidad de dichas estructuras porque el valor estimado influye directamente en la evaluación de los efectos de falla. Sin embargo, en razón de la variabilidad, la precisión del cálculo se reduce de manera drástica cuando se utilizan muestras pequeñas en el análisis de frecuencia de inundaciones (FFA, por sus siglas en inglés) convencional. En este trabajo se plantea un nuevo enfoque basado en la simulación combinada de flujos anuales máximos y medios. El método se evaluó tomando en consideración submuestras de 10, 20, 30, 40 y 50 años obtenidas a partir de 13 estaciones pluviométricas ubicadas en la cuenca del río Susquehanna. Los resultados se compararon con los obtenidos mediante FFA y el análisis regional de estaciones-año. Este enfoque novedoso puede reducir la incertidumbre en las estimaciones del flujo de diseño cuando los datos asequibles son escasos. <![CDATA[Indoor PM <sub>10</sub> and its heavy metal composition at a roadside residential environment, Phitsanulok, Thailand]]> http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-62362016000400311&lng=es&nrm=iso&tlng=es Abstract: The concentrations of PM10 were measured both indoors and outdoors at 10 roadside residential buildings in Phitsanulok, Thailand during the dry and wet seasons of 2014. Seven trace metals (Zn, Fe, Pb, Cd, Ni, Cu and Cr) were also analysed in PM10. The monthly average concentrations of indoor and outdoor PM10 were 41.5 to 105.3 μg m-3 and 95.2 to 145.1 μg m-3, respectively. PM10 concentrations were significantly higher during the dry season compared to the wet season. The indoor/outdoor (I/O) ratios were less than one indicating that the particulate matter originates from the outdoor environment. Overall, the average concentrations of heavy metals in PM10 ranged from 0.2 to 2.7 μg m-3 and 0.5 to 7.1 μg m-3 for the indoor and outdoor environments, respectively. A strong positive correlation in indoor PM10 was found between Zn and Cu, Zn and Ni, and Cu and Ni. Zn and Ni, Pb and Cu, Cu and Ni, Cd and Ni, and Zn and Cu showed strong positive correlations in the outdoor environment. The enrichment factors of Zn, Cu, Pb, Cr and Ni were less than one suggesting that the metals in indoor PM10 have originated from crustal materials. For the health risk assessment, Cr was found to have the highest excess cancer risk in an evaluation using an Integrated Risk Information System.<hr/>Resumen: Se midieron concentraciones de PM10 tanto en interiores como exteriores en 10 edificios residenciales de Phitsanulok, Tailandia, durante las temporadas de seca y lluvias de 2014. Además, se analizaron siete metales traza en el PM10: Zn, Fe, Pb, Cd, Ni, Cu y Cr. Las concentraciones mensuales intra y extramuros de PM10 fueron de 41.5 a 105.3 μg m-3 y de 95.2 a 145.1 μg m-3, respectivamente. Las concentraciones de PM10 fueron significativamente mayores durante la temporada seca, en comparación con la temporada húmeda. Las razones interior/exterior fueron menores a uno, lo cual indica que el material particulado se origina en ambientes exteriores. En general, las concentraciones medias de metales pesados en el PM10 variaron de 0.2 a 2.7 y de 0.5 a 7.1 μg m-3 para el ambiente interior y el exterior, respectivamente. En el PM10 de interiores se encontró una fuerte correlación positiva entre Zn y Cu, Zn y Ni, y Cu y Ni. Asimismo, se encontró una fuerte correlación entre Zn y Ni, Pb y Cu, Cu y Ni, Cd y Ni, y Zn y Cu en exteriores. Los factores de enriquecimiento de Zn, Cu, Pb, Cr y Ni fueron menores a uno, lo cual sugiere que los metales en el PM10 de interiores se originaron en materiales de la corteza. En cuanto a la valoración de riesgos sanitarios, se determinó mediante una evaluación de riesgos con un sistema integrado de información, que el Cr implica el mayor riesgo de cáncer. <![CDATA[Intercomparison of improved satellite rainfall estimation with CHIRPS gridded product and rain gauge data over Venezuela]]> http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-62362016000400323&lng=es&nrm=iso&tlng=es Abstract: Satellite-dericed rainfall products are useful for both drought and environmental monitoring, and they also allow for tackling the problems of sparse, unevenly distributed and arratic rain gauge observations provided their accuracy is well known. Venezuela is a country highly vulnerable to extreme weather events such as extensive droughts and flash floods; therefore, an understanding of the strengths and weaknesses of satellite-based rainfall products is useful for the planning of water resources. Using numerical metrics in order to evaluate performance, monthly rainfall estimates, from the Climate Hazards Group InfraRed Precipitation and Stations (CHIRPS v.2) product, are compared to gauge data from the 1981-2007 interval and categorical metrics for assessing rain-detection skills. The analysis was performed considering different rainfall categories, seasonality, and spatial context. The results show that the satellite product CHIRPS v.2 overestimates (underestimates) low (high) monthly rainfall values; although on the majority of numerical metrics of skill shows a good performance. This product, on the other hand, achieves better performance during the rainy season (April-September), significantly overestimating, however, the rainfall-events frequency. The product also shows best overall performance over flat and open regions (e.g., Los Llanos), where precipitation is influenced by the Intertropical Convergence Zone activity and local convective systems.<hr/>Resumen: Los productos que proveen estimaciones de lluvia derivadas de satélites son útiles para el monitoreo tanto ambiental como de sequías, y permiten además afrontar el problema de las observaciones derivadas de estaciones pluviométricas mal distribuidas, siempre y cuando su precisión sea conocida. Venezuela es altamente vulnerable a eventos climáticos extremos como sequías extensivas y crecientes rápidas, por lo tanto conocer las debilidades y fortalezas de las estimaciones de lluvias derivadas de satélites resulta útil para la planificación de los recursos hídricos. Las estimaciones mensuales de lluvia derivadas del producto Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS v.2) son contrastadas con los registros proveniente de estaciones climáticas (1981-2007), empleando métricas numéricas para evaluar su desempeño en la estimación de la cantidad de lluvia, y métricas categóricas para evaluar su capacidad de detección de eventos de lluvia. Los análisis aplicados consideran diferentes categorías de lluvia, la estacionalidad y el contexto espacial. Los resultados muestran que el producto CHIRPS v.2 sobreestima (subestima) los valores más bajos (altos) de lluvia, aunque en la mayoría de las métricas de habilidad muestra un buen desempeño. Este producto consigue un mejor desempeño durante la estación lluviosa (abril-septiembre), pero sobreestima significativamente la frecuencia de los eventos de lluvias. También muestra mejor desempeño global en regiones planas abiertas (p. ej., Los Llanos), donde la precipitación es influida por la actividad de la zona de convergencia intertropical y los sistemas convectivos locales. <![CDATA[A method for convective storm detection using satellite data]]> http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-62362016000400343&lng=es&nrm=iso&tlng=es Abstract: Moisture and instability, along with a triggering mechanism, are the main keys of deep convective storms initiation and evolution. Satellite data can provide indirect measurements of instability and moisture of a wide area in short periods of time. This paper studies the use of an objective method based on a blended use of multiple satellite-based convection estimation techniques. This method is based on different techniques arranged in a several layers approach of different convective features, aiming to stratify a cloud shield. Meteosat Second Generation (MSG) infrared (IR) 10.8 μm and water vapor (WV) 6.2 μm channels are explored together with tropopause temperature information provided by a numerical model. Threshold, brightness temperature differences (BTD), and time trends are applied to the information available resulting in a five layers product, highlighting areas of different convective activities. This cloud shield stratification method showed a great ability to better evaluate strong convection when compared with simpler techniques such as IR false color, and was especially useful to better identify the strongest convective cell in a large area with several convective outbreaks. A validation analysis was conducted using radar and lightning data, showing that this approach is very helpful in distinguishing very strong cases from weaker ones by pointing out subtle convective patterns only present in severe storms. Also, small changes in storm evolution were more pronounced in the method output. Besides some uncertainties that were observed, likely due to the large viewing angle, techniques derived from MSG spectral bands displayed good accuracy in studying large convective systems in the South America southern region.<hr/>Resumen: La humedad y la inestabilidad, en conjunto con un mecanismo de disparo, son las principales claves de iniciación y evolución de las tormentas de convección profunda. Los datos satelitales pueden proporcionar mediciones indirectas de la inestabilidad y la humedad de una amplia área en cortos periodos de tiempo. En este trabajo se estudia la utilización de un método objetivo basado en el uso combinado de técnicas de estimación de convección basadas en satélites. Este método se fundamenta en diferentes técnicas dispuestas en un enfoque multicapa de diferentes características convectivas, con el objetivo de estratificar un tope nuboso. Se investigan los canales infrarrojo (IR) de 10.8 μm y de vapor de agua de 6.2 μm de Meteosat segunda generación (MSG) junto con la temperatura de la tropopausa proporcionada por un modelo numérico. Se aplican el umbral, diferencias de brillo de temperatura y tendencias en el tiempo a la información disponible, de lo cual resulta un producto de cinco capas que destaca las áreas de diferentes actividades de convección. Este método de estratificación mostró gran capacidad para evaluar mejor la convección fuerte en comparación con las técnicas más simples como IR de falso color, y fue especialmente eficiente para identificar la célula de convección fuerte en un área grande con varios focos convectivos. Se llevó a cabo un análisis de validación utilizando datos de radar y de rayos, lo cual demuestra que este enfoque es muy útil para distinguir los casos fuertes de los débiles desde las primeras horas mediante la selección de patrones convectivos sutiles solamente presentes en tormentas severas. Los pequeños cambios en la evolución de la tormenta también se apreciaron mejor en los resultados arrojados por este método, lo cual facilita su identificación. Además se observaron algunas incertidumbres, probablemente debido al gran ángulo de visión, lo cual demuestra que la técnica derivada de las bandas espectrales del MSG tiene buena precisión para el estudio de los grandes sistemas convectivos en la región austral de Sudamérica. <![CDATA[Climate patterns of political división units obtained using automatic classification trees]]> http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-62362016000400359&lng=es&nrm=iso&tlng=es Abstract: This article proposes a methodology to discover patterns in observed climatologic data, particularly temperatures and rainfall, in subnational political division units using an automatic classification algorithm (a decision tree produced by the C4.5 algorithm). Thus, the patterns represent classification trees, assuming that: (1) every political division unit contains at least one climatological station, and (2) the recording periods of the stations are relatively similar in duration and in their initial and ending years. A series of classification models are produced by using different subsets from an experimental dataset. This dataset contains information from 3606 climatological stations in Mexico with recording periods whose durations, initial and ending years are diverse. The target (dependent) variable in all these models is the name of the political unit (i.e., the state). The predictors are 36 monthly features per each climatological station: 12 features corresponding to a minimum temperature, 12 to a maximum temperature, and 12 to cumulative rainfall. The altitude feature is also used as one of the predictors, in addition to the other 36; however, it is used only to quantify its additional contribution to the modelling. The results show that classification trees are effective models for describing and representing non-trivial patterns to characterize the political division units based on their monthly temperatures and rainfalls. One of the remarkable findings is that the cumulative rainfall of May is the feature with highest discrimination capability to the characterization task, which is consistent with the theoretical background on Mexican climatology. In addition, classification trees offer higher expressivity to non-experts in machine learning.<hr/>Resumen: Este artículo propone una metodología para descubrir patrones en datos climatológicos, particularmente temperaturas y precipitación, observados en unidades políticas subnacionales, usando un algoritmo de clasificación automática (un árbol de decisión producido por el algoritmo C4.5). Por lo tanto, los patrones representan árboles de clasificación, en el supuesto de que: 1) cada unidad de división política contiene al menos una estación climatológica y 2) los periodos de registro de las estaciones son relativamente similares en duración y en sus años iniciales y finales. Se produce una serie de modelos de clasificación mediante el uso de diferentes subconjuntos de un conjunto de datos experimentales. Este conjunto de datos contiene información de 3606 estaciones climatológicas en México cuyos periodos de registro tienen diversas duraciones, años iniciales y finales. La variable objetivo (dependiente) en todos estos modelos es el nombre de la unidad política (es decir, el estado). Los predictores son 36 características mensuales por cada estación climatológica: 12 corresponden a una temperatura mínima, 12 a una temperatura máxima y 12 a la precipitación acumulada. También se usó la altitud como predictor adicional a los 36 mencionados, pero sólo para cuantificar su contribución adicional al modelado. Los resultados muestran que los árboles de clasificación son modelos eficaces para describir y representar los patrones no triviales que caracterizan a las unidades de división política, con base en sus temperaturas y precipitación mensual. Uno de los hallazgos destacables es que la precipitación acumulada de mayo es la característica con el mayor poder discriminatorio en esta tarea de caracterización, lo cual es consistente con el trasfondo teórico de la climatología mexicana. Además, los árboles de clasificación ofrecen alta expresividad a personas poco familiarizadas con aprendizaje automático.