Pronostico de Lluvia en zonas de Costa y Montaña de Perú, por intermedio del monitoreo de la TSM. Physicist Yarlequé Gálvez, Christian P.          International Potato Center (CIP) Division 5 – PSE Research Assistant Tele: +511 3496017 Ext: 2104 or 2145 Av. La Molina 1895 La Molina, Lima 12, Peru. e-mail: c.yarleque@cgiar.org

Además, XY(X)Z(Y(X)). Marco Teórico Sean las funciones Reales Y y Z, que representan la variable lluvia en Perú, de dominios X, que corresponde a la TSM en el Pacifico. Aquí las funciones serán denominadas Predictantes, y la variable aleatoria independiente X es llamada Predictor. Los valores de la funciones vienen estar dados por Y(x) y Z(x), donde aquí se muestra la relación funcional entre las mismas como: Si, X Y(X) y, X Z(X). La hipótesis es la siguiente: Además, XY(X)Z(Y(X)). Es decir, el pronostico de Z, puede realizarse con mediciones de X o alternativamente, mediante mediciones empíricas de Y.

Impacto (-) en la Economia Predictante (PP) Predictor (TSM) PP Lambayeque: Innundaciones Impacto (-) en la Economia Caudales Biomasa IMPACTO Y TSM: El Niño La Niña Normal PDO X CAMBIO DESASTRES PP Puno: Lluvia Extrema Daños Materiales Heladas, Inundaciones Economía inestable Daños a la salud Biomasa Predictante (PP) Z

(Predictor TSM ) (Predictante Lambayeque) 1er caso (Predictor TSM ) (Predictante Lambayeque) X  Y (x) Periodo X: Periodo Y: Ponderado de Jun-Jul 1969 al 2009. Agregado de Ago-Sep-Obtubre 1969 al 2009. En el caso optimo para el Modes CCA , se obtuvo un Goodness Index = 0.102. Existe un Lag=2meses.

Climatología de 1969 al 1995.

2do caso (Predictor TSM ) (Predictante Puno) X  Y (x) Periodo X: Periodo Y: a) Agregado de Oct-Nov-Dic 1965 al 2006. Ponderado de Jul 1965 al 2010. b) Agregado de Nov-Dic 1965 al 2006. c) Agregado de Nov 1965 al 2006. d) Agregado de Dic 1965 al 2006. Donde: En el caso optimo Modes CCA se obtuvo un Goodness Index de: a) 0.417 donde el Length of training period fue 37. b) 0.396 donde el Length of training period fue 37. c) 0.484 donde el Length of training period fue 37. d) 0.294 donde el Length of training period fue 36. “Por lo tanto el Tiempo de retardo es Lag=4meses.”

Similar espectros de Varianza.

El mejor caso:

Climatología de 1965 al 2001. Volores Forecast - Lower - Upper Predichos para Nov 2010 en Puno.

Mapa de Probabilidades de la Predicción para Lower - Forecast - Upper en Nov 2010 en Puno.

(Predictor Lambayeque ) (Predictante Puno) 3er caso (Predictor Lambayeque ) (Predictante Puno) X  Y (x) Periodo X (PP): Lambayeque Periodo Y (PP): Puno a) Agregado de Oct-Nov-Dic 1969 al 2006. b) Agregado de Oct-Nov 1969 al 2006. Agregado de Ago-Sep-Oct 1969 al 2009.c) Agregado de Nov-Dic 1969 al 2006. d) Agregado de Nov 1969 al 2006. e) Agregado de Dic 1969 al 2006. Donde: En el caso optimo Modes CCA se obtuvo un Goodness Index de: a) 0.181 donde el Length of training period fue 37. b) 0.231 donde el Length of training period fue 34. c) 0.159 donde el Length of training period fue 36. d) 0.310 donde el Length of training period fue 34. e) 0.145 donde el Length of training period fue 34. “Por lo Tanto el tiempo de retardo para actuar el trimestre es Lag=2meses.”

Climatología de 1969 al 2009. Volores Forecast - Lower - Upper Predichos para Nov 2009 en Puno.

Mapa de Probabilidades de la Predicción para Lower - Forecast - Upper en Nov 2009 en Puno.

Conclusiones (*) 1er caso: TSMPP Lambayeque. Ponderado de Jun-Jul 1969 al 2009.  Agregado de Ago-Sep-Obtubre 1969 al 2009. Lag=2meses. (*) 2do caso: TSMPP Puno. Ponderado de Jul 1965 al 2010.  Agregado de Nov 1965 al 2006. Lag=4meses. (*) 3er caso: PP Lambayeque  PP Puno. Agregado de Ago-Sep-Oct 1969 al 2009.Agregado de Nov 1969 al 2006. Lag=2meses.

Y X Z TSMPP Lambayeque. PP Lambayeque  PP Puno. Lag=2meses. TSMPP Puno. Lag=4meses. X : Predictor Y : Predictante 1 Z : Predictante 2

Gracias a: MARCOS PAREDES Y SIMON MASON. A LOS ORGANIZADORES DEL CURSO DEL IAI. A LAS PERSONAS IMvOLUCRADAS DEL IRI.

Además, XY(X)Z(Y(X)). Sean las funciones Reales Y y Z, que representan la variable lluvia en Perú, de dominios X, que corresponde a la TSM en el Pacifico. Aquí las funciones serán denominadas Predictantes, y la variable aleatoria independiente X es llamada Predictor. Los valores de la funciones vienen estar dados por Y(x) y Z(x), donde aquí se muestra la relación funcional entre las mismas como: Si, X Y(X) y, X Z(X). La hipótesis es la siguiente: Además, XY(X)Z(Y(X)). Es decir, el pronostico de Z, puede realizarse con mediciones de X o alternativamente, mediante mediciones empíricas de Y.