Reconstrucción de lluvia en series de tiempo, en el Altiplano peruano mediante Transformadas de Wavelet con dos niveles de descomposición Yarlequé, C. [1], Posadas, D. A. [2] y Quiroz, R. [2] [1] UNAC - [2] CIP. Centro Internacional de la Papa

OBJETIVOS La cuantificación de la precipitación pluvial es de suma importancia para estimar la disponibilidad de agua para uso domestico, agricultura, generación de energía y otros. El pronostico de lluvias es de suma importancia ha nivel nacional. Observar el potencial existente en la Transformada de Wavelet al ser aplicada en datos climaticos. Realizar un estudio y toma de datos más económico que las estaciones meteorologicas.

INTRODUCCIÓN Los datos son obtenidos por sensores. (Satélite SPOT, sensores VGT1 y VGT2) Son digitalizados para su posterior procesamiento. Como: Índice de Diferencia Normalizada de Vegetación (NDVI)

PRECIPITACIÓN y NDVI Los Datos de Precipitación de lluvia son tomados en la superficie, en estaciones climatologicas, ubicadas muy discretamente. (SENAMHI, 01/01/98 hasta 31/12/02) Los datos tomados de NDVI (imagenes de 11/04/98 hasta 31/12/02) y Precipitación se interceptan en un intervalo de tiempo. Mazo Cruz (Octubre/98)

PRECIPITACIÓN y NDVI Los datos de NDVI y Precipitación son tomados de Mazo Cruz – Puno.

OBSERVACION Existe un desfase de los datos. Las unidades físicas son distintas, se necesita un factor de cambio.

Fourier(Lluvia) & Fourier(NDVI) “el desfase es proximo a 62 días”

Factor de Cambio Al multiplicar los datos de NDVI por el Factor de Cambio, obtendremos datos del tipo de Precipitación.

ANÁLISIS Y RESULTADOS Estos son los datos reales de Precipitación de lluvia y NDVI, sin Desfase.

Data en fase Escogemos los días entre las fechas 01/01/99 al 31/12/2002.

Procesamiento con la Transformada de Wavelets u : número de días de la señal original : escala (1 día, 10 días, 31 días, etc) t : número de dias.

RECONSTRUCCIÓN Se aplica la Transformada de Wavelet, para reescalar y filtrar la imagen. La reconstruccion resultante, muestra valores negativos, debido a la suma de ruido de parte del Wavelet “Symlet” a la señal.

CONCLUSIONES Se observa una mejor correlación de los datos reconstruidos vrs los datos originales (R 2 ≈ 0.73 diario y R 2 ≈0.82 decadal), comparados con correlaciones en anteriores trabajos de reconstrucciones de lluvia (alrededor de R 2 ≈ 0.70 mensual, anual). La importancia de este Modelo es el de ser un metodo economico comparado con el hecho de realizar mediciones de Lluvia con una Estacion Climatica. El método resultaría muy relevante para alimentar modelos globales de predicción climática al estimar lluvias en zonas donde no hay estaciones climatologicas.

Centro Internacional de La Papa División de Manejo de Recursos Naturales PO Box 1558, Lima 12. Telefono (51-1) anexo