INTRODUCCION Se sabe que con la realización de las investigaciones que se realizan en las instituciones como ser la Universidad (algunas facultades) y algunos Programas (CENTRO AGUA, AGRUCO), muchas veces resuelven problemas ya sea de conocimiento y/o de nuestra realidad cotidiana, pero en muchos casos para lograr llevarlas a cabo estas requieren de datos que se almacenan en las estaciones meteorológicas a cargo de otras instituciones, es el caso del PROMIC que tiene instaladas algunas estaciones a lo largo de las cuenca en las que está haciendo trabajos, con que cuenta nuestro departamento, algunas de las cuales se hallan instaladas en la zona del valle central. Pero, en el ámbito departamental y nacional se tiene un problema que tal vez se constituye en el más importante de todos que es la falta de datos o registros completos de las estaciones en las que se recaba información. Estas casillas en blanco pueden deberse a varios factores que al final recaen a la hora de efectuar cálculos con los mismos y el valle central lamentablemente no esta exenta de esta realidad. En este sentido algunos autores proponen posibles metodologías para rellenar los datos faltantes, sean estos mensuales o anuales, con los cuales se realizan los cálculos en los trabajos que serán diseñados. Desde esta perspectiva el proyecto CLAS tiene a bien estimular o fomentar diferentes trabajos con la finalidad de aplicar los SIG y el tratamiento de imágenes para la realización de las investigaciones agro climáticas en diferentes áreas de nuestro departamento. El presente estudio pretende contribuir a ejemplificar y proponer las metodologías más apropiadas para llenar datos faltantes en los registros del clima (precipitación y temperatura), que serán aplicados en la determinación fenológica de cultivos en el valle central y alto de Cochabamba. ANTECEDENTES Se tiene conocimiento de la existencia de algunos trabajos relacionados con el manejo de datos climáticos que se almacenan en las estaciones meteorológicas que están en diferentes puntos del departamento, algunas tratan sobre como deben ser almacenados y procesados y otras las aplicaciones que tienen estos datos en las diferentes investigaciones, tal el caso de la tesis titulada: “Presencia del Fenómeno del Niño en Bolivia y su Impacto Socioeconómico” (Villarpando, 1997), con énfasis en la agricultura, también otra tesis que lleva por título “Estudio Agro climatológico de los Valles de Cochabamba” (Madel, 1994); en las cuales se señala lo anteriormente presentado, reconociendo la poca disponibilidad de algunos datos climáticos en especial a nivel diario. Otras en cambio han tratado los efectos negativos de algunos fenómenos de los que se tiene algún conocimiento, como ser heladas, precipitación, que se presentan en las estaciones de acuerdo al clima en nuestro país. Zeon PDF Driver Trial www.zeon.com.tw
Metodos de correlacion y completado de datos en estaciones meteorologicas, metodologia propuesta ejemplo valle de cochabamba
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
INTRODUCCION
Se sabe que con la realización de las investigaciones que se realizan en las instituciones como ser la Universidad (algunas facultades) y algunos Programas (CENTRO AGUA, AGRUCO), muchas veces resuelven problemas ya sea de conocimiento y/o de nuestra realidad cotidiana, pero en muchos casos para lograr llevarlas a cabo estas requieren de datos que se almacenan en las estaciones meteorológicas a cargo de otras instituciones, es el caso del PROMIC que tiene instaladas algunas estaciones a lo largo de las cuenca en las que está haciendo trabajos, con que cuenta nuestro departamento, algunas de las cuales se hallan instaladas en la zona del valle central.
Pero, en el ámbito departamental y nacional se tiene un problema que tal vez se constituye en el más importante de todos que es la falta de datos o registros completos de las estaciones en las que se recaba información. Estas casillas en blanco pueden deberse a varios factores que al final recaen a la hora de efectuar cálculos con los mismos y el valle central lamentablemente no esta exenta de esta realidad.
En este sentido algunos autores proponen posibles metodologías para rellenar los datos faltantes, sean estos mensuales o anuales, con los cuales se realizan los cálculos en los trabajos que serán diseñados.
Desde esta perspectiva el proyecto CLAS tiene a bien estimular o fomentar diferentes trabajos con la finalidad de aplicar los SIG y el tratamiento de imágenes para la realización de las investigaciones agro climáticas en diferentes áreas de nuestro departamento. El presente estudio pretende contribuir a ejemplificar y proponer las metodologías más apropiadas para llenar datos faltantes en los registros del clima (precipitación y temperatura), que serán aplicados en la determinación fenológica de cultivos en el valle central y alto de Cochabamba.
ANTECEDENTES
Se tiene conocimiento de la existencia de algunos trabajos relacionados con el manejo de datos climáticos que se almacenan en las estaciones meteorológicas que están en diferentes puntos del departamento, algunas tratan sobre como deben ser almacenados y procesados y otras las aplicaciones que tienen estos datos en las diferentes investigaciones, tal el caso de la tesis titulada: “Presencia del Fenómeno del Niño en Bolivia y su Impacto Socioeconómico” (Villarpando, 1997), con énfasis en la agricultura, también otra tesis que lleva por título “Estudio Agro climatológico de los Valles de Cochabamba” (Madel, 1994); en las cuales se señala lo anteriormente presentado, reconociendo la poca disponibilidad de algunos datos climáticos en especial a nivel diario.
Otras en cambio han tratado los efectos negativos de algunos fenómenos de los que se tiene algún conocimiento, como ser heladas, precipitación, que se presentan en las estaciones de acuerdo al clima en nuestro país.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
En casi todas ellas el problema de la falta de registros (diarios) del clima han sido resueltos de alguna manera llenando los espacios con los datos almacenados en otra estación circundante o aledaña a la que se esta empleando en algún trabajo, entre las que se han utilizados básicamente dos metodologías para rellenar datos faltantes: mediante los métodos de correlación, regresión simple y múltiple, además del método de MOSS III modificado.
Con el presente trabajo se pretende en principio proponer el método o técnica más adecuado(a) con las características climáticas de las zonas de estudio como son el Valle Central y Valle Alto para complementar los datos faltantes en los registros de precipitación y temperatura; luego de verificar la consistencia de los datos, se calculará la evapotranspiración, aspecto que permitirá determinar si el periodo de crecimiento de los diferentes cultivos como la papa, alfalfa, maíz, cebolla, zanahoria, se adecuan a las condiciones de cada cultivo.
El resultado esperado es realizar una comparación con el periodo de crecimiento, referido al proceso en el que se considera la comparación entre la evapotranspiración, evapotranspiración media y la precipitación en una determinada zona, y definir cual de las dos zonas se ajusta mejor a las condiciones de cada cultivo en cuanto a los requerimientos de temperatura (ºC) y precipitación (mm /año ó mm/ciclo).
OBJETIVOS
Objetivo General
Determinar y analizar cual de las metodologías propuestas para la generación de datos faltantes logra mejores resultados de acuerdo a las condiciones del relieve y del tipo de información de las estaciones meteorológicas de los Valles Central y Alto para determinar el periodo de crecimiento de los cultivos (en ambas zonas).
Objetivos Específicos
- Determinar el periodo de crecimiento del Valle Central y Alto.- Determinar qué método se ajusta mejor a las condiciones de cada una de las zonas
elegidas en el presente estudio.- Determinar si la distribución de estaciones meteorológicas en las zonas de estudio son
adecuadas para la interpolación o extrapolación de datosZ
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
II.- MARCO CONCEPTUAL
En la generación de los datos faltantes se presentan dos situaciones en las cuales se deben llenar las casillas con valores que se requieren tanto para la precipitación y temperatura, por esto se presenta a continuación algunas metodologías para estos dos casos.
De acuerdo a Campos Arana (1987) los datos o valores faltantes se deben a lagunas causas como ser desperfectos en los equipos de registro, por enfermedad o sustitución del encargado de las observaciones entre los principales. En general los datos faltantes son estimados en base a los registros de las estaciones cercanas, así se presentan los siguientes métodos:
2.1. Control de calidad y homogeneidad
Antes de generar los datos de la precipitación se debe realizar un control de calidad y homogeneidad de los datos recopilados ya que éstos presentan algunas deficiencias, en cuanto se refiere a consistencia y homogeneidad.
2.2. Estimación de los Registros Diar ios Faltantes
2.2.1. Método del U.S. National Weather Service
Este método consiste en ponderar los valores observados en una cantidad (W), igual al reciproco del cuadrado de la distancia (D) entre cada estaciona vecina y la estación A, la lluvia buscada Px será igual a:
Px = ∑(Pi * Wi) / ∑Wi (1)Donde:
Pi = precipitación observada para la fecha de la faltante, en las estaciones auxiliares circundantes (pueden ser como mínimo 2), en milímetros.Wi = 1/Dj↑2, siendo Dj la distancia máxima entre cada estación circundante y la estación incompleta, en Km.
2.3. Estimación de los Registros Mensuales Faltantes
2.3.1. Método Racional Deductivo
Cuando no es posible disponer de estaciones cercanas y circundantes ala estación incompleta, o bien, las existentes no cuentan con observaciones de los datos (meses) faltantes, se puede estimar el valor mensual faltante por medio de un simple promedio aritmético de los valores contenidos en el registro para ese mes, lo anterior se considera
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
valido únicamente si es un solo año (o máximo 2) el faltante y tal promedio se realiza con diez datos (años) como mínimo (o 20 años, en el caso de los datos faltantes).
Este método de acuerdo al autor solamente permite llenar hasta un máximo de once datos faltantes apoyándose en la información que brindan los años completos, esta metodología se puede asumir en los siguientes cuatro pasos:
Paso 1. Se efectúa la suma de las precipitaciones mensuales en todos los años completos y se obtiene la lluvia mensual promedio.
Paso 2. Se calculan para todos los años completos los porcentajes mensuales de precipitación, los que serán igual a la lluvia mensual entre el promedio mensual calculado en el paso anterior y por 100. Al sumar los porcentajes calculados y obtener su promedio deberán de obtenerse 1.200 y 100, respectivamente.
Paso 3. Todos los porcentajes mensuales correspondientes a cada uno de los doce meses se suman y se divide tal suma entre el numero de años completos, esto es, se calcula en porcentaje promedio que se denomina Sj, con j varían de 1 (enero) a 12 (diciembre).
Paso 4. El método acepta la hipótesis que considera que los meses desconocidos tendrán un porcentaje igual al porcentaje promedio (Sj). Se designan las siguientes variables:
Pj = ∑P (2)Sj 1.200-∑Sj
Por lo cual:Pj = ( ∑P) x Sj (3)
(1.200-∑Sj)
Donde;j = cada uno de los meses desconocidos, como máximo pueden ser once.
Pj = precipitación mensual desconocida en cada año incompleto, en milímetros.
∑Sj = suma de los porcentajes promedio de los meses cuya precipitación se desconoce, en porcentaje
∑P = suma de las precipitaciones mensuales conocidas en los años incompletos, en milímetros.
Sj = porcentaje promedio asignado
2.3.3. Uso de las Técnicas de Regresión Lineal
Para completar registros anuales en uno o más años, seguidos o intercalados, el uso de la regresión lineal entre la estación incompleta y otra u otras cercanas, es de enorme ayuda
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
para estimar los valores faltantes. La regresión lineal y la correlación entendida, ésta última como una forma de medir el grado de asociación o dependencia entre los datos de las estaciones que se analizan.Estas metodologías presentadas se completan con las pruebas de verificación de los datos generados mediante las pruebas estadísticas, entre las que se pueden mencionar: prueba estadística de Helmert, prueba estadística de t de Student, prueba estadística de Cramer.
Una vez que se hayan depurado los datos faltantes y/o sospechosos para verificar su homogeneidad con la serie original, es recomendable realizar el control mediante el método de doble masa (OMM, 1983)
Método de Doble Masa
Este método prueba la homogeneidad de los datos meteorológicos, comparando una cantidad (anual o estacional) de precipitación acumulada, con los valores promedio concomitantes (e igualmente acumuladas) de un grupo de estaciones circunvecinas. Los puntos resultantes de las correlaciones obtenidas para cada año o estación, son unidos por segmento de recta. Cuando los valores anuales acumulados de una estación pluviométrica son homogéneos, la gráfica muestra una recta continua.
Después de realizar los llenados de los valores de la precipitación, se procede a revisar los datos de temperatura, para lo cual se sigue la siguiente metodología:
- Definir la estación base con la cual se va trabajar, o de la cual se generarán datos nuevos, en lo posible que tengan los registros completos por más de 10 años.
- Revisar los datos de temperatura de la estación en la zona elegida, para comparar mediante la diferencia de alturas cuánto se va a añadir a los datos base, que de acuerdo a la bibliografía por cada 100 m de diferencia aumenta la temperatura en 0.5 ºC.
- Pero en ocasiones se tienen 3 estaciones meteorológicas, primero se hace una evaluación entre las que si tienen datos y el dato generado se vuelve a considerarlo con la estación para la cual se quiere generar los datos de la misma manera que se hizo entre las dos primeras, posteriormente se multiplica por un factor 0.46 (Beek, 1996) para el caso de Cochabamba y recién se rellena el espacio vacío.
Una de las aplicaciones de los datos de temperatura y la precipitación es el balance hídrico en el cual se consideran entradas y salidas de agua mediante la evapotranspiración, con la cual se puede efectuar una zonificación de cualquier zona en la que se manejan algunos o varios cultivos.
Cálculo de la Evapotranspiración
Serruto (1993) propone la siguiente fórmula, la cual está basada en la temperatura y la radiación solar extraterrestre (tablas) como se presenta a continuación:
ETP = 0.003 (RS)^2.5 + 0.16 (T)^0.88 (4)
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
PCadhemar
Resaltado
Donde:
RS = Radiación Solar Extraterrestre, expresada en mm/diaT = Temperatura media mensual en ºC.
Tabla Nº1. Radiación Solar Extrater restre para el sector de Bolivia.
LAT Sud ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC18 17,1 16,5 15,1 13,2 11,4 10,4 10 12,3 14,1 15,8 16,3 17,117 17 16,45 15,15 13,35 11,85 11 11,8 12,75 14,4 15,8 16,5 16,9516 16,9 16,4 15,2 13,5 11,7 10,8 11,2 12,6 14,3 15,8 16,7 16,8
Con esta tabla se calculo el valor de RS para la latitud de Bolivia que son 17º, los datos obtenidos nos da en mm/día, así que se multiplicó por el número de días del mes para tener datos mensuales.
En la Revista de Ingeniería Hidráulica (1970), se publica el siguiente articulo referido a la metodología de cálculo de la evapotranspiración potencial por el método de Thornthwaite (1948) y optimizado por Mather (1957), la fórmula que se presenta a continuación es conocida como la fórmula Thornthwaite-Mather:
Etp =c * ta (5)Donde:
Etp = Evapotnanspiración mensual en milímetros c, a = coeficientes que varían de un lugar a otro
En principio se obtiene un coeficiente mensual por medio de la ecuación:
i = (T/5)1.514 (6)Donde:
T = temperatura media mensual i = Indice de calor mensual
Se obtiene de cada mes y se suma los doce meses obteniéndose el índice calórico anual (I).
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
La relación entre I y a (ecuación 5) esta dada por la siguiente ecuación:
Finalmente se calcula la Etp con la ecuación general:
Etp = 16.0 * (10T/I)a (8)
Una vez obtenida la Etp (incorrecta) se procede a calcular el factor de corrección mediante la tabla de la posible duración media de la iluminación solar para el hemisferio sur (y/o norte) expresada en unidades de 30 días de 12 horas cada mes:
Tabla Nº 2. Duración media de la iluminación solar
LAT Sud ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC20 1,14 1,0 1,05 0,97 0,96 0,91 0,95 0,99 1,0 1,08 1,09 1,1517 1,17 1,03 1,05 0,95 0,93 0,86 0,92 0,975 1,0 1,045 1,02 1,04515 1,12 0,98 1,05 0,98 0,98 0,94 0,97 1,0 1,0 1,07 1,07 1,12
Fuente: FAO Nº 24 (1977)
Factor de corrección para 17º de latitud sur para Bolivia.
Finalmente se obtiene la Etp corregida o final en mm/mes.
Requer imientos de los cultivos
De acuerdo con la FAO (1979), nº33 de la serie Papel de la Irrigación y Drenaje los cultivos tienen los siguientes requerimientos de temperatura y precipitación:
Cuadro Nº 1. Requer imientos para crecimiento óptimo
CULTIVOS Requer imientos en ºC Requer imientos en mm/año
Para el caso de nuestro país estos requerimientos deben ser multiplicados por 2 o 3 veces de acuerdo a la zona y el número de veces que siembra de los cultivos marcados con asterisco.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Per íodo de Crecimiento
FAO (1993) menciona que el concepto de Per íodo de Crecimiento es esencial para la Zonificación Agro-ecológica, y es una manera de incluir la estacionalidad en la evaluación de los recursos de tierras. En muchas zonas tropicales, las condiciones son demasiado secas durante parte del año para permitir el crecimiento de cultivos sin irrigación, mientras que en los climas templados la producción de los cultivos en invierno está limitada por las bajas temperaturas. El periodo de crecimiento define la época del año en la que las condiciones de humedad y temperaturas son idóneas para la producción del cultivo.
El periodo de crecimiento proporciona un marco ideal para resumir en el tiempo elementos variables del clima, que se pueden entonces comparar con los requerimientos y las respuestas estimadas de las plantas. Parámetros tales como régimen de temperatura, lluvia total, evapotranspiración e incidencia de riesgos climáticos son más relevantes si se calculan para el periodo de crecimiento, cuando pueden influir en el desarrollo del cultivo, que si se hace para la media del año completo.
Balance de humedad
La terminología que se refiere a la definición de los períodos de crecimiento y sus posiblescomponentes se presenta en el cuadro 2. La estimación del periodo de crecimiento se basa en el modelo de balance hídrico que relaciona la lluvia (P) con la evapotranspiración potencial (ETp). Si el periodo de crecimiento no está limitado por la temperatura, la relación P/ETp determina el comienzo, el fin y el tipo de período de crecimiento.
La determinación del comienzo del periodo de crecimiento se base en el inicio de la estación lluviosa. Las primeras lluvias caen sobre un suelo que está generalmente seco en la superficie y que tiene un gran déficit de humedad en el perfil. En ausencia de reservas de humedad del suelo, la siembra, la germinación de la semilla y el crecimiento de los cultivos están en función de la cantidad y de la distribución de estas primeras lluvias.
El trabajo experimental indica que la eficiencia de las primeras lluvias incrementa considerablemente, cuando P es igual o mayor que la mitad de la ETp. El periodo de crecimiento continúa más allá de la estación lluviosa, cuando los cultivos maduran con las reservas de humedad almacenadas en el perfil del suelo. Por lo tanto, debe considerarse que el almacenamiento de humedad del suelo también determina la duración del periodo de crecimiento (DPC).
Modelos de DPC
En algunas áreas, particularmente aquellas en donde la lluvia no sigue un modelo único, la P puede superar a la ETp o ETp/2 para dos o más períodos diferentes durante el año, resultando más de un DPC por año. El modelo de periodo de crecimiento describe la representación proporcional de cada grupo de años en las series históricas totales. Obviamente, hay diferencias en la respuesta de la planta dependiendo de que el periodo de
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
crecimiento sea continuo o que se divida en períodos más cortos con disponibilidad de humedad, separados por períodos secos. Por lo tanto, el número de DPCs es muy importante en la definición de zona agro-ecológica.
Cuadro Nº 2. Duración del Per iodo de Crecimiento (DPC)
La duración del periodo de crecimiento se define como el tiempo durante el cual las temperaturas permiten un crecimiento del cultivo (Tmed > 5°C) y la precipitación más la humedad almacenada en el perfil del suelo superan la mitad de la evapotranspiración potencial (diariamente la humedad acumulada en el perfil del suelo debe permitir la germinación de las semillas, variable del modelo fijada en 50 mm).La DPC se puede interrumpir por (i) un periodo seco, es decir, el agua suministrada por la lluvia y la humedad almacenada en el suelo quedan por debajo de 0.5 ETP (ó Eta < 0.5 Eto), y (ii) de acuerdo con la DPCt, por una parada invernal (inactividad o interrupción por el frío). N.B. Un período de crecimiento.
Caracter ísticas del per íodo de crecimiento
Per íodo de crecimiento de todo el año
La P excede normalmente a la ET para todo el año.
Per íodo de crecimiento normal
La P supera a la ET para parte del año; pudiéndose diferenciar:
• Un período de crecimiento • Un período de crecimiento con periodo de inactividad • Dos o más períodos de crecimiento • Dos o más período de crecimiento de los cuales uno tiene un período de inactividad
Per íodo de crecimiento intermedio
La P normalmente no excede a la ET, pero si la supera parte del año, se puede diferenciar:
• Un período de crecimiento • Un período de crecimiento con periodo de inactividad • Dos o más períodos de crecimiento • Dos o más período de crecimiento de los cuales uno tiene un período de inactividad
Sin per íodo de crecimiento
Uso de SIG
Los sistemas de información geográfica (SIG) han surgido como poderosas herramientas para la manipulación y análisis de grandes volúmenes de datos, estadísticos, espaciales y
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
temporales, que son necesarios para generar, de una forma flexible, versátil e integrada, productos de información, ya sean mapas o informes, para la toma de decisiones sobre el uso de tierras. Muy buenos resultados se han conseguido en el desarrollo de herramientas SIG para la planificación de los recursos naturales, su gestión y control a diferentes escalas.
El desarrollo de estas y otras aplicaciones informáticas conlleva el análisis e interpretación de gran cantidad de datos bio-físicos y socio-económicos, estadísticos, espaciales y temporales, con objeto de producir diversas clases de productos informáticos en forma de imágenes, mapas y otros informes necesarios en la toma de decisiones. Para ello son necesarias herramientas informáticas de análisis espacial que faciliten el fácil acceso a los datos y su manipulación.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
III. MATERIALES Y METODOS
Descr ipción General del Area de Estudio
3.1. Ubicación y extensión (Valle Central)
De acuerdo con Meternich (1997), el área de estudio incluye los municipios del Cercado, Colcapirhua, Quillacollo, Tiquipaya, Vinto del Departamento de Cochabamba; limita al norte con las Cordillera del Tunari, al este con la provincia Chapare, al sud con Sipe Sipe (cuyo límite es el río Viloma) y al oeste con los cerros Pujio Punco y Cruz Pata. (Mapa 1)
Geográficamente entre las coordenadas de 17º21' y 17º23' de Latitud Sud y de 66º08' y 66º23' de Longitud Oeste, con alturas que varía de 2500 a 2700 msnm
3.2. Clima
Soto (1997), afirma que de acuerdo al sistema THORNTHWAITE, el área de estudio pertenece a un clima subhúmedo seco (C1), mesotérmico ( semifrío) B'2, moderada demasía de agua en el verano ( w ), con una eficiencia térmica normal para el clima.
Entre las características meteorológicas más importantes se tiene (datos obtenidos de la estación de Pairumani):La temperatura promedio anual es de 17,6ºC, con una variación de 14,7 a 19,5ºC para la época seca ( Abril-Octubre ) y de 17,9 a 19,5ºC para la época húmeda ( Noviembre-Marzo ).
La precipitación promedio anual es de 670,5 mm, con una precipitación 82,1 mm para la época seca ( Abril-Octubre ) y de 588,4 mm para la época húmeda ( Marzo-Noviembre ).
Este mismo autor en un estudio realizado en la cuenca Chocaya, respecto al clima menciona que el área de estudio pertenece a zona de vida estepa espinosa montano bajo subtropical, entre sus características principales tenemos:Presenta un clima muy favorable a la vida y salud humana y excepto por su falta de precipitación adecuada, es netamente favorable al cultivo intensivo y a la cría de animales domésticos.
En esta zona se experimenta normalmente biotemperatura entre 12 y 18 grados centígrados, con una variación entre el mes más cálido y el más frío no más de 5ºC. Se producen escarchas o temperaturas mínimas por debajo del punto de congelación del agua, entre mayo y agosto y algunas veces septiembre, meses que coinciden generalmente con los meses secos, no pudiéndose efectuar el cultivo de muchas especies. La precipitación anual varía de 250 a 500 mm.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa 1. Ubicación del Area de Estudio 1
Mapa 2. Ubicación del Area de Estudio
Mapa 2. Ubicación del Area de Estudio 2
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
3.3. Fisiografía y suelos
Gran parte de esta formación está marcada por una topografía accidentada con valles estrechos y profundos que dominan en esta zona de vida. Solo en determinados sectores, como el valle central de Cochabamba y áreas comprendidas entre Cliza, Punata, Arani y otras, presentan extensas llanuras adaptadas al riego y a la mecanización agrícola.
Los suelos aunque limitados en su área total se hallan entre los de mayor productividad, de acuerdo a su origen son profundos, bien estructurados y de buena retención de humedad durante seis a ocho meses del año, período en el cual pueden madurar todas las cosechas típicas del piso sin ningún riesgo.
3.4. Vegetación
Saenz (1999), afirma que en la zona en las áreas no cultivadas, especialmente en los abanicos, a lo largo de las torrenteras y en los bordes de los canales.Entre las especies vegetales que más frecuentemente se encuentran en esta zona de vida son:
Córdoba e Ibañez (1998) mencionan que en el área de estudio el uso de la tierra es la producción agrícola en forma intensiva de acuerdo a los medios con los que cuenta cada comunario. En zonas a temporal solo se produce una sola vez al año, debido a factores climáticos (heladas) y a la falta de riego. Sin embargo, en áreas donde se cuenta con agua la producción se realiza dos veces al año en el mismo terreno. La rotación de cultivo que se presenta en la zona en su generalidad es como sigue: intercalación de cultivos Gramíneas, Hortalizas con Leguminosas a manera de dar un descanso al suelo.
En terrenos bajo riego la producción es intensiva con por lo menos 2 siembras al año, se caracteriza por la producción de hortalizas y legumbres principalmente junto a otros productos como la papa (imilla, runa y la holandesa), maíz, arveja, haba, cebolla, zanahoria, repollo, además de cereales como avena y trigo, lechuga, quilquiña, vainitas, cebolla y la floricultura con variedades como el clavel, ilusión, staticia y otros.
3.7. Ubicación y extensión (Valle Alto)
De acuerdo con el Informe General de Riego del Valle Alto (1983), el área de estudio se extiende en las provincias de Punata, Arani, Jordán (Cliza), Esteban Arze (Tarata), y Tiraque del departamento de Cochabamba; limita al norte con la provincia Chapare, al este con los municipios de Vacas y Alalay, al sud con el río Caine-Rocha y al oeste con los Santivañez y Capinota. (Mapa 2)
Geográficamente ubicado entre las coordenadas de 17º20' y 17º50' de Latitud Sud y de 65º35' y 66º12' de Longitud Oeste, con alturas que varían de 2700 a 2800 msnm, tal como se indica en el mapa de ubicación.
3.8. Clima
De acuerdo al sistema THORNTHWAITE, el área de estudio pertenece a un clima subhúmedo seco (C1), a semiárido, moderada demasía de agua en el verano ( w ), con una eficiencia térmica normal para el clima.
Entre las características meteorológicas más importantes se tiene (datos obtenidos del promedio de 10 estaciones ubicadas dentro del área de estudio):
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
La temperatura promedio anual asciende cerca a los 15 ºC, mientras que en partes más altas con datos como Toralapa (3400 msnm), el promedio disminuyó hasta 9 ºC.
La precipitación promedio anual es de 700 mm, siendo los meses de diciembre a marzo en los que llueve alrededor del 70% del total estimado.
3.9. Geología
En el Informe General de Riego del Valle Alto (1983) en el aspecto de geología se describe como sigue:
La geología regional en el valle alto está caracterizada por rocas areniscas, cuarcitas, limolitas y lutitas, en parte silificadas, del ordovícico y en menor escala del cretácico acompañado por caliza. Las cumbres de las montañas y las partes superiores están cubiertas con frecuencia, por relictos glaciales, material morrénico que consiste de grava arcillosa con contenido de arena, piedras y bolones.
La parte inferior de los valles de los afluentes está caracterizado por depósitos de faldeo y el fondo de los valles se encuentra depósitos muchas veces potentes de material aluvial de grava arenosa con piedras y bolones, que forman también el relleno del fondo del valle alto, conjuntamente con depósitos lacustres de mayor contenido arcilloso, en gran potencia.
3.10. Zona de vida
El área de estudio pertenece a zona de vida estepa espinosa montano bajo subtropical, entre sus características principales tenemos:
Presenta un clima muy favorable a la vida y salud humana y excepto por su falta de precipitación adecuada, es netamente favorable al cultivo intensivo y a la cría de animales domésticos.
En esta zona se experimenta normalmente biotemperatura entre 12 y 18 grados centígrados, con una variación entre el mes más cálido y el más frío no más de 5ºC. Se producen escarchas o temperaturas mínimas por debajo del punto de congelación del agua, entre mayo y agosto y algunas veces septiembre, meses que coinciden generalmente con los meses secos, no pudiéndose efectuar el cultivo de muchas especies. La precipitación anual varía de 500 a 700 mm.
3.11. Fisiografía y suelos
De acuerdo a Soto (1991) fisiográficamente el valle alto, es una planicie con una pendiente que varía de 0 a0.5% y en las partes ligeramente inclinadas con una pendiente que llega hasta el 2.4%, en las zonas ligeramente onduladas con una pendiente que llega hasta el 5,3%.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Asimismo, menciona que en el área de estudio se encuentran suelos que pertenecen a los órdenes Entisoles, Inceptisoles, Alfisoles, Aridisoles y Vertisoles cuya fertilidad natural y contenido de materia orgánica son bajos.
3.12. Vegetación
De acuerdo con Soto (1991) en la zona existen muy pocas áreas con vegetación natural, debido a que ésta ha sido alterada por la intervención humana, actualmente existen sectores con especies caducifolias y algunas microfoliadas y siempre verdes, la vegetación varía en altura y densidad en relación al tipo de suelo y fisiografía.
Las especies vegetales que más frecuentemente se encuentran en esta zona de vida son:
Además de especies frutícolas y algunas flores como la staticia, gladiolo, geranio y otros.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
3.14. Uso actual de la tier ra
Condo 1998, sobre el uso de la tierra afirma que gran parte de la superficie del suelo está ocupada por cultivos, el resto está constituido por tierras afectadas por salinidad, de acuerdo con las condiciones físicas y ecológicas del área estudiada, existe experiencia en los agricultores en cuanto al manejo de las variedades de los cultivos como: zanahoria, alfalfa, maíz, cebolla y otros, diferenciándose dos tipos de agricultura intensiva y semitemporal.
Los métodos de cultivos que se practican en la preparación de la tierra lo realizan con el arado de palo y tracción animal (bueyes), agricultores con mayor capacidad económica y terrenos más extensos utilizan la maquinaria agrícola (tractor), las labores culturales y cosecha lo realizan con herramientas de labranza manual.
MATERIALES
El material utilizado en el presente estudio fue:- Hojas topográficas a escala 1:50000 publicadas por el Instituto Geográfico Militar
Toda la información que se presenta proviene de diferentes fuentes, que son:Servicio Nacional de Meteorología e Hidrología (SENAMHI)Prefectura de CochabambaCentro de Investigación Fitoecogenéticas Simón I. Patiño
Esta información fue mensual para una periodo de 15 años
Datos de Temperatura
Los registros de temperatura (Fuente: instituciones mencionadas y elaboración propia) para un periodo de 15 años (1978-1992).Los datos obtenidos fueron Media Mensuales.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Equipo Informático
El tratamiento de la información en primera instancia se la realizó en Excel y posteriormente se introdujeron y realizaron los mapas finales en ILWIS.
METODOLOGIA
Recopilación de Información
Se revisaron los diferentes documentos en los cuales se tienen datos de temperatura y precipitación de las diferentes estaciones tanto del valle Central como del Alto, en principio se reviso los documentos de las maestrías anteriores.
La recopilación de los datos de precipitación y temperatura se la recabó de las instituciones antes mencionadas, lamentablemente muchas de ellas no estaban en una sola institución por lo que se tuvo que recurrir a varios lugares, a esto debemos añadir que la información de la estación de Pairumani no se la había procesado lo que obligó a leer los termogramas de dos años (1978,1979) y del periodo 1980-1989 se obtuvieron datos leídos cada dos horas durante 24 horas.
Posteriormente se consulto bibliografía referente a la fenología de los cultivos de las zonas de estudio, como los textos que publica la FAO (nº 24, 33).
ETAPA DE CAMPO
Esta etapa se llevó a cabo en las diferentes instituciones que manejan información climática, para lo cual se recurrió a las planillas que posee el Servicio Nacional de Meteorología e Hidrología (SENAMHI) que es la principal entidad que recopila los datos de las diferentes estaciones que esta a su cargo.
Algunos documentos también fueron revisados que están a cargo de la prefectura de Cochabamba. Sin embargo se tropezó con la dificultad de que los datos de temperatura de la estación de Pairumani, lo cual ameritó visitas para la revisión de los registros de temperatura en especial porque la información correspondiente al periodo de 1970-1990 no existe en ninguna de las instituciones anteriormente mencionadas.
Se realizo visitas al Programa de Manejo de Cuencas en la cual también se manejan datos de algunas estaciones a su cargo y que están ubicadas a lo largo de las cuencas en las que se hacen los trabajos sea de conservación de suelos, control de cárcavas y otras actividades que ellos planifican.
ETAPA DE GABINETE
Manejo de la información de Precipitación y Temperatura
Los datos en planillas fueron analizados para considerar únicamente aquellos que cumplían con el requisito de estar disponibles para un periodo de 15 años, en ambos parámetros.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Posteriormente se procedió al llenado de los datos faltantes de acuerdo a dos métodos, en el caso de la precipitación: de los promedios y el racional deductivo que son los más aconsejables e estos casos. Posteriormente se hizo el análisis de consistencia y homogeneidad utilizando el método de la curva de doble masa.
La temperatura fue rellenada mediante el método de los promedios haciendo la consideración de que la altura no afectaría a los datos obtenidos a partir de una estación base por la poca diferencia de altura y la ubicación en la misma cuenca.
Calculo de la Etp (Evapotranspiración Potencial)
Calculado en base a la fórmula descrita en la revisión bibliográfica junto a la tabla de radiación extraterrestre calculada para la ubicación de Bolivia.
Generación de mapas con ILWIS
Debido a los pocos puntos ( número de estaciones) obtenidos los diferentes métodos de interpolación no podían realizar las operaciones por la poca información disponible, así que se optó por escoger una de ellas y la que mejor se ajustó a esta situación fue la de Moving Average (Inverse distance) con lo cual se generó los diferentes mapas.
En el caso de la temperatura se hizo la corrección por altura propuesta en la metodología deTHORNTWAITE - MATHER de acuerdo a la siguiente factor de corrección (fórmula):
F corrección = (DEM-mapa de alturas)/(-0.46*100)
RESULTADOS
Una vez recopilada toda esta información se procederá a la elaboración de los mapas en el paquete computacional ILWIS, con lo cual se generará los siguientes mapas:
- Mapa de isoyetas o precipitaciones- Mapa de temperatura y evapotranspiración-. Mapa de requerimientos de los cultivos en base a precipitación y temperatura
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Esquema 1. Rellenado de Datos Faltantes
Esquema 2. Per iodo de Crecimiento
Uso actual de la tierra
Precipitación
Cultivos: alfalfa, papa, maíz, zanahoria, cebolla y flores
Evapotranspiración / 2
Temperatura
Recopilación de datos
Llenado de datos faltantes
Llenado de datos faltantes
Método racional deductivo
Método de las diferencias de
alturas
Método de los promedios
Verificación de datos generados: Curva doble
masa
Verificación de datos generados:
D a t o s c o m p l e t o s
Precipitación
Temperatura
Evapotranspiración
Per iodos de Crecimiento
Categorización de los Periodos de Crecimiento
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Esquema 3. Uso de SIG
Geomorfologia SuelosClima
Mapa de isoyetas Mapa de evapotranspiraación y temperaturasMapa de requer imiento de los cultivos en base a la precipitación y temperaturas
Uso de SIG: ILWIS
Per iodos de Crecimiento
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
IV. RESULTADOS
El estudio comprendió las zonas denominadas Valles Alto y Central del departamento de Cochabamba, en las cuales se seleccionó las estaciones que tenían un historial de al menos 15 años, periodo comprendido de 1978 a 1992, tanto en registros de precipitación como de temperatura, por esto se presentarán los resultados de manera separada.
Valle Central
Las estaciones elegidas en esta zona son:
Cuadro Nº3. Estaciones seleccionadas
Estaciones Latitud Longitud Elevaciónmsnm
Per íodo de estudio
Fuente
Aasana 17º 25’ 66º 10 2548 1978-1992 SENAMHIPairumani 17º 21’ 66º 19’ 2600 1978-1992 **La Violeta 17º 33’ 66º 14’ 2610 1978-1992 SENAMHI** Centro de Investigación Fitoecogenéticas Simón I. Patiño
En esta zona se consideraron las estaciones de Pairumani, La Violeta y Aasana, siendo esta última la estación base por el largo historial de datos climáticos con que cuenta la misma (30-40 años) con las cuales se elaboró los mapas de isoyetas e isotermas en el uso de la metodología de Moving Average (inverse distance) del programa ILWIS.
PrecipitaciónDe la consistencia
Para la verificación de la consistencia se eligió la estación Aasana por la confiabilidad y el largo histotrial que tiene, después de obtener la acumulada de los valores de la precipitación.
Se observan datos consistentes tanto en Pairumani como en La Violeta de acuerdo a la prueba de la curva doble masa, como se presenta a continuación:
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Figura Nº1. Curva doble masa para la estación de Pairumani
Con respecto a la estación La Violeta también se dio la misma situación por lo que en ninguna de ellas se procedió al calculo de un factor de corrección con lo cual se debía recalcular los valores considerados sospechosos y/o malos.
Figura Nº 2. Curva doble masa para la estación de La Violeta
En ambos casos el coeficiente de correlación tiene una proximidad a 1 del mismo, lo que no es necesario hacer una corrección para los datos, significando una buena correlación entre la estación analizada y la considerada base.
Después se procedió a llenar los datos faltante que habían en ambas estaciones, este llenado se realizo mediante dos métodos: el de los promedios y el racional deductivo. Siendo el de los promedios el más rápido y fácil, pero de acuerdo al número de datos faltantes el método no da la garantía necesaria. El segundo método es el más confiable para el llenado correspondiente y estos nuevos valores se utilizan en la correlación.
En el caso de Pairumani fueron 2 datos y en La Violeta 5, además se ven que los valores generados tienen ligera diferencia y como recomienda la bibliografía se utilizó los datos del método racional deductivo, tal como se presenta en la parte de los anexos.
Temperatura
En la estación de Pairumani los datos disponibles en SENAMHI solamente existen a partir de 1991 hasta el año 2000, lo que obligó a recopilar información faltante con los datos existentes en la misma institución: Centro de Investigaciones Fitoecogenéticas Simón I. Patiño)
Cuadro Nº 4. Datos mensuales de Temperatura. Estación Pairumani
PROM. 17,00 17,00 16,90 16,40 14,80 13,00 12,90 14,90 16,70 18,20 18,40 18,00Fuente: Centro de Investigación Fitoecogenéticas Simón I. Patiño
• Datos recopilados de la estación La Violeta
Los datos estaban presentes en dos formas: bandas de registro semanal que registró el termógrafo (años 78,79) y en planillas en las cuales se hacían registros cada dos horas durante las 24 horas del día (12 lecturas). De las bandas se anotó la máxima y mínima temperatura diaria y se sacó un promedio lo que se presentó anteriormente, para realizar el cálculo de la evapotranspiración potencial. Además cabe señalar que existen datos faltantes en los años 89,90 y parte del 91, por lo que para fines de los cálculos apoyados en la proximidad de la esta La Violeta se asumieron los datos acompañados con asterisco.
En el caso de la estación La Violeta la planilla presenta pocos datos faltantes (3-4) los que fueron llenados con el método de los promedios y se presenta a continuación:Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Cuadro Nº 5. Datos mensuales de Temperatura. Estación La Violeta
PROM. 18,00 17,40 17,50 16,40 14,50 13,00 12,90 14,40 15,80 17,60 18,40 18,40Fuente: SENAMHI * Datos rellenadosLa estación base de preferencia debe reunir dos condiciones: tener un buen historial (años de funcionamiento y datos buenos), por esta razón se eligió la de Aasana, la planilla correspondiente a este parámetro se presenta a continuación:
Cuadro Nº 6. Datos mensuales de Temperatura. Estación Aasana
Una vez completados los datos faltantes de precipitación y temperatura se procedió a la elaboración de los mapas con los cuales se trata de explicar las condiciones del valle central en cuanto a estos dos parámetros con la finalidad de apreciar y/o corroborar si las condiciones en esta zona son las más propicias para los cultivos mencionados en la metodología.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Aplicación de ILWIS
Una vez obtenidos los datos de precipitación completos de los meses faltantes se procedió a introducirlos en el programa ILWIS con lo cual se generó mapas en los cuales se presenta la zona de estudio con sus respectivas precipitaciones de acuerdo a las tablas en las cuales están dichos datos.
Como se explicó líneas arriba para una mejor presentación de los datos de la precipitación se vio por conveniente elegir el método de interpolación de puntos denominado Moving Average (inverse distance), sin embargo es bueno aclarar que los métodos de interpolación (Kriging, Movin Average y otros) requieren una buena cantidad de estaciones (puntos) con los que se puede trabajar y realizar los diferentes procesos de interpolación para determinar entre otras cosas isolíneas de precipitación y temperatura, pero con pocos puntos se tiene la dificultad que para algunos de ellos se requieren de mayor número de puntos.
Para la generación de los mapas que serán descritos más adelante se empleó un modelo de elevación digital (DEM), tanto en el Valle Central como en el Valle Alto.
Mapa de Precipitación
Existe diferencias entre las tres estaciones, respecto a los valores registrados (promedio total), así el menor valor es el de Aasana con 468 mm/año y el mayor de Pairumani (707.0 mm/año), además se aprecia la tendencia que a medida que se va ganando en altura éste parámetro registra mayores valores. (Mapa 3)
Esto nos muestra que las condiciones que presenta el Valle Central son mejores que el área considerada como centro urbano, hablando en términos climáticos.
Mapa de Temperatura
Se aprecia que los valores mas altos se registraron en la estación de Aasana respecto al dato promedio obtenido de todo el periodo (15 años), tal vez debido a la ubicación de ésta, dentro del centro poblado ya que existen condiciones mediante las cuales se almacena el calor en mayor proporción que en las áreas consideradas agrícolas.
También se observa que las estaciones de Pairumani y La Violeta tienen cierta relación ya que están con valores cercanos, esto puede atribuirse a la poca diferencia de altura entre ellas y las mismas condiciones como cuenca, a pesar de la distancia que las separa y de las correcciones que se hicieron por altura para obtener dicho mapa. (Mapa 4)
La tendencia de incremento de las temperaturas se da hacia el valle bajo (estación Capinota), mientras que en la parte superior hacia el parque Tunari la tendencia es que va bajando a medida que se gana en altura.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa 3. Isoyetas del Valle Central (mm)
p
Mapa 4. Isotermas del Valle Central (ºC)
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa de Evapotranspiración Potencial
La evapotranspiración potencial presenta la misma tendencia que el de la temperatura, ya que las estaciones de Pairumani y La Violeta presentan los mismos valores 131 mm/mes (promedio), frente a los 134 mm/mes de la estación de Aasana como se muestra en el mapa siguiente:
Mapa 5. Evapotranspiración Potencial del Valle Central (mm/mes)
Una posible explicación de esta situación puede ser que en el cálculo de la evapotranspiración se empleó la fórmula propuesta por el Dr. Serruto que esta basada básicamente en la temperatura junto a la radiación solar extraterrestre (tabla presentada en la metodología).
Mapa de Requer imientos en mm/año para crecimiento óptimo de los cultivos
Para hacer una adecuación de los cultivos que se consideraron en el presente estudio, los requerimientos para lograr un crecimiento óptimo se hizo el cálculo en base al cuadro 1 multiplicando por dos o tres veces el valor en mm de precipitación requerida, de acuerdo al cultivo que se analiza.
En este mapa se observa que el área circundante a la estación Aasana no muestra un valor adecuado de la precipitación dentro el rango considerado óptimo para los requerimientos de todos los cultivos que se consideran, sí para el caso de algunos que se los maneja un solo ciclo en el año. Tal como se aprecia en el mapa correspondiente (Mapa 6)
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa 6. Requer imiento en mm de los cultivos para crecimiento óptimo
En este punto es oportuno mencionar que el promedio considerado por cada estación también se aproxima a la media de todos los datos considerados en el periodo.Esto además se ve reflejado por la mayor evapotranspiración potencial como fue presentado el mapa correspondiente líneas arriba.
Una explicación del porque se presenta una diferencia abrupta entre la zona cercana a la estación Aasana y el área de influencia de las estaciones Pairumani y La Violeta es por la reclasificación que se asigna, por lo tanto los cálculos realizados por el paquete consideran a cada intervalo como un limite asignado.
Mapa de Requer imientos de temperatura para crecimiento óptimo de los cultivos
Los cultivos que han sido considerados tienen requerimientos de temperatura que están dentro de los datos obtenidos de las tres estaciones cuyo promedio esta entre el rango de los 18-20 ºC, por lo tanto satisfacen plenamente sus requerimientos en este aspecto como se ve reflejado en el mapa correspondiente.(Mapa 7).Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa 7. Requer imientos de temperatura para crecimiento óptimo
Un aspecto que es necesario mencionar está explicado por Villarpando (1997) quien afirma que con referencia a la distribución espacial de la precipitación y la temperatura menciona que los efectos de la altitud y exposición no pueden ser estudiados separadamente, en conjunto constituyen los factores que determinan la cantidad de lluvia que ha de precipitar en distintos lugares, dentro de la misma zona climática. Hay otros factores como la inclinación y la forma del terreno que influyen a su vez en la cantidad de lluvia, junto con la altitud y exposición. Todos ellos determinan el mecanismo de producción de la lluvia a través de los procesos de convergencia, convección y ascenso de las masas de aire por la orografía del terreno.
Otra explicación que es necesaria hacerla se refiere a que las temperaturas con las que se generó este mapa, están dentro el rango considerado óptimo para la mayoría de los cultivos analizados y que se manejan en el Valle Central.
Per iodo de Crecimiento
El periodo de crecimiento que se tiene en el Valle Central muestra que existe un periodo particular (especial) en el cual la curva de la evapotranspiración media sobrepasa a la de la precipitación en ocho meses, lo que nos muestra que el periodo de crecimiento es seco, es decir la evapotranspiración potencial es mayor, pero la evapotranspiración media es menor al de la lluvia en los meses de lluvia (diciembre, enero y febrero).Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Figura 3. Per iodos de Crecimiento en el Valle Central
En este sentido los cultivos tienen condiciones poco favorables para un desarrollo considerado normal, para lo cual se debe programar riegos de acuerdo a las necesidades de cada cultivo.
Sin embargo es bueno y oportuno aclarar que se tienen algunos sectores de esta zona por donde viene el agua de riego que beneficia a algunas comunidades, las cuales no sientes esta misma necesidad.
Siguiendo la metodología propuesta por Thornthwaite-Mather los valores obtenidos en el cálculo de la evapotranspiración potencial representan la mitad de los que se obtuvo con la fórmula del Dr. Serruto, o que nos lleva a la reflexión y análisis en ambos casos, tal como se observa a continuación:
Figura 4. Evapotranspiración Potencial del Valle Central
Evapotranspiracion Potencial del Valle Central (Método Thornthwaite)
0.00
50.00
100.00
150.00
200.00
J A S O N D E F M A M J
Meses
mm
Eto Pp
Per iodo de Crecimiento Valle Central
0.00
40.00
80.00
120.00
160.00
200.00
J A S O N D E F M A M J
Meses
mm
Prom. Precip. Etp mes Etp / 2
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Una posible explicación para esta situación es que en cada una de ellas se trabaja con factores que muchas veces no son representativos de cada lugar de nuestro país, lo que lleva a asumir condiciones solo de referencia pero muchas veces no representan la realidad.
Y otra es que existe una diferencia entre ambas metodologías por el proceso de los cálculos y al final del método Thornthwaite el factor de ajuste esta representado en la tabla respectiva con una diferencia de 5 grados en comparación al de Serruto que tiene 2 grados entre las latitudes.
Valle Alto
Precipitación
En esta zona el estudio comprendió el área considerada plana del valle Alto del departamento de Cochabamba, donde se seleccionaron aquellas estaciones que tenían un historial de 15 años, para tener una mejor confiabilidad sobre los resultados, a continuación se presentan las estaciones seleccionadas:
En esta zona del Valle Alto se pensó en principio considerar a la estación de San Benito como la estación base para efectuar el análisis de consistencia con las demás estaciones que tienen el mismo periodo de datos, ya que se la maneja por el personal que trabaja en la estación experimental con los datos tanto de temperatura como de precipitación.
Pero la falta de datos en estos dos aspectos climáticos hizo que la elección se defina para la estación de Tarata, y los resultados nos muestran que existe una buena consistencia tal como se presentan a continuación:
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Figura Nº5. Curva doble masa para la estación Arani
Lo que nos muestra que los datos tienen una consistencia buena, por lo tanto no requieren una cálculo del factor de corrección para utilizar los datos en los siguientes cálculos.
Figura Nº 6. Curva doble masa para la estación de San Benito
Mediante esta prueba se puede evidenciar que los datos no requieren de un ajuste ya que el índice esta próximo a la unidad y da la garantía necesaria para seguir adelante con los cálculos.
En el caso de Arani fueron 4 datos y en San benito 12, además se ven que los valores generados tienen ligera diferencia y tal como recomienda la bibliografía se utilizó los datos del método racional deductivo, tal como se presenta en la parte de los anexos.
y = 0.3207x - 79.242R2 = 0.9987
0.0
1000.0
2000.0
3000.0
4000.0
5000.0
6000.0
7000.0
8000.0
0.0 5000.0 10000.0 15000.0 20000.0 25000.0
Acumulada estación Tarata
Acu
mul
ada
en m
m
Acumulada estación San Benitolinea de tendencia
y = 0.2698x + 58.022R2 = 0.998
0.0
1000.0
2000.0
3000.0
4000.0
5000.0
6000.0
7000.0
0.0 5000.0 10000.0 15000.0 20000.0 25000.0
Acumulada estación Tarata
Acu
mul
ada
en m
m
Acumulada estación Aranilinea de tendencia
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Posteriormente se hizo el llenado de los datos faltante que habían en ambas estaciones, este llenado se realizó también mediante los dos métodos anteriormente descritos: el de los promedios y el racional deductivo. Siendo el de los promedios el más rápido y fácil, pero de acuerdo al número de datos faltantes el método no da la garantía necesaria, especialmente cuando los datos faltantes son de años seguidos. El segundo método es el más confiable para el llenado correspondiente y estos nuevos valores se utilizan en la generación de los mapas correspondientes.
Temperatura
En la estación de Arani la planilla mostró pocos datos faltantes (6) los que fueron llenados con el método de los promedios ya que no requieren un método más complejo, a continuación se presenta la planilla completa:
Cuadro Nº 8. Datos mensuales de Temperatura. Estación Arani
En el caso de la estación de San Benito que esta dentro de la Estación experimental del mismo nombre la planilla mostró el mayor número de datos faltantes (32) los que fueron llenados con los datos de la estación Tarata, ya que esta estación es la que fue elegida como estación base con el justificativo de la poca diferencia de altura que existe entre ambas y por la ubicación que tienen dentro una misma cuenca.Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Cuadro Nº 9. Datos mensuales de Temperatura. Estación San Benito
La estación base de preferencia debe reunir dos condiciones: tener un buen historial (años de funcionamiento y datos buenos), por esta razón se eligió la de Tarata en comparación con la de San Benito a la que se rellenó un mayor número de datos, aunque en esta (Tarata) se rellenó dos datos como se muestra en el siguiente cuadro:
Cuadro Nº 10. Datos mensuales de Temperatura. Estación Tarata
Una vez completados los datos faltantes de precipitación y temperatura se procedió a la elaboración de los mapas con los cuales se trata de explicar las condiciones del valle alto en cuanto a estos dos parámetros con la finalidad de apreciar y/o corroborar que las condiciones en esta zona son propicias para algunos cultivos.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa de Precipitación
Existen diferencias entre las tres estaciones, respecto a los valores registrados (promedio total), así el menor valor es el de Arani con 376 mm. y el mayor de Tarata con 601 mm. Esto se ve reflejado en el mapa de isoyetas.
Mapa 8. Isoyetas del Valle Central
Esta mayor precipitación se da en todos los años a pesar de que no es la estación que esta a mayor altura de las tres que se consideraron en este estudio.
Mapa de Temperatura
Se aprecia que los valores mas altos se registraron en la estación de Arani, con 17.3ºC, por la ubicación de ésta en un sector donde se registran las mayores temperaturas (Mapa 9).
La que menores valores refleja es la estación de San Benito con 15.2 ºC como dato promedio.
La tendencia de incremento de las temperaturas se da hacia el valle central (estación Tarata), es decir la temperatura corregida por la altura, mientras lo contrario ocurre hacia la localidad de Tiraque, a medida que se gana en altura.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa 9. Isotermas del Valle Alto
Mapa 10. Evapotranspiración del Valle alto (mm/mes)
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa de Evapotranspiración Potencial
De similar forma a la figura que se presentó en la interpretación de la del valle Central la evapotranspiración potencial en esta zona tiene la misma tendencia que el de la temperatura ya que la estación de Tarata presenta el valor en mm/mes (promedio) más alto en comparación con las otras dos estaciones (Mapa 10).
Una posible explicación de esta situación es que en el cálculo de la evapotranspiración se empleó la fórmula propuesta por el Dr. Serruto que esta basada principalmente en la temperatura, acompañada de la radiación solar extraterrestre como factor externo.La confiabilidad que tiene esta fórmula ha sido probada y comparada con los otros métodos para la determinación de la evapotranspiración potencial como ser Penman, Lisímetro, siendo los valores obtenidos con esta nueva fórmula que se aproxima a la del lisímetro.
Mapa de requer imientos en mm para crecimiento óptimo de los cultivos
En este mapa se observa que toda el área considerada plana muestra que la precipitación es adecuada, dentro el rango considerado óptimo para los requerimientos de los cultivos, asumiendo esta situación por la escasa diferencia de altura que existe entre las tres estaciones con las que se trabajó, tal como se presenta en el siguiente mapa.
Mapa 11. Requer imiento en mm de los cultivos para crecimiento óptimo
Es oportuno mencionar que el promedio considerado por cada estación también se aproxima a la media de todos los datos considerados en el periodo, por lo tanto la variación tiende a reducirse del dato promedio.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Mapa de requer imientos de tmperatura para crecimiento óptimo de los cultivos
Los cultivos que han sido considerados tienen requerimientos de temperatura que están dentro de los datos obtenidos de las tres estaciones, por lo tanto satisfacen plenamente sus requerimientos en este aspecto, así se observa en el mapa que se presenta a continuación:
Mapa 12. Requer imientos de temperatura para crecimiento óptimo
Sin embargo conviene aclarar que los datos al ser mensuales y sacar un promedio de los 15 años del periodo que se considera, se tiende a aproximar a la media de todos ellos, pero todos los días del mes no siempre se tiene la misma temperatura.
Otra explicación que es necesario presentar se refiere a que las temperaturas con las que se generó este mapa, están dentro el rango considerado óptimo para la mayoría de los cultivos analizados y que se manejan en el Valle Alto, sin querer decir que satisface totalmente los requerimientos porque en la bibliografía se menciona un intervalo considerado óptimo y para muchos de los cultivos la temperatura más alta se podría tomas como la máxima que este cultivo puede soportar.
Per iodo de Crecimiento
La gráfica del periodo de crecimiento es muy similar a la que se presentó en el Valle Central, ya que refleja que los datos de la precipitación son menores a la evapotranspiración potencial mensual, incluso menor que la evapotranspiración media.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Figura 7. Per iodo de Crecimiento
Se puede afirmar que los cultivos tienen condiciones un poco más desfavorables en cuanto a la precipitación frente a la curva de la evapotranspiración que la supera ampliamente lo que implica una programación de riegos en los meses particularmente de invierno donde no llueve y en el caso de los meses de lluvia riegos adicionales.
Comparando la metodología seguida con la fórmula del Dr. Serruto (1993) que fue presentada anteriormente, con la fórmula propuesta por Thornthwaite-Mather los resultados muestran una variación significativa, ya que los valores calculados a nivel mensual y anual representan el 50% de los que se obtuvo con la fórmula del Dr. Serruto.
Figura 8. Evapotranspiración Potencial del Valle Alto
Evapotranspir ación Potencial del Valle Alto (Metodo Thor nthwaite)
0.00
20.00
40.00
60.00
80.00
100.00
120.00
J A S O N D E F M A M J
Meses
mm
/mes
prom Pp valto
Per iodo de Crecimiento Valle Alto
0.00
40.00
80.00
120.00
160.00
200.00
J A S O N D E F M A M J
Meses
mm
Prom. Precip. Etp mes Etp / 2
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Esta situación puede deberse al uso de los factores en la metodología de Thornthwaite y la variación puede deberse a que en el cálculo del factor de corrección en la tabla respectiva, la variación es cada cinco grados a diferencia de los dos grados con que trabaja la tabla para el factor de corrección para la fórmula de Dr. Serruto.
Por todo esto y basándonos en la bibliografía (Jacob, A.-Angulo, O., 1978) el valor calculado de la evapotranspiración potencial para la estación de San Benito el valor hallado es 1485 mm/mes con el método Penman.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
CONCLUSIONES Y RECOMENDACIONES
1.- Los datos generados para completar las planillas de precipitación tanto con el método de los promedios como con el racional deductivo son similares, especialmente cuando los datos faltantes son pocos, pero cuando son bastantes y en años seguidos existe una diferencia entre ellos, por eso recomiendo asumir los generados con esta segunda metodología.
2.- Los rangos de temperatura con los cuales se trabajó (promedio) satisfacen los requerimientos de los cultivos considerados ya que el promedio que se obtiene esta dentro del rango de esos requerimientos.
3.- Los rangos de precipitación también logran satisfacer estos requerimientos, claro que las condiciones de cada sector son particulares (ejm. Chapare, Camiri) y la variación siempre existirá así como la respuesta del cultivo a dichas condiciones.
4.- El periodo de crecimiento mostró que los cultivos tienen muy poca disponibilidad de agua en el año (ambas zonas), ya que esta muy por debajo de la evapotranspiración, incluso en la mayoría de los meses donde la precipitación esta por debajo de la Etp/2, a pesar de que las condiciones del Valle Central representan mejores condiciones.
5.- La distribución espacial de las estaciones en ambas zonas es la adecuada (estaciones que funcionan actualmente), sin embargo existe una limitante sobre la disponibilidad de los datos almacenados porque en muchos casos no se dispone de los datos diarios por extravío, o porque no fueron revisados por una persona de la institución encargada de su manejo.
5.- La distribución espacial de las estaciones en ambas zonas es la adecuada (estaciones que funcionan actualmente), sin embargo existe una limitante sobre la disponibilidad de los datos almacenados porque en muchos casos no se dispone de ellos por extravío.
6.- El periodo de crecimiento arroja una categoría de ¨periodo de crecimiento intermedio¨ , es decir un periodo en el cual la precipitación sobrepasa algunos meses a la evapotranspiración media, en este periodo se muestra que los cultivos tienen disponibilidad de agua solamente en los meses considerados de lluvia aunque la precipitación está por debajo de la Evapotranspiración, incluso debajo de la evapotranspiraación media, por los que se deben programar riegos.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
BIBLOGRAFIA
Campos, Arana. 1987. Procesos del Ciclo Hidrológico. San Luis Potosí, México, 340 p.
FAO. 1977. Crop water requirements. FAO Irrigation and Drainage Paper 24. Rome, FAO.
FAO. 1979. Yield response to water. J. Doorenbos and A.H. Kassam. FAO Irrigation and Drainage Paper 33. Rome, FAO.
Jacob, A., Angulo, O. (1978). Un estudio agro-meteorológico sobre la determinación de la evapotranspiración potencial, comparando diferentes métodos en el valle de Cochabamba. PNUD-FAO-Gobierno de Bolivia.
Madel, G. 1994. Estudio agroclimatológico de los valles de Cochabamba. Tesis de licenciatura para obtener el título de Ingeniero Agrónomo. UMSS, FCAPF y V.
Manual de Instrucciones, Estudios Hidrológicos. 1972. Publicación Nº70, San José Costa Rica. 493 p.
Organización de las Naciones Unidas para la Agr icultura y la Alimentación. 1997. BOLETIN DE SUELOS DE LA FAO 73. Servicio de Recursos, Manejo y Conservación de suelos Dirección de Fomento de Tierras y Agua. Roma , Italia.
ORGANIZACION METEOROLOGICA MUNDIAL. 1978. Estudio Agroclimatológico de la Zona Andina. Publicación Nº 506. Ginebra, Suiza. 297 p.
Plan General de Riego del Valle Alto. 1993. Agencia de Cooperación del Gobierno de Alemania (GTZ). Cochabamba, Bolivia.
Saenz, M. 1999. Análisis comparativo de sistemas de riego en el valle central de Cochabamba utilizando indicadores de desempeño económico productivo y uso de agua mediante el uso de sig. Tesis de Maestría Profesional, CLAS, UMSS. P 48.
Serruto, R. 1993. Una nueva fórmula para el cálculo de la evapotranspiraación potencial. PIWA, Proyecto Interinstitucional de Waru Waru. p. 13
Soto C. (1997). Consorcio CPM - CONANDINA - INGENDESA - Consorcio de Ingeniería en el Estudio de Suelos del Proyecto de Riego de la Subcuenca del Río Viloma, Diseño Final.
Villarpando, R. 1997. Presencia del Fenómeno del Niño en Bolivia y su Impacto Socioeconómico, con Enfasis en la Agricultura. Cochabamba, Bol. 239 p.
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
ANEXO 2. Cálculo de Evapotranspiración Potencial mediante método Thornthwaite
Ih = 100 x 0/77.3386 = 0% Clima Semiárido DIa = 100 x 39.7556/77.3386 = 51.40% Mesotérmico ( Semifrío ) B2’Im = 0-0.6 x 51.4= -30.84% Deficiencia grande de agua en invierno, con rérimenS = 100 x 22.4959/77.3386 = 29.09% térmico normal del clima
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Cálculo de Evapotranspiración Potencial mediante método Thornthwaite
Estación: SAN BENITO Lat. Sud: 17º31’ Lon. Oeste: 65º53’Altura : 2730 msnm. Periodo: 1978- 1992
Cálculo de la evapotranspiración potencial Determinación de los factores de clasificación del climaMes Temp
Ih = 100 x 0/72.396 = 0% Clima Semiárido DIa = 100 x 27.956/72.396 = 38.61% Mesotérmico ( Semifrío ) B2’Im = 0-0.6 x 41.85 = -23.17% Deficiencia grande de agua en invierno, con rérimenS = 100 x 22.2676/72.396 = 30.76% térmico normal del clima
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Cálculo de Evapotranspiración Potencial mediante método Thornthwaite
Ih = 100 x 15.35/74.704 = 20.55% Clima Subhúmedo secoIa = 100 x 18.324/74.704 = 24.53% Mesotérmico ( Semifrío ) B2’Im = 20.55 - 0.6 x 20.55 = -8.22 Demacía grande de agua en verano, con rérimenS = 100 x 21.89/74.704 = 29.30% Térmico normal del clima
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Cálculo de Evapotranspiración Potencial mediante método Thornthwaite
Estación: LA VIOLETA Lat. Sud: 17º33’ Lon. Oeste: 65º14’Altura : 2610 msnm. Periodo: 1978- 1992
Cálculo de la evapotranspiración potencial Determinación de los factores de clasificación del climaMes Temp
Ih = 100 x 1.4671/75.418 = 1.945% Clima Subhúmedo secoIa = 100 x 18.9027/75.418 = 51.40% Mesotérmico ( Semifrío ) B2’Im = 1.945-0.6 x 2.514= -13.14 Deficiencia grande de agua en invierno, con rérimenS = 100 x 23.17/75.4318 = 30.72%
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Cálculo de Evapotranspiración Potencial mediante método Thornthwaite
Ih = 100 x 0/80.5122 = 0% Clima Semiárido DIa = 100 x 333.6921/80.5122 = 41.85% Mesotérmico ( Semifrío ) B2’Im = 0-0.6 x 41.85= -25.11% Poca o ninguna demacía de aguaS = 100 x 24.759/80.5122 = 30.75% Térmico normal del
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
ANEXO 3. SCRIPTCálculo de Evapotranspiración Potencial.rem ILWIS - Evapotranspiracion potencial FÓRMULA Serruto, 1993 (Inicio)rem step 1 : crear nuevo mapa de Etp eneroetpene:=0.003*(11.4)^2.5+0.16*(tc_ene)^0.88rem calc etpene.mprshow -noask etpene.mprrem step 2 : crear nuevo mapa de Etp febreroetpfeb:=0.003*(12.85)^2.5+0.16*(tc_feb)^0.88rem calc etpfeb.mprshow -noask etpfeb.mprrem step 3 : crear nuevo mapa de Etp marzoetpmar:=0.003*(14.5)^2.5+0.16*(tc_mar)^0.88rem calc etpmar.mprshow -noask etpmar.mprrem step 4 : crear nuevo mapa de Etp abriletpabr:=0.003*(15.6)^2.5+0.16*(tc_abr)^0.88rem calc etpabr.mprshow -noask etpabr.mprrem step 5 : crear nuevo mapa de Etp mayoetpmay:=0.003*(16.2)^2.5+0.16*(tc_may)^0.88rem calc etpmay.mprshow -noask etpmay.mprrem step 6 : crear nuevo mapa de Etp junioetpjun:=0.003*(16.25)^2.5+0.16*(tc_jun)^0.88rem calc etpjun.mprshow -noask etpjun.mprrem step 7 : crear nuevo mapa de Etp julioetpjul:=0.003*(16.2)^2.5+0.16*(tc_jul)^0.88rem calc etpjul.mprshow -noask etpjul.mprrem step 8 : crear nuevo mapa de Etp agostoetpago:=0.003*(15.85)^2.5+0.16*(tc_ago)^0.88rem calc etpago.mprshow -noask etpago.mprrem step 9 : crear nuevo mapa de Etp septiembreetpsep:=0.003*(14.95)^2.5+0.16*(tc_sep)^0.88rem calc etpsep.mprshow -noask etpsep.mprrem step 10 : create a new map de Etp octubreetpoct:=0.003*(13.45)^2.5+0.16*(tc_oct)^0.88rem calc etpoct.mprshow -noask etpoct.mprrem step 11 : create a new map de Etp noviembreetpnov:=0.003*(11.8)^2.5+0.16*(tc_nov)^0.88rem calc etpnov.mprshow -noask etpnov.mprrem step 12 : create a new map de Etp diciembreetpdic:=0.003*(15.4)^2.5+0.16*(tc_dic)^0.88rem calc etpdic.mprshow -noask etpdic.mpr
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
Z
e
o
n
P
D
F
D
r
i
v
e
r
T
r
i
a
l
w
w
w
.
z
e
o
n
.
c
o
m
.
t
w
ANEXO 3. SCRIPT CÁLCULO DE TEMPERATURAS POR INTERPOLACIÓNrem ILWIS Scriptrem CÁLCULO DE TEMPERATURAS POR INTERPOLACIÓN rem step 2 "mapa de temperaturas de febrero"tfeb=MapMovingAverage(estvalto.feb,valte.grf,InvDist(1.000000,43301.270000))rem calc tfeb.mprshow -noask tfeb.mprrem step 2 "mapa de temperaturas de marzo"tmar=MapMovingAverage(estvalto.mar,valte.grf,InvDist(1.000000,43301.270000))rem calc tmar.mprshow -noask tmar.mprrem step 4 "mapa de temperaturas de abril"tabr=MapMovingAverage(estvalto.abr,valte.grf,InvDist(1.000000,43301.270000))rem calc tabr.mprshow -noask tabr.mprrem step 5 "mapa de temperaturas de mayo"tmay=MapMovingAverage(estvalto.may,valte.grf,InvDist(1.000000,43301.270000))rem calc tmay.mprshow -noask tmay.mprrem step 6 "mapa de temperaturas de junio"tjun=MapMovingAverage(estvalto.jun,valte.grf,InvDist(1.000000,43301.270000))rem calc tjun.mprshow -noask tjun.mprrem step 7 "mapa de temperaturas de julio"tjul=MapMovingAverage(estvalto.jul,valte.grf,InvDist(1.000000,43301.270000))rem calc tjul.mprshow -noask tjul.mprrem step 8 "mapa de temperaturas de agosto"tago=MapMovingAverage(estvalto.ago,valte.grf,InvDist(1.000000,43301.270000))rem calc tago.mprshow -noask tago.mprrem step 9 "mapa de temperaturas de septiembre"tsep=MapMovingAverage(estvalto.sept,valte.grf,InvDist(1.000000,43301.270000))rem calc tsep.mprshow -noask tsep.mprrem step 10 "mapa de temperaturas de octubre"toct=MapMovingAverage(estvalto.oct,valte.grf,InvDist(1.000000,43301.270000))rem calc toct.mprshow -noask toct.mprrem step 11 "mapa de temperaturas de noviembre"tnov=MapMovingAverage(estvalto.nov,valte.grf,InvDist(1.000000,43301.270000))rem calc tnov.mprshow -noask tnov.mprrem step 12 "mapa de temperaturas de diciembre"tdic=MapMovingAverage(estvalto.dic,valte.grf,InvDist(1.000000,43301.270000))rem calc tdic.mprshow -noask tdic.mpr